北京水資源短缺風險綜合評價(編輯修改稿)
2024-07-23 02:34 本頁面
【文章內(nèi)容簡介】 缺水量；p為大于1的正整數(shù)。通過北京19792009年數(shù)據(jù)可知，，而此時的p取8。則上的隸屬函數(shù)可化作： 0 ， ， （2） 1， （二）.水資源短缺風險的模擬概率分布因為Logistic回歸方法具有對因變量數(shù)據(jù)要求低、計算結(jié)果唯一、模型精度高等優(yōu)點，所以在此采用Logistic回歸模型來模擬缺水量系列的概率分布。則關于缺水量的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)，此時的稱為Logistic回歸系數(shù)；e為自然對數(shù)。用SPSS軟件進行Logistic回歸分析的具體流程圖如下：樣品處理摘要:案例處理匯總未加權的案例aN百分比選定案例包括在分析中31缺失案例0.0總計31未選定的案例0.0總計31a. 如果權重有效，請參見分類表以獲得案例總數(shù)。因變量編碼：這是很重要的信息，告訴我們不同年份的缺水結(jié)果。我們用1表示缺水，用0 表示不缺水，也就是說，在這次SPSS 分析過程中便于分析。因變量編碼初始值內(nèi)部值.0001塊 0: 起始塊初始分類表；Logistic 建模如同其他很多種建模方式一樣，首先對模型參數(shù)賦予初始值，然后借助迭代計算尋找最佳值。以誤差最小為原則，或者以最大似然為原則，促使迭代過程收斂。當參數(shù)收斂到穩(wěn)定值之后，就給出了我們需要的比較理想的參數(shù)值。下面是用初始值給出的預測和分類結(jié)果。這個結(jié)果主要用于對比，比較模型參數(shù)收斂前后的效果。分類表a,b已觀測已預測VAR00006百分比校正步驟 0VAR0000605.0026總計百分比a. 模型中包括常量。b. 切割值為 .500初始化方程中的變量：從這個表中可以看到系統(tǒng)對模型的最初賦值方式。最開始僅僅對常數(shù)項賦值，結(jié)果為B=，.=，于是Wald ，后面的df 為自由度，即df=1； 值，Sig.=。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：得到的得分數(shù)值滿足要求。不在方程中的變量得分dfSig.步驟 0變量VAR000121總統(tǒng)計量1塊 1: 方法 = 輸入模型系數(shù)的混合檢驗：模型系數(shù)的綜合檢驗卡方dfSig.步驟 1步驟1塊1模型17,、模型摘要：模型摘要中給出最大似然平方的對數(shù)、CoxSnell 擬合優(yōu)度以及Nagelkerke 擬合優(yōu)度值。最大似然平方的對數(shù)值（2loglikelihood=）用于檢驗模型的整體性擬合效果，該值在理論上服從卡方分布，上面給出的卡方臨界值，因此，最大似然對數(shù)值檢驗通過。Model Summ模型匯總步驟2 對數(shù)似然值Cox amp。 Snell R 方Nagelkerke R 方1()Hosmer 和Lemeshow 檢驗：分類表a已觀測已預測VAR00006百分比校正步驟 1VAR0000650125總計百分比a. 切割值為 .500（%，全部31組數(shù)據(jù)30個預測準確，1個預測失敗，模擬效果良好）對應于HosmerLemeshow 檢驗的列聯(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）利用模糊概率法評價水資源短缺風險的綜合評價 將水資源短缺風險定義為模糊事件發(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為概率測定。如果,則 （6）其中是隨機變量y的概率密度函數(shù)。水資源短缺風險的定義可表示為 （7）從式（5）—（7）可知：上述風險定義將水資源短缺風險存在的模糊性和隨機性聯(lián)系在一起，其中，隨機不確定性體現(xiàn)了水資源短缺風險發(fā)生的概率，而模糊不確定性則體現(xiàn)了水資源短缺風險的影響程度。根據(jù)式（2）、（4）、（7）建立的水資源短缺風險評價模型，得到北京市1979—2009年的水資源短缺風險的計算結(jié)果如圖2所示。 圖2 北京市19792009年的水資源短缺風險由圖可以看出，1981981981981991991992008年的風險值均非常小，、1981999年的風險值較大。而20082009年的風險有升高的趨勢。以上分析說明模型的計算與實際情形是吻合的，可以付諸實踐。 水資源短缺風險等級劃分我們將風險劃為五個等級，分別為低風險、較低風險、中風險、較高風險、高風險五個等級，利用Quick Cluster 對19792009年北京市水資源短缺風險進行聚類，則可得出五個類中心，即為風險等級的類中心。我們利用SPSS中的聚類功能算出類中心，數(shù)據(jù)如下：初始聚類中心聚類12345VAR00008迭代歷史記錄a迭代聚類中心內(nèi)的更改12345123a. 由于聚類中心內(nèi)沒有改動或改動較小而達到收斂。任何中心的最大絕對坐標更改為 .000。當前迭代為 3。初始中心間的最小距離為 .203。最終聚類中心聚類12345VAR00008(聚出的5個類中心，如上面所示。)每個聚類中的案例數(shù)聚類1（）較低風險2（）中風險3（）高風險4（）低風險5（）較低風險有效 水資源短缺風險的分類水資源短缺風險類別類中心風險特性低風險可以忽略的風險較低風險可以接受的風險中風險邊緣風險較高風險比較嚴重的風險高風險無法承受的風險 對主要風險因子的調(diào)控（一）節(jié)約用水 調(diào)整產(chǎn)業(yè)結(jié)構加大節(jié)水力度中國正全面建設節(jié)水型社會，到2010年，電力工業(yè)和一般工業(yè)的用水重復利用率分別達到93%和85%以上。農(nóng)業(yè)要求全面實現(xiàn)國家有關部門正在實施的
法律信息相關推薦
鄂ICP備17016276號-1