《数学建模(2)风险因子综合评价.doc》由会员分享，可在线阅读，更多相关《数学建模(2)风险因子综合评价.doc（7页珍藏版）》请在三一文库上搜索。
1、（一）.影响水资源短缺风险的因素加大和降低水资源短缺风险的因素主要源于以下两个方面：1.自然因素2.社会经济。以下分别从两方面对其因素进行定性分析：a. 自然因素：（1）降水量：他是水资源的来源，其大小变化直接影响到水资源量的大小，当降雨量减小时，水资源短缺风险就相应增大。（2）植被覆盖率：一般植被覆盖率越大，涵养水源就越好，能有效地降低水资源短缺风险。（3）地下水天然补给：此补给量越大，则可用地下水越多，可以降低水资源短缺风险。（4）地表水资源量：地表水资源量越大，可用地表水越多，可以降低水资源短缺风险。b. 社会经济：（1）万元GDP水耗下降率：在保证产值的情况下，耗水率越低则越节约水资源
2、，能够降低水资源风险，反之，则能加大水资源风险。（2）农业用水，工业用水，生活用水，环境用水：这几项用水越少，需水量就越小。（3）人口密度：人口密度大将导致水资源使用更加紧张，此值加大将加大水资源短缺的风险。通过对水资源短缺风险因素的分析，我们建立相应的风险指标体系。如图1所示，该指标体系分为两个层次，共有十个指标组成。指标体系建立后，我们需要进一步找出敏感因子（主要因子）.根据20032008年的数据计算进行指标筛选。降雨量（1）（mm） 植被覆盖率 （2）（%） 地下水资源量（3）（亿m） 自然因素 地表水资源量（4）（亿m）风险指标体系 万元GDP水耗下降率（5）（%） 农业用水（6）（
3、亿m） 工业用水（7）（亿m） 社会经济 生活用水（8）（亿m） 环境用水（9）（亿m） 人口密度 （10）（人/平方公里） 图1 北京水资源短缺风险指标体系图（2） 风险敏感因子的确定 1.利用主成分分析方法确定风险敏感因子 主成分分析法是指标筛选最长用的方法之一，该方法的本质目的是对高维变量系统进行最佳综合和简化，同时客观的确定各个指标的权重，从而筛选出权重大的指标，确定敏感因子。该方法较层次分析法和专家打分法的好处是避免了主观随意性，因此采用此法进行指标筛选。2. 主成分分析法的步骤为：（1） 数据的标准化处理 = i=1,2,.,n; j=1,2,.,J (1)其中为第i年第j个指标的值，为第j个指标的样本均值和样本标准差。（2） 计算数据表的相关矩阵R.（3） 求R的J个特征值：.,以及对应的特征向量，.，,他们标准正交，.，成为主轴（4） 求主成分：= j=1,2,.,J, k=1,2,.J (2)（5） 精度分析：通过求累计贡献率E来判断，一般要求取E.85%的最小m值，则可得主平面的维数m,从而可对m个主成分进行综合分析。（6） 在获得特征向量和特征值，并确定主超平面的维数之后，可以计算主因子载荷矩阵，其计算公式为：其中通过对北京市历年数据的风险因子值进行主成分分析，的到如下结果：