一种基于聚类群决策的多流域调度评价方法及系统

摘要

本发明涉及流域调度数据处理技术领域，尤其涉及一种基于聚类群决策的多流域调度评价方法及系统。该方法包括以下步骤：获取流域不同工况下的调度数据；建立多目标调度指标体系，其中多目标调度评价指标体系包括目标层数据、项目层数据以及指标层数据，对数据归一化处理，对不同类别的调度专家分类，考虑不同类别的专家赋予类别间权重与类别内权重，并改进AHP法权重计算，从而获得多目标调度权重数据，建立多目标加权决策矩阵。本发明通过采用改进的AHP聚类分析法从类别内、类别间两方面综合计算专家权重，减少因专家不同带来的差异影响，以各调度方法的正负理想解的贴近程度作为标准，挑出合适方案的过程，提高了决策效率。

权利要求

1.一种基于聚类群决策的多流域调度评价方法，其特征在于，包括以下步骤：步骤S1：获取流域不同工况下的流域调度数据，以建立多目标调度指标体系数据；其中，步骤S1包括以下步骤：获取不同丰、平、枯年份的流域调度数据，以建立多目标调度指标体系数据，其中多目标调度指标体系数据包括目标层数据、项目层数据以及指标层数据，水安全、水资源、水生态、水环境为项目层数据，项目层数据的下一级指标为指标层数据，流域调研的指标层数据包括：以水安全防御为中心的指标层数据，包括堤防漫溢程度数据、河道流速数据、雨水管网顶托数量数据、流域淹没水深数据、流域淹没面积数据以及流域淹没历时数据；

以水资源节约为中心的指标层数据，包括水资源供水量分析数据和区域需水量分析数据；

以水生态修复为中心的指标层数据，包括生态基流量数据、物种多样性指数数据、区域河道连通性数据、水土流失治理率数据、浮游动物密度数据以及底栖动物密度数据；

以水环境保护为中心的指标层数据，包括水功能区水质达标率数据、色度数据、pH数据、叶绿素A浓度数据以及总氮数量数据；

步骤S2，包括：

步骤S21：利用多目标调度指标体系数据对流域调度数据进行特征提取，并数据归一化处理，从而获得特征调度数据；

步骤S22，包括：

获取 个流域调度专家运用1‑7打分法给出不同调度指标两两比较的判别矩阵 ，其中设第 位流域调度专家和第 位流域调度专家的判别矩阵分别为 、 ；

对判别矩阵 运用AHP法对判断矩阵进行一致性检验，若一致性检验不符合则执行中止作业，若一致性检验符合，则运用特征根法由 、 求得第 、位专家赋的指标权重分别为、 ，其中 ， ， 、 分别为第 、位流域专家赋予第 项调度指标的权重，为指标个数，通过对流域调度专家指标权重的聚类分析，计算流域调度专家 与 之间的相容度：；

其中运用余弦 来表示 与 之间的相容度， ，计算的余弦越接近1，表示 和 流域调度专家越相似；反之则属于不同类别；

步骤S23：利用 个流域调度专家给出的判别矩阵得出的 个指标权重，建立相容度矩阵；

步骤S24：在 相容度矩阵中，选取各行各列的最大值，最大值选取不考虑对角线上的数值 ， 的数值对应的两位流域调度专家 、 ，令， 为同类别专家；

步骤S25：除去专家 、 ，添加 类别专家后，重新排列相容度矩阵，其中；

步骤S26：重新选取新的相容度矩阵的最大值，将同类别流域调度专家合并；

步骤S27：分离已分类的流域调度专家，添加新类别，得到新的相容度矩阵，以此类推直至得到将专家归为同一类；

步骤S28：利用归类时的相容度值绘制聚类图，确定阈值 ，将归类相容度间距小于 的专家定为同类流域调度专家，大于 的为不同类别流域调度专家；

步骤S3，包括：

步骤S31：根据步骤S2最终得到 类流域调度专家，第 、位流域调度专家为 、 ，运用AHP法得出的指标权重，计算第 位流域调度专家与其他专家的一致性权重差异值 ；

；

步骤S32：设第 类流域调度专家的个数为 ， 为第 类专家与非本类专家的类别间权重差异值， 指代 个专家中属于第 类的专家；

；

步骤S33：设 为第 类专家的类别间专家权重系数，可得流域调度专家类别间权重 ；

；

；

步骤S34：设在第 类专家中，专家的个数为 ， 为该类中第 位专家判断矩阵 的一致性比率，则第 位专家在第 类专家中的专家类别内权重系数 为：；

其中 为假定的比例因子，是决定专家类别内权重系数 的重要因子，越大，一致性比率 的差异在专家类别内权重系数 中越能得到体现，即 相差越大，通常 为大于零的实数；

步骤S35：结合考虑流域调度专家权重值得出 ，其中 为第 位专家的综合权重，运用专家权重修正AHP法的权重，获取不同流域调度指标的最终权重 ，其中多目标调度权重数据为不同流域调度指标的最终权重；

专家综合权重： ；

指标的最终权重： ，其中 为不同流域调度指标的最终权重；

步骤S4：根据多目标调度权重数据生成多目标加权决策矩阵，利用多目标加权决策矩阵对预设的优化TOPSIS模型以及流域调度数据进行评价计算，生成调度评价数据。

2.根据权利要求1所述的基于聚类群决策的多流域调度评价方法，其特征在于，步骤S21具体为：将流域调度数据划分为正影响指标与负影响指标，并利用多目标调度指标体系数据中的第i个调度指标对流域调度数据中的第j个调度方案进行打分处理，从而获得处理流域调度数据；

对处理流域调度数据进行归一化调度指标处理，从而获得特征调度数据，其中特征调度数据包括正、负影响调度指标，将正、负影响调度指标按下列公式处理：正影响调度指标： ；

负影响调度指标： ；

其中 为第个调度方案在第个调度指标的得分， 以及 为 归一化处理后得分的正影响调度指标以及负影响调度指标，则得到归一化处理后的决策矩阵 ，其中、 分别为第个指标得分的最大值和最小值。

3.根据权利要求2所述的基于聚类群决策的多流域调度评价方法，其特征在于，步骤S4具体为：步骤S41：设 个指标的权重为 ，其中 为第 个指标的权重，将确定的指标权重 ，加入到决策矩阵 中，组成加权的决策矩阵 ，即：；

其中 为第个污水处理厂在第个指标的加入指标权重的属性值；

步骤S42：通过加权决策矩阵计算流域调度指标的正理想解 与负理想解 ；

；

；

步骤S43：计算 个流域调度方案中每个方案与理想解之间的欧式距离，设 、 分别为第个流域调度方案与正、负理想解之间的欧式距离；

；

；

步骤S44：计算不同流域调度方案与理想解的相对贴近度 ，得出不同丰、平、枯水年份的调度方案的相对贴近度，当 值越接近1时，表示该方案越接近理想解，方案越优，其中调度评价数据为不同丰、平、枯水年份的调度方案的相对贴近度；

，其中 为相对贴近度。

4.一种基于聚类群决策的多流域调度评价系统，其特征在于，包括：至少一个处理器；

与所述至少一个处理器通信连接的存储器；

所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如权利要求1至3中任一项所述的基于聚类群决策的多流域调度评价方法。

说明书

一种基于聚类群决策的多流域调度评价方法及系统

技术领域

[0001] 本发明涉及流域调度数据处理技术领域，尤其涉及一种基于聚类群决策的多流域调度评价方法及系统。

背景技术

[0002] 多流域调度评价方法是一种针对多流域水安全、水资源、水生态、水环境调度问题的综合评价方法，旨在对丰、平、枯水年的水资源调度方案进行评价、比较和优化。其主要思路是建立一套综合评价体系，将丰、平、枯水年的调度方案进行评价，最终得出优质的流域调度方案。现有的调度评价方法往往依赖于专家或者人工决策，往往导致多流域水资源调度问题的决策效率较低。

发明内容

[0003] 有鉴于此，有必要提供一种基于聚类群决策的多流域调度评价方法及系统，以解决至少一个上述技术问题。

[0004] 本申请提供了一种基于聚类群决策的多流域调度评价方法，包括以下步骤：

[0005] 步骤S1：获取流域不同工况下的流域调度数据，以建立多目标调度指标体系数据；

[0006] 步骤S2：利用多目标调度指标体系数据对流域调度数据进行数据归一化处理，并对不同类别的调度专家分类，从而获得同类流域调度专家以及不同类别流域调度专家；

[0007] 步骤S3：根据同类流域调度专家以及不同类别流域调度专家进行改进AHP法权重计算，从而获得多目标调度权重数据；

[0008] 步骤S4：根据多目标调度权重数据生成多目标加权决策矩阵，利用多目标加权决策矩阵对预设的优化TOPSIS模型以及流域调度数据进行评价计算，生成调度评价数据。

[0009] 本发明中通过步骤S1能够获取流域在不同工况下的调度数据，并建立多目标调度指标体系数据。这有助于全面了解和评估流域的调度情况，并提供了一个综合考虑不同目标的指标体系。在步骤S2中对流域调度数据进行数据归一化处理。这种处理可以将不同范围和单位的数据统一到相同的尺度上，消除了数据的绝对差异，使得不同指标之间可以进行比较和权衡。调度专家分类和改进AHP法权重计算：通过对调度专家进行分类并利用改进的层次分析法(AHP)进行权重计算（步骤S2和S3）能够充分利用不同专家的知识和经验，并考虑到不同专家的权威性和可信度。这有助于提高评价结果的准确性和可信度。在步骤S4中基于多目标调度权重数据生成多目标加权决策矩阵，并利用该矩阵对流域调度数据进行评价计算。通过综合考虑不同指标的权重和重要性，方法能够得出对流域调度的综合评价结果，帮助决策者做出合理的调度决策。

[0010] 优选地，步骤S1具体为：

[0011] 获取不同丰、平、枯年份的流域调度数据，以建立多目标调度评价指标体系，其中多目标调度评价指标体系包括目标层数据、项目层数据以及指标层数据，水安全、水资源、水生态、水环境为项目层数据，项目层数据的下一级指标为指标层数据，流域调研的调度数据包括：

[0012] 以水安全防御为中心的指标层数据，包括堤防漫溢程度数据、河道流速数据、雨水管网顶托数量数据、流域淹没水深数据、流域淹没面积数据以及流域淹没历时数据；

[0013] 以水资源节约为中心的指标层数据，包括水资源供水量分析数据和区域需水量分析数据；

[0014] 以水生态修复为中心的指标层数据，包括生态基流量数据、物种多样性指数数据、区域河道连通性数据、水土流失治理率数据、浮游动物密度数据以及底栖动物密度数据；

[0015] 以水环境保护为中心的指标层数据，包括水功能区水质达标率数据、色度数据、pH数据、叶绿素A浓度数据以及总氮数量数据。

[0016] 本发明中通过调研流域机构并收集不同年份的流域调度数据，能够建立多目标调度评价指标体系。该指标体系包括目标层数据、项目层数据以及指标层数据，涵盖了水安全、水资源、水生态和水环境等方面的数据。这有助于全面考虑流域调度的多个方面，从而更全面、准确地评价调度效果。在每个项目层数据下，进一步细分了指标层数据。例如，在水安全防御项目层数据中，指标层数据包括堤防漫溢程度、河道流速、雨水管网顶托数量、流域淹没水深、流域淹没面积和流域淹没历时。这种细分可以更加具体地描述和量化各项指标，有助于更精确地评估调度的效果。通过收集不同丰、平、枯年份的调度数据，并建立多目标调度评价指标体系，能够全面评估流域调度的效果。不同年份的数据可以反映不同的水文条件下的调度情况，从而更好地了解流域调度在不同情景下的表现。建立多目标调度评价指标体系后，能够为决策者提供全面的数据支持和决策依据。通过评价各项指标的数据，决策者可以更好地了解流域调度的优劣势，并作出相应的决策和调整。

[0017] 优选地，步骤S2具体为：

[0018] 步骤S21：利用多目标调度指标体系数据对流域调度数据进行特征提取，并数据归一化处理，从而获得特征调度数据；

[0019] 步骤S22：对不同类别的调度专家分类，以获取不同类别间与类别内权重。

[0020] 本发明中特征调度数据：通过步骤S21，利用多目标调度指标体系数据对流域调度数据进行特征提取。这意味着从原始的调度数据中提取出具有代表性和重要性的特征数据。通过这种方式，可以减少冗余数据和噪声，聚焦于关键特征，从而提高评价的准确性和可信度。在步骤S21中，对特征调度数据进行数据归一化处理。这种处理可以将不同范围和单位的数据统一到相同的尺度上，消除了数据的绝对差异，使得不同指标之间可以进行比较和权衡。数据归一化有助于消除指标间的量纲影响，使得不同指标对评价结果的贡献更加公平和平衡。在步骤S22中，对不同类别的调度专家进行分类，并获取不同类别间和类别内的权重。通过分类调度专家，能够充分利用不同专家的知识和经验，并考虑到不同专家的权威性和可信度。这有助于准确评估不同类别的专家对调度指标的重要性，并为后续的权重计算提供可靠依据。通过特征提取、数据归一化处理和调度专家分类，能够提高评价结果的准确性和可信度。特征提取和数据归一化处理可以消除冗余信息和数据差异，提取关键特征并统一数据尺度，从而准确评估调度效果。同时，调度专家分类和权重获取可以充分利用专家的知识和经验，提高权重计算的准确性和可信度。

[0021] 优选地，步骤S21具体为：

[0022] 将流域调度数据划分为正影响指标与负影响指标，并利用多目标调度指标体系数据中的第i个调度指标对流域调度数据中的第j个调度方案进行打分处理，从而获得处理流域调度数据；

[0023] 对处理流域调度数据进行归一化调度指标处理，从而获得特征调度数据，其中特征调度数据包括正、负影响调度指标，将正、负影响调度指标按下列公式处理：

[0024] 正影响调度指标： ；

[0025] 负影响调度指标： ；

[0026] 其中 为第i个调度方案在第j个调度指标的得分， 以及 为 规一化处理后得分的正影响调度指标以及负影响调度指标，则得到归一化处理后的决策矩阵 ，其中 、 分别为第j个指标得分的最大值和最小值。

[0027] 本发明中通过将流域调度数据划分为正影响指标与负影响指标，方法能够识别出对调度方案具有正向影响和负向影响的指标。这有助于更好地理解每个指标对调度方案的贡献和影响，从而提供更全面和准确的评价结果。利用多目标调度指标体系数据中的第i个调度指标对流域调度数据中的第j个调度方案进行打分处理。通过综合考虑多个指标的得分和权重，可以对每个调度方案进行综合评价，从而更全面地反映其效果和表现在步骤S21中，对处理流域调度数据进行归一化调度指标处理，得到正影响调度指标和负影响调度指标的规一化得分。通过归一化处理，将不同指标的得分统一到相同的尺度上，消除了数据的绝对差异，使得不同指标之间可以进行比较和权衡。这有助于更准确地评估调度方案的优劣程度。通过划分正影响指标与负影响指标，并进行打分处理和归一化调度指标处理，可以提高评价结果的准确性和可比性。这种处理方式充分考虑了不同指标的权重和贡献，将指标的得分统一到相同的尺度上，使得不同调度方案之间更具可比性，从而支持更科学和全面的决策。

[0028] 优选地，步骤S22具体为：

[0029] 获取h个流域调度专家运用1‑7打分法给出不同调度指标两两比较的判别矩阵P，其中设第x位流域调度专家和第y位流域调度专家的判别矩阵分别为 、 ；

[0030] 对判别矩阵P运用AHP法对判断矩阵进行一致性检验，若一致性检验不符合则执行中止作业，若一致性检验符合，则运用特征根法由 、 求得第x、y位专家赋的指标权重分别为 、 ，其中 ， ， 、 分别为第x、y位流域专家赋予第j项调度指标的权重，n为指标个数，通过对流域调度专家指标权重的聚类分析，计算流域调度专家 与 之间的相容度：

[0031] ；

[0032] 其中运用余弦 来表示 与 之间的相容度， ，计算的余弦越接近1，表示 和 流域调度专家越相似；反之则属于不同类别；

[0033] 步骤S23：利用h个流域调度专家给出的判别矩阵得出的h个指标权重，建立相容度矩阵 ， ；

[0034] 步骤S24：在 相容度矩阵中，选取各行各列的最大值，最大值选取不考虑对角线上的数值 ， 的数值对应的两位流域调度专家 、 ，令 ， 为同类别专家；

[0035] 步骤S25：除去专家 、 ，添加 类别专家后，重新排列相容度矩阵，其中；

[0036] 步骤S26：重新选取新的相容度矩阵的最大值，将同类别流域调度专家合并；

[0037] 步骤S27：分离已分类的流域调度专家，添加新类别，得到新的相容度矩阵，以此类推直至得到将专家归为同一类；

[0038] 步骤S28：利用归类时的相容度值绘制聚类图，确定阈值T，将归类相容度间距小于T的专家定为同类流域调度专家，大于T的为不同类别流域调度专家。

[0039] 本发明中通过对判别矩阵和相容度矩阵的分析，可以将流域调度专家进行分类，识别出同类和不同类别的调度专家。这有助于确定不同专家在评价和决策中的权重和影响。通过AHP法和特征根法，可以计算出每个调度专家对指标的权重分配。这些权重反映了专家对指标的重要程度，可以在评价和决策中提供参考。通过绘制聚类图，可以直观地展示专家之间的关系和类别划分结果。这有助于更好地理解专家之间的相似度和差异性，为决策提供更清晰的指导。通过选择相容度间距小于阈值的专家归为同类，可以在实际应用中将调度专家进行有效的分类和划分。这有助于组织专家团队，进行更有针对性的评价和决策。

[0040] 优选地，步骤S3具体为：

[0041] 步骤S31：根据步骤2最终得到q类流域调度专家，第x、y位流域调度专家为 、 ，运用AHP法得出的指标权重，计算第x位流域调度专家与其他专家的一致性权重差异值 ；

[0042] ；

[0043] 步骤S32：设第q类流域调度专家的个数为 ， 为第q类专家与非本类专家的类别间权重差异值， 指代h个专家中属于第q类的专家；

[0044] ；

[0045] 步骤S33：设 为第q类专家的类别间专家权重系数，可得流域调度专家类别间权重 ；

[0046] ， ；

[0047] ；

[0048] 步骤S34：设在第q类专家中，专家的个数为 ， 为该类中第x位专家判断矩阵的一致性比率，则第x位专家在第q类专家中的专家类别内权重系数 为：

[0049] ；

[0050] 其中b为假定的比例因子，是决定专家类别内权重系数 的重要因子，b越大，一致性比率CR的差异在专家类别内权重系数 中越能得到体现，即 相差越大，通常b为大于零的实数，参照经验本文中b取10；

[0051] 步骤S35：结合考虑流域调度专家权重值得出 ，其中 为第x位专家的综合权重，运用专家权重修正AHP法的权重，获取不同流域调度指标的最终权重 ，其中多目标调度权重数据为不同流域调度指标的最终权重；

[0052] 专家综合权重： ；

[0053] 指标的最终权重： ，其中 为不同流域调度指标的最终权重。

[0054] 本发明中考虑专家权重差异：通过计算一致性权重差异值和类别间权重差异值，方法可以准确地反映出专家在权重分配上的差异性。这有助于识别权威专家和权重分配的不一致情况，提高决策的准确性。调整权重分配：通过计算专家权重系数和类别内权重系数，方法可以根据专家间的一致性比率和类别间权重差异，对权重进行适当的调整。这有助于更准确地反映不同专家和类别的权重分配情况。综合权重计算：通过计算综合权重和最终权重，方法可以结合多个专家的意见和权重值，得到更全面和准确的决策指标权重。这有助于提高决策的科学性和可靠性。

[0055] 优选地，步骤S4具体为：

[0056] 步骤S41：设n个指标的权重为 ，其中 为第j个指标的权重，将确定的指标权重W，加入到决策矩阵R中，组成加权的决策矩阵 ，即：

[0057] ；

[0058] 其中 为第i个污水处理厂在第j个指标的加入指标权重的属性值；

[0059] 步骤S42：通过加权决策矩阵计算流域调度指标的正理想解 与负理想解 ；

[0060] ；

[0061] ；

[0062] 步骤S43：计算m个流域调度方案中每个方案与理想解之间的欧式距离，设 、分别为第i个流域调度方案与正、负理想解之间的欧式距离；

[0063] ；

[0064] ；

[0065] 步骤S44：计算不同流域调度方案与理想解的相对贴近度 ，得出不同丰、平、枯水年份的调度方案的相对贴近度，当 值越接近1时，表示该方案越接近理想解，方案越优，其中调度评价数据为不同丰、平、枯水年份的调度方案的相对贴近度；

[0066] ，其中 为相对贴近度。

[0067] 本发明中考虑指标权重：通过加权决策矩阵，方法可以根据指标权重对决策进行加权处理，使得不同指标的重要性得到准确反映。这有助于确保决策过程更加客观和准确。通过计算正理想解和负理想解，方法可以确定各指标在最大化和最小化情况下的理想值。
这有助于明确决策目标，并提供了参考标准用于评估不同方案的优劣程度。通过计算欧式距离和相对贴近度，方法可以对不同方案与理想解之间的差异进行量化评估。这有助于确定方案的相对优劣，并提供决策依据。

[0068] 优选地，一种基于聚类群决策的多流域调度评价系统，所述系统包括：

[0069] 至少一个处理器；以及，

[0070] 与所述至少一个处理器通信连接的存储器；其中，

[0071] 所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一项所述的一种基于聚类群决策的多流域调度评价方法。

[0072] 本发明的有益效果在于：（1）建立流域多目标调度综合评价模型，4个二级指标，22个三级指标的多层次评价体系。

[0073] （2）采用聚类分析法从类别内、类别间两方面综合计算专家权重，以此修正AHP法确定的指标权重，减少因专家不同带来的差异影响。

[0074] （3）运用TOPSIS法，以各调度方法的正负理想解的贴近程度作为判别多目标调度方案的标准。简化了复杂因子下挑出合适方案的过程，提高了决策效率。

附图说明

[0075] 通过阅读参照以下附图所作的对非限制性实施所作的详细描述，本申请的其它特征、目的和优点将会变得更明显：

[0076] 图1示出了一实施例的基于聚类群决策的多流域调度评价方法的步骤流程图。

具体实施方式

[0077] 下面结合附图对本发明专利的技术方法进行清楚、完整的描述，显然，所描述的实施例是本发明的一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域所属的技术人员在没有做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。

[0078] 此外，附图仅为本发明的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。可以采用软件形式来实现功能实体，或在一个或多个硬件模块或集成电路中实现这些功能实体，或在不同网络和/或处理器方法和/或微控制器方法中实现这些功能实体。

[0079] 应当理解的是，虽然在这里可能使用了术语“第一”、“第二”等等来描述各个单元，但是这些单元不应当受这些术语限制。使用这些术语仅仅是为了将一个单元与另一个单元进行区分。举例来说，在不背离示例性实施例的范围的情况下，第一单元可以被称为第二单元，并且类似地第二单元可以被称为第一单元。这里所使用的术语“和/或”包括其中一个或更多所列出的相关联项目的任意和所有组合。

[0080] 本申请提供一实施例，该实施例中，TOPSIS法是一种解决多目标决策问题的常用而有效的方法，它以各方案与正负理想解的贴近程度作为比较其优劣的依据。多目标调度可用TOPSIS法，将不同指标的重要程度以权重的形式加以考虑，建立决策矩阵和评价模型。

[0081] 由专家针对n个指标对m个调度方法打分，再将数据进行规范化处理。对于不同的指标，规范化处理的方法也不同。设 为第i个调度方法在第j个指标的得分， 为 规范化处理后得分，将正、逆指标按下列公式处理：

[0082] 正指标： ；

[0083] 逆指标： ；

[0084] 则得到规范化处理后的决策矩阵 。其中 、 分别为第j个指标得分的最大值和最小值。设n个指标的权重为 ，其中 为第j个指标的权重。将确定的指标权重W，加入到决策矩阵R中，组成加权的决策矩阵 ，即：

[0085] 其中 为第i个调度方法在第j个指标的加入指标权重的属性值。

[0086] 设n个指标的权重为 ，其中 为第j个指标的权重。将确定的指标权重W，加入到决策矩阵R中，组成加权的决策矩阵 ，即：

[0087] ；其中 为第i个调度方法在第j个指标的加入指标权重的属性值。

[0088] 正理想解是加权决策矩阵中各个指标的属性值达到最优的解，负理想解则相反。设 、 分别为加权决策矩阵V的正理想解和负理想解，则 ，
，其中 、 分别为第j个指标的最优属性值和最劣属性值，即：

[0089] ；

[0090] ；

[0091] 计算m个调度方法中每个方案与理想解之间的欧式距离，设 、 分别为第i个调度方法与正、负理想解之间的欧式距离，则：

[0092] ； ；

[0093] 计算不同方案与理想解的相对贴近度 ： ；当 值越接近1时，表示该方案越接近理想解，方案越优。

[0094] 传统的AHP法未考虑到由于专家的知识结构、认知水平不同，其判断矩阵的有效性也存在差异。本次多目标调度在AHP法基础上，运用系统聚类法将专家分类，并给不同专家类别赋予不同的类别内和类别间权重值，从而对指标权重进行修正。聚类群决策多属性的AHP法确定权重：

[0095] 先由h个专家运用1‑9标度法给出指标两两比较的判断矩阵P，再根据AHP法进行判断矩阵的一致性检验。设第 位专家和第 位专家的判断矩阵分别为 、 ，且 、 通过一致性检验。

[0096] 运用特征根法由 、 求得第 、位专家赋的指标权重分别为 、 ，其中， ， 、 分别为第 、位专家赋予第项指标的权重，为指标个数。

[0097] 通过聚类分析，计算 与 之间的相容度: ；

[0098] 采用向量夹角余弦 来表示 与 之间的相容度， 。相容度越接近1，表示向量 和 之间越相似；反之则越疏远。再利用 个专家给出的判断矩阵得出的 个指标权重，建立相容度矩阵 ， ；

[0099] 按如下步骤，利用相容度对专家分类：

[0100] 1）在 矩阵中，选取除对角线之外所有元素中的最大值，定义 对应的两位专家 、 为一个新类别 ， ；

[0101] 2）除去专家 、 ，添加 后，重新排列相容度矩阵。其中 ；

[0102] 3）在新矩阵的除对角线外所有元素中选出最大值 ，将相应的专家与上一类专家合并。

[0103] 4）除去已归类的专家并添加新类别，得到新的相容度矩阵；

[0104] 5）重复3、4直至将全部专家并入同一类别；

[0105] 6）利用归类时的相容度值绘制聚类图，然后确定阈值T，将归类相容度间距小于T的专家并为一个类别，大于T的专家分别为不同类别，完成分类。

[0106] 运用聚类法将h个专家归为Q类，设 、 分别为第x位、y位专家运用AHP法得出的指标权重。则第x位专家与其他专家一致性权重差异值 为： ，设第q类专家的个数为 ， 为第q类专家与非本类专家的类别间一致性权重差异值，其值为第q类专家的一致性权重差异值 的算术平均值，则： 其中 指
代h个专家中属于第q类的专家。设 为第q类专家的类别间专家权重系数，可得专家类别间权重的模型为：

[0107] ， ；该函数可导，引入Lagrane函数求解：；对 和 求偏导，整理得出：

[0108] ；

[0109] 同类专家中，每个专家的判断矩阵一致性不同，其代表性、可信度也不同。认为一致性系数越小时越具有代表性，所给的权重因子也就越大。设在第q类专家中，专家的个数为 ， 为该类中第x位专家判断矩阵 的一致性比率，则第x位专家在第q类专家中的专家类别内权重系数 为： ，其中b为假定的比例因子，是决定专家类别内权重系数 的重要因子。b越大，一致性比率CR的差异在专家类别内权重系数 中越能得到体现，即 相差越大。通常b为大于零的实数。

[0110] 将不同类别间的专家权重系数与类别内专家权重系数相结合得出专家综合权重，其中 为第x位专家的综合权重。再以所得的专家权重修正AHP法的权重，求出该项目不同指标的最终权重 。专家综合权重：
指标的最终权重： ，其中 为不同流域调度指标的最终权重。

[0111] 流域多目标调度评价体系从目标层、项目层与指标层三个维度出发，如下所示：

[0112]

[0113]

[0114] 流域多目标调度综合评价：确定多目标调度方法后，根据上表4个二级指标，22个三级指标的多层次评价体系，采用聚类分析法从类别内、类别间两方面综合计算专家权重，以此修正AHP法确定的指标权重，并结合TOPSIS模型对众调度方法进行比较，优选出最适宜多目标调度的方法。

[0115] 请参阅图1，本申请提供了本申请提供了一种基于聚类群决策的多流域调度评价方法，包括以下步骤：

[0116] 步骤S1：获取流域不同工况下的流域调度数据，以建立多目标调度指标体系数据；

[0117] 步骤S2：利用多目标调度指标体系数据对流域调度数据进行数据归一化处理，并对不同类别的调度专家分类，从而获得同类流域调度专家以及不同类别流域调度专家；

[0118] 步骤S3：根据同类流域调度专家以及不同类别流域调度专家进行改进AHP法权重计算，从而获得多目标调度权重数据；

[0119] 步骤S4：根据多目标调度权重数据生成多目标加权决策矩阵，利用多目标加权决策矩阵对预设的优化TOPSIS模型以及流域调度数据进行评价计算，生成调度评价数据。

[0120] 本发明中通过步骤S1能够获取流域在不同工况下的调度数据，并建立多目标调度指标体系数据。这有助于全面了解和评估流域的调度情况，并提供了一个综合考虑不同目标的指标体系。在步骤S2中对流域调度数据进行数据归一化处理。这种处理可以将不同范围和单位的数据统一到相同的尺度上，消除了数据的绝对差异，使得不同指标之间可以进行比较和权衡。调度专家分类和改进AHP法权重计算：通过对调度专家进行分类并利用改进的层次分析法(AHP)进行权重计算（步骤S2和S3）能够充分利用不同专家的知识和经验，并考虑到不同专家的权威性和可信度。这有助于提高评价结果的准确性和可信度。在步骤S4中基于多目标调度权重数据生成多目标加权决策矩阵，并利用该矩阵对流域调度数据进行评价计算。通过综合考虑不同指标的权重和重要性，方法能够得出对流域调度的综合评价结果，帮助决策者做出合理的调度决策。

[0121] 优选地，步骤S1具体为：

[0122] 获取不同丰、平、枯年份的流域调度数据，以建立多目标调度评价指标体系，其中多目标调度评价指标体系包括目标层数据、项目层数据以及指标层数据，水安全、水资源、水生态、水环境为项目层数据，项目层数据的下一级指标为指标层数据，流域调研的调度数据包括：

[0123] 以水安全防御为中心的指标层数据，包括堤防漫溢程度数据、河道流速数据、雨水管网顶托数量数据、流域淹没水深数据、流域淹没面积数据以及流域淹没历时数据；

[0124] 以水资源节约为中心的指标层数据，包括水资源供水量分析数据和区域需水量分析数据；

[0125] 以水生态修复为中心的指标层数据，包括生态基流量数据、物种多样性指数数据、区域河道连通性数据、水土流失治理率数据、浮游动物密度数据以及底栖动物密度数据；

[0126] 以水环境保护为中心的指标层数据，包括水功能区水质达标率数据、色度数据、pH数据、叶绿素A浓度数据以及总氮数量数据。

[0127] 本发明中通过调研流域机构并收集不同年份的流域调度数据，能够建立多目标调度评价指标体系。该指标体系包括目标层数据、项目层数据以及指标层数据，涵盖了水安全、水资源、水生态和水环境等方面的数据。这有助于全面考虑流域调度的多个方面，从而更全面、准确地评价调度效果。在每个项目层数据下，进一步细分了指标层数据。例如，在水安全防御项目层数据中，指标层数据包括堤防漫溢程度、河道流速、雨水管网顶托数量、流域淹没水深、流域淹没面积和流域淹没历时。这种细分可以更加具体地描述和量化各项指标，有助于更精确地评估调度的效果。通过收集不同丰、平、枯年份的调度数据，并建立多目标调度评价指标体系，能够全面评估流域调度的效果。不同年份的数据可以反映不同的水文条件下的调度情况，从而更好地了解流域调度在不同情景下的表现。建立多目标调度评价指标体系后，能够为决策者提供全面的数据支持和决策依据。通过评价各项指标的数据，决策者可以更好地了解流域调度的优劣势，并作出相应的决策和调整。

[0128] 优选地，步骤S2具体为：

[0129] 步骤S21：利用多目标调度指标体系数据对流域调度数据进行特征提取，并数据归一化处理，从而获得特征调度数据；

[0130] 步骤S22：对不同类别的调度专家分类，以获取不同类别间与类别内权重。

[0131] 本发明中特征调度数据：通过步骤S21，利用多目标调度指标体系数据对流域调度数据进行特征提取。这意味着从原始的调度数据中提取出具有代表性和重要性的特征数据。通过这种方式，可以减少冗余数据和噪声，聚焦于关键特征，从而提高评价的准确性和可信度。在步骤S21中，对特征调度数据进行数据归一化处理。这种处理可以将不同范围和单位的数据统一到相同的尺度上，消除了数据的绝对差异，使得不同指标之间可以进行比较和权衡。数据归一化有助于消除指标间的量纲影响，使得不同指标对评价结果的贡献更加公平和平衡。在步骤S22中，对不同类别的调度专家进行分类，并获取不同类别间和类别内的权重。通过分类调度专家，能够充分利用不同专家的知识和经验，并考虑到不同专家的权威性和可信度。这有助于准确评估不同类别的专家对调度指标的重要性，并为后续的权重计算提供可靠依据。通过特征提取、数据归一化处理和调度专家分类，能够提高评价结果的准确性和可信度。特征提取和数据归一化处理可以消除冗余信息和数据差异，提取关键特征并统一数据尺度，从而准确评估调度效果。同时，调度专家分类和权重获取可以充分利用专家的知识和经验，提高权重计算的准确性和可信度。

[0132] 优选地，步骤S21具体为：

[0133] 将流域调度数据划分为正影响指标与负影响指标，并利用多目标调度指标体系数据中的第i个调度指标对流域调度数据中的第j个调度方案进行打分处理，从而获得处理流域调度数据；

[0134] 对处理流域调度数据进行归一化调度指标处理，从而获得特征调度数据，其中特征调度数据包括正、负影响调度指标，将正、负影响调度指标按下列公式处理：

[0135] 正影响调度指标： ；

[0136] 负影响调度指标： ；

[0137] 其中 为第i个调度方案在第j个调度指标的得分， 以及 为 规一化处理后得分的正影响调度指标以及负影响调度指标，则得到归一化处理后的决策矩阵 ，其中 、 分别为第j个指标得分的最大值和最小值。

[0138] 本发明中通过将流域调度数据划分为正影响指标与负影响指标，方法能够识别出对调度方案具有正向影响和负向影响的指标。这有助于更好地理解每个指标对调度方案的贡献和影响，从而提供更全面和准确的评价结果。利用多目标调度指标体系数据中的第i个调度指标对流域调度数据中的第j个调度方案进行打分处理。通过综合考虑多个指标的得分和权重，可以对每个调度方案进行综合评价，从而更全面地反映其效果和表现在步骤S21中，对处理流域调度数据进行归一化调度指标处理，得到正影响调度指标和负影响调度指标的规一化得分。通过归一化处理，将不同指标的得分统一到相同的尺度上，消除了数据的绝对差异，使得不同指标之间可以进行比较和权衡。这有助于更准确地评估调度方案的优劣程度。通过划分正影响指标与负影响指标，并进行打分处理和归一化调度指标处理，可以提高评价结果的准确性和可比性。这种处理方式充分考虑了不同指标的权重和贡献，将指标的得分统一到相同的尺度上，使得不同调度方案之间更具可比性，从而支持更科学和全面的决策。

[0139] 优选地，步骤S22具体为：

[0140] 获取h个流域调度专家运用1‑7打分法给出不同调度指标两两比较的判别矩阵P，其中设第x位流域调度专家和第y位流域调度专家的判别矩阵分别为 、 ；

[0141] 对判别矩阵P运用AHP法对判断矩阵进行一致性检验，若一致性检验不符合则执行中止作业，若一致性检验符合，则运用特征根法由 、 求得第x、y位专家赋的指标权重分别为 、 ，其中 ， ， 、 分别为第x、y位流域专家赋予第j项调度指标的权重，n为指标个数，通过对流域调度专家指标权重的聚类分析，计算流域调度专家 与 之间的相容度：

[0142] ；

[0143] 其中运用余弦 来表示 与 之间的相容度， ，计算的余弦越接近1，表示 和 流域调度专家越相似；反之则属于不同类别；

[0144] 步骤S23：利用h个流域调度专家给出的判别矩阵得出的h个指标权重，建立相容度矩阵 ， ；

[0145] 步骤S24：在 相容度矩阵中，选取各行各列的最大值，最大值选取不考虑对角线上的数值 ， 的数值对应的两位流域调度专家 、 ，令 ， 为同类别专家；

[0146] 步骤S25：除去专家 、 ，添加 类别专家后，重新排列相容度矩阵，其中；

[0147] 步骤S26：重新选取新的相容度矩阵的最大值，将同类别流域调度专家合并；

[0148] 步骤S27：分离已分类的流域调度专家，添加新类别，得到新的相容度矩阵，以此类推直至得到将专家归为同一类；

[0149] 步骤S28：利用归类时的相容度值绘制聚类图，确定阈值T，将归类相容度间距小于T的专家定为同类流域调度专家，大于T的为不同类别流域调度专家。

[0150] 本发明中通过对判别矩阵和相容度矩阵的分析，可以将流域调度专家进行分类，识别出同类和不同类别的调度专家。这有助于确定不同专家在评价和决策中的权重和影响。通过AHP法和特征根法，可以计算出每个调度专家对指标的权重分配。这些权重反映了专家对指标的重要程度，可以在评价和决策中提供参考。通过绘制聚类图，可以直观地展示专家之间的关系和类别划分结果。这有助于更好地理解专家之间的相似度和差异性，为决策提供更清晰的指导。通过选择相容度间距小于阈值的专家归为同类，可以在实际应用中将调度专家进行有效的分类和划分。这有助于组织专家团队，进行更有针对性的评价和决策。

[0151] 优选地，步骤S3具体为：

[0152] 步骤S31：根据步骤2最终得到q类流域调度专家，第x、y位流域调度专家为 、 ，运用AHP法得出的指标权重，计算第x位流域调度专家与其他专家的一致性权重差异值 ；

[0153] ；

[0154] 步骤S32：设第q类流域调度专家的个数为 ， 为第q类专家与非本类专家的类别间权重差异值， 指代h个专家中属于第q类的专家；

[0155] ；

[0156] 步骤S33：设 为第q类专家的类别间专家权重系数，可得流域调度专家类别间权重 ；

[0157] ， ；

[0158] ；

[0159] 步骤S34：设在第q类专家中，专家的个数为 ， 为该类中第x位专家判断矩阵的一致性比率，则第x位专家在第q类专家中的专家类别内权重系数 为：

[0160] ；

[0161] 其中b为假定的比例因子，是决定专家类别内权重系数 的重要因子，b越大，一致性比率CR的差异在专家类别内权重系数 中越能得到体现，即 相差越大，通常b为大于零的实数，参照经验本文中b取10；

[0162] 步骤S35：结合考虑流域调度专家权重值得出 ，其中 为第x位专家的综合权重，运用专家权重修正AHP法的权重，获取不同流域调度指标的最终权重 ，其中多目标调度权重数据为不同流域调度指标的最终权重；

[0163] 专家综合权重： ；

[0164] 指标的最终权重： ，其中 为不同流域调度指标的最终权重。

[0165] 本发明中考虑专家权重差异：通过计算一致性权重差异值和类别间权重差异值，方法可以准确地反映出专家在权重分配上的差异性。这有助于识别权威专家和权重分配的不一致情况，提高决策的准确性。调整权重分配：通过计算专家权重系数和类别内权重系数，方法可以根据专家间的一致性比率和类别间权重差异，对权重进行适当的调整。这有助于更准确地反映不同专家和类别的权重分配情况。综合权重计算：通过计算综合权重和最终权重，方法可以结合多个专家的意见和权重值，得到更全面和准确的决策指标权重。这有助于提高决策的科学性和可靠性。

[0166] 优选地，步骤S4具体为：

[0167] 步骤S41：设n个指标的权重为 ，其中 为第j个指标的权重，将确定的指标权重W，加入到决策矩阵R中，组成加权的决策矩阵 ，即：

[0168] ；

[0169] 其中 为第i个污水处理厂在第j个指标的加入指标权重的属性值；

[0170] 步骤S42：通过加权决策矩阵计算流域调度指标的正理想解 与负理想解 ；

[0171] ；

[0172] ；

[0173] 步骤S43：计算m个流域调度方案中每个方案与理想解之间的欧式距离，设 、分别为第i个流域调度方案与正、负理想解之间的欧式距离；

[0174] ；

[0175] ；

[0176] 步骤S44：计算不同流域调度方案与理想解的相对贴近度 ，得出不同丰、平、枯水年份的调度方案的相对贴近度，当 值越接近1时，表示该方案越接近理想解，方案越优，其中调度评价数据为不同丰、平、枯水年份的调度方案的相对贴近度；

[0177] ，其中 为相对贴近度。

[0178] 本发明中考虑指标权重：通过加权决策矩阵，方法可以根据指标权重对决策进行加权处理，使得不同指标的重要性得到准确反映。这有助于确保决策过程更加客观和准确。通过计算正理想解和负理想解，方法可以确定各指标在最大化和最小化情况下的理想值。
这有助于明确决策目标，并提供了参考标准用于评估不同方案的优劣程度。通过计算欧式距离和相对贴近度，方法可以对不同方案与理想解之间的差异进行量化评估。这有助于确定方案的相对优劣，并提供决策依据。

[0179] 优选地，一种基于聚类群决策的多流域调度评价系统，所述系统包括：

[0180] 至少一个处理器；以及，

[0181] 与所述至少一个处理器通信连接的存储器；其中，

[0182] 所述存储器存储有可被所述至少一个处理器执行的计算机程序，所述计算机程序被所述至少一个处理器执行，以使所述至少一个处理器能够执行如上任一项所述的一种基于聚类群决策的多流域调度评价方法。

[0183] 本发明的有益效果在于：（1）建立流域多目标调度综合评价模型，4个二级指标，22个三级指标的多层次评价体系。

[0184] （2）采用聚类分析法从类别内、类别间两方面综合计算专家权重，以此修正AHP法确定的指标权重，减少因专家不同带来的差异影响。

[0185] （3）运用TOPSIS法，以各调度方法的正负理想解的贴近程度作为判别多目标调度方案的标准。简化了复杂因子下挑出合适方案的过程，提高了决策效率。

[0186] 因此，无论从哪一点来看，均应将实施例看作是示范性的，而且是非限制性的，本发明的范围由所附申请文件而不是上述说明限定，因此旨在将落在申请文件的等同要件的含义和范围内的所有变化涵括在本发明内。

[0187] 以上所述仅是本发明的具体实施方式，使本领域技术人员能够理解或实现本发明。对这些实施例的多种修改对本领域的技术人员来说将是显而易见的，本文中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本文所示的这些实施例，而是要符合与本文所发明的原理和新颖特点相一致的最宽的范围。