【正文】 stats =。 T=cluster(r3,5)。 r1=zscore(r)。 z=(()/).*(1./(1+exp(*y)))。)ylabel(39。plot(result1,result2,39。 c(j+1)=temp。 endendresult1=t。 t(j)=t(j+1)。plot(t,z,39。t=[,,]。k+39。k39。x=1979:2008。a0=[a1。)axis([2001 2008 0 100])代碼5：（logistic分析模型擬合）x=[ ]39。)xlabel(39。)代碼4：（年份—人均生活用水量）n=2001:2008。)xlabel(39。plot(x,y,39。)ylabel(39。,x,t3,39。plot(x,t1,39。otheruse=sumuseAgriuseInduuse。sumuse=[,,]。年份39。b39。lackwater=sumusesumwater。參考文獻(xiàn)：[1] 北京統(tǒng)計(jì)局，國(guó)家統(tǒng)計(jì)局北京調(diào)查總隊(duì)，《北京統(tǒng)計(jì)年鑒—2009》，.[2] 中央大學(xué)，《數(shù)學(xué)建模論文——水資源短缺風(fēng)險(xiǎn)綜合評(píng)價(jià)_百度文庫(kù)》，.[3] 王紅瑞，錢龍霞，許新宜，王巖，《基于模糊概率的水資源短缺風(fēng)險(xiǎn)評(píng)價(jià)模型及其應(yīng)用》，水利學(xué)報(bào),2009，40（7）：813 – 821.[4] 曹志宇，張忠林，李元韜，《快速查找初始聚類中心的K_means算法》，蘭州交通大學(xué)學(xué)報(bào)，2009，28（6）：15 18.[5] Kaplan，Garrick J，On the quantitative definition of risk[J]，Risk Analysis,1981，1（1）：11 – 37.[6] 左其亭，吳澤寧，趙偉，《水資源系統(tǒng)中的不確定性風(fēng)險(xiǎn)分析方法[J]》，干旱區(qū)地理，2003，26（2）：116 – 121.[7] 劉濤，邵東國(guó)，《水資源系統(tǒng)風(fēng)險(xiǎn)評(píng)估方法研究[J]》，武漢大學(xué)學(xué)報(bào)（工學(xué)報(bào)），2003，38（6）：66 – 71.[8] 韓宇平，王永兵，馮小明，《基于最大熵原理的區(qū)域水資源短缺風(fēng)險(xiǎn)綜合評(píng)價(jià)》，安微農(nóng)業(yè)科學(xué)，2011，39（1）：397 – 399.[9] 李滔，王俊普，吳秀清，唐金輝，《后驗(yàn)概率估計(jì)及其應(yīng)用：基于核Logistic回歸的方法》，模式與人工智能PRamp。根據(jù)以上的模型以及相關(guān)信息，我們預(yù)測(cè)出2012年和2013年的風(fēng)險(xiǎn)等級(jí)：2012年若是枯水年，將會(huì)處于高風(fēng)險(xiǎn)級(jí)別，若是偏枯年或平水年，情況稍微緩和，分別處于中風(fēng)險(xiǎn)和溫和風(fēng)險(xiǎn)；2013年情況相對(duì)嚴(yán)重，如若是枯水年，將會(huì)處于高風(fēng)險(xiǎn)級(jí)別，若是偏枯年，將會(huì)處于較高風(fēng)險(xiǎn)級(jí)別；若是平水年，將會(huì)處于中風(fēng)險(xiǎn)。規(guī)劃水平年總用水量概率風(fēng)險(xiǎn)風(fēng)險(xiǎn)類型2012年50%溫和風(fēng)險(xiǎn)75%中風(fēng)險(xiǎn)95%高風(fēng)險(xiǎn)2013年50%中風(fēng)險(xiǎn)75%較高風(fēng)險(xiǎn)95%高風(fēng)險(xiǎn)若2012年和2013年在枯水年時(shí)，水資源短缺風(fēng)險(xiǎn)都處于高水平風(fēng)險(xiǎn)。 圖八：譜系圖得到以下聚類結(jié)果：水資源短缺風(fēng)險(xiǎn)類別區(qū)間風(fēng)險(xiǎn)特性低風(fēng)險(xiǎn)可以忽略的風(fēng)險(xiǎn)溫和風(fēng)險(xiǎn)可以接受的風(fēng)險(xiǎn)中風(fēng)險(xiǎn)邊緣風(fēng)險(xiǎn)較高風(fēng)險(xiǎn)比較嚴(yán)重的風(fēng)險(xiǎn)高風(fēng)險(xiǎn)無(wú)法承受的風(fēng)險(xiǎn)1979—2008年間風(fēng)險(xiǎn)程度：低風(fēng)險(xiǎn)：1994，1991，1996，1985，1987，1998，1979，1990，1988，1984溫和風(fēng)險(xiǎn)：1986，1982，2007，2005，2006，1983，2004，1995，2008中風(fēng)險(xiǎn)：2003，1997，2002，2001較高風(fēng)險(xiǎn)：2000，1989，1992，1981，1980，1993高風(fēng)險(xiǎn)：19996．3 對(duì)未來(lái)兩年水資源短缺風(fēng)險(xiǎn)的預(yù)測(cè)6．3．1 總用水量擬合模型對(duì)總用水量進(jìn)行預(yù)測(cè)（其中第7年和第9年是沒(méi)有的）y=[ ]。描述風(fēng)險(xiǎn)的準(zhǔn)確率達(dá)到100%，描述概率的準(zhǔn)確率達(dá)到70%以上。圖六：殘差圖6．1．3 水資源短缺風(fēng)險(xiǎn)模型的建立以及結(jié)果分析6．1．3．1 風(fēng)險(xiǎn)函數(shù)的確定 （9）根據(jù)以上所得logistic模型以及風(fēng)險(xiǎn)函數(shù)的確立，使用matlab作圖軟件做出（年份—概率）（代碼6）、（年份—風(fēng)險(xiǎn)）的圖象（代碼7）（如圖五）。在一元線性回歸中，有以下三種檢驗(yàn)方法：F檢驗(yàn)、t檢驗(yàn)、相關(guān)系數(shù)檢驗(yàn)。而Logistic 回歸方法具有對(duì)因變量數(shù)據(jù)要求低、計(jì)算結(jié)果唯一、模型精度高等優(yōu)點(diǎn),本文采用Logistic 回歸模型來(lái)模擬缺水量系列的概率分布。如果,則： （5）其中 是隨機(jī)變量y 的概率密度函數(shù)。 為缺水系列中最大缺水量?；谒Y源的模糊不確定性，我們構(gòu)造以下隸屬函數(shù)來(lái)描述系統(tǒng)的損失值。5．4 總結(jié)通過(guò)以上的分析，得到影響北京市水資源短缺的主要風(fēng)險(xiǎn)因子歸為兩類，自然因素和社會(huì)經(jīng)濟(jì)因素，具體影響因子主要包括：人口的增加導(dǎo)致生活總水量得的增加；地下水補(bǔ)給短缺降低水資源總量；工業(yè)、生活廢水的處理能力弱給水資源使用帶來(lái)危機(jī)。從附表3中所給的北京近三十年的氣象資料可以得到以下降水量變化情況圖五：北京市（19782008）年降水量從總體上看，除去某些高峰點(diǎn)（如1994,1998,2008年）降水量趨向于減少，也就是轉(zhuǎn)化為地表水的水量減少，再由于生活用水總量的增加，這就可以得出以下結(jié)論：地表水的減少也是影響北京市水資源短缺的風(fēng)險(xiǎn)因子之一。因此，可以得出以下結(jié)論：其他用水的急劇上升可能是北京市未來(lái)缺水的主要原因。同時(shí)，也發(fā)現(xiàn)時(shí)間對(duì)缺水量的變化影響不大。給北京市水相關(guān)監(jiān)管部門寫(xiě)出合理的建議報(bào)告時(shí)，應(yīng)該根據(jù)以上預(yù)測(cè)的結(jié)果，本著認(rèn)真負(fù)責(zé)的態(tài)度，用通俗易懂的語(yǔ)言，辯證客觀的進(jìn)行。在隸屬函數(shù)的基礎(chǔ)上，通過(guò)運(yùn)用合適的回歸方法確定水資源短缺風(fēng)險(xiǎn)的模擬概率分布，進(jìn)而構(gòu)造風(fēng)險(xiǎn)的模糊概率函數(shù)。 以北京市水行政主管部門為報(bào)告對(duì)象，寫(xiě)一份建議報(bào)告。如何對(duì)水資源風(fēng)險(xiǎn)的主要因子進(jìn)行識(shí)別，對(duì)風(fēng)險(xiǎn)造成的危害等級(jí)進(jìn)行劃分，對(duì)不同風(fēng)險(xiǎn)因子采取相應(yīng)的有效措施