北京水資源短缺風(fēng)險(xiǎn)綜合評(píng)價(jià)-全文預(yù)覽
【正文】 由于聚類中心內(nèi)沒(méi)有改動(dòng)或改動(dòng)較小而達(dá)到收斂。 圖2 北京市19792009年的水資源短缺風(fēng)險(xiǎn)由圖可以看出，1981981981981991991992008年的風(fēng)險(xiǎn)值均非常小，、1981999年的風(fēng)險(xiǎn)值較大。 Snell R 方Nagelkerke R 方1()Hosmer 和Lemeshow 檢驗(yàn)：分類表a已觀測(cè)已預(yù)測(cè)VAR00006百分比校正步驟 1VAR0000650125總計(jì)百分比a. 切割值為 .500（%，全部31組數(shù)據(jù)30個(gè)預(yù)測(cè)準(zhǔn)確，1個(gè)預(yù)測(cè)失敗，模擬效果良好）對(duì)應(yīng)于HosmerLemeshow 檢驗(yàn)的列聯(lián)表：方程中的變量B,WalsdfSig.Exp (B)步驟 1aVAR000120．3891常量11E+015a. 在步驟 1 中輸入的變量: VAR00012.( .)即b0=, b1=；則用Logistic回歸模型求出的缺水概率函數(shù)為 （4）（三）利用模糊概率法評(píng)價(jià)水資源短缺風(fēng)險(xiǎn)的綜合評(píng)價(jià) 將水資源短缺風(fēng)險(xiǎn)定義為模糊事件發(fā)生的概率，及模糊概率為 （5）式中：為n維歐氏空間，為模糊事件的隸屬函數(shù)；P為概率測(cè)定。Exp(E)是B ；方程中的變量B,WalsdfSig.Exp (B)步驟 0常量1不在初始方程中的變量：得到的得分?jǐn)?shù)值滿足要求。這個(gè)結(jié)果主要用于對(duì)比，比較模型參數(shù)收斂前后的效果。因變量編碼初始值內(nèi)部值.0001塊 0: 起始?jí)K初始分類表；Logistic 建模如同其他很多種建模方式一樣，首先對(duì)模型參數(shù)賦予初始值，然后借助迭代計(jì)算尋找最佳值。則關(guān)于缺水量的Logistic回歸模型可寫為： （3）式中：分別為自變量的系數(shù)和常數(shù)，此時(shí)的稱為L(zhǎng)ogistic回歸系數(shù)；e為自然對(duì)數(shù)?；谒Y源的模糊不確定性，構(gòu)造一個(gè)合適的隸屬函數(shù)來(lái)描述水資源短缺帶來(lái)的損失。但風(fēng)險(xiǎn)R不僅是風(fēng)險(xiǎn)事件發(fā)生的概率P的函數(shù)，而且是風(fēng)險(xiǎn)發(fā)生事件所產(chǎn)生的后果的函數(shù)。從正方向看，比較大的是降雨量。a. 已提取了 2 個(gè)成份。相關(guān)系數(shù)矩陣R如下表二所示。 圖1 北京市水資源短缺風(fēng)險(xiǎn)指標(biāo)體系 降雨量(mm) 平均氣溫(℃) 自然因素 植被覆蓋率(%) 水資源總量（億立方米）風(fēng)險(xiǎn)指標(biāo)體系 人口數(shù)量(萬(wàn)人) 人均GDP（元/人） 污水處理率（%） 社會(huì)經(jīng)濟(jì) 生活用水總量（億立方米） 農(nóng)業(yè)用水總量（億立方米） 農(nóng)業(yè)部灌溉定額（千公頃） 工業(yè)用水總量（億立方米） 圖一中的北京市水資源短缺風(fēng)險(xiǎn)因子的各年數(shù)據(jù)如下表一 表一 北京市水資源短缺風(fēng)險(xiǎn)因子的各年數(shù)據(jù)降雨量（mm）平均氣候 (℃)植被覆蓋率（%）水資源總量（億立方米）人口數(shù)量（萬(wàn)人）人均GDP（元/人）污水處理率（%）生活用水總量（億立方米）農(nóng)業(yè)用水總量（億立方米）農(nóng)業(yè)部灌溉定額（千公頃）工業(yè)用水總量（億立方米）197913581980261544198124152619821671198319431984226219853826431986102828361987104731501988106138921989107542691990108646351991109454941992110264581993111280061994112510240199512690199614254199712401662119981912819992140720002412720012698020023073020033477720044091620051538459932006158152054200716336127420081695667972009175570452 主成分分析法是指標(biāo)篩選最常用的方法之一，它利用降維的思想，把多指標(biāo)轉(zhuǎn)化為少數(shù)幾個(gè)綜合指標(biāo)，減少變量的個(gè)數(shù)，故這幾個(gè)綜合指數(shù)能包含原信息量的80%以上即可。因此，導(dǎo)致北京水資源短缺的主要原因有資源型缺水和水質(zhì)性缺水等。2. 假設(shè)在未來(lái)的兩年中不會(huì)發(fā)生重大自然災(zāi)害，如洪水、地震等。1 評(píng)價(jià)判定北京市水資源短缺風(fēng)險(xiǎn)的主要風(fēng)險(xiǎn)因子是什么？2建立一個(gè)數(shù)學(xué)模型對(duì)北京市水資源短缺風(fēng)險(xiǎn)進(jìn)行綜合評(píng)價(jià)， 作出風(fēng)險(xiǎn)等級(jí)劃分并陳述理由。北京市水資源短缺已經(jīng)成為影響和制約首都社會(huì)和經(jīng)濟(jì)發(fā)展的主要因素。首先構(gòu)造隸屬函數(shù)以評(píng)價(jià)水資源系統(tǒng)的模糊性；其次利用Logistic回歸模型模擬和預(yù)測(cè)水資源短缺風(fēng)險(xiǎn)發(fā)生的概率；而后建立了基于模糊概率的水資源短缺風(fēng)險(xiǎn)模型；最后利用Quick Cluster對(duì)風(fēng)險(xiǎn)值進(jìn)行聚類，求出
法律信息相關(guān)推薦
鄂ICP備17016276號(hào)-1