地下水环境质量评价标准(地下水环境质量评价)

地下水环境质量评价作为地下水环境保护和治理的基础工作，是地下水环境管理的重要手段之一。随着测试手段和计算技术的发展，水质评价方法越来越多，如灰色关联法、模糊评价法、层次分析法和人工神经网络法[1-6]。然而，由于地下水环境质量评价指标众多，评价工作量大，计算复杂，评价主观。如何充分利用水质指标信息，如何确定水质评价中的权重，是水质评价过程中需要面对和解决的问题。

针对对，的上述问题，本文拟利用粗糙集理论的属性约简方法筛选对评价指标，然后利用约简后的指标形成初始评价矩阵，构造多指标问题的理想解，计算各方案与理想方案之间的灰色关联系数矩阵，将灰色关联系数矩阵作为新的决策矩阵，然后利用TIOSIS方法对方案进行排序[7-12]。通过对对， 淮河流域某研究区的实证研究，得出了合理的评价结果。1降低评价指标

1.1还原思维在水环境质量评价中，多指标会导致评价工作的复杂性，因此有必要在不影响评价结果的情况下，利用粗糙集理论对对水质评价指标进行还原。

粗糙集理论以分类机制为基础，将分类理解为特定空间中的等价关系，等价关系构成了对空间的划分。知识约简是粗糙集理论的核心问题之一，其前提是知识的分类能力保持不变[13]。具体思路如下：第一步：建立评价指标信息系统。根据粗糙集理论，信息系统S={U，a，v，f}应该在任何粗糙集计算之前建立。其中，“u”是一组非空的有限对图像，被称为话语的宇宙；A=CD是一个属性集，子集C和子集D分别称为条件属性和决策属性。v是对图像属性的取值范围；f是指定每个对图像属性的属性值的信息函数。具体到本研究，就是建立一个评价指标信息系统，条件属性C是本研究的各个指标。这里，在不建立决策属性的情况下执行属性约简。

第二步：数值离散化。粗糙集的数学基础是集合论，这使得直接处理连续属性值变得困难。通常，要求由实际数据组成的信息系统中的每个属性值必须用离散值来表示。因此，在粗糙集计算中，对的所有数据都需要在计算前进行离散化。目前，对，离散连续数据的方法有很多，如等距离分割法和等频率分割法。然而，使用这些方法需要用户清楚地了解对数据的特征。因此，本文采用具有动态聚类特性和一定适应性的K均值聚类算法对对连续数据进行离散化。识别并删除对给定训练数据的分类没有帮助的冗余指标。

1.2粗糙集理论波兰学者帕夫拉克于1982年提出了粗糙集理论。基于分类机制，该理论将分类理解为特定空间中的等价关系，而这种等价关系构成了对空间的划分。属性(知识)约简是粗糙集理论的核心问题之一，它是在基于知识的分类能力不变的前提下提出的[7-12]。

定义1:设R是一族等价关系，rR，如果ind(R)=ind(R-r)，那么R在R中称为不必要的；否则，在R中R被称为必要的.如果每个rR在R中是必要的，那么R被认为是独立的；否则，r被称为依赖。定义2:假设QP。如果Q是独立的，并且ind(Q)=ind(P)，那么Q是P的一个减。

1.3 K均值聚类算法粗糙集理论易于处理离散数据，但在应用中大多数数据是连续的。实现连续数据的粗糙集约简，前提是寻求一种将连续数据离散化为有限语义变量或符号的方法。为此，对，采用具有动态聚类特性和一定自适应性的K均值聚类算法对连续数据进行离散化，其算法如下[18]。

(1)选择k个聚类中心：Z11，Z12，…，Z1K(右上角的数字是聚类中的迭代次数)。4结论

(1)利用粗糙集理论对对原始指标进行约简，并将K-均值聚类方法结合到数值离散化中。还原指标的评价结果与未还原指标的评价结果一致，在不影响评价结果的情况下，大大降低了评价工作的复杂度。(2)采用基于灰色关联系数的TOPSIS评价模型对对约简后的指标进行评价，计算思路清晰，充分挖掘了数据的内在规律，引入了组合赋权法，避免了权重计算过于主观和客观。因此，二者的结合使地下水质量评价更加科学和准确。

(3)粗糙集理论与理想解相结合的遥感-理想解法评价模型思路清晰、计算简单、评价结果合理，可应用于多指标项目决策和水资源承载力评价，具有广阔的应用前景。