本发明属于水环境健康管理，尤其是涉及一种针对寒区冬季河流的水环境健康多指标体系评价方法。
背景技术：
1、河流系统是由河道中相互关联的水、沙、河床以及生态系统共同构成的复杂体系。它涵盖了自然生态、文化社会、工程调节等多个内容，在社会经济发展中发挥着至关重要的作用。目前，水环境恶化、河岸带侵蚀问题日益凸显，如何对河流进行科学管理已成为国内外普遍关注的焦点。而水环境健康评价作为河流科学管理的重要基础，如何精准评估河流水环境健康状况是整个管理体系中的关键所在。
2、北方寒冷地区受季节气候影响，普遍存在降雨及径流时空分布不均的现象。该地区河流除经历丰水期、枯水期和平水期外，每年还会经历4-6个月的冰封期。此外由于低温低流量的原因，北方寒冷地区河流生物的物种丰富度远低于其他地区，生态结构不够完整，自净能力弱。尤其是冬季时期，水质、水资源、水生态等各方面与其他地区都有着明显的差异，具有强烈的时空异质性。评价位于生态系统极度脆弱敏感地区的河流水环境健康状况，不仅有助于该地区河流的科学治理决策，对于一般河流的科学管理、精准决策也具有一定的指导意义。
3、近年来，随着应用数学及新一代信息技术的发展，众多综合方法被运用到各领域评价过程中，如模糊综合评价法、物元可拓法、主成分分析法、灰色关联度法、electre等。这些方法各具特色，适用于不同的场景。同时，各指标的权重也是决定评价模型是否准确的关键性因素。如今通常采用主观赋权法或客观赋权法来进行权重的确定。主观赋权法具有较强的主观能动性，依赖于专家个人的知识、经验与偏好，通常忽视了数据本身所蕴含的信息，常采用的方法有：层次分析法、德尔菲法等。客观赋权法弱化了主观意识，更加注重挖掘数据自身所蕴含的信息，但有时会出现权重系数不合理的情况，常用的方法有熵权法、critic法、变异系数法等。为获得更加科学合理的权重值，采用主观赋权法与客观赋权法相耦合的方式，以组合权重值为基础展开河流水环境健康状况评价是一种有效的解决问题思路。但现阶段大多学者在组合赋权过程中仍采用主观确定偏好系数的方式，弱化了组合赋权的客观性和集成效果。主客观赋值法的权重分配仍需要科学合理的算法支撑。
4、总而言之，国内外有关河流水环境健康评价的研究近些年得到了快速发展，相关评价体系与方法逐步成熟。但现有的评价指标体系没有考虑寒区冬季河流低温低流量、生态脆弱等特征，与北方寒冷地区脆弱的生态环境并不匹配。以此为基础进行评价，所得的结果无法准确反映当地水环境健康的真实状况，评价算法准确率低，不利于科学决策管理的实施。
技术实现思路
1、本发明的目的是提供一种针对寒区冬季河流的水环境健康多指标体系评价方法，通过构建符合寒区冬季河流特征的多指标评价体系，克服传统评价指标体系未考虑北方寒冷地区生态脆弱的实际情况，造成评价结果准确率低的问题，以此多指标评价体系为基础，结合主客观因素，基于多种方法，提高评价算法的精确度，为河流管理提供科学全面的评价依据。
2、为实现上述目的，本发明提供一种针对寒区冬季河流的水环境健康多指标体系评价方法，包括以下步骤：
3、步骤1、构建包括目标层、准则层、指标层的寒区冬季河流水环境健康评价指标体系；
4、步骤2、采集河流的各指标数据，将河流水环境健康状况划分为五个等级，分别为非常健康、健康、亚健康、不健康、病态，并据此将各评价指标进行同水平等级划分；
5、步骤3、采用层次分析法、lightgbm模型从主观与客观两个角度分别计算各指标数据的权重值，并基于博弈论方法，以纳什均衡为协调目标寻找主观与客观权重之间的一致与协调，得到组合权重；
6、步骤4、采用改进的物元可拓模型结合步骤3得到的组合权重，计算河流健康的关联度，根据关联度中的最大值确定河流水环境健康评价等级。
7、优选的，步骤1中目标层为寒区冬季河流水环境健康状况；准则层包括水资源、水环境、水生态、社会服务、生境状况；水资源的指标包括水资源开发利用率、生态流量满足程度及河流纵向连通指数；水环境的指标包括水质优劣程度及水功能区达标率；水生态的指标包括chao指数、shannon指数、大型底栖无脊椎动物生物完整性指数及鱼类保有指数；社会服务的指标包括公众满意度；生境状况的指标包括河岸带植被覆盖率、河岸带人工干扰程度。
8、优选的，将chao指数和shannon指数作为指标层中寒区冬季河流特有指标；由于寒区冬季河流存在冰封期，许多水生生物的生活受到限制，水生态仅考虑无脊椎动物和鱼类生长指标会导致评价结果与实际情况产生较大偏差；因而，选取占据生态位更广的chao指数、shannon指数等微生物指标，更符合寒区冬季河流水环境健康评价的实际情况。
9、优选的，计算水资源开发利用率和生态流量满足程度时，由于寒区冬季河流存在冰封期，将寒区冬季的河流特点作为考虑依据，计算表达式如下：
10、水资源开发利用率的计算表达式如下：
11、
12、式中，wuri为水资源开发利用率，单位为％；ws为河流流域供水量，单位为万m3；wr为河流流域水资源量，包含冰封期的冰层储水量，单位为万m3；
13、生态流量满足程度的计算表达式如下：
14、
15、式中，qd为最小日均流量，单位为m3/s；q为相应时段多年平均流量，单位为m3/s；ef为10月至次年3月(寒区冬季河流冰封期)最小日均日流量占相应时段多年平均流量的百分比。
16、优选的，lightgbm模型具体为：通过基于直方图的决策树构建、叶子生长的决策树算法、直方图差分计算、梯度的单边采样、互斥特征捆绑及稀疏特征优化对梯度提升决策树进行了优化得到lightgbm模型，具体内容如下：
17、梯度提升决策树是通过逐步构建一系列的决策树，使得每棵树都减少之前所有树的残差，计算表达式如下：
18、
19、式中，fm(x)是第m轮的模型；fm-1(x)是第m-1轮的模型；hm(x)是在第m轮中训练的弱学习器；γm是学习率，用来缩小新模型的贡献；
20、基于直方图的决策树构建对梯度提升决策树进行优化，具体为将特征值分组来减少计算复杂度，计算表达式如下：
21、
22、式中，xi是某个样本在第i个特征上的值；nbin是组的数量，min(x)表示特征x的最小值，max(x)表示特征x的最大值；
23、基于叶子生长的决策树算法对梯度提升决策树进行优化，使lightgbm模型采用按叶子生长的策略，在每次迭代中，选择当前所有叶子节点中增益最大的叶子进行分裂，增益gain的计算表达式如下：
24、
25、式中，gl和gr是左子节点和右子节点的梯度和；hl和hr是左子节点和右子节点的二阶导数和；λ是正则化参数；γ是分裂的叶节点数的惩罚项；
26、基于直方图差分计算对梯度提升决策树进行优化，使lightgbm模型计算量少，计算表达式如下：
27、hleft＝hparent-hright (6)
28、式中，hright是右子节点的直方图，hparent是父节点的直方图，hleft是左子节点的直方图；
29、基于梯度的单边采样对梯度提升决策树进行优化，具体为对lightgbm模型的样本进行了优化。
30、优选的，步骤3获得组合权重的过程如下：
31、s31、标准化处理指标数据，具体分为正向指标和负向指标，标准化后的数值rij计算公式如下：
32、正向指标：
33、
34、负向指标：
35、
36、式中，xij为第i个评价单元中第j个评价指标的数值；min(xj)表示原始数据中第j个指标的最小值，max(xj)表示原始数据中第j个指标的最大值；
37、s32、基于层次分析法得到寒区冬季河流水环境健康评价各指标的主观权重；
38、s33、基于lightgbm模型得到寒区冬季河流水环境健康评价各指标的客观权重；
39、s34、采用博弈论方法，以纳什均衡为协调目标寻找主观和客观权重之间的一致与协调，得到组合权重。
40、优选的，s33中基于lightgbm模型得到寒区冬季河流水环境健康评价各指标的客观权重的过程如下：
41、s331、首先，根据梯度绝对值对训练实例进行降序排序，其次，保留头部a×100％具有较大梯度的数据实例，获得实例a的子集；对于由(1-a)×100％具有较小梯度的数据实例组成的剩余集合ac，随机选择大小为b×|ac|的数据子集b；最后，根据估计的方差增益对子集a∪b进行划分，计算表达式如下：
42、
43、式中，al＝{xi∈a:xij≤d}，ar＝{xi∈a:xij>d}，bl＝{xi∈b:xij≤d}，br＝{xi∈b:xij>d}；系数用于将b上的梯度和归一化为ac的大小；gi表示数据的梯度。
44、s332、将lightgbm模型与选取的指标相结合，对区域水质特征的重要性进行排序，指标特征在决策树中做出分裂的次数越多，其相对重要性就越高；特征重要性得分是根据每个指标特征在所有树中分割训练数据的次数来计算的；lightgbm模型运算得到的指标特征的重要性记为f[i]，对指标特征重要性f[i]进行数值大小排序，规模排名的表达式为rank(x)，规模排名后各指标的顺序为rank(f[i])，排名结果反映了各指标的重要性；
45、s333、基于秩序质心确定lightgbm模型的客观权重，roc方法保持了排序顺序，使权重的最大误差最小化，可以减少由于权重不合适而产生重叠的风险，秩序质心的计算公式如下：
46、
47、式中，n为指标个数，rank(f[i])为特征重要性排序结果，wo为客观权重。
48、优选的，s34中采用博弈论方法，以纳什均衡为协调目标寻找主观和客观权重之间的一致与协调，得到组合权重的过程如下：
49、s341、构造向量任意线性组合ω：
50、
51、式中，l为确定权重系数的方法个数；αk为线性组合权重系数αk＝{α1，α2，…，αl}；ωk为基本权重向量集；表上ωk的转置；
52、s342、以ω和ωk的离差极小化为目标，构建目标函数式，得到ω中组合权重系数αk，计算公式为：
53、
54、s343、对上述计算得到的组合权重系数αk进行归一化处理得到αk*，结合式(11)得到最终优化后的组合权重值ω*：
55、
56、优选的，步骤4中采用改进的物元可拓模型结合步骤3得到的组合权重，计算河流健康的关联度的过程如下：
57、s41：构建经典域，并对其进行规格化处理，得到新的经典域rk：
58、
59、式中，nj为第j个评价等级；ci为等级j的第i个评价指标；(aji,bji)为等级j下第i个评价指标的取值范围；qi为各指标参数范围的最大值；(aji',bji')为规格化后的评价指标取值范围；
60、s42：构建节域rp与待评物元rx，并对待评物元进行规格化处理得到新的待评物元rl：
61、
62、式中，np表示评价类别的全体，(api,bpi)表示ci的节域范围；
63、
64、式中，vi为待评物元中第i个评价指标的量值；
65、s43：计算新待评物元rl关于新经典域rk量值范围的距离dji，计算公式为：
66、dji＝|vi′-(aji′+bji′)/2|-(bji′-aji′)/2 (17)
67、s44：计算综合关联度kj(n)，若kj＝max{kj(n)}，则河流水环境健康评价等级为j，据此得到寒区冬季河流水环境健康状况，kj(n)的计算公式为：
68、
69、因此，本发明采用上述一种针对寒区冬季河流的水环境健康多指标体系评价方法，具有以下有益效果：
70、(1)全面考虑寒区冬季河流的特征，在原有传统河流健康评价指标体系的基础上选取chao指数、shannon指数等寒区冬季河流特征指标，以更好地适应当地独特的环境，得到更准确的评价结果；
71、(2)将lightgbm模型引入到河流水环境健康评价中，可以处理大量数据和高维特征，从而有效地从给定的数据集中准确选择关键指标。且lightgbm是在传统gbdt(梯度提升决策树)的基础上进行优化得到的，有效减少了训练下一个集成树的训练集大小，使得训练新树的速度更快；
72、(3)通过博弈论对主客观权重进行组合，相较于传统方法，该法可降低权重组合的随意性；
73、(4)基于改进的物元可拓模型开展评价，弥补了当评价指标参数超出节域范围时关联函数无法得到计算结果的问题，具有更强的实用性和逻辑性。
74、下面通过附图和实施例，对本发明的技术方案做进一步的详细描述。
1.一种针对寒区冬季河流的水环境健康多指标体系评价方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的一种针对寒区冬季河流的水环境健康多指标体系评价方法，其特征在于：步骤1中目标层为寒区冬季河流水环境健康状况；准则层包括水资源、水环境、水生态、社会服务、生境状况；水资源的指标包括水资源开发利用率、生态流量满足程度及河流纵向连通指数；水环境的指标包括水质优劣程度及水功能区达标率；水生态的指标包括chao指数、shannon指数、大型底栖无脊椎动物生物完整性指数及鱼类保有指数；社会服务的指标包括公众满意度；生境状况的指标包括河岸带植被覆盖率、河岸带人工干扰程度。
3.根据权利要求2所述的一种针对寒区冬季河流的水环境健康多指标体系评价方法，其特征在于：将chao指数和shannon指数作为指标层中寒区冬季河流特有指标。
4.根据权利要求3所述的一种针对寒区冬季河流的水环境健康多指标体系评价方法，其特征在于：计算水资源开发利用率和生态流量满足程度时，由于寒区冬季河流存在冰封期，将寒区冬季的河流特点作为考虑依据，计算表达式如下：
5.根据权利要求4所述的一种针对寒区冬季河流的水环境健康多指标体系评价方法，其特征在于，lightgbm模型具体为：通过基于直方图的决策树构建、叶子生长的决策树算法、直方图差分计算、梯度的单边采样、互斥特征捆绑及稀疏特征优化对梯度提升决策树进行了优化得到lightgbm模型，具体内容如下：
6.根据权利要求5所述的一种针对寒区冬季河流的水环境健康多指标体系评价方法，其特征在于，步骤3获得组合权重的过程如下：
7.根据权利要求6所述的一种针对寒区冬季河流的水环境健康多指标体系评价方法，其特征在于，s33中基于lightgbm模型得到寒区冬季河流水环境健康评价各指标的客观权重的过程如下：
8.根据权利要求7所述的一种针对寒区冬季河流的水环境健康多指标体系评价方法，其特征在于，s34中采用博弈论方法，以纳什均衡为协调目标寻找主观和客观权重之间的一致与协调，得到组合权重的过程如下：
9.根据权利要求8所述的一种针对寒区冬季河流的水环境健康多指标体系评价方法，其特征在于：步骤4中采用改进的物元可拓模型结合步骤3得到的组合权重，计算河流健康的关联度的过程如下：
