CN117764454A - 河西走廊明长城遗址片状剥离发育程度评价方法 - Google Patents
河西走廊明长城遗址片状剥离发育程度评价方法 Download PDFInfo
- Publication number
- CN117764454A CN117764454A CN202311820589.5A CN202311820589A CN117764454A CN 117764454 A CN117764454 A CN 117764454A CN 202311820589 A CN202311820589 A CN 202311820589A CN 117764454 A CN117764454 A CN 117764454A
- Authority
- CN
- China
- Prior art keywords
- evaluation index
- evaluation
- value
- weight
- matrix
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000011156 evaluation Methods 0.000 title claims abstract description 249
- 238000011161 development Methods 0.000 title claims abstract description 54
- 239000011159 matrix material Substances 0.000 claims abstract description 93
- 238000000034 method Methods 0.000 claims abstract description 91
- 208000037265 diseases, disorders, signs and symptoms Diseases 0.000 claims abstract description 34
- 201000010099 disease Diseases 0.000 claims abstract description 33
- 239000002689 soil Substances 0.000 claims abstract description 25
- 238000004458 analytical method Methods 0.000 claims abstract description 14
- 206010040844 Skin exfoliation Diseases 0.000 claims description 18
- 230000000877 morphologic effect Effects 0.000 claims description 15
- 238000012360 testing method Methods 0.000 claims description 14
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010606 normalization Methods 0.000 claims description 10
- 239000000843 powder Substances 0.000 claims description 9
- 238000012417 linear regression Methods 0.000 claims description 7
- 238000012163 sequencing technique Methods 0.000 claims description 7
- 230000008020 evaporation Effects 0.000 claims description 6
- 238000001704 evaporation Methods 0.000 claims description 6
- 230000005484 gravity Effects 0.000 claims description 6
- 239000007788 liquid Substances 0.000 claims description 6
- 238000001556 precipitation Methods 0.000 claims description 6
- 150000003839 salts Chemical class 0.000 claims description 6
- 230000001419 dependent effect Effects 0.000 claims description 4
- 230000007613 environmental effect Effects 0.000 claims description 4
- 238000010831 paired-sample T-test Methods 0.000 claims description 4
- 238000012545 processing Methods 0.000 claims description 3
- 239000002131 composite material Substances 0.000 claims description 2
- 238000004299 exfoliation Methods 0.000 claims 6
- 239000010410 layer Substances 0.000 description 11
- 238000010586 diagram Methods 0.000 description 5
- 230000009471 action Effects 0.000 description 4
- 230000008569 process Effects 0.000 description 4
- 230000002159 abnormal effect Effects 0.000 description 3
- 230000009286 beneficial effect Effects 0.000 description 3
- 230000001186 cumulative effect Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 3
- 230000007246 mechanism Effects 0.000 description 3
- 238000011160 research Methods 0.000 description 3
- 238000013459 approach Methods 0.000 description 2
- 238000013528 artificial neural network Methods 0.000 description 2
- 230000015572 biosynthetic process Effects 0.000 description 2
- 230000001364 causal effect Effects 0.000 description 2
- 238000002474 experimental method Methods 0.000 description 2
- 238000012353 t test Methods 0.000 description 2
- 238000012935 Averaging Methods 0.000 description 1
- 230000002411 adverse Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 230000001808 coupling effect Effects 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000000691 measurement method Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011158 quantitative evaluation Methods 0.000 description 1
- 238000000611 regression analysis Methods 0.000 description 1
- 230000003014 reinforcing effect Effects 0.000 description 1
- 230000035945 sensitivity Effects 0.000 description 1
- 239000002344 surface layer Substances 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
- 230000000007 visual effect Effects 0.000 description 1
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提出了一种河西走廊明长城遗址片状剥离发育程度评价方法,步骤为:选取与干旱区土遗址片状剥离病害有关的评价指标;通过决策实验室分析法计算评价指标的主观权重,通过独立权系数法确定评价指标的第一客观权重,利用反熵权法确定评价指标的第二客观权重,对主观权重和各客观权重进行平均得到组合权重;通过组合权重对各干旱区各评价指标数值的归一化矩阵进行权重调整得到综合赋权矩阵;根据综合赋权矩阵通过秩和比综合评价法对各干旱区进行分类与评价;通过岭回归模型对干旱区的土遗址片状剥离病害进行预测,并与评价结果进行对比。本发明通过各种赋权方法计算出综合权重,提高了秩和比综合评价法对各地区片状剥离发育程度进行分类评价的准确度。
Description
技术领域
本发明涉及土遗址病害发育程度的技术领域,尤其涉及一种河西走廊明长城遗址片状剥离发育程度评价方法,基于夯土遗址片状剥离形态特征、土体内在因素与自然环境因素对夯土遗址片状剥离病害进行综合性评价并进行科学性预测,研究土遗址病害发育程度对于土遗址的影响与保护。
背景技术
土遗址在文化传承、历史探索、科学研究等领域具有重要作用,遗存我国西北干旱区的古代土遗址按照所处环境分为露天土遗址和室内土遗址,由于露天土遗址受自然环境影响更为严重,因此对于露天土遗址的保护尤为重要。在露天夯土遗址的众多病害中,片状剥离是最普遍的病害之一,墙体由于干湿循环的急剧变化引起干缩,在表面形成龟裂,使得表层的土体与墙体形成一软弱面,在风力与其他各种作用的影响下逐渐剥离,在其形成初期对于土遗址抵抗风化起到一定的保护作用,但在后期快速剥落加速了土遗址的损坏,所以对于其发育程度的评价与预测具有较大的意义。
片状剥离是一种多因素耦合作用产生的病害,其影响因素与形成机制较为复杂,目前对于其病害发育的影响因素和形成机制稍有成果,但鲜有针对片状剥离病害的评价与预测,尤其是在土体内在因素与自然环境因素的影响下,对于片状剥离形态特征的科学性定量评价、预测预警体系。
申请号为202210744243.0的发明专利提出了一种夯土遗址裂隙病害发育程度评价及预测方法,步骤为:选取与裂隙病害发育直接相关的因素建立评价指标体系;利用模糊层次分析法根据评价指标体系计算主观权重,利用多变量不安定指数法计算第一客观权重、利用改良熵值法计算第二客观权重,通过等权重加权平均处理得到综合权重;利用TOPSIS逼近理想解法和综合权重评价裂隙病害发育等级;构建BP神经网络预测模型,将评价指标的数据作为输入数据、评价结果作为输出数据对多个西北干旱区域夯土遗址裂隙病害未来发育趋势进行预测。上述发明基于自然环境特征对夯土遗址裂隙病害发育进行评价、预测,提出高精度预测裂隙病害发展趋势方法,提高裂隙病害治理的有效性、可控性。但是,上述发明中基于模糊层次法的一致性检验缺乏科学依据,且TOPSIS逼近理想解法对于数据的敏感性强,若存在异常值或缺失值对于决策结果会产生很大影响,且其由于假定各指标是线性的对于片状剥离发育程度这种非线性问题的效果会大打折扣;同时对于BP神经网络的结构需要根据实际问题进行选择,而网络结构的合适与否直接影响到预测结果的准确性,对于结构的选择至今尚无一种统一而完整的理论指导,一般只能由经验选定。
发明内容
针对现有片状剥离病害发育程度评价及预测方法存在不能综合考虑影响因素与形成机制,预测准确性较低的技术问题,本发明提出一种河西走廊明长城遗址片状剥离发育程度评价方法,通过综合性评价确定目前部分土遗址的病害发育情况,再以此评价标准与预测模型,得到其他土遗址的片状剥离病害的发育情况,一定程度上提高了土遗址保护的及时性与有效性。
为了达到上述目的,本发明的技术方案是这样实现的:一种河西走廊明长城遗址片状剥离发育程度评价方法,其步骤如下:
步骤一:选取与干旱区土遗址片状剥离病害有关的评价指标建立评价指标体系;
步骤二:根据评价指标体系通过决策实验室分析法计算各评价指标的主观权重,根据各评价指标的实际数据通过独立权系数法确定评价指标的第一客观权重,利用反熵权法确定各评价指标的第二客观权重,对主观权重、第一客观权重和第二客观权重进行算数平均,得到组合权重;
步骤三:通过组合权重对各干旱区各评价指标的数值的归一化矩阵进行权重调整,得到综合赋权矩阵;
步骤四:根据步骤三所得的综合赋权矩阵通过秩和比综合评价法对各干旱区进行分类与评价;
步骤五:通过岭回归模型对干旱区的土遗址片状剥离病害进行预测,并与步骤四中的评价结果进行对比。
优选地,所述评价指标包括:片状剥离形态特征、土体内在因素与自然环境因素,所述片状剥离形态特征包括:壳层剥离厚度、粉层剥离厚度、剥离面积;土体内在因素包括:比表面积、崩解速度、液性指数、孔隙率、易溶盐总量;自然环境因素包括:降水量、蒸发量、年均气温日较差、干燥度;
所述比表面积为正向指标,所述壳层剥离厚度、粉层剥离厚度、剥离面积、崩解速度、液性指数、孔隙率、易溶盐总量、降水量、蒸发量、年均气温日较差、干燥度均为负向指标。
优选地,所述决策实验室分析法计算主观权重的方法为:
1)量化评价指标体系中评价指标之间的相互关系,得到直接影响矩阵O;
2)归一化直接影响矩阵O,得到规范直接影响矩阵N;
3)由规范直接影响矩阵N计算综合影响矩阵T=N(I-N)-1;其中,I为单位矩阵,(I-N)-1为矩阵(I-N)的逆矩阵;
4)由综合影响矩阵T得到第j个评价指标的中心度Mj=Dj+Cj,其中,影响度被影响度/>tji1为综合影响矩阵T中第j行、第i1列的元素值,ti1j为综合影响矩阵T中第i1行、第j列的元素值,n为评价指标的数量;
5)将中心度Mj进行归一化后得到第j个评价指标的主观权重w1。
优选地,所述通过独立权系数法确定第一客观权重的方法为:
1)确定干旱区的各评价指标的数值并构建原始的数值矩阵;
2)根据原始的数值矩阵计算各评价指标与其他评价指标的复相关系数;
3)对复相关系数的倒数进行归一化处理,得到各评价指标的第一客观权重。
优选地,所述直接影响矩阵O的对角线上的值用0来表示,直接影响矩阵O中其他元素值的值通过采用5级标度确定两个评价指标的关系强弱;
所述归一化的方法为极差标准化法;
所述复相关系数为
其中,y表示原始的数值矩阵中一评价指标数值,表示数值y所在评价指标下所有值的平均值,/>表示数值y的回归值;
所述回归值是以同一评价指标下其他所有值为自变量进行线性回归得到。
优选地,所述利用反熵权法确定各评价指标的第二客观权重的实现方法为:
1)确定干旱区的各评价指标的数值并构建原始的数值矩阵;
2)对数值矩阵的元素值进行归一化处理,得到归一化矩阵;
3)计算第j个评价指标下第i个样本占评价指标的比重;
4)根据比重计算第j个评价指标的反熵值hj;
5)根据反熵值hj计算第j个评价指标的第二客观权重w3。
优选地,第i个样本占第j个评价指标中所有样本值的比重为
其中,nij表示归一化矩阵中第j个评价指标的第i干旱区的样本值,m为干旱区数量。
所述第j个评价指标的反熵值为
第j个评价指标的第二客观权重n为评价指标的数量;
所述组合权重
所述步骤三中进行权重调整的方法为:每个干旱区的每个评价指标的数值乘以组合权重。
优选地,所述秩和比综合评价法的实现方法为:
1)将干旱区按照顺序依次编序号;
2)根据序号通过整次秩和比法编出每个评价指标下各干旱区的秩,列出秩矩阵;根据秩矩阵计算得到赋权后的秩和比WRSR值;
3)列出秩和比WRSR值的分布表格情况与各组频数f,计算各干旱区的累计频数Σf和累计频率,将累积频率转换为概率单位得到Probit值;
4)以Probit值作为自变量,以WRSR值为因变量,进行简单线性回归,拟合所对应的WRSR估计值回归方程;
5)根据拟合的WRSR估计值作为特征值进行排序,对各干旱区进行分档等级。
优选地,所述整次秩和比法列出秩矩阵的方法为:根据每个评价指标按其指标值的大小进行排序,其中正向指标从小到大编秩,负向指标指标从大到小编秩,同一评价指标数据相同者编平均秩,得到秩矩阵Ra=(Rij)m×n;
所述秩和比WRSR值的计算公式为:
其中,WRSRi为第i个干旱区的秩和比,Rij是第i个干旱区的第j个评价指标的秩,Wj表示第j个评价指标的权重;
根据累计频率查询百分数与概率单位对照表,将评价秩数的百分数形式即评价秩数/n*100%转换为概率单位;
分档时4档分档,按照WRSR估计值分为4个等级,位于[-∞,0.2392)为发育程度低,[0.2392,0.4794)为发育程度中等,[0.4794,0.7196)为发育程度高,[0.7196,+∞)为发育程度极高。
优选地,所述岭回归模型进行预测的实现方法为:
(1)通过SPSS软件构建岭回归模型,得出岭回归模型下对剥离特征的预测值;对壳层厚度、粉层厚度以及剥离面积分别构建岭回归模型得到回归模型系数,将其他非形态特征因素分别乘以回归模型系数获得预测值;
(2)将干旱区的各评价指标的数值构建的原始的数值矩阵中的剥离形态特征的真实值用预测值代替,再通过秩和比评价法得出新的评价结果为预测结果;
(3)分析比较预测结果与真实结果:使用SPSS软件通过配对样本T检验进行岭回归模型拟合度检验。
与现有技术相比,本发明的有益效果:选取与片状剥离病害相关的因素建立基本的评价指标体系;利用决策实验室分析法对各评价指标进行主观权重的赋权,同时考虑多个因素,并将这些因素以及它们之间的关系量化,从而反应出不同因素之间的相对重要性和程度,同时通过图表和图形的形式将数据和结果进行可视化展示,可视化分析能更直观地表示因素之间的相互关系。本发明利用各实际数值通过独立权系数法确定第一客观权重,根据各评价指标与其他指标之间的共线性强弱来确定指标权重,避免了主观因素的影响,保证了权重确定的客观性并且得出的结果具有清晰的可解释性,能够明确地看出每个指标的贡献程度和相对独立性,有助于指导决策和评估指标的重要性。本发明利用反熵权法确定第二客观权重,能够避免因指标间高度相关而产生的权重冲突且在计算权重时考虑了各评价指标之间的相关性,因此能够有效地抗噪声干扰;平均主观权重与各客观权重得到组合权重,通过采用组合权重一方面减少由于主观判断造成主观因素的误差,另一方面提高客观权重的稳定性,避免单一权重的直接影响,提高权重的可靠度;在组合权重的基础上通过秩和比综合评价法RSR对各地区进行分类与评价,以非参数法为基础对评价指标的选择无特殊要求,适用于各种评价对象,由于计算时使用的数值是秩次,可以消除异常值的干扰;构建岭回归模型,通过输入相关的指标参数对片状剥离病害发育程度进行预测,对于未展现出片状剥离形态特征或特征不明显的土遗址采用该预测方法有利于对土遗址进行及时保护。本发明通过采用各种赋权方法计算出综合权重,提高了秩和比综合评价法对各地区片状剥离发育程度进行分类评价的准确度。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1为本发明的流程图。
图2为本发明评价指标体系的结构示意图。
图3为本发明Dematel方法中的中心度—原因度的示意图。
图4为本发明的评价结果示意图。
图5为本发明的预测模型的拟合情况图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例仅仅是本发明一部分实施例,而不是全部的实施例。基于本发明中的实施例,本领域普通技术人员在没有付出创造性劳动前提下所获得的所有其他实施例,都属于本发明保护的范围。
如图1所示,一种河西走廊明长城遗址片状剥离发育程度评价方法,其步骤如下:
步骤一:选取与干旱区土遗址片状剥离病害有关的评价指标建立评价指标体系,评价指标包括:片状剥离形态特征、土体内在因素与自然环境因素。
评价指标中土遗址的片状剥离形态特征包括:壳层剥离厚度、粉层剥离厚度、剥离面积;土体内在因素包括:比表面积、崩解速度、液性指数、孔隙率、易溶盐总量;自然环境因素包括:降水量、蒸发量、年均气温日较差、干燥度。
评价指标中比表面积为正向指标,壳层剥离厚度、粉层剥离厚度、剥离面积、崩解速度、液性指数、孔隙率、易溶盐总量、降水量、蒸发量、年均气温日较差、干燥度均为负向指标。区分正向指标和负向指标可以更准确地反映评价对象的优劣程度,提高评价的准确性和合理性。
步骤二:根据评价指标体系通过Dematel决策实验室分析法计算各评价指标的主观权重,根据各评价指标的实际数据通过独立权系数法确定评价指标的第一客观权重,利用反熵权法确定评价指标的第二客观权重,通过算数平均的方法对主观权重、第一客观权重和第二客观权重进行处理,得到组合权重。
Dematel决策实验室分析法计算主观权重的实现方法为:
1)从研究目的出发,确定评价指标,量化评价指标之间的相互关系,得到直接影响矩阵O。
评价指标之间的二元关系的确定通过两两比较。其中评价指标Si1跟评价指标Sj要比较两次,分别是评价指标Si1对评价指标Sj的直接影响以及评价指标Sj对评价指标Si1的直接影响。对于整个评价指标体系来说存在n个评价指标则要比较n(n-1)次。而评价指标自身则不需要比较,即直接影响矩阵O的对角线上的值通常用0来表示,在对于关系强弱的度量方法采用5级标度即五分法,即取0-4的方法来度量,见表1所示。
判断矩阵的数据来源为专家评判,通过绘制网络图即图2可以更加清晰地表示各评价指标之间的相对影响程度。通过上述步骤得到直接影响矩阵n为评价指标的数量,见表2所示。
表1判断矩阵的标度含义
表2直接影响矩阵
2)归一化直接影响矩阵O,得到规范直接影响矩阵N,见下表3所示,通过归一化可以减小由于数量级或者量纲差距带来的问题,同时又可以保持数据之间的相对关系。
本发明中所有归一化方法均采用相同计算方法即极差标准化法,在后续内容中不再一一出示公式,公式如下:其中,X表示直接影响矩阵内任意一个元素,Xmin表示元素X所在列的最小值,Xmax表示元素X所在列最大值,X’表示元素X归一化后的值。
表3规范直接影响矩阵
3)由规范直接影响矩阵N计算得到综合影响矩阵T,见下表4所示,计算公式如下:
T=N(I-N)-1
其中,T为综合影响矩阵,N为规范直接影响矩阵,I为单位矩阵,(I-N)-1为矩阵(I-N)的逆矩阵。由于规范直接影响矩阵N只能表现评价指标之间的直接影响,所以需要通过计算得到综合影响矩阵,使其能够反映***中所有指标之间的直接和间接影响关系,从而能够更全面地描述***中的影响关系。
表4综合影响矩阵
4)由综合影响矩阵T得到各个评价指标的影响度Dj、被影响度Cj、中心度Mj、原因度Rj,见表5所示,计算公式分别如下:
Mj=Dj+Cj
Rj=Dj-Cj
通过计算所得的中心度和原因度并以其为坐标系绘制出图3,揭示出每个评价指标在***中的地位和作用方式。
表5各评价指标的影响度、被影响度、中心度、原因度
5)将中心度Mi进行归一化处理后得到主观权重,见下表6。中心度是一个衡量评价指标在评价指标体系中地位和作用大小的指标参数,考虑了评价指标对其他所有评价指标的影响程度以及被其他所有评价指标影响的程度。而原因度虽然也能够反映评价指标在评价指标体系中的作用和影响方式,但更侧重于揭示评价指标之间的因果关系。原因度高的评价指标对其他评价指标的影响较大,但并不一定在评价指标体系中具有同等的重要性。因此,使用原因度进行归一化获得权重可能会产生一些偏差和不合理的结果。
表6各评价指标的主观权重
Dematel决策实验室分析法确定主观权重能够充分考虑所有相关评价指标,并赋予它们相应的权重,从而在决策过程中涵盖更全面的信息,并且能够清晰地解释每个评价指标对最终决策的影响程度,使得决策过程更具透明度和可理解性。
独立权系数指一个随机变量与某一组随机变量间线性相依性的度量,其表现出了数据之间的相关性,其实现方法为:利用评价指标之间的共线性强弱来确定权重,如果某评价指标与其它评价指标的相关性很强,说明信息有着较大的重叠,意味着该评价指标的权重会比较低,反之如果说某评价指标与其它评价指标的相关性较弱,那么说明该评价指标携带的信息量较大,该评价指标应该赋予更高的权重。独立权系数方法只考虑了数据之间相关性,其计算方式是使用回归分析得到的复相关系数R值来表示共线性强弱(即相关性强弱),该值越大说明共线性越强,权重会越低。
所述通过独立权系数法确定第一客观权重的实现方法为:
1)确定干旱区的各评价指标的数值并构建数值矩阵。
根据每个干旱区的各评价指标的数值确定数值矩阵X1,X2,....,Xn,n表示评价指标的数量,指标项内容由以往实验与研究所得,见下表7所示。
表7研究区域与评价指标
2)计算各评价指标与其他评价指标的复相关系数,相关系数见公式:
其中,y表示某一评价指标下的任一值,表示y所在评价指标下所有值的平均值,表示y的回归值,该回归值是以同一评价指标下其他所有值为自变量进行线性回归,可采用SPSS软件得到。
求得各评价指标的复相关系数R1,R2,....,Rn以及复相关系数的倒数见下表8所示。
表8各评价指标的复相关系数及倒数
3)为各评价指标进行赋权,得到第一客观权重。
对复相关系数的倒数进行归一化处理,得到各评价指标的第一客观权重,见下表9。
表9各指标客观权重一
反熵权法是基于熵权法的一种同样体现数据信息量的方法,反熵表现出指标的差异,其实现方法为:通过计算各评价指标的反熵值,获得评价指标的差异性,反熵越大对应的权重越高。
所述利用反熵权法确定评价指标的第二客观权重的实现方法为:
1)确定各评价指标项并构建数据矩阵
确定各评价指标的数据矩阵X1,X2,....,Xn,矩阵见表7。
2)通过极差法对数值矩阵进行归一化处理,见下表10所示。
表10归一化处理结果
3)计算第j个评价指标下第i个样本值占该评价指标的比重,见下表11所示。
其中,rij表示第i样本占第j个评价指标中所有样本值的比重,nij表示归一化矩阵中的第j个评价指标中的第i样本值,m为样本数量。
表11各样本占该评价指标的比重
4)计算第j个评价指标的反熵值,见下表12。
表12各评价指标的反熵值
5)计算第j个评价指标的第二客观权重,见下表13。
表13各评价指标的第二客观权重
通过前面所得的主观权重与各客观权重利用算数平均的方法获得组合权重,具体数据见下表14。
采用组合权重的优点有:①Demtal决策实验室分析法仅考虑了各评价指标之间的影响,且具有一定的主观限制性,通过组合调整加入客观权重方法的赋值减少主观因素的片面影响。②3种方法进行算数平均组合,减少单个方法出现误差值时对整体评价存在的不利影响。③采用组合权重调整各评价指标的权重使得其在进行秩和比评价时能够使得数据更加精准和稳定。
表14组合权重
步骤三:通过组合权重对各干旱区各评价指标的数值的归一化矩阵进行权重调整,得到综合赋权矩阵。
通过各干旱区各评价指标的数值的归一化矩阵即表10归一化后的矩阵并根据步骤二所得的组合权重对各评价指标进行权重调整即将表7中的每个评价指标的数值乘以相应的权重,得到综合赋权矩阵。
步骤四:步骤三所得的综合赋权矩阵通过秩和比综合评价法对各干旱区进行分类与评价。
所述秩和比综合评价法的实现方法为:
1)将干旱区按照酒泉、高台、临泽、张掖、武威、景泰、永昌、贵德、乐都、民乐、平安、永靖、永登、天祝、大通、湟中、海东的顺序依次编序号为1-18,便于排序时进行描述,无其他意义。
2)通过整次秩和比法列出秩矩阵,编出每个评价指标下各干旱区的秩:根据每一个具体的评价指标按其指标值的大小进行排序,其中正向指标从小到大编秩,负向指标指标从大到小编秩,同一评价指标数据相同者编平均秩,得到秩矩阵,记Ra=(Rij)m×n,见表15与表16所示。
表15综合赋权矩阵
表16秩矩阵
通过计算得到赋权后的秩和比WRSR值和WRSR值排名,相关值及排名见表17,计算公式如下:
其中,Rij是第i个干旱区的第j个评价指标的秩,Wj表示第j个评价指标的权重,权重和为1。WRSRi的值越大,说明评价对象越优。
表17WRSR值及排名
/>
通过秩转换获得的无量纲的统计量WRSR,以WRSR值对评价对象(即干旱区)的优劣进行排序或分档排序。在综合评价中,WRSR的值能够包含所有评价指标的信息,显示出这些评价指标的综合水平,WRSR值越大表明综合评价越优。
3)列出WRSR值的分布表格情况与各组频数f,计算各组的累计频数Σf和累计频率p,累计频率可查询“百分数与概率单位对照表”将评价秩数的百分数形式即表18中评价秩数/n*100%转换为概率单位Probit,得到Probit值,见下表18所示。
表18WRSR的分布表格情况及Probit值
4)以Probit值作为自变量,以WRSR值为因变量,通过SPSS软件进行简单线性回归,拟合所对应的WRSR估计值回归方程并进行F检验(方差比检验)、显著性检验和t检验(差异性检验),回归结果与分析结果见下表19。
表19WRSR估计值回归方程及分析
/>
其中,B表示自变量的系数,标准误表示样本的标准差,Beta表示标准回归系数,t表示在进行t检验时的t值即比较均值之间差异的统计量,P表示显著性检验中的P值即显著性水平,VIF表示多重共线性严重程度,R2表示曲线回归的拟合程度,调整R2是在拟合程度R2的基础上加入自变量个数的惩罚项以防止模型的过度拟合,F表示F检验中的一个统计量用于比较样本的方差是否显著不同。
5)根据拟合的WRSR值作为特征值进行排序,并且进行分档等级。进行分档时,采用3档、4档、5档三种分档情况,根据以往对片状剥离的相关研究,4档分档情况良好,择优选择4档的情况,见下表20和表21所示,其中按照WRSR值分为4个等级,位于[-∞,0.2392)为发育程度低,[0.2392,0.4794)为发育程度中等,[0.4794,0.7196)为发育程度高,[0.7196,+∞)为发育程度极高。WRSR临界值(拟合值)根据Probit值代入表19中的回归方程获得。以各干旱区的样本为横坐标WRSR值为纵坐标可绘制如图4所示散点图,表现出各干旱区的分类情况。
表20分档排序临界值表格
表21各干旱区发育程度
/>
采用秩和比综合评价法融合了参数分析的方法,结果更为精确,且由于计算使用的数值是秩次,可以消除异常值的干扰,且为了与该评价数据更加匹配分别进行三、四、五三种等级评价类别对评价结果进行对比,选择更为合理的分类等级,消除了主观进行评价分类等级选择带来的差异性。
步骤五:通过岭回归的方法对干旱区土遗址片状剥离病害进行预测,并与步骤四中的评价结果进行对比。由于剥离形态特征是一个长期动态发育过程的特征,可能无法直接观察到,所以可以通过内在因素和环境因素对夯土遗址的片状剥离形态特征进行预测,再代入评价体系中获得评价结果,得出一个关于干旱区土遗址片状剥离病害的发育程度的评价与预测方法。
通过对于片状剥离病害的综合性评价,为土遗址的保护加固提供一定的技术支持。但仅凭综合性评价结果所产生的有效信息有限,所以在此基础上本发明又提出一种预测模型。
岭回归模型预测的实现方法为:通过SPSS软件进行岭回归(RSR)模型的建立,获得的拟合特征值对干旱区进行分类评价,通过非特征因素对片状剥离形态特征进行预测,通过预测后的数据与秩和比评价法进行结合即将秩和比评价体系中的实际片状剥离形态特征替换为预测值,得出预测评价结构,与实际评价结果进行对比进行验证分析,最终实现通过一些实验所得的非特征因素得出各干旱区的片状剥离发育状况。由于在计算秩值前对各指标权重通过综合权重进行调整,在本发明中用WRSR代替RSR,其含义相近,WRSR为权重调整后的特征值,且特征值越大则表明其片状剥离病害发育程度越小。
1)通过SPSS软件构建岭回归模型,得出岭回归模型下对剥离特征的预测值。由于岭回归属于线性回归的一种,需要对壳层厚度、粉层厚度以及剥离面积分别进行构建岭回归模型得到回归模型系数,并对岭回归模型进行R2值计算并进行F检验,三个模型基于F检验显著性P值为0<0.01,水平上呈现显著性,拒绝原假设,表明自变量与因变量之间存在着回归关系。同时,三个模型的拟合优度R2分别为0.959、0.954、0.926,模型均表现为较为优秀。相关系数见下表22。通过模型系数可以获得三种形态特征指标的岭回归模型,将其他非形态特征因素分别乘以系数可以直接获得预测值。
表22模型系数
2)将表7中的剥离形态特征真实值用预测值代替便于在片状发育特征不明显时即无法直接观察时进行评价,新的预测值与真实值见下表,预测值通过步骤五(1)中的模型代入计算获得,之后再通过秩和比评价法得出新的评价结果,见下表23。将该预测值与其他指标的真实值按照步骤S1-S5进行再评价,将评价结果进行拟合度检验,获得优秀的预测模型。将WRSR值真实值与预测值绘制成双折线图进一步表示出预测情况,见图5。
表23预测发育程度
3)分析比较预测结果与真实结果:使用SPSS软件通过配对样本T检验进行模型拟合度检验,计算结果见下表24,配对样本T检验的结果显示,基于变量WRSR真实值配对WRSR预测值,显著性P值为1.000,水平上不呈现显著性,不能拒绝原假设,因此WRSR真实值配对WRSR预测值之间不存在显著性差异。其差异幅度值为:0.0,差异幅度非常小,模型预测情况良好。
表24拟合度检验表
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (10)
1.一种河西走廊明长城遗址片状剥离发育程度评价方法,其特征在于,其步骤如下:
步骤一:选取与干旱区土遗址片状剥离病害有关的评价指标建立评价指标体系;
步骤二:根据评价指标体系通过决策实验室分析法计算各评价指标的主观权重,根据各评价指标的实际数据通过独立权系数法确定评价指标的第一客观权重,利用反熵权法确定各评价指标的第二客观权重,对主观权重、第一客观权重和第二客观权重进行算数平均,得到组合权重;
步骤三:通过组合权重对各干旱区各评价指标的数值的归一化矩阵进行权重调整,得到综合赋权矩阵;
步骤四:根据步骤三所得的综合赋权矩阵通过秩和比综合评价法对各干旱区进行分类与评价;
步骤五:通过岭回归模型对干旱区的土遗址片状剥离病害进行预测,并与步骤四中的评价结果进行对比。
2.根据权利要求1所述的河西走廊明长城遗址片状剥离发育程度评价方法,其特征在于,所述评价指标包括:片状剥离形态特征、土体内在因素与自然环境因素,所述片状剥离形态特征包括:壳层剥离厚度、粉层剥离厚度、剥离面积;土体内在因素包括:比表面积、崩解速度、液性指数、孔隙率、易溶盐总量;自然环境因素包括:降水量、蒸发量、年均气温日较差、干燥度;
所述比表面积为正向指标,所述壳层剥离厚度、粉层剥离厚度、剥离面积、崩解速度、液性指数、孔隙率、易溶盐总量、降水量、蒸发量、年均气温日较差、干燥度均为负向指标。
3.根据权利要求1或2所述的河西走廊明长城遗址片状剥离发育程度评价方法,其特征在于,所述决策实验室分析法计算主观权重的方法为:
1)量化评价指标体系中评价指标之间的相互关系,得到直接影响矩阵O;
2)归一化直接影响矩阵O,得到规范直接影响矩阵N;
3)由规范直接影响矩阵N计算综合影响矩阵T=N(I-N)-1;其中,I为单位矩阵,(I-N)-1为矩阵(I-N)的逆矩阵;
4)由综合影响矩阵T得到第j个评价指标的中心度Mj=Dj+Cj,其中,影响度被影响度/> 为综合影响矩阵T中第j行、第i1列的元素值,/>为综合影响矩阵T中第i1行、第j列的元素值,n为评价指标的数量;
5)将中心度Mj进行归一化后得到第j个评价指标的主观权重w1。
4.根据权利要求3所述的河西走廊明长城遗址片状剥离发育程度评价方法,其特征在于,所述通过独立权系数法确定第一客观权重的方法为:
1)确定干旱区的各评价指标的数值并构建原始的数值矩阵;
2)根据原始的数值矩阵计算各评价指标与其他评价指标的复相关系数;
3)对复相关系数的倒数进行归一化处理,得到各评价指标的第一客观权重。
5.根据权利要求4所述的河西走廊明长城遗址片状剥离发育程度评价方法,其特征在于,所述直接影响矩阵O的对角线上的值用0来表示,直接影响矩阵O中其他元素值的值通过采用5级标度确定两个评价指标的关系强弱;
所述归一化的方法为极差标准化法;
所述复相关系数为
其中,y表示原始的数值矩阵中一评价指标数值,表示数值y所在评价指标下所有值的平均值,/>表示数值y的回归值;
所述回归值是以同一评价指标下其他所有值为自变量进行线性回归得到。
6.根据权利要求4所述的河西走廊明长城遗址片状剥离发育程度评价方法,其特征在于,所述利用反熵权法确定各评价指标的第二客观权重的实现方法为:
1)确定干旱区的各评价指标的数值并构建原始的数值矩阵;
2)对数值矩阵的元素值进行归一化处理,得到归一化矩阵;
3)计算第j个评价指标下第i个样本占评价指标的比重;
4)根据比重计算第j个评价指标的反熵值hj;
5)根据反熵值hj计算第j个评价指标的第二客观权重w3。
7.根据权利要求6所述的夯土遗址片状剥离病害发育程度评价及预测方法,其特征在于,第i个样本占第j个评价指标中所有样本值的比重为
其中,nij表示归一化矩阵中第j个评价指标的第i干旱区的样本值,m为干旱区数量。
所述第j个评价指标的反熵值为
第j个评价指标的第二客观权重n为评价指标的数量;
所述组合权重
所述步骤三中进行权重调整的方法为:每个干旱区的每个评价指标的数值乘以组合权重。
8.根据权利要求1、2、4-7中任意一项所述的河西走廊明长城遗址片状剥离发育程度评价方法,其特征在于,所述秩和比综合评价法的实现方法为:
1)将干旱区按照顺序依次编序号;
2)根据序号通过整次秩和比法编出每个评价指标下各干旱区的秩,列出秩矩阵;根据秩矩阵计算得到赋权后的秩和比WRSR值;
3)列出秩和比WRSR值的分布表格情况与各组频数f,计算各干旱区的累计频数Σf和累计频率,将累积频率转换为概率单位得到Probit值;
4)以Probit值作为自变量,以WRSR值为因变量,进行简单线性回归,拟合所对应的WRSR估计值回归方程;
5)根据拟合的WRSR估计值作为特征值进行排序,对各干旱区进行分档等级。
9.根据权利要求8所述的河西走廊明长城遗址片状剥离发育程度评价方法,其特征在于,所述整次秩和比法列出秩矩阵的方法为:根据每个评价指标按其指标值的大小进行排序,其中正向指标从小到大编秩,负向指标指标从大到小编秩,同一评价指标数据相同者编平均秩,得到秩矩阵Ra=(Rij)m×n;
所述秩和比WRSR值的计算公式为:
其中,WRSRi为第i个干旱区的秩和比,Rij是第i个干旱区的第j个评价指标的秩,Wj表示第j个评价指标的权重;
根据累计频率查询百分数与概率单位对照表,将评价秩数的百分数形式即评价秩数/n*100%转换为概率单位;
分档时4档分档,按照WRSR估计值分为4个等级,位于[-∞,0.2392)为发育程度低,[0.2392,0.4794)为发育程度中等,[0.4794,0.7196)为发育程度高,[0.7196,+∞)为发育程度极高。
10.根据权利要求9所述的河西走廊明长城遗址片状剥离发育程度评价方法,其特征在于,所述岭回归模型进行预测的实现方法为:
(1)通过SPSS软件构建岭回归模型,得出岭回归模型下对剥离特征的预测值;对壳层厚度、粉层厚度以及剥离面积分别构建岭回归模型得到回归模型系数,将其他非形态特征因素分别乘以回归模型系数获得预测值;
(2)将干旱区的各评价指标的数值构建的原始的数值矩阵中的剥离形态特征的真实值用预测值代替,再通过秩和比评价法得出新的评价结果为预测结果;
(3)分析比较预测结果与真实结果:使用SPSS软件通过配对样本T检验进行岭回归模型拟合度检验。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311820589.5A CN117764454B (zh) | 2023-12-27 | 一种遗址片状剥离发育程度评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202311820589.5A CN117764454B (zh) | 2023-12-27 | 一种遗址片状剥离发育程度评价方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN117764454A true CN117764454A (zh) | 2024-03-26 |
CN117764454B CN117764454B (zh) | 2024-07-02 |
Family
ID=
Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10032600A1 (de) * | 2000-07-07 | 2002-01-17 | Schenck Vibro Gmbh | Verfahren und Vorrichtung zum Auswuchten eines Rotors |
JP2007034761A (ja) * | 2005-07-28 | 2007-02-08 | Hitachi Ltd | 事業価値評価支援装置及び事業価値評価支援プログラム |
KR100776193B1 (ko) * | 2006-06-20 | 2007-11-16 | 연세대학교 산학협력단 | 거절자 추론을 반영한 기술평가방법 |
JP2017010318A (ja) * | 2015-06-23 | 2017-01-12 | キヤノン株式会社 | 情報処理装置及び情報処理方法 |
CN108182511A (zh) * | 2017-12-11 | 2018-06-19 | 上海电力学院 | 一种基于秩和比法的需求侧响应资源价值评价方法 |
CN109102201A (zh) * | 2018-08-27 | 2018-12-28 | 国网河北省电力有限公司经济技术研究院 | 一种分电压等级的配电网投入产出效益评价方法 |
KR20190032252A (ko) * | 2017-09-19 | 2019-03-27 | 한국생명공학연구원 | 세포치료제의 종양원성 평가방법 |
CN110565623A (zh) * | 2019-09-17 | 2019-12-13 | 兰州理工大学 | 一种用于土遗址片状剥离加固的方法 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
CN114997514A (zh) * | 2022-06-27 | 2022-09-02 | 兰州理工大学 | 一种夯土遗址裂隙病害发育程度评价及预测方法 |
CN115099699A (zh) * | 2022-07-22 | 2022-09-23 | 自然资源部第三海洋研究所 | 一种基于mabac综合算法的海岸侵蚀强度评价方法 |
CN115689117A (zh) * | 2022-11-08 | 2023-02-03 | 山东大学 | 高校实验室安全性综合考评交互***及方法 |
CN116681205A (zh) * | 2023-05-18 | 2023-09-01 | 兰州理工大学 | 一种夯土遗址冲沟病害发育程度评价及预测方法 |
Patent Citations (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
DE10032600A1 (de) * | 2000-07-07 | 2002-01-17 | Schenck Vibro Gmbh | Verfahren und Vorrichtung zum Auswuchten eines Rotors |
JP2007034761A (ja) * | 2005-07-28 | 2007-02-08 | Hitachi Ltd | 事業価値評価支援装置及び事業価値評価支援プログラム |
KR100776193B1 (ko) * | 2006-06-20 | 2007-11-16 | 연세대학교 산학협력단 | 거절자 추론을 반영한 기술평가방법 |
JP2017010318A (ja) * | 2015-06-23 | 2017-01-12 | キヤノン株式会社 | 情報処理装置及び情報処理方法 |
KR20190032252A (ko) * | 2017-09-19 | 2019-03-27 | 한국생명공학연구원 | 세포치료제의 종양원성 평가방법 |
CN108182511A (zh) * | 2017-12-11 | 2018-06-19 | 上海电力学院 | 一种基于秩和比法的需求侧响应资源价值评价方法 |
CN109102201A (zh) * | 2018-08-27 | 2018-12-28 | 国网河北省电力有限公司经济技术研究院 | 一种分电压等级的配电网投入产出效益评价方法 |
WO2020041955A1 (zh) * | 2018-08-28 | 2020-03-05 | 大连理工大学 | 一种基于改进型拉开档次法的数控机床综合性能评价方法 |
CN110565623A (zh) * | 2019-09-17 | 2019-12-13 | 兰州理工大学 | 一种用于土遗址片状剥离加固的方法 |
CN114997514A (zh) * | 2022-06-27 | 2022-09-02 | 兰州理工大学 | 一种夯土遗址裂隙病害发育程度评价及预测方法 |
CN115099699A (zh) * | 2022-07-22 | 2022-09-23 | 自然资源部第三海洋研究所 | 一种基于mabac综合算法的海岸侵蚀强度评价方法 |
CN115689117A (zh) * | 2022-11-08 | 2023-02-03 | 山东大学 | 高校实验室安全性综合考评交互***及方法 |
CN116681205A (zh) * | 2023-05-18 | 2023-09-01 | 兰州理工大学 | 一种夯土遗址冲沟病害发育程度评价及预测方法 |
Non-Patent Citations (2)
Title |
---|
QIUPING BI: "Optimization of Complex Mine Ventilation System Based on AHP-WRSR", 2021 IEEE 16TH CONFERENCE ON INDUSTRIAL ELECTRONICS AND APPLICATIONS (ICIEA), 31 December 2021 (2021-12-31), pages 603 - 608 * |
杜昱民 等: "青海明长城烽火台病害发育与海拔相关性研究", 工程地质学报, vol. 2016, 13 October 2016 (2016-10-13), pages 121 - 127 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107992968B (zh) | 基于集成时间序列分析技术的电能表计量误差预测方法 | |
CN109472003A (zh) | 一种应用于成本分析的多元线性回归算法 | |
CN109472403B (zh) | 一种集合经验模态分解及遥相关的中长期径流预报方法 | |
CN113570000A (zh) | 一种基于多模型融合的海洋单要素观测质量控制方法 | |
CN114971301B (zh) | 一种基于自动调参优化模型的生态干扰风险识别评估方法 | |
CN111797364A (zh) | 一种基于复合云模型的滑坡多层次安全评价方法 | |
CN110852511B (zh) | 基于天气温度与k邻近理论的居民短期用电预测方法 | |
CN108416466A (zh) | 复杂特性影响的电力负荷预测方法、计算机信息处理*** | |
Hao et al. | The application of information diffusion technique in probabilistic analysis to grassland biological disasters risk | |
CN111931983A (zh) | 一种降水量预测方法及*** | |
Zhang et al. | Component-based reconstruction prediction of runoff at multi-time scales in the source area of the Yellow River based on the ARMA model | |
CN112950067A (zh) | 基于模糊综合评价的电力用户用电能效评估方法 | |
CN113240527A (zh) | 基于可解释机器学习的债券市场违约风险预警方法 | |
CN110414088B (zh) | 结合水动力模型的涉禽栖息地适宜性空间模糊评价方法 | |
Wang et al. | A Decomposition-based Multi-model and Multi-parameter ensemble forecast framework for monthly streamflow forecasting | |
CN115096357A (zh) | 一种基于ceemdan-pca-lstm的室内环境质量预测方法 | |
CN107194561A (zh) | 基于熵值法和灰色gm11模型预测房地产风险的方法 | |
CN117078114B (zh) | 引水工程影响下受水湖泊水质评价方法和*** | |
CN117764454B (zh) | 一种遗址片状剥离发育程度评价方法 | |
CN117764454A (zh) | 河西走廊明长城遗址片状剥离发育程度评价方法 | |
CN116561569A (zh) | 一种基于EO特征选择结合AdaBoost算法的工业电力负荷辨识方法 | |
CN110533213A (zh) | 基于支持向量机的输电线路缺陷风险建模及其预测方法 | |
CN114997514A (zh) | 一种夯土遗址裂隙病害发育程度评价及预测方法 | |
CN115358587A (zh) | 区域多部门协同的基础设施规划方法及*** | |
CN110322063B (zh) | 一种耗电功率仿真预测方法及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |