文档介绍：水资源短缺风险综合评价
摘要
关键词:
一、问题重述
水资源,是指可供人类直接利用,能够不断更新的天然水体。主要包括陆地上的地表水和地下水。
风险,是指某一特定危险情况发生的可能性和后果的组合。
水资源短缺风险,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。
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。
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、符号说明
三、评价判定水资源短缺风险因子
为了直观地说明水资源短缺风险程度,利用Quick Cluster过程(快速样本聚类) 对风险进行聚类。快速样本聚类需要确定类数,利用均值分类方法对观测量进行聚类,根据设定的收敛判据和迭代次数结束聚类过程,计算观测量与各类中心的距离,根据距离最小的原则把各观测量分派到各类中心所在的类中去。事先选定初始类中心,根据组成每一类的观测量,计算各变量均值,每一类中的均值组成第二次迭代的类中心,按照这种方法迭代下去,直到达到迭代次数或达到中止迭代的数据要求时,迭代停止,聚类过程结束。对于等间隔测度的变量,一般用Euclidean distance(欧式距离) 计算。
因子分析
为了直观地突出主要的水资源短缺风险因子,方便控制和治理水资源短缺问题,利用因子分析这种降维、简化数据的技术。通过研究众多观测量之间的内部依赖关系,探求观测数据中的基本结构,并用少数几个“抽象”的观测量来表示其基本的数据结构。能反映原来众多变量的主要信息,原始的变量是可观测的显在变量,而因子一般是不可观测的潜在变量。
因子分析的模型
因子分析的数学模型,与一般的多元回归模型比较相似,即每个变量都可表示成各个因子的线性组合。例如“入境水量”的指标可以表示为
(1)
式(1)与一般多元回归方程式的不同之处是:括号内的这三个变量并非独立变量,而是由一组变量按其特征形成了新变量,这就是“共同因子”;而变量
则称为“唯一因子”,它仅是(即入境水量)指标中的孤立的一个因子。式(1)中的为共同因子的常数(即因子载荷量)
一般的说,对于第个观测量的数学模型为
(2)
式(2)中,是共同因子,是共同因子的常数。
主成分分析
由于多个观测量之间往往存在着一定程度的相关性。我们自然希望通过线性组合的方式,从这些指标中尽可能地提取信息。当第一个线性组合不能提取更多的信息时,再考虑用第二个线性组合继续这个快速提取的过程,……直到所提取的信息与原指标相差不多为止。一般说来,在主成分分析适用的场合,用较少的主成分就可以得到较多的信息量。以各个主成分为分量,就得到一个更低维的随机向量;因此,通过主成分分析既可以降低数据“维数”,又保留了原数据的大部分信息。
主成分分析的模型
,令,其中为正交阵,要求的个分量是不相关的,并且的第一个分量的方差是最大的,第二个分量的方差次之,……。为了保持信息不丢失,的各分量的方差和与的各分量的方差和相等。
影响水资源短缺风险因子存在而且可以用来解释复杂变量。只要这个变量共同具有这个因子,便可观测到这些变量是相关的。
年份
工业用水/
亿立