基于模糊聚类迭代模型的洪灾智能评估方法

由于缺少公认的标准,洪灾评估带有很大的主观性,同时,当样本集中存在超大样本或过小样本时,会导致模糊综合评估结果出现较大偏移。提出了一种基于模糊聚类迭代模型的洪灾评估方法,无需提供标准即能对样本空间进行智能辨识并作出相应处理,并以四川省1976-2006年洪灾样本为例,给出了四川省洪灾的等级评估结果。与投影寻踪方法的评估结果进行比较表明,该方法可以适用于大部分情况下的洪灾评估工作。

考虑决策者偏好的洪水灾害模糊聚类迭代评估模型

决策者偏好对洪水灾害的评估结果有重要影响.传统的评估方法可能会出现次要指标权重过大的情况,难以有效体现决策者偏好对评估结果的影响,为此将模糊聚类迭代模型推广到考虑决策者偏好的情况,并给出单一偏好条件下的理论解,提出了基于决策者偏好模糊聚类迭代模型.在该模型中,通过增加一个松弛因子构造一个增广拉格朗日乘子添加到模糊聚类迭代模型的目标函数中,将体现决策者偏好的不等式约束转化为等式约束,并依此求出该偏好条件下权重向量的解析解,可为考虑决策者偏好评估方法的研究提供理论依据;再根据样本特征值矩阵与解得的最优权重向量求出各样本的灾情综合评价值,结合最优隶属度矩阵确定各样本所属洪灾等级,各等级内部样本依据灾情综合评价值排序.该模型直接利用样本特征值矩阵对洪灾样本灾情大小进行识别,降低对最优隶属度矩阵的依赖性,使得排序结果更准确合理.最后,将该模型应用于2013年四川省部分地区洪水资料,验证了考虑决策者偏好模糊聚类迭代模型的理论结果,灾情综合评价值法的排序结果比传统的类别特征值法更合理.