基于多層次熵權(quán)模型的行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)

董春衛(wèi)，印凡成，包 君，王曉瑞(.河海大學(xué)理學(xué)院，南京 00；.上海理工大學(xué)理學(xué)院，上海 00093)

0 引 言

行蓄洪區(qū)作為行洪區(qū)和蓄洪區(qū)的統(tǒng)稱，是洪水滯蓄的場所又是區(qū)內(nèi)群眾賴以生存的生活基地。為了保障行蓄洪區(qū)內(nèi)群眾生命財(cái)產(chǎn)安全，緩和行蓄洪與群眾生產(chǎn)生活的矛盾，保證及時(shí)有效地啟用行蓄洪區(qū)，則對洪水臨近前行蓄洪啟用的風(fēng)險(xiǎn)評(píng)價(jià)是非常必要的?；诮?jīng)驗(yàn)的傳統(tǒng)風(fēng)險(xiǎn)評(píng)價(jià)方法已無法滿足客觀現(xiàn)實(shí)需求，由定量分析的數(shù)學(xué)評(píng)價(jià)模型是未來風(fēng)險(xiǎn)評(píng)價(jià)發(fā)展的方向。包君等在對行蓄洪區(qū)風(fēng)險(xiǎn)評(píng)價(jià)研究中，從致災(zāi)因子危險(xiǎn)性、承災(zāi)體暴露性和承災(zāi)體脆弱性三個(gè)方面構(gòu)建行蓄洪區(qū)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系[1]。李紹飛等在深入分析洪災(zāi)風(fēng)險(xiǎn)成因的基礎(chǔ)上，以致災(zāi)因子、承載體和孕災(zāi)環(huán)境三個(gè)方面為準(zhǔn)則層，構(gòu)建蓄洪區(qū)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，制定了洪災(zāi)風(fēng)險(xiǎn)等級(jí)和評(píng)價(jià)準(zhǔn)則[2]。常見的綜合評(píng)價(jià)模型對行蓄洪區(qū)運(yùn)用風(fēng)險(xiǎn)評(píng)價(jià)有：模糊綜合判斷法(FCA)[3]、熵權(quán)法[4]和模糊優(yōu)選與模糊一致矩陣混合模型法[1]。但如何把層次分析法和熵權(quán)法有機(jī)地結(jié)合起來，既能克服層次分析法對行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)過程中主觀隨意性較大的缺陷，又發(fā)揮熵權(quán)法評(píng)價(jià)的客觀性，在這方面的工作還不多見。因此，本文通過構(gòu)建行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，運(yùn)用層次分析法與熵權(quán)法的合成模型，即多層次熵權(quán)綜合評(píng)價(jià)法對行蓄洪區(qū)啟用風(fēng)險(xiǎn)進(jìn)行評(píng)價(jià)，探索行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)的新途徑，為流域內(nèi)防洪減災(zāi)工作提供參考依據(jù)。

1 啟用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系構(gòu)建

行蓄洪區(qū)的啟用風(fēng)險(xiǎn)屬洪災(zāi)風(fēng)險(xiǎn)范疇。行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)是流域內(nèi)非工程防洪措施與工程防洪措施的重要內(nèi)容。洪災(zāi)風(fēng)險(xiǎn)主要包括經(jīng)濟(jì)風(fēng)險(xiǎn)和社會(huì)風(fēng)險(xiǎn)。風(fēng)險(xiǎn)大小由洪水危險(xiǎn)性、承災(zāi)體暴露性和脆弱性決定。因此，基于流域?yàn)?zāi)害系統(tǒng)理論，洪災(zāi)風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系必須包含三類指標(biāo)[5]：孕災(zāi)環(huán)境指標(biāo)(包括社會(huì)因素和經(jīng)濟(jì)因素)、致災(zāi)因子指標(biāo)(包含行蓄洪危險(xiǎn)因素)和承災(zāi)環(huán)境指標(biāo)(包含防洪減災(zāi)能力)[6]。本研究在資料允許的前提下，梳理現(xiàn)有相關(guān)研究成果和調(diào)研資料，從經(jīng)濟(jì)風(fēng)險(xiǎn)、社會(huì)風(fēng)險(xiǎn)、行洪危險(xiǎn)性和防洪減災(zāi)能力四個(gè)方面構(gòu)建行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系基本框架：

(1)經(jīng)濟(jì)風(fēng)險(xiǎn)指標(biāo)的選取。經(jīng)濟(jì)風(fēng)險(xiǎn)是因行蓄洪區(qū)在啟用過程中對區(qū)域造成直接和間接的經(jīng)濟(jì)損失[3]。由于行蓄洪區(qū)以農(nóng)業(yè)經(jīng)濟(jì)為主，因此其特性與農(nóng)村有著根本的聯(lián)系。通過選取人均耕地面積、糧食年產(chǎn)量和農(nóng)業(yè)總產(chǎn)值反映行蓄洪區(qū)的經(jīng)濟(jì)實(shí)力和經(jīng)濟(jì)差別；結(jié)合區(qū)域內(nèi)的人均收入和固定資產(chǎn)總值構(gòu)建經(jīng)濟(jì)風(fēng)險(xiǎn)指標(biāo)。其中，人均耕地面積和糧食年產(chǎn)量與啟用風(fēng)險(xiǎn)高低呈正相關(guān)關(guān)系，其他三個(gè)指標(biāo)均與啟用風(fēng)險(xiǎn)呈負(fù)相關(guān)關(guān)系。

(2)社會(huì)風(fēng)險(xiǎn)指標(biāo)的選取。社會(huì)風(fēng)險(xiǎn)是承災(zāi)體暴露性的重要方面，反映了行蓄洪區(qū)在啟用時(shí)對該地區(qū)社會(huì)因素造成的風(fēng)險(xiǎn)。由于社會(huì)風(fēng)險(xiǎn)作為評(píng)價(jià)指標(biāo)包括諸多方面，結(jié)合指標(biāo)數(shù)據(jù)的代表性和可獲取性，因此，選取人口密度、非勞動(dòng)年齡人口數(shù)和行蓄洪轉(zhuǎn)移人口比重三個(gè)指標(biāo)作為社會(huì)風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)[7]。這些指標(biāo)所代表的影響因素都與啟用風(fēng)險(xiǎn)呈正相關(guān)關(guān)系。

(3)行蓄洪危險(xiǎn)指標(biāo)的選取。行蓄洪危險(xiǎn)是指行蓄洪區(qū)在泄洪和蓄洪過程中由于水位變化等因素所帶來的風(fēng)險(xiǎn)。其中，行洪危險(xiǎn)指標(biāo)中的平均淹沒水深、平均進(jìn)洪流量和淹沒面積選取歷年統(tǒng)計(jì)資料平均值，這三個(gè)指標(biāo)均與啟用風(fēng)險(xiǎn)高低呈正相關(guān)關(guān)系；最大行蓄洪量可選取各年行蓄洪量的最大值，而啟用次數(shù)對行蓄洪區(qū)的啟用風(fēng)險(xiǎn)造成直接影響。因此，最大行蓄洪量和啟用次數(shù)與啟用風(fēng)險(xiǎn)呈負(fù)相關(guān)關(guān)系。

(4)防洪減災(zāi)能力指標(biāo)的選取。防洪減災(zāi)能力是承災(zāi)體脆弱性的直接體現(xiàn)。它是指行蓄洪區(qū)在行蓄洪時(shí)人為因素降低風(fēng)險(xiǎn)損失的能力。在資料允許的前提下，結(jié)合行蓄洪過程中人員轉(zhuǎn)移避險(xiǎn)的實(shí)際情況，選取撤退道路密度、人均避險(xiǎn)面積和保莊圩個(gè)數(shù)為防洪減災(zāi)能力的主要評(píng)價(jià)指標(biāo)。其中，為了更加準(zhǔn)確地反映人均避險(xiǎn)面積指標(biāo)，研究中選取人均臺(tái)莊和避洪樓面積。這三個(gè)指標(biāo)均與啟用風(fēng)險(xiǎn)呈負(fù)相關(guān)關(guān)系。

綜上，行蓄洪區(qū)啟用風(fēng)險(xiǎn)指標(biāo)體系的四個(gè)方面共包括16個(gè)評(píng)價(jià)指標(biāo)，如圖1所示。

圖1 行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系Fig.1 Estimation system of flood detention basins using risk

2 多層次熵權(quán)綜合評(píng)價(jià)模型

本文評(píng)價(jià)的對象是由行蓄洪區(qū)眾多因素組成的復(fù)雜系統(tǒng)，且構(gòu)建的行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)體系中包含眾多指標(biāo)，這使得傳統(tǒng)的評(píng)價(jià)方法可能在使用過程中存在缺陷。其中，模糊數(shù)學(xué)中的模糊綜合判斷法只能實(shí)現(xiàn)行蓄洪區(qū)啟用風(fēng)險(xiǎn)聚類分析，不能實(shí)現(xiàn)各指標(biāo)高低排序[3]；而模糊優(yōu)選混合模型雖然實(shí)現(xiàn)了行蓄洪區(qū)啟用風(fēng)險(xiǎn)指標(biāo)高低排序，但不能實(shí)現(xiàn)各行蓄洪區(qū)風(fēng)險(xiǎn)等級(jí)高低排序[1]?？紤]到層次分析法和熵權(quán)法都是在相對隸屬度的基礎(chǔ)上建立起來的，能夠在一定程度上降低主觀因素的影響，從而避開各準(zhǔn)則層隸屬度的確定問題。因此，本文將兩種方法結(jié)合使用構(gòu)建多層次熵權(quán)綜合評(píng)價(jià)模型，同時(shí)對行蓄洪區(qū)啟用風(fēng)險(xiǎn)指標(biāo)和風(fēng)險(xiǎn)等級(jí)高低進(jìn)行排序。其基本思路是：利用熵權(quán)法計(jì)算啟用風(fēng)險(xiǎn)指標(biāo)權(quán)重，結(jié)合層次分析法對各指標(biāo)層次進(jìn)行一致性檢驗(yàn)，最終通過多層次熵權(quán)合成算法計(jì)算行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果集。具體算法如下[8-10]：

設(shè)有n個(gè)待評(píng)價(jià)樣本，m項(xiàng)指標(biāo)構(gòu)成系統(tǒng)評(píng)價(jià)指標(biāo)集，滿足條件：X=(xij)nm。為了使層次分析法和熵權(quán)法同時(shí)適用，并將定量指標(biāo)納入統(tǒng)一框架下考慮，采用Zadeh公式對指標(biāo)數(shù)據(jù)采用和法對列向量進(jìn)行歸一化預(yù)處理得A=(aij)nm，滿足：

(1)

結(jié)合熵的定義，運(yùn)用預(yù)處理歸一化矩陣A=(aij)nm確定評(píng)價(jià)指標(biāo)的熵值：

(2)

(3)

最后計(jì)算評(píng)價(jià)指標(biāo)的綜合權(quán)重W=(wi)1×m：

(4)

B=(b1,b2,…,bm)

(5)

由層次分析法對指標(biāo)層次排序進(jìn)行一致性檢驗(yàn)：

(6)

求出最大特征根λmax的近似值，對各指標(biāo)層次排序進(jìn)行一致性檢驗(yàn)應(yīng)遵循以下條件[8]：①計(jì)算一致性指標(biāo)CI=(λmax-m)/(m-1)，當(dāng)CI=0時(shí)，判斷矩陣具有完全一致性，λmax-m愈小，CI就愈大，則各指標(biāo)的一致性就愈差；②檢驗(yàn)各指標(biāo)一致性時(shí)，還需要將CI與平均隨機(jī)一致性指標(biāo)RI進(jìn)行比較(RI的取值見表1)。③計(jì)算一致性比例為CR=CI/RI，當(dāng)CR

表1 一致性檢驗(yàn)評(píng)價(jià)尺度賦值表Tab.1 Consistency test evaluation scale assignment table

根據(jù)以上熵權(quán)法計(jì)算指標(biāo)權(quán)重與層次分析法對指標(biāo)層次排序一致性檢驗(yàn)的結(jié)果，下面給出多層次熵權(quán)合成算法：

(1)建立評(píng)價(jià)權(quán)重結(jié)果滿意度論域V={v1,v2,…,vn}，其中vi由政府工作報(bào)告、專家意見和統(tǒng)計(jì)數(shù)據(jù)綜合權(quán)衡后得出。將待評(píng)價(jià)樣本預(yù)處理結(jié)果A=(aj)1×m與滿意度論域V={v1,v2,…,vn}之間進(jìn)行單因素評(píng)價(jià)，建立相對隸屬度矩陣R=(rij)mn，rij表示A中的第i個(gè)待評(píng)價(jià)樣本預(yù)處理ai對應(yīng)于滿意度論域V中的第j個(gè)滿意度vj的相對隸屬度。

(2)將各指標(biāo)綜合權(quán)重論域W=(w1,w2,…,wm)與相對隸屬度矩陣R之間建立合成運(yùn)算評(píng)價(jià)結(jié)果集：

M=(mi)1×n=WR

(7)

3 淮河干流行蓄洪區(qū)啟用風(fēng)險(xiǎn)實(shí)證分析

淮河及淮干灘區(qū)對淮河行蓄洪水，保障流域防洪安全具有重要作用，但由于行蓄洪區(qū)啟用頻繁、建設(shè)滯后等特點(diǎn)，區(qū)內(nèi)群眾居住安全尚未得到保證，行蓄洪水過程中與群眾生產(chǎn)生活之間存在極大矛盾，行蓄洪區(qū)難以有效啟用。因此，對淮河干流行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)是十分必要和迫切的。

3.1 研究區(qū)域概況

根據(jù)近年統(tǒng)計(jì)資料，自1950年的淮河流域大洪水發(fā)生后國家設(shè)立行蓄洪區(qū)開始，到2006年底共55年的時(shí)間里，有33年都啟用了數(shù)量不等的行蓄洪區(qū)，啟用行蓄洪區(qū)的次數(shù)總達(dá)196次，平均每個(gè)行蓄洪區(qū)被啟用7次?；春痈闪饔行行詈閰^(qū)共21處，分布在安徽、江蘇兩省境內(nèi)。其中，行蓄洪區(qū)中低洼區(qū)共12處，蓄洪區(qū)3處，即城西湖、城東湖和瓦埠湖，行洪區(qū)9處，壽西湖、湯漁湖、荊山湖、方邱湖、臨北段、香浮段、花園湖、潘村洼和鮑魚圩；中高洼區(qū)共9處，蓄洪區(qū)1處，即蒙河洼，行洪區(qū)8處，即南潤段、姜唐湖、邱家湖、董峰湖、上六坊、下六坊、洛河洼和石姚段。截至2009年底，安徽境內(nèi)淮河干流行蓄洪區(qū)及灘區(qū)內(nèi)總?cè)丝?31.16萬人，其中不安全人口74.17萬人。行蓄洪區(qū)基本情況見表2所示。

表2 淮河干流行蓄洪區(qū)基本情況Tab.2 Basic information of flood detention basins in the main stream of huaihe river

3.2 數(shù)據(jù)來源

根據(jù)淮河干流個(gè)行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，搜集整理相關(guān)文獻(xiàn)[1]和淮河干流各行蓄洪區(qū)各指標(biāo)統(tǒng)計(jì)數(shù)據(jù)，如表3所示。

表3 淮河干流行蓄洪區(qū)指標(biāo)值Tab.3 Index value of flood detention basins in the main stream of huaihe river

續(xù)表3 淮河干流行蓄洪區(qū)指標(biāo)值

注：數(shù)據(jù)源自1991年、2003年、2007年淮河流域洪水記錄和《淮河流域行蓄洪區(qū)運(yùn)用方案(2009)》。

3.3 啟用風(fēng)險(xiǎn)評(píng)價(jià)分析

評(píng)價(jià)體系中的總層次指標(biāo)權(quán)重與單層次各指標(biāo)綜合權(quán)重運(yùn)用熵權(quán)法進(jìn)行計(jì)算，根據(jù)各指標(biāo)權(quán)重對行蓄洪區(qū)啟用風(fēng)險(xiǎn)影響力進(jìn)行排序，如表4所示。

表4 行蓄洪區(qū)啟用風(fēng)險(xiǎn)指標(biāo)權(quán)重及排序Tab.4 Weight and sequence of flood detention basins

由層次分析法對經(jīng)濟(jì)風(fēng)險(xiǎn)、社會(huì)風(fēng)險(xiǎn)、行蓄洪危險(xiǎn)性和防洪減災(zāi)能力四個(gè)方面的評(píng)價(jià)指標(biāo)分別進(jìn)行單層次一致性檢驗(yàn)：λ1max=6.117 2，CI1=0.279 3

對評(píng)價(jià)指標(biāo)體系總層次排序一致性檢驗(yàn)：

其中，λimax和CIi分別為各層權(quán)重wik對層次Ci單層次排序的一致性指標(biāo)，RIi為相應(yīng)的平均隨機(jī)一致性指標(biāo)(RIi的取值見表1，i代表階數(shù))。由計(jì)算可見，單層次與總層次的結(jié)果具有滿意的一致性。根據(jù)指標(biāo)權(quán)重和排序結(jié)果表明：行蓄洪量淹沒面積、人口密度和平均淹沒水深構(gòu)成行蓄洪區(qū)啟用風(fēng)險(xiǎn)的主要因素，與啟用風(fēng)險(xiǎn)呈明顯的正相關(guān)關(guān)系，而撤退道路密度、保莊圩個(gè)數(shù)和啟用次數(shù)與啟用風(fēng)險(xiǎn)呈負(fù)相關(guān)關(guān)系，這與行蓄洪區(qū)啟用風(fēng)險(xiǎn)實(shí)際情況基本相符?？傮w來看，行蓄洪危險(xiǎn)性對行蓄洪區(qū)的啟用風(fēng)險(xiǎn)最大，防洪減災(zāi)能力對啟用風(fēng)險(xiǎn)最小。

風(fēng)險(xiǎn)等級(jí)的高低表明行蓄洪區(qū)啟用時(shí)將帶來社會(huì)風(fēng)險(xiǎn)和經(jīng)濟(jì)風(fēng)險(xiǎn)程度的高低，洪水淹沒造成不同的直接和間接損失。根據(jù)對淮河干流21個(gè)待評(píng)價(jià)行蓄洪區(qū)啟用風(fēng)險(xiǎn)樣本與評(píng)價(jià)滿意度之間進(jìn)行建立相對隸屬度矩陣，通過多層次熵權(quán)合成算法構(gòu)建行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)結(jié)果集，即得到綜合評(píng)分，并對應(yīng)相應(yīng)的風(fēng)險(xiǎn)等級(jí)和風(fēng)險(xiǎn)排序。如表5所示。

將本文提出的多層次模糊熵權(quán)模型與混合模型方法(文獻(xiàn)[1])、系統(tǒng)聚類和K-均值聚類計(jì)算方法的結(jié)果進(jìn)行對比，結(jié)果如表6所示。

表5 行蓄洪區(qū)啟用風(fēng)險(xiǎn)綜合評(píng)分、等級(jí)劃分及風(fēng)險(xiǎn)排序Tab.5 Score, grade and sequence of flood detention basins

表6 多層次熵權(quán)模型與其他方法計(jì)算結(jié)果的比較Tab.6 The Comparison between the result of Multilevel entropy weight model and other methods

注：用數(shù)字1～5代替風(fēng)險(xiǎn)等級(jí)從“高”到“低”排序。

采用Spearman等級(jí)相關(guān)系數(shù)法計(jì)算多層次熵權(quán)綜合評(píng)價(jià)模型與混合模型、系統(tǒng)聚類方法和K-均值聚類方法計(jì)算結(jié)果的相關(guān)性，相同等級(jí)時(shí)用等級(jí)位置的平均數(shù)作為它們的等級(jí)。由計(jì)算結(jié)果可知，多層次熵權(quán)綜合評(píng)價(jià)模型與另外三種方法計(jì)算結(jié)果的相關(guān)系數(shù)均大于0.75，說明本文基于多層次熵權(quán)綜合評(píng)價(jià)模型的計(jì)算結(jié)果較為合理。

根據(jù)啟用風(fēng)險(xiǎn)綜合評(píng)分和風(fēng)險(xiǎn)等級(jí)劃分，行蓄洪區(qū)啟用風(fēng)險(xiǎn)高低排序依次為：城西湖、城東湖、瓦埠湖、壽西湖、臨北段、潘村洼和鮑集圩等?？傮w來看，蓄洪區(qū)運(yùn)用風(fēng)險(xiǎn)高于行洪區(qū)。行洪區(qū)中壽西湖、鮑集圩和潘西洼等因其固定資產(chǎn)高、勞動(dòng)年齡人口比例高、轉(zhuǎn)移人口比重高和行洪面積大等因素綜合作用而導(dǎo)致運(yùn)用風(fēng)險(xiǎn)排在行洪區(qū)的前列；上六坊和下六坊基本無常住人口，行洪時(shí)無需轉(zhuǎn)移，則使啟用風(fēng)險(xiǎn)最低；而石桃段由于固定資產(chǎn)較高、人均避險(xiǎn)面積低等因素，則啟用風(fēng)險(xiǎn)較高，在2009年淮河干流行蓄洪調(diào)整布局中，正陽關(guān)至洛河口：將上六坊和下六坊行洪區(qū)廢棄還給河道，石桃段行洪區(qū)改為行洪保護(hù)區(qū)，說明評(píng)價(jià)結(jié)果具有一定的合理性；同時(shí)，南潤段由于人均避險(xiǎn)面積較大，而邱家湖由于行蓄洪淹沒面積較小等因素，則它們啟用風(fēng)險(xiǎn)較低，在2011年的淮河干流行蓄洪區(qū)調(diào)整規(guī)劃方案中，正陽關(guān)以上：將南潤段和邱家湖改為蓄洪區(qū)，這也說明了評(píng)價(jià)的合理性。

4 結(jié) 語

(1)本文在分析行蓄洪區(qū)啟用風(fēng)險(xiǎn)特點(diǎn)的基礎(chǔ)上，從經(jīng)濟(jì)風(fēng)險(xiǎn)、社會(huì)風(fēng)險(xiǎn)、行蓄洪風(fēng)險(xiǎn)和承載能力四個(gè)方面選取了16個(gè)指標(biāo)構(gòu)建了行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系。在運(yùn)用多層次熵權(quán)綜合評(píng)價(jià)模型對行蓄洪啟用風(fēng)險(xiǎn)評(píng)價(jià)過程中，首先利用熵權(quán)法確定指標(biāo)綜合權(quán)重論域，并結(jié)合層次分析法對指標(biāo)層次進(jìn)行一致性檢驗(yàn)，最后通過合成運(yùn)算得出綜合評(píng)分進(jìn)行風(fēng)險(xiǎn)等級(jí)分析。通過運(yùn)用該模型發(fā)揮了熵權(quán)法和層次分析法兩種評(píng)價(jià)方法的優(yōu)點(diǎn)，對洪水臨近前行蓄洪區(qū)啟用的快速?zèng)Q策具有參考意義。

(2)多層次熵權(quán)綜合評(píng)價(jià)模型對16個(gè)定量指標(biāo)構(gòu)建的行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系進(jìn)行分析，可同時(shí)對行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)和各行蓄洪區(qū)啟用風(fēng)險(xiǎn)高低進(jìn)行排序。充分體現(xiàn)評(píng)價(jià)指標(biāo)的模糊性，減少主觀異端帶來的弊端，改進(jìn)和豐富了行蓄洪區(qū)啟用風(fēng)險(xiǎn)評(píng)價(jià)方法。該方法可以用于政府及專家對各流域內(nèi)行蓄洪區(qū)啟用風(fēng)險(xiǎn)的自評(píng)。

(3)為了檢驗(yàn)多層次熵權(quán)綜合評(píng)價(jià)法的運(yùn)用效果，選取淮河干流21處行蓄洪區(qū)啟用風(fēng)險(xiǎn)指標(biāo)數(shù)據(jù)，運(yùn)用該評(píng)價(jià)模型對啟用風(fēng)險(xiǎn)進(jìn)行分析，并與其他方法的評(píng)價(jià)結(jié)果進(jìn)行對比，結(jié)合規(guī)劃方案和建設(shè)實(shí)施方案驗(yàn)證了所選方法的合理性。研究結(jié)果表明，行蓄洪量淹沒面積、人口密度和平均淹沒水深構(gòu)成了行蓄洪區(qū)啟用風(fēng)險(xiǎn)最主要因素，淮河干流17處行洪區(qū)中4處啟用風(fēng)險(xiǎn)處于“高”等級(jí)，上六坊、下六坊和洛河洼啟用風(fēng)險(xiǎn)最低；4處蓄洪區(qū)中3處啟用風(fēng)險(xiǎn)均處于“高”等級(jí)，蒙洼的啟用風(fēng)險(xiǎn)也處于“較高”等級(jí)，這與淮河干流行蓄洪區(qū)實(shí)際運(yùn)用情況基本相符。

(4)本研究仍存在不足之處：首先，多層次熵權(quán)模型實(shí)現(xiàn)了行蓄洪啟用風(fēng)險(xiǎn)等級(jí)劃分和各指標(biāo)權(quán)重高低排序，但指標(biāo)權(quán)重仍然擺脫不了主觀因素的影響。其次，選取的指標(biāo)之間存在一定程度的關(guān)聯(lián)性，為了避免指標(biāo)之間的過度重疊，目前主要依靠經(jīng)驗(yàn)判斷來選擇指標(biāo)。最后，指標(biāo)體系的選取僅建立在定量指標(biāo)分析的基礎(chǔ)上，對于定性指標(biāo)的選取還需咨詢政府及專家意見后建立。因此，基于數(shù)學(xué)模型的綜合評(píng)價(jià)方法對行蓄洪的啟用風(fēng)險(xiǎn)評(píng)價(jià)仍在繼續(xù)。

□

[1] 包 君,王再明.混合模型在行蓄洪區(qū)運(yùn)用風(fēng)險(xiǎn)評(píng)價(jià)中的應(yīng)用[J].中國農(nóng)村水利水電，2015,(3):94-98.

[2] 李紹飛,余 萍,孫書洪.基于神經(jīng)網(wǎng)絡(luò)的蓄滯洪區(qū)洪災(zāi)風(fēng)險(xiǎn)模糊綜合評(píng)價(jià)[J].中國農(nóng)村水利水電，2008,(6):60-64.

[3] JIANG Weiguo,DENG Lei. Risk assessment and validation of flood disaster based on fuzzy mathematics[J]. Progress in Natural Science, 2009,19:1 419-1 425.

[4] 王兆禮,賴成光,陳曉宏.基于熵權(quán)的洪災(zāi)風(fēng)險(xiǎn)空間模糊綜合評(píng)價(jià)模型[J].水力發(fā)電學(xué)報(bào)，2012,31(5):35-40.

[5] 劉家福,李 京,劉 荊,等.基于GIS /AHP 集成的洪水災(zāi)害綜合風(fēng)險(xiǎn)評(píng)價(jià)——以淮河流域?yàn)槔齕J].自然災(zāi)害學(xué)報(bào)，2008,17(6):100-114.

[6] 李國芳.長江三角洲地區(qū)城市化對洪災(zāi)風(fēng)險(xiǎn)的影響評(píng)價(jià)[J].長江流域資源與環(huán)境，2013,22(3):386-391.

[7] 馮 平,毛慧慧,余 萍.蓄滯洪區(qū)水資源利用的風(fēng)險(xiǎn)效益分析[J].自然災(zāi)害學(xué)報(bào)，2011,20(6):99-103.

[8] 張朝勇,王卓甫.基于熵權(quán)的Fuzzy-AHP法的水電工程投標(biāo)風(fēng)險(xiǎn)決策[J].水利水電技術(shù)，2007,38(6):84-87.

[9] 郭金維,蒲緒強(qiáng),高 祥,等.一種改進(jìn)的多目標(biāo)決策指標(biāo)權(quán)重計(jì)算方法[J].西安電子科技大學(xué)學(xué)報(bào)，2014,41(6):118-125.

[10] 周 鑫,印凡成.基于新偏最小二乘回歸法的系列水文資料分析[J].人民長江，2010,41(9):95-97.