北京水资源短缺风险评价-百度文库..doc

北京水资源短缺风险评价 Glorevo 摘要 本文讨论了如何对北京市水资源短缺风险进行综合评价以及作出应对措施的数学模型。 对于问题一：为了判定北京市水资源短缺风险的主要因子，文章选取了6个比较具有代表性的影响因素：农业用水，工业用水，第三产业及生活等其它用水，人口规模，降雨量，污水处理能力。然后采取灰色理论中的关联度分析方法，求得6个因素与缺水程度的关联度分别为： 由此确定影响水资源的主要风险因子依次为：污水处理能力，年降雨量，农业用水量。 对于问题二，先对30年的数据用模糊C均值聚类法将具有相似特征的样本归为一类，划分为5个类别。计算出每个类别的缺水程度平均值，根据其大小关系将5个类区分为高风险、较高风险、中等风险、较低风险和低风险5个风险等级。发现北京市的水资源从1999年到2003年一直处于高风险等级，到2004年以后是处于中等的风险等级，针对这些情况，我们给出了对主要风险因子的调控方案。最后用BP神经网络学习样本与风险等级之间的映射关系，使其对新样本具有等级判定能力，从而得到判断样本风险等级的方法。 对于问题三，我们采取灰色理论的模型对未来两年影响水资源的6个因素分别进行预测，然后利用BP神经网络对预测出的新样本做出风险等级评判，并提出了调整产业结构等应对措施。 最后我们拟了一份关于如何对北京市水资源短缺风险降到最低的报告，制定出应对的措施，缓解水资源的供需矛盾。 关键词：风险因子 灰色理论 模糊C均值聚类 BP神经网络 目录 北京水资源短缺风险评价 1 摘要 1 目录 2 一、问题重述 1 二、问题分析 1 三、模型假设 2 四、符号说明 2 五、模型建立与求解 3 5.1 问题一 3 5.1.1 水资源主要风险因子的确定 3 5.1.2 问题的求解与分析 4 5.2 问题二 4 5.2.1 模糊C均值聚类分析 4 5.2.2 聚类结果 5 5.2.3 BP神经网络判别风险等级 6 5.2.4 BP神经网络训练结果 8 5.2.5 对主要风险因子进行调控 8 5.3 问题三 9 5.3.1 对未来两年各因素进行灰色预测 9 5.3.2 灰色模型的精度检验 11 5.3.3 灰色预测求解 11 5.3.4 应对措施 12 六、给北京市水行政主管部门建议的报告 12 七、模型的评价与推广 13 八、参考文献 13 九、附录 14 附录一、程序用到的数据文件格式，即data.txt 14 附录二、聚类分析、神经网络训练和样本等级判定程序，whcls.m 15 附录三、新样本预测及其风险等级判定程序，est.m 17 一、问题重述 近年来，我国、特别是北方地区水资源短缺问题日趋严重，水资源成为焦点话题。所谓水资源短缺风险，是泛指在特定的时空环境条件下，由于来水和用水两方面存在不确定性，使区域水资源系统发生供水短缺的可能性以及由此产生的损失。 以北京市为例，北京是世界上水资源严重缺乏的大都市之一，其人均水资源占有量不足300m3，为全国人均的1/8，世界人均的1/30，属重度缺水地区，附表中所列的数据给出了1979年至2000年北京市水资源短缺的状况。北京市水资源短缺已经成为影响和制约首都社会和经济发展的主要因素。政府采取了一系列措施, 如南水北调工程建设, 建立污水处理厂,产业结构调整等。但是，气候变化和经济社会不断发展，水资源短缺风险始终存在。如何对水资源风险的主要因子进行识别，对风险造成的危害等级进行划分，对不同风险因子采取相应的有效措施规避风险或减少其造成的危害，这对社会经济的稳定、可持续发展战略的实施具有重要的意义。 《北京2009统计年鉴》及市政统计资料提供了北京市水资源的有关信息。利用这些资料和你自己可获得的其他资料，讨论以下问题： 1、评价判定北京市水资源短缺风险的主要风险因子是什么？影响水资源的因素很多,例如：气候条件、水利工程设施、工业污染、农业用水、管理制度，人口规模等。 2、建立一个数学模型对北京市水资源短缺风险进行综合评价， 作出风险等级划分并陈述理由。对主要风险因子,如何进行调控，使得风险降低？ 3、对北京市未来两年水资源的短缺风险进行预测，并提出应对措施。 4、以北京市水行政主管部门为报告对象，写一份建议报告。 二、问题分析 据相关资料统计表明，北京是属于重度缺水地区，其中，人均水资源占有量不足300m3，为全国人均的1/8，世界人均的1/30，作为首都的城市，若不及时采取措施降低水资源短缺风险度，则会严重导致社会经济的增长，社会和谐的发展等等，因此，采取有效措施改善资源分配具有重要的意义。 问题一：通过对数据系统地分析，列出有可能影响水资源短缺的因素，分为6类：农业用水，工业用水，第三产业及生活等其它用水，人口规模，降雨量，污水处理能力。然后定