鑒于大壩風(fēng)險評估信息具有一定的模糊性和不確定性,提出了一種基于FBWM-EWM-LDM組合模型的大壩風(fēng)險識別方法,通過模糊最優(yōu)最劣法和熵權(quán)法分別確定大壩風(fēng)險評價指標(biāo)體系中各風(fēng)險項的主、客觀權(quán)重,同時利用級差最大化法構(gòu)建非線性規(guī)劃問題求得最佳組合權(quán)重,進而確定風(fēng)險排序以識別工程中的主要風(fēng)險。實例應(yīng)用結(jié)果表明,模型識別結(jié)果與工程實際情況相吻合,驗證了模型的合理性與有效性,為大壩風(fēng)險管理與除險加固決策提供了依據(jù)。 

【文章來源】：水電能源科學(xué). 2020,38(12)北大核心

【文章頁數(shù)】：5 頁

【部分圖文】：

某大壩風(fēng)險評價指標(biāo)體系

在專家、基本資料不變的基礎(chǔ)上建立AHP-EWM-LDM模型，與FBWM-EWM-LDM模型進行對比分析，結(jié)果見圖2。由圖2可知，盡管兩種模型各風(fēng)險指標(biāo)權(quán)重值不同，但權(quán)重排序大致相同。可見基于FBWM-EWM-LDM模型的風(fēng)險識別過程具有一定的可信度與有效性。為了進一步驗證FBWM-EWM-LDM模型的可信度與有效性，分別對FBWM-EWM-LDM模型與AHP-EWM-LDM模型中的主觀方法即模糊最優(yōu)最劣法與層次分析法（AHP）進行一致性優(yōu)劣比較。利用一致性比例CR、逆序數(shù)MV、總誤差TD三個指標(biāo)進行一致性檢驗[9]，結(jié)果見表5。由表5可知，模糊最優(yōu)最劣法各層評價矩陣的CR、MV、TD值均小于AHP相應(yīng)值，故一致性較高。其原因在于比較標(biāo)準(zhǔn)少（僅有最大、最小風(fēng)險兩項）減少了邏輯錯誤的可能性，其次三角模糊數(shù)有效量化了評價變量的模糊性。此外，對于n項指標(biāo)，模糊最優(yōu)最劣法只需比較2n次，遠(yuǎn)小于層次分析法的n2次，且無需修正，計算耗時少，準(zhǔn)確度高。綜上所述，將模糊最優(yōu)最劣法引入FBWM-EWM-LDM風(fēng)險識別模型不僅有效保證了權(quán)重求解結(jié)果的可信度與有效性，而且提高了風(fēng)險識別準(zhǔn)確率與效率。

為證明FBWM-EWM-LDM模型權(quán)重組合的合理性和有效性，利用傳統(tǒng)的加法合成法、乘法合成法進行主、客觀融合，并與級差最大化法融合結(jié)果進行對比分析，結(jié)果見圖3。圖3中，風(fēng)險權(quán)重最小值與最大值之間區(qū)域為組合權(quán)重合理取值范圍。由圖3可知，加法合成法與級差最大化法求解的組合權(quán)重排序基本一致，但部分權(quán)重值差別較大，差別最大的兩項為R15和R51，前者評價值較大但波動性小，后者評價值較小波動性也小。熵權(quán)法權(quán)重由各項指標(biāo)數(shù)據(jù)波動性確定，故導(dǎo)致客觀權(quán)重排序與實際情況存在偏差，加法合成法未能避免其影響，導(dǎo)致部分結(jié)果失真。乘法合成法計算結(jié)果區(qū)分度較大，但部分值超出合理范圍，組合值可信度較低。級差最大化法區(qū)別對待主、客觀權(quán)重信息中的優(yōu)、劣信息，確保了FBWM-EWM-LDM模型計算具有較高的實際符合度、各項風(fēng)險指標(biāo)危險程度具有明顯的區(qū)分度，且將組合權(quán)重值約束在合理取值區(qū)間，使其兼顧了主、客觀權(quán)重的優(yōu)點，組合方式合理且有效。4 結(jié)論

【參考文獻(xiàn)】：
期刊論文
[1]改進的層次分析法及模糊綜合評價法在病險水庫除險加固治理效果評價中的應(yīng)用[J]. 王春燕,喬娟.  水電能源科學(xué). 2019(10)
[2]基于FAHP-EWM-TOPSIS的大壩風(fēng)險識別模型[J]. 陳悅,胡雅婷,汪程,尹文中,陳斯煜.  水利水電技術(shù). 2019(02)
[3]大壩服役風(fēng)險分析與管理研究述評[J]. 顧沖時,蘇懷智,劉何稚.  水利學(xué)報. 2018(01)
[4]主客觀權(quán)重的組合方式及其合理性研究[J]. 李剛,李建平,孫曉蕾,趙萌.  管理評論. 2017(12)

碩士論文
[1]土壩工程風(fēng)險決策分析研究[D]. 羅志雄.揚州大學(xué) 2016



本文編號：3420349