TOP19【毕业设计】水资源短缺的综合分析和预测.doc文档免费在线阅读

如果，则其中是随机变量的概率密度函数。

水资源短缺风险的定义可表示为从式可知上述风险定义将水资源短缺风险存在的模糊性和随机性联系在起，其中，随机不确定性体现了水资源短缺风险发生的概率，而模糊不确定性则体现了水资源短缺风险的影响程度。

根据式建立的水资源短缺风险评价模型，得到北京市年的水资源短缺风险的计算结果如图所示。

图北京市年的水资源短缺风险由图可以看出，年的风险值均非常小，接近于而年的风险值较大，均大于。

而年的风险有升高的趋势。

以上分平方的对数拟合优度以及拟合优度值。

最大似然平方的对数值用于检验模型的整体性拟合效果，该值在理论上服从卡方分布，上面给出的卡方临变量得到的得分数值满足要求。

不在方程中的变量得分步骤变量总统计量块方法输入模型系数的混合检验模型系数的综合检验卡方步骤步骤块模型，模型摘要模型摘要中给出最大似然，后面的为自由度，即为值，。

注意值越低越好，般要求小于。

是还原之后数值为方程中的变量，步骤常量不在初始方程中的百分比校正步骤总计百分比模型中包括常量。

切割值为初始化方程中的变量从这个表中可以看到系统对模型的最初赋值方式。

。

最开始仅仅对常数项赋值，结果为，标准误差为，于是值为然为原则，促使迭代过程收敛。

当参数收敛到稳定值之后，就给出了我们需要的比较理想的参数值。

下面是用初始值给出的预测和分类结果。

这个结果主要用于对比，比较模型参数收敛前后的效果。

分类表，已观测已预测分析过程中便于分析。

因变量编码初始值内部值块起始块初始分类表建模如同其他很多种建模方式样，首先对模型参数赋予初始值，然后借助迭代计算寻找最佳值。

以误差最小为原则，或者以最大似案例包括在分析中缺失案例总计未选定的案例总计如果权重有效，请参见分类表以获得案例总数。

因变量编码这是很重要的信息，告诉我们不同年份的缺水结果。

我们用表示缺水，用表示不缺水，也就是说，在这次分别为自变量的系数和常数，此时的称为回归系数为自然对数。

用软件进行回归分析的具体流程图如下样品处理摘要案例处理汇总未加权的案例百分比选定因变量数据要求低计算结果唯模型精度高等优点，所以在此采用回归模型来模拟缺水量系列的概率分布。

则关于缺水量的回归模型可写为式中可知，为，为，而此时的取。

则上的隶属函数可化作，，，二水资源短缺风险的模拟概率分布因为回归方法具有对，，式中分别为水资源总量和需水总量为缺水系统中最小缺水量为缺水系统中最大缺水量为大于的正整数。

通过北京年数据个合适的隶属函数来描述水资源短缺带来的损失。

定义模糊集如下式中为缺水量为缺水量在模糊集上的隶属函数，构造如下，方面进行讨论水资源短缺风险的模糊性对于水资源系统来说，所谓的风险就是供水量小于需水量，从而使得整个水资源系统处于水资源短缺状态，即发生了水资源短缺风险。

基于水资源的模糊不确定性，构造可能很大。

同理，水资源系统是个复杂的大系统，广泛存在着随机性和模糊性，由于随机性是因果律的破缺模糊性是排中率的破缺，所以应在水资源短缺风险评价模型的设计中同时考虑这两种因素的影响。

以下我们就这两个率的函数，而且是风险发生事件所产生的后果的函数。

这点很容易理解，个事故发生风险的概率可能很高，但产生的后果损失很小的风险事件其风险不定很高相反，虽然个风险发生的概率不是很高，但是它的损失的可能性，或事故发生的不确定性第二，只事故本身。

因此对风险的度量有两个方法是以风险率度量，即系统实施的可能性而是衡量风险破坏深度历时等的指标，即系统失事的结果。

但风险不仅是风险事件发生的概越小影响越大，其权重也越大的原则，我们可以很清楚的知道在影响北京水资源短缺的众多因素中，北京市人口总数以及北京市降雨量对其影响程度较大。

问题二就风险的含义来说，应包括以下两个方面第，指事故发生的越小影响越大，其权重也越大的原则，我们可以很清楚的知道在影响北京水资源短缺的众多因素中，北京市人口总数以及北京市降雨量对其影响程度较大。

问题二就风险的含义来说，应包括以下两个方面第，指事故发生的可能性，或事故发生的不确定性第二，只事故本身。

因此对风险的度量有两个方法是以风险率度量，即系统实施的可能性而是衡量风险破坏深度历时等的指标，即系统失事的结果。

但风险不仅是风险事件发生的概率的函数，而且是风险发生事件所产生的后果的函数。

这点很容易理解，个事故发生风险的概率可能很高，但产生的后果损失很小的风险事件其风险不定很高相反，虽然个风险发生的概率不是很高，但是它的损失可能很大。

同理，水资源系统是个复杂的大系统，广泛存在着随机性和模糊性，由于随机性是因果律的破缺模糊性是排中率的破缺，所以应在水资源短缺风险评价模型的设计中同时考虑这两种因素的影响。

以下我们就这两个方面进行讨论水资源短缺风险的模糊性对于水资源系统来说，所谓的风险就是供水量小于需水量，从而使得整个水资源系统处于水资源短缺状态，即发生了水资源短缺风险。

基于水资源的模糊不确定性，构造个合适的隶属函数来描述水资源短缺带来的损失。

定义模糊集如下式中为缺水量为缺水量在模糊集上的隶属函数，构造如下，，，式中分别为水资源总量和需水总量为缺水系统中最小缺水量为缺水系统中最大缺水量为大于的正整数。

通过北京年数据可知，为，为，而此时的取。

则上的隶属函数可化作，，，二水资源短缺风险的模拟概率分布因为回归方法具有对因变量数据要求低计算结果唯模型精度高等优点，所以在此采用回归模型来模拟缺水量系列的概率分布。

则关于缺水量的回归模型可写为式中分别为自变量的系数和常数，此时的称为回归系数为自然对数。

用软件进行回归分析的具体流程图如下样品处理摘要案例处理汇总未加权的案例百分比选定案例包括在分析中缺失案例总计未选定的案例总计如果权重有效，请参见分类表以获得案例总数。

因变量编码这是很重要的信息，告诉我们不同年份的缺水结果。

我们用表示缺水，用表示不缺水，也就是说，在这次分析过程中便于分析。

因变量编码初始值内部值块起始块初始分类表建模如同其他很多种建模方式样，首先对模型参数赋予初始值，然后借助迭代计算寻找最佳值。

以误差最小为原则，或者以最大似然为原则，促使迭代过程收敛。

当参数收敛到稳定值之后，就给出了我们需要的比较理想的参数值。

下面是用初始值给出的预测和分类结果。

这个结果主要用于对比，比较模型参数收敛前后的效果。

分类表，已观测已预测百分比校正步骤总计百分比模型中包括常量。

切割值为初始化方程中的变量从这个表中可以看到系统对模型的最初赋值方式。

。

最开始仅仅对常数项赋值，结果为，标准误差为，于是值为，后面的为自由度，即为值，。

注意值越低越好，般要求小于。

是还原之后数值为方程中的变量，步骤常量不在初始方程中的变量得到的得分数值满足要求。

不在方程中的变量得分步骤变量总统计量块方法输入模型系数的混合检验模型系数的综合检验卡方步骤步骤块模型，模型摘要模型摘要中给出最大似然平方的对数拟合优度以及拟合优度值。

最大似然平方的对数值用于检验模型的整体性拟合效果，该值在理论上服从卡方分布，上面给出的卡方临界值，因此，最大似然对数值检验通过。

模型汇总步骤对数似然值方方拟合度为和检验分类表已观测已预测百分比校正步骤总计百分比切割值为总的预测正确率为，全部组数据个预测准确，个预测失败，模拟效果良好对应于检验的列联表方程中的变量，步骤常量在步骤中输入的变量自变量系数为常数为即则用回归模型求出的缺水概率函数为三利用模糊概率法评价水资源短缺风险的综合评价将水资源短缺风险定义为模糊事件发生的概率，及模糊概率为式中为维欧氏空间，为模糊事件的隶属函数为概率测定。

如果，则其中是随机变量的概率密度函数。

水资源短缺风险的定义可表示为从式可知上述风险定义将水资源短缺风险存在的模糊性和随机性联系在起，其中，随机不确定性体现了水资源短缺风险发生的概率，而模糊不确定性则体现了水资源短缺风险的影响程度。

根据式建立的水资源短缺风险评价模型，得到北京市年的水资源短缺风险的计算结果如图所示。

图北京市年的水资源短缺风险由图可以看出，年的风险值均非常小，接近于而年的风险值较大，均大于。

而年的风险有升高的趋势。

以上分析说明模，可以付诸实践。

问题三要求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。

在对北京市未来两年水资源的短缺风险进行预测中，建立了多元线性回归模型来预测。

多元线性回归从多个方面考虑各种因素对水资源短缺风险的影响，通过线性拟合得到各个因素影响下供求差值的走势图。

最后得到对北京市未来两年水资源短缺风险的预测预测。

表三年北京市水资源短缺情况年份农业用水工业用水第三产业及生活用水人口规模降水量年污水再生量多元线性回归模型多元线性回归模型的概念在许多实际问题重中，我们所研究的因变量的变动可能不仅与个解释变量有关，因此，有必要考虑线性模型的更般形式，即多元线性回归模型，在这个模型中，由，„，解释，有个未知参数。

这里，斜率的含义是在其他变量不变的情况下，改变个单位对因变量所产生的影响。

回到般模型，即对于组观测值，有„„其矩阵形式为其中二多元线性回归模型的估计多元线性回归