水資源短缺風(fēng)險評估模型的建設(shè)及分析畢業(yè)論文-文庫吧資料
2025-06-28 16:00本頁面
【正文】 icients (with 95% confidence bounds): p1 = (, ) p2 = (, ) p3 = (, ) p4 = (, ) p5 = (, )Goodness of fit: SSE: Rsquare: Adjusted Rsquare: RMSE: 得到式子： （10）為每年的總用水量。 圖八：譜系圖得到以下聚類結(jié)果：水資源短缺風(fēng)險類別區(qū)間風(fēng)險特性低風(fēng)險可以忽略的風(fēng)險溫和風(fēng)險可以接受的風(fēng)險中風(fēng)險邊緣風(fēng)險較高風(fēng)險比較嚴(yán)重的風(fēng)險高風(fēng)險無法承受的風(fēng)險1979—2008年間風(fēng)險程度：低風(fēng)險：1994，1991，1996，1985，1987，1998，1979，1990，1988，1984溫和風(fēng)險：1986，1982，2007，2005，2006，1983，2004，1995，2008中風(fēng)險：2003，1997，2002，2001較高風(fēng)險：2000，1989，1992，1981，1980，1993高風(fēng)險：19996．3 對未來兩年水資源短缺風(fēng)險的預(yù)測6．3．1 總用水量擬合模型對總用水量進(jìn)行預(yù)測（其中第7年和第9年是沒有的）y=[ ]。6．2 水資源短缺風(fēng)險分類為得到相對直觀的風(fēng)險率聚集情況，以降雨量為橫坐標(biāo)，風(fēng)險率為縱坐標(biāo)，用matlab建立（降雨量—風(fēng)險率）圖像，并對其進(jìn)行三次擬合，得殘差為：r=，擬合度較高，根據(jù)圖七顯示，風(fēng)險率越高的年份其年降雨量相對減少，這是符合事實的，可以付諸使用。描述風(fēng)險的準(zhǔn)確率達(dá)到100%，描述概率的準(zhǔn)確率達(dá)到70%以上。1980、198199，即風(fēng)險達(dá)到極高的情況，、位居缺水量的前四位，這和事實也是相吻合的。圖六：殘差圖6．1．3 水資源短缺風(fēng)險模型的建立以及結(jié)果分析6．1．3．1 風(fēng)險函數(shù)的確定 （9）根據(jù)以上所得logistic模型以及風(fēng)險函數(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）的圖象（代碼7）（如圖五）。因此，回歸方程是顯著的。在一元線性回歸中，有以下三種檢驗方法：F檢驗、t檢驗、相關(guān)系數(shù)檢驗。用matlab編程（代碼5）解得logistic函數(shù)為： （8）其中為缺水量。而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,本文采用Logistic 回歸模型來模擬缺水量系列的概率分布。依據(jù)概率密度函數(shù)和隸屬函數(shù)的形式計算水資源短缺風(fēng)險值。如果,則： （5）其中 是隨機(jī)變量y 的概率密度函數(shù)。 為模糊事件的隸屬函數(shù)。 為缺水系列中最大缺水量。為缺水量在模糊集上的隸屬函數(shù),構(gòu)造如下: （3）式中: 、分別為供水量和需水量?；谒Y源的模糊不確定性，我們構(gòu)造以下隸屬函數(shù)來描述系統(tǒng)的損失值?；谏鲜隼碛稍O(shè)計了基于模糊概率的水資源短缺風(fēng)險評價模型。5．4 總結(jié)通過以上的分析，得到影響北京市水資源短缺的主要風(fēng)險因子歸為兩類，自然因素和社會經(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危機(jī)。通過附表5中給出的污水排放以及處理情況，2008年的污水排放量為132095萬立方米，而污水的處理率只有78%左右，處理能力還不強(qiáng)。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（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)險因子之一。5．3．1 自然因素對水資源短缺影響的自然因素有：①、人口密度；②、降水量；③、水資源總量等。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缺水的主要原因。綜上所述，對北京市缺水風(fēng)險的研究是具有重大意義的。同時，也發(fā)現(xiàn)時間對缺水量的變化影響不大。四、符號說明 年份 水資源總量 總用水量 缺水量 農(nóng)業(yè)用水量 工業(yè)用水量 其他用水量 百分比 降水量 模糊集 隸屬函數(shù) 最小缺水量 最大缺水量 風(fēng)險概率函數(shù) 風(fēng)險值 logistic回歸函數(shù) 回歸多項式的常數(shù)項 回歸多項式的一次項系數(shù) 殘差五、模型準(zhǔn)備5．1 19792008年北京市水供應(yīng)關(guān)系分析根據(jù)19792008年的數(shù)據(jù)分析得到水資源總量（）、總用水量（）、缺水量（x）與年份的關(guān)系，用matlab（代碼1）實現(xiàn)其折線關(guān)系圖（如圖一）； 圖一：北京市供水、用水情況根據(jù)以上折線關(guān)系圖，我們可以得到：除了1985，1987，1991，1996年以外，其他年份均出現(xiàn)缺水現(xiàn)象。給北京市水相關(guān)監(jiān)管部門寫出合理的建議報告時，應(yīng)該根據(jù)以上預(yù)測的結(jié)果，本著認(rèn)真負(fù)責(zé)的態(tài)度，用通俗易懂的語言，辯證客觀的進(jìn)行。同時，運(yùn)用以上模型，計算出在不同降雨量的情況下的風(fēng)險模糊概率，再通過評價等級，即可得到預(yù)測的結(jié)果。在隸屬函數(shù)的基礎(chǔ)上，通過運(yùn)用合適的回歸方法確定水資源短缺風(fēng)險的模擬概率分布，進(jìn)而構(gòu)造風(fēng)險的模糊概率函數(shù)。對于確定水資源短缺風(fēng)險的主要風(fēng)險因子問題：我們可以通過本題所
公司管理相關(guān)推薦
鄂ICP備17016276號-1