環(huán)境污染應(yīng)急處置技術(shù)的CBR-MADM兩步篩選法模型

劉仁濤，郭 亮，姜繼平，劉 潔，王 鵬*（.哈爾濱工業(yè)大學(xué)市政環(huán)境工程學(xué)院，黑龍江 哈爾濱50090；2.哈爾濱工業(yè)大學(xué)城市水資源與水環(huán)境國家重點(diǎn)實(shí)驗(yàn)室，黑龍江 哈爾濱 50090；3.黑龍江建筑職業(yè)技術(shù)學(xué)院市政工程技術(shù)學(xué)院，黑龍江 哈爾濱 50025）

環(huán)境污染應(yīng)急處置技術(shù)的CBR-MADM兩步篩選法模型

劉仁濤1，3，郭 亮1，2，姜繼平1，劉 潔1，王 鵬1，2*（1.哈爾濱工業(yè)大學(xué)市政環(huán)境工程學(xué)院，黑龍江 哈爾濱150090；2.哈爾濱工業(yè)大學(xué)城市水資源與水環(huán)境國家重點(diǎn)實(shí)驗(yàn)室，黑龍江 哈爾濱 150090；3.黑龍江建筑職業(yè)技術(shù)學(xué)院市政工程技術(shù)學(xué)院，黑龍江 哈爾濱 150025）

突發(fā)環(huán)境污染事件進(jìn)行應(yīng)急處置時，需要在歷史案例庫和處置技術(shù)庫的基礎(chǔ)上通過篩選模型篩選出最適宜的應(yīng)急處置技術(shù).其中篩選的效率和準(zhǔn)確性是構(gòu)建技術(shù)篩選模型的首要因素，目前尚無較為滿意的解決方案.本文結(jié)合案例推理技術(shù)（CBR）和模糊多屬性群決策模型（MADM）的優(yōu)勢，建立了環(huán)境污染應(yīng)急處置技術(shù)的CBR-MADM兩步篩選法模型：第1步，先利用基于熵權(quán)G1法的CBR推理從案例庫中匹配案例，再從相似度最高的幾個案例中提取應(yīng)急處置技術(shù)作為備選技術(shù)；第2步，利用MADM對備選技術(shù)進(jìn)行篩選和決策.CBR-MADM兩步篩選法既充分利用了歷史處置經(jīng)驗(yàn)，又極大地提高了應(yīng)急處置技術(shù)的篩選速度和效率.將該方法應(yīng)用于2012年底山西長治濁漳河苯胺泄漏污染事件中，成功篩選出“投加混凝劑-活性炭壩攔截”技術(shù)，同實(shí)際情況吻合，驗(yàn)證了其適用性和可行性.

突發(fā)環(huán)境污染；應(yīng)急處置技術(shù)；篩選；熵權(quán)G1法；案例推理技術(shù)；多屬性群決策

近些年來突發(fā)水污染事件頻發(fā)，我國學(xué)者對突發(fā)環(huán)境污染事件的應(yīng)急決策管理進(jìn)行了大量研究，主要包括應(yīng)急預(yù)警［1-2］、應(yīng)急決策支持系統(tǒng)［3］等方面.開展應(yīng)急處置前，從污染源控制、污染團(tuán)限制擴(kuò)散以及事后處置等多方面考慮選擇最適宜的應(yīng)急處置技術(shù)或技術(shù)組合至關(guān)重要.然而應(yīng)急處置技術(shù)篩選的研究卻剛剛起步.吳華軍［4］采用綜合多屬性決策分析法對河流水污染控制方案進(jìn)行篩選，對幾種決策方法的結(jié)果取平均值.Shi等［5］將基于層次分析法的群決策技術(shù)用于山西長治濁漳河苯胺污染事件的應(yīng)急處置技術(shù)篩選中，取得一定的效果.目前僅有的這些方法在判斷指標(biāo)權(quán)重時主觀性較強(qiáng)，結(jié)果不確定性較大.特別的，現(xiàn)有篩選方法僅從技術(shù)庫出發(fā)，未與歷史案例庫結(jié)合而充分利用寶貴的歷史案例處置經(jīng)驗(yàn)，尚未形成較為完整的篩選評價方法體系.基于歷史案例庫和處置技術(shù)庫，通過兩步篩選模型尋找最適宜的應(yīng)急處置技術(shù)是其解決方案.

因此，本文建立了基于相似案例匹配-處置技術(shù)篩選的“兩步篩選法”，并在2012年山西長治濁漳河苯胺泄漏污染事件的應(yīng)急決策中進(jìn)行測試應(yīng)用，旨在為環(huán)境污染應(yīng)急處置技術(shù)的篩選提供新思路，完善應(yīng)急處置技術(shù)篩選評估體系.

1 CBR-MADM應(yīng)急處置技術(shù)兩步篩選法框架

在兩步篩選法的框架下，第一步需要從歷史案例中匹配相似案例，提取對應(yīng)的應(yīng)急處置技術(shù).基于案例推理的技術(shù)（CBR）是有效的案例匹配方法.第2步從適用性、經(jīng)濟(jì)性、可行性等因素出發(fā)，對可能采用的技術(shù)進(jìn)行排序和決策.多屬性決策模型（MADM）可用于該階段的篩選評估中.環(huán)境污染應(yīng)急處置技術(shù)篩選最關(guān)鍵的需求之一就是“應(yīng)急”，即篩選模型要能為決策者快速地篩選出適宜的應(yīng)急處置技術(shù).

基于此，本文建立了環(huán)境污染應(yīng)急處置技術(shù)的CBR-MADM兩步篩選法：第1步，應(yīng)用基于熵權(quán)G1法的CBR相似案例篩選方法從案例庫中篩選出相似案例，提取應(yīng)急處置技術(shù).第2步，應(yīng)用區(qū)間三角模糊MADM對應(yīng)急處置技術(shù)進(jìn)行進(jìn)一步篩選和決策.應(yīng)用“兩步篩選法”可通過CBR初步篩選相似案例來大幅度降低MADM技術(shù)篩選矩陣的空間維度，也避免了以往的方法直接應(yīng)用MADM從龐大的技術(shù)庫中篩選應(yīng)急處置技術(shù)時出現(xiàn)數(shù)據(jù)冗余的情況，從而大大提高了應(yīng)急處置技術(shù)篩選的速度和效率.

1.1 基于熵權(quán)G1法的CBR相似案例篩選方法

1.1.1 基于案例的推理技術(shù)（CBR） CBR是一種基于經(jīng)驗(yàn)問題對當(dāng)前問題求解的技術(shù)［6］，包括案例檢索（Retrieve）、案例復(fù)用（Reuse）、案例修正（Revise）和案例保留（Retain） 4個步驟，簡稱4R循環(huán)［7］.能否從CBR過程中獲得滿意的解，案例檢索是其核心.目前常用的案例檢索策略有3種：最近相鄰檢索策略、歸納推理策略以及知識引導(dǎo)策略.最近相鄰策略是大多數(shù)CBR系統(tǒng)的首選算法，本文也采用此算法.

1.1.2 基于熵權(quán)G1法的CBR篩選模型 案例檢索過程需要確定各影響因素的權(quán)重，通?？筛鶕?jù)人工經(jīng)驗(yàn)進(jìn)行設(shè)定［8-10］.李剛等［9］于2010年提出了熵權(quán)G1法，較傳統(tǒng)的層次分析法，計(jì)算量明顯減少，并在賦權(quán)過程中主客觀相結(jié)合更具客觀性和合理性.本文建立基于熵權(quán)G1法的CBR相似案例匹配方法，用于應(yīng)急處置技術(shù)初篩，其基本步驟如下：

步驟1：由專家確定指標(biāo)的重要性排序關(guān)系［11］.對于評價指標(biāo)集｛x1，x2，…，xn｝，專家在指標(biāo)集中，選出一個最重要的指標(biāo)，記為X1；在余下的m-1個指標(biāo)中，選出一個最重要的指標(biāo)，記為X2；在余下的m－（k－1）個指標(biāo)中，選出一個最重要的指標(biāo)，記為Xk；最后一個指標(biāo)記為Xm.這樣確定了唯一的一個序關(guān)系｛X1，X2，…Xk，…，Xn｝.

步驟2：構(gòu)建矩陣.從案例庫中提取m－1個案例，將污染事件與m－1個案例同置于一個矩陣之中，見式（1）.

式中：vij為第i個評價對象中的第j項(xiàng)指標(biāo)的數(shù)值（i=1，2，…，m；j=1，2，…，n）.

在此，突破傳統(tǒng)的思路，將污染事件加入待選案例矩陣，污染事件各指標(biāo)值也參與指標(biāo)賦權(quán)的計(jì)算，使熵權(quán)G1法算出的權(quán)重對于該污染事件更加客觀和合理.

步驟3：計(jì)算排序后各指標(biāo)的熵值［12］.

步驟4：通過指標(biāo)熵值確定相鄰指標(biāo)的重要性之比［11］.

步驟5：權(quán)重系數(shù)的計(jì)算［12］.根據(jù)步驟4計(jì)算的結(jié)果，計(jì)算第n個指標(biāo)熵權(quán)G1法權(quán)重ωn，再依次計(jì)算第n－1，n－2，n －3，…，3，2個指標(biāo)熵權(quán)G1法權(quán)重，得到權(quán)重向量ω=（ω1， ω2，…，ωn）T.

步驟6：案例檢索及相似度計(jì)算.利用最近相鄰檢索策略思想，采用如下相似度計(jì)算公式計(jì)算各案例i與污染事件的相似程度：

式中：simi的取值范圍為［0，1］，且simi的值越大表示案例i與污染事件的相似程度越高.

步驟7：根據(jù)式（2）計(jì)算結(jié)果，選擇相似案例.選擇時考慮同時滿足下列2個條件：①將案例按相似度由大到小排序，取相似度大于0.7的案例；②若滿足條件1的案例較多，則根據(jù)需要取相似度最大的3～5個案例.把篩選出來的相似度較高的案例中所應(yīng)用的應(yīng)急處置技術(shù)提取出來，作為結(jié)果輸出.

1.2 基于TOPSIS的區(qū)間三角模糊MADM模型

第2步篩選需要考慮應(yīng)急處置技術(shù)的適用性、經(jīng)濟(jì)性、可行性等多個屬性指標(biāo)綜合決策.采用基于逼近理想解排序法（TOPSIS）的區(qū)間三角模糊多屬性群決策模型對應(yīng)急處置技術(shù)進(jìn)行最終篩選.

逼近理想解排序法是1981年由Hwang和Yoon提出的用于解決多屬性決策問題的典型方法［13-14］.該方法通過綜合與最理想方案距離最近及與最不理想方案距離最遠(yuǎn)兩方面以確定備選方案的排序和優(yōu)選.

對于具體的多屬性群決策問題，設(shè)共有k個決策者，m個方案，n個目標(biāo)屬性.基于逼近理想解排序法的區(qū)間三角模糊多屬性群決策模型步驟如下：

步驟1：構(gòu)造區(qū)間三角模糊多屬性決策矩陣［15］.

步驟5：構(gòu)建優(yōu)化模型，求解最優(yōu)屬性權(quán)重［20］.

方案Xi與正理想方案r+的距離越小，則方案越優(yōu)；與負(fù)理想方案r－的距離越大，則方案也越優(yōu).同時，各個方案之間公平競爭，r+與r－來自于同一組屬性權(quán)重.因此，針對每個方案Xi，建立如下綜

設(shè)決策方案集為X=［x1， x2，…xm］，決策屬性集為F=［f1，f2，…fn］，決策者集為D=［d1，d2，…dk］.設(shè)決策者dk利用區(qū)間三角模糊數(shù)形式對方案xi的屬性fj給出評價值）］，從而構(gòu)成了第k個決策者的決策矩陣

在應(yīng)用三角模糊數(shù)表示決策信息過程中，用區(qū)間數(shù)來表示三角模糊數(shù)的上限和下限不僅可以避免信息的丟失，而且能更客觀地描述決策信息［16-18］.

步驟2：規(guī)范化區(qū)間三角模糊決策矩陣［18］.

對于越大越優(yōu)型屬性指標(biāo)

對于越小越優(yōu)型屬性指標(biāo)

步驟3：確定正理想方案r+和負(fù)理想方案r－［18］.

步驟4：確定區(qū)間三角模糊決策距離［18］.

步驟5：構(gòu)建優(yōu)化模型，求解最優(yōu)屬性權(quán)重［20］.

方案iX與正理想方案r+的距離越小，則方案越優(yōu)；與負(fù)理想方案r－的距離越大，則方案也越優(yōu).同時，各個方案之間公平競爭， r+與r－來自于同一組屬性權(quán)重.因此，針對每個方案iX，建立如下綜合優(yōu)化模型：

利用基于實(shí)碼加速遺傳算法的投影尋蹤模型［21］對權(quán)重ω進(jìn)行優(yōu)化求解，由最佳投影方向向量可得最優(yōu)屬性權(quán)重ω=（ω1， ω2，…，ωn）T.

步驟6：計(jì)算各方案的相對貼近度［22］

步驟7：群體決策方案的集結(jié)［22］

利用下式

將每名專家對方案集Xi的模糊評價集結(jié)為專家群體對方案集Xi的評價，按Zi值的大小對方案進(jìn)行綜合性排序，Zi值越大則方案越優(yōu).

2 實(shí)例應(yīng)用

本文提出的應(yīng)急處置技術(shù)CBR-MADM兩步篩選法模型以山西長治濁漳河苯胺泄漏污染事件為案例進(jìn)行驗(yàn)證分析.

2012年12月31日，位于山西長治潞城市境內(nèi)的潞安天脊煤化工集團(tuán)股份有限公司因一根向成品罐輸送苯胺的軟管爆裂而導(dǎo)致8.7t的苯胺泄漏入河.泄漏在山西境內(nèi)輻射流域約80km，波及約2萬人.山西省政府于2013年1月5日接到事故報告時，泄漏苯胺已隨河水流出省外至河北境內(nèi)，濁漳河出現(xiàn)大量死魚并導(dǎo)致邯鄲市區(qū)大面積停水.采用何種應(yīng)急處置技術(shù)是決策者們最關(guān)心的問題之一.

2.1 第1步：相似案例的篩選

2.1.1 篩選指標(biāo)體系的建立 根據(jù)案例庫指標(biāo)體系，以及實(shí)際案例中應(yīng)優(yōu)先考慮的指標(biāo)，建立CBR篩選指標(biāo)體系，包括以下9個指標(biāo)：污染物類型、污染物來源、污染物超標(biāo)倍數(shù)、與下游取水口距離、污染物毒性、污染物危險性、污染物穩(wěn)定性、污染物溶解性、污染物揮發(fā)性.

2.1.2 指標(biāo)屬性的賦值 首先制定各篩選指標(biāo)分級及賦值標(biāo)準(zhǔn)方案，共分為3種類型，每種類型各取1個代表指標(biāo)給出其分級及賦值標(biāo)準(zhǔn)方案.其中第1種類型為案例與污染事件的指標(biāo)值是否相同，若相同指標(biāo)值取1，若不相同則取0；第2種和第3種類型分別為定量指標(biāo)和定性指標(biāo)，其分級及賦值標(biāo)準(zhǔn)見表1～表2.

表1 污染物超標(biāo)倍數(shù)分級及賦值Table 1 classification and assignment of pollutants exceeds multiple

表2 污染物毒性分級及賦值Table 2 grading and assignment of pollutant toxicity

2.1.3 案例庫的建立 根據(jù)近年來突發(fā)環(huán)境污染事件的資料，整理歸納了自2005年以來的35個案例，建立環(huán)境污染應(yīng)急處置技術(shù)篩選案例庫，表3給出了案例庫中各案例指標(biāo)的基本信息.

表3 案例指標(biāo)信息Table 3 information of cases index

續(xù)表3

2.1.4 案例指標(biāo)賦值 根據(jù)以上信息，將篩選指標(biāo)體系中各指標(biāo)分別按各自的分級及賦值標(biāo)準(zhǔn)方案進(jìn)行賦值，各案例的指標(biāo)賦值結(jié)果同列于表4中.

2.1.5 相似案例的篩選 步驟1：由專家確定指標(biāo)的重要性排序關(guān)系.向本專業(yè)若干名專家發(fā)放調(diào)查問卷，綜合眾位專家意見，確定指標(biāo)重要性排序?yàn)椋孩傥廴疚镱愋停劲谖廴疚飦碓矗劲畚廴疚锍瑯?biāo)倍數(shù)＞④與下游取水口距離＞⑤污染物毒性＞⑥污染物危險性＞⑦污染物穩(wěn)定性＞⑧污染物溶解性＞⑨污染物揮發(fā)性.

表4 案例指標(biāo)賦值Table 4 Assignment of cases index

步驟2：構(gòu)建矩陣.按照各屬性指標(biāo)所給定的分級賦值標(biāo)準(zhǔn)對各案例的各屬性指標(biāo)進(jìn)行賦值，構(gòu)建矩陣.將污染事件與案例庫中的案例同置于下面一個矩陣中：

步驟3：計(jì)算排序后各指標(biāo)的權(quán)重，得到權(quán)重向量如下：

步驟4：案例相似度計(jì)算結(jié)果如下：

案例相似度由高到低排序：案例34＞案例29＞案例10＞案例14＞案例6＞案例9＞…….取與污染事故相似度大于0.7的案例，分別為案例34、案例29和案例10，3個案例的相似度分別為0.7556、0.7436和0.7103.從這3個案例中提取應(yīng)急處置技術(shù)，分別為“投加混凝劑、活性炭壩攔截技術(shù)”（案例34）、“筑壩攔截、稻草簾吸附技術(shù)”（案例29）和“隔離污染水體、投堿加速分解技術(shù)”（案例10）.

2.2 第2步：應(yīng)急處置技術(shù)的排序和決策

圖1 應(yīng)急處置技術(shù)決策層次結(jié)構(gòu)Fig.1 decision hierarchy of emergency disposal technology

2.2.1 應(yīng)急處置技術(shù)決策層次結(jié)構(gòu) 從上述篩選出的案例中提取應(yīng)急處置技術(shù)信息，基于技術(shù)庫，建立篩選評估的指標(biāo)體系，劃分應(yīng)急處置技術(shù)決策層次結(jié)構(gòu)（圖1）.應(yīng)用基于TOPSIS的區(qū)間三角模糊MADM模型對應(yīng)急處置技術(shù)進(jìn)行最終排序和決策.

2.2.2 應(yīng)急處置技術(shù)的排序和決策 步驟1：構(gòu)造區(qū)間三角模糊多屬性決策矩陣.經(jīng)初步篩選，得出備選技術(shù)方案集：x1為“投加混凝劑、活性炭壩攔截技術(shù)”，x2為“筑壩攔截、稻草簾吸附技術(shù)”，x3為“隔離污染水體、投堿加速分解技術(shù)”.在水污染應(yīng)急處置技術(shù)區(qū)間三角模糊多屬性群決策模型指標(biāo)體系中，共包含了11項(xiàng)屬性指標(biāo)（圖1指標(biāo)層）.其中，應(yīng)急處置技術(shù)處置效果、應(yīng)急處置技術(shù)實(shí)施的依托條件和公眾的接受程度這3項(xiàng)指標(biāo)為越大越優(yōu)型指標(biāo)，其余為越小越優(yōu)型指標(biāo).決策者集包括3位專家d1、d2和d3.經(jīng)過3位專家打分得出評價決策矩陣，評價信息用區(qū)間三角模糊數(shù)給出.以專家1為例，評價決策矩陣的轉(zhuǎn)置形式如下：

步驟2：計(jì)算權(quán)重.用熵權(quán)G1法計(jì)算各專家決策矩陣準(zhǔn)則層和指標(biāo)層的權(quán)重，首先由專家給出準(zhǔn)則層及指標(biāo)層各指標(biāo)的重要性排序，專家一權(quán)重計(jì)算結(jié)果列于表5中.

步驟3：計(jì)算方案相對貼近度.根據(jù)式（10）計(jì)算得出3位專家決策各方案的相對貼近度矩陣為：

步驟4：群體決策方案集結(jié).根據(jù)式（11）計(jì)算得出各專家的權(quán)重

步驟5：根據(jù)式（12）得到群體決策集結(jié)方案評價結(jié)果

即：在3種備選應(yīng)急處置技術(shù)中，各技術(shù)方案從優(yōu)到劣的排列順序?yàn)椋杭夹g(shù)1＞技術(shù)2＞技術(shù)3.具體計(jì)算結(jié)果見表6.

根據(jù)表6計(jì)算結(jié)果，由CBR-MADM兩步篩選法篩選出的適合山西長治濁漳河苯胺泄漏污染事件的最佳處置技術(shù)為“投加混凝劑、活性炭壩攔截技術(shù)”.實(shí)際處置過程考慮到材料產(chǎn)地等因素，采用的是“焦炭壩攔截技術(shù)”.

2.3 CBR-MADM兩步篩選法同其他應(yīng)急處置技術(shù)篩選方法的對比

本文以山西長治濁漳河苯胺泄漏污染事件為案例進(jìn)行了驗(yàn)證分析.Shi等［5］利用基于改進(jìn)的層次分析法的群決策方法對同一污染事件案例進(jìn)行了研究，其方法的優(yōu)點(diǎn)在于將環(huán)境污染應(yīng)急處置技術(shù)按污染源控制、污染團(tuán)限制擴(kuò)散以及事后處置的全過程分成數(shù)段，逐段篩選應(yīng)急處置技術(shù)，最終構(gòu)成技術(shù)組合.該文獻(xiàn)決策結(jié)果為：圍堵+建筑水壩和人工導(dǎo)流+袋裝活性炭吸附+高溫焚燒.其技術(shù)組合的核心即污染物消減技術(shù)為“袋裝活性炭吸附”.本文篩選出的最佳應(yīng)急處置技術(shù)為“投加混凝劑、活性炭壩攔截技術(shù)”.二者技術(shù)主體相互吻合，均為活性炭吸附技術(shù).

表5 指標(biāo)權(quán)重的計(jì)算Table 5 calculation of index weight

表6 各技術(shù)方案優(yōu)劣排序Table 6 ranking of technical plan

與文獻(xiàn)［5］相比，本文所建立的兩步篩選法的優(yōu)點(diǎn)如下：1）文獻(xiàn)［5］在應(yīng)急處置技術(shù)篩選過程中，僅僅依靠技術(shù)庫，而未考慮歷史案例，雖然分段構(gòu)成技術(shù)組合，但只是理論結(jié)果而未經(jīng)實(shí)踐驗(yàn)證；本文以案例庫中的歷史案例為依托，所篩選出的技術(shù)均曾在實(shí)際發(fā)生過的歷史案例中成功地應(yīng)用過；2）文獻(xiàn)［5］所應(yīng)用的層次分析法確定指標(biāo)權(quán)重的過程為純主觀方法，而本文中所用的熵權(quán)G1法在確定指標(biāo)權(quán)重時將主觀方法和客觀方法有機(jī)結(jié)合，既反映了專家的意見又反映了指標(biāo)數(shù)據(jù)的變化，更具客觀性和合理性； 3）與文獻(xiàn)［5］所應(yīng)用的層次分析法相比，本文所用熵權(quán)G1法在確定指標(biāo)權(quán)重過程中無需構(gòu)造判斷矩陣，也無需進(jìn)行一致性檢驗(yàn)，計(jì)算量比層次分析法大大減少，篩選的速度和效率明顯提高，更適合用于“應(yīng)急”決策.

3 結(jié)論

3.1 建立了應(yīng)急處置技術(shù)的兩步篩選法模型.

第1步基于熵權(quán)G1法的CBR相似案例篩選方法，賦權(quán)結(jié)果更具客觀性和合理性；第2步基于TOPSIS的區(qū)間三角模糊MADM模型，用區(qū)間數(shù)表示三角模糊數(shù)的上下限，更客觀完整地描述決策信息.建立新的簡單易行的群決策方案，可最大限度地減小個別專家所給的決策信息對整體決策的影響.

3.2 基于山西長治濁漳河苯胺泄漏污染事件這一歷史案例，對兩步篩選法進(jìn)行驗(yàn)證，本方法篩選出的技術(shù)和實(shí)際采用的技術(shù)相一致，并符合當(dāng)時當(dāng)?shù)貙?shí)際情況.

3.3 將兩步篩選法與文獻(xiàn)報道的篩選方法進(jìn)行對比，分析結(jié)果表明：在同一案例下與其他方法篩選結(jié)果相互吻合，得到的應(yīng)急處置技術(shù)主體一致.

［1］蔣文燕，湯慶合，李懷正，等.化工企業(yè)環(huán)境風(fēng)險綜合評價模式及其應(yīng)用 ［J］. 中國環(huán)境科學(xué)， 2010，30（1）：133-138.

［2］尹榮堯，楊 瀟，孫 翔，等.江蘇沿?；^(qū)環(huán)境風(fēng)險分級及優(yōu)先管理策略研究 ［J］. 中國環(huán)境科學(xué)， 2011，31（7）：1225-1232.

［3］Yu L A， Lai K K. A distance-based group decision making methodology for multi-person multicriteria emergency decision support ［J］. Decision Support Systems， 2011，51（2）：307-315.

［4］吳華軍.老府河水污染控制方案多屬性決策研究 ［D］. 武漢：華中科技大學(xué)， 2006.

［5］Shi Shenggang， Cao Jingcan， Feng Li， et al. Construction of a technique plan repository and evaluation system based on AHP group decision-making for emergency treatment and disposal in chemical pollution accidents ［J］. Journal of Hazardous Materials，2014：200-206.

［6］袁曉芳.基于情景分析與CBR的非常規(guī)突發(fā)事件應(yīng)急決策關(guān)鍵技術(shù)研究 ［D］. 西安：西安科技大學(xué)， 2011：101-102.

［7］鞠可一，周德群，吳君民.混合概念格在案例相似性度量中的應(yīng)用 ［J］. 控制與決策， 2010，25（7）：987-992.

［8］韓 敏，王心哲，李 洋，等.基于貝葉斯粗糙集和混合專家模型的CBR系統(tǒng) ［J］. 控制與決策， 2013，25（7）：987-992.

［9］Yang C H， Zhu H Q， Gui W H. Permeability prediction model for imperial smelting furnace based on improved case-based reasoning ［C］. Proc of the 7th World Congressing Intelligent Control and Automation. Chongqing， 2008：1967-1970.

［10］Stephane N， Marc L L J. Case-based reasoning for chemical engineering design ［J］. Chemical Engineering Research and Design， 2008，8（6）：648-658.

［11］李 剛.基于熵值修正G1組合賦權(quán)的科技評價模型及實(shí)證 ［J］.軟科學(xué)， 2010，24（5）：31-36.

［12］周正柱，汪祖柱，孫明貴.基于熵值修正G1法區(qū)域商務(wù)成本綜合評價模型及實(shí)證研究 ［J］. 云南財(cái)經(jīng)大學(xué)學(xué)報， 2013，（1）：45-54.

［13］Chen S J J， Hwang C L， Beckmann M J， et al. Fuzzy multiple attribute decision making： Methods and applications ［M］. Springer-Verlag New York， Inc.， 1992.

［14］H Wang C L， Yoon K S. Multiple attribute decision making ［M］. Berlin： Spring-Verlag， 1981.

［15］項(xiàng)海飛.一種基于模糊多屬性的群決策方法 ［J］. 統(tǒng)計(jì)與決策，2013，（17）：16-20.

［16］張市芳.動態(tài)區(qū)間三角模糊多屬性決策的TOPSIS擴(kuò)展方法 ［J］.數(shù)學(xué)的實(shí)踐與認(rèn)識， 2013，43（18）：183-188.

［17］Boran F E， Genc S， Kurt M， Akay D. A multi-criteria intuitionistic fuzzy group decision making for supplier selection with TOPSIS method ［J］. Expert Systems with Applications，2009，36（8）：11363-11368.

［18］Ashtiani B， Haghighirad F， Makui A， Montazer G A. Extension of fuzzy TOPSIS method based on interval-valued fuzzy sets ［J］. Applied Soft Computing， 2009，9（2）：457-461.

［19］Zhang Shifang， Liu Sanyang， Zhai Renhe. An extended GRA method for MCDM with interval-valued triangular fuzzy assessments and unknown weights ［J］. Computers and Industrial Engineering， 2011，61（4）：1336-1341.

［20］汪新凡，王堅(jiān)強(qiáng)，楊小娟.基于模糊結(jié)構(gòu)元的模糊數(shù)直覺模糊多準(zhǔn)則決策方法 ［J］. 控制與決策， 2012，27（12）：1793-1799.

［21］邵 磊，周孝德，楊方廷，等.基于自由搜索的投影尋蹤水質(zhì)綜合評價方法 ［J］. 中國環(huán)境科學(xué)， 2010，30（12）：1708-1714.

［22］覃菊瑩，孟凡永，曾雪蘭.三角模糊數(shù)多屬性決策的一種新方法［C］. 第二十六屆中國控制會議論文集， 2007：408-411.

A CBR-MADM based two-step screening model of emergency disposal technology for chemical spills.

LIU Ren-tao1，3， GUO Liang1，2， JIANG Ji-ping1， LIU Jie1， WANG Peng1，2*（1.School of Municipal and Environmental Engineering， Harbin Institute of Technology， Harbin 150090， China；2.State Key Laboratory of Urban Water Resource and Environment， Harbin Institute of Technology， Harbin 150090， China；3.School of Municipal Engineering Technology，Heilongjiang Collage of Construction， Harbin 150025， China）. China Environmental Science， 2015，35（3）：943～952

As emergent environmental pollution accident occurs， it needed to screen the most appropriate emergency disposal technology through screening model based on the databases of historical cases and disposal technology. The efficiency and accuracy of screening was primary factor of establishing technical screening model， currently， there was no satisfactory solution. In this paper， a two-step screening model named CBR-MADM of environmental pollution emergency disposal technology was established which combined the advantages of Case-Based Reasoning （CBR） and Multiple Attribute Decision-Making （MADM）. Firstly， matched cases was searched from case base based on CBR of entropy G1 method， then emergency disposal technology was extracted from several highest similarity cases. Secondly，MADM was used to screen and decide the optimal technology from those alternatives. CBR-MADM two-step screening method not only fully used historical disposal experience， but also greatly improved screening speed and efficiency of emergency disposal technology. CBR-MADM method was applied to aniline leakage pollution incident in Changzhi，Shanxi， 2012， coagulation-activated carbon adsorption interception technology was successfully screened， which perfectly matched actual solution.

sudden environment pollution accidents；emergency disposal technology；screening；entropy weighted G1 method；case-based reasoning （CBR）；multiple attribute group decision making （MADM）

X52

A

1000-6923（2015）03-0943-10

劉仁濤（1975-），男，黑龍江哈爾濱人，副教授，博士，主要從事環(huán)境風(fēng)險管理研究.發(fā)表論文30余篇.

2014-06-30

國家水體污染控制與治理科技重大專項(xiàng)基金（2012ZX07205-005）；環(huán)保公益性行業(yè)科研專項(xiàng)基金（201209048）；中國博士后科學(xué)基金（2014M551249）

* 責(zé)任作者， 教授， pwang73@hit.edu.cn