本发明属于农业水资源评价方法，涉及用于农业水资源安全保障的评价方法，本发明还涉及用于农业水资源安全保障的评价系统。
背景技术：
1、水资源安全问题一直是备受重视的问题，农业水资源的合理利用是确保农业可持续发展的关键，因此，有必要开展农业水资源安全保障评价研究，通过评价农业水资源安全状态，为管理人员提出针对性的保障措施提供理论依据和技术支持。
2、目前研究中，针对农业领域的水资源安全评价多忽略影响因素之间的相互作用，受主观影响较大，且评价标准和尺度不统一，难以准确评价农业水资源安全状态；指标权重确定方法多采用层次分析法和熵权法结合，考虑主客观影响，然而熵权法默认指标间不存在相关性，而实际情况下指标间存在相关性，因此会对评价结果产生影响。
技术实现思路
1、本发明的目的是提供用于农业水资源安全保障的评价方法，解决了现有技术中存在的不考虑指标间存在相关性从而影响评价结果的问题。
2、本发明所采用的技术方案是，用于农业水资源安全保障的评价方法，具体按照如下步骤实施：
3、步骤1，构建评价指标体系，包括指标、指标数值及评价标准；
4、步骤2，采用关联度权重熵权法计算指标权重；
5、步骤3，根据指标权重，采用模糊综合评价法对待评价区域农业水资源安全状态进行评价。
6、本发明的特征还在于：
7、步骤1具体为：
8、步骤1.1，构建初始评价指标体系
9、采用频次分析法选取近5年内研究区域内相关文献中出现频次≥5的指标，并按指标特性将选取的指标划分到水资源安全、社会经济安全、生态环境安全三个准则层，从而得到初始评价指标体系；
10、步骤1.2，根据研究区域的具体情况获取对应的指标数值，每个指标数据以年为单位包括近n年的数据，并根据指标数值的获取情况对步骤1.1选取的指标进行复选，获得复选评价指标体系，假设评价指标体系中共包括k个指标，则针对第k个指标，其指标数据为：{x1k,x2k,…,xnk}，其中，xnk表示第k个指标第n年的指标数值，k＝1,2,3,...,k，以每年所有指标对应的数据为一个样本数据，即就是包括n个样本数据，对于第i个样本数据为：{xi1,xi2,…,xik}，其中，xik表示第i年第k个指标对应的指标数值，i＝1,2,3,...,n；
11、步骤1.3，对复选后的指标进行归一化处理，则针对第k个指标，归一化处理后的指标数据为：{a11,a12,...,ank}，其中，ank为第k个指标第n年的指标数值经过归一化处理后的数值；
12、步骤1.4，针对归一化处理后的指标，采用相关性分析法分别计算各准则层中两两指标间的相关性系数，若某两个指标间相关性系数的绝对值>0.8，则剔除对应的两个指标中的任意一个，然后基于改进主成分进行指标信息敏感性分析，计算经过相关性分析法剔除后的所有指标的信息敏感性，按照信息敏感性从大到小进行排序，保留累计信息敏感性≥70％的指标，并根据指标数值将每个指标分为5个等级，依次为：不安全、较不安全、基本安全、较安全与非常安全，获得最终的评价指标体系；
13、步骤1.3具体为：
14、对每个指标数据先采用标准差标准化法消除离群数值对指标体系的影响，再采用极差标准化法消除变量量纲和变异范围影响，将数据按比例缩放，使其落入[0,1]；
15、其中，标准差标准化处理公式为：
16、
17、其中，xik为复选指标体系中第k指标第i年的指标数值，i＝1,2,3,...,n，k＝1,2,3,...,k，xi′k为将xik标准差标准化后的数据，为第k个指标n年原始数据的均值；σ为第k个指标的标准差；
18、极差标准化法处理公式为：
19、若指标对准则层具有推动作用，即就是对应的指标数值越大，准则层越安全，则认为指标对准则层具有推动作用，此时，指标属性为正向，则按以下公式进行处理：
20、
21、若指标对准则层具有制约作用，即就是对应的指标数值越大，准则层越不安全，则认为指标对准则层具有制约作用，此时指标属性为负向，则按以下公式进行处理：
22、
23、其中，max(xi′k)为将xik标准差标准化后的数据的最大值，min(xi′k)为将xik标准差标准化后的数据的最小值，aik为复选指标体系中第k指标第i年的指标数值经过极差标准化后的指标数值。
24、步骤1.4中采用相关性分析法分别计算各准则层中两两指标间的相关性系数具体为：
25、
26、其中，r为指标间的相关系数矩阵，rkk′为第k、k′项指标的相关系数，aik为归一化处理后第k指标第i年的数值，aik′为归一化处理后第k′指标第i年的数值，为归一化处理后第k个指标n年数值的均值，为归一化处理后第k′指标n年数值的均值，k、k′＝1,2,…,k，相关性系数的衡量标准为：0＜|rkk′|≤0.3，不相关；0.3＜|rkk′|≤0.8，弱相关；0.8＜|rkk′|≤1，强相关；
27、指标信息敏感性分析计算公式如下：
28、
29、rtr-λkek|＝0
30、
31、其中，τm为前m个指标的累计信息敏感性；为第t个主成分zt对第k个指标xk的偏导数；αkt为第k个指标在第t个主成分上的荷载系数；λk为第k个指标的特征值；ekt为第k个指标的特征值对应的特征向量；ηk为第k个指标的方差贡献率；βk为第k个指标的信息敏感性；为按照排名计算第k个指标的信息敏感性；r为指标间的相关系数矩阵，ek为k阶单位矩阵，ωt为前t个指标的累计方差贡献率，ωt≥85％时保留前t个指标作为主成分，t为主成分的个数(t∈[1,k])，m为累计信息敏感性≥70％时指标的个数(m∈[1,k])。
32、步骤2具体为：
33、对于第v项指标的熵权ωv，即就是第v项指标的权重，其中，v＝1,2,…,m，按照如下公式计算：
34、
35、其中，ev为第v项指标的熵值，m为最终评价体系中的指标个数。
36、第v项指标的熵值ev按照如下公式计算：
37、
38、
39、x0＝xov
40、其中，fiv为第i年第v个指标归一化后的数值占n年第v个指标归一化后的总数值的比重；n为样本个数，n＝12；x0为参照序列，若为正向指标，x0v为同一指标v在不同样本数据中原始数据的最大值，若为负向指标，x0v为同一指标v在不同样本数据中原始数据的最小值；r0v为参照序列中第v个指标a0v与第i年第v个指标aiv之间的关联度；a0v为参照序列中第v个指标x0v归一化后的数值；aiv为最终指标体系中第i年第v个指标归一化后的数值；rv为参照序列指标与第v个指标之间的关联度；ξ0i(v)为第i年第v个指标与参照序列第v个指标a0v之间的关联系数；ρ为分辨系数，取0.5。
41、步骤3具体为：
42、步骤3.1，建立评价因素集u、评语集v；
43、步骤3.2，采用三角形隶属度函数确定每一个样本从评价因素集u到评语集v的模糊关系矩阵r；
44、步骤3.3，采用加权平均型合成算子进行模糊合成，得到各准则层的模糊向量bg(g＝1,2,3)，结合评价等级划分，采用最大隶属度原则，取模糊向量bg中所有分量的最大值所在的评价等级作为准则层的评价结果，将评价等级的数值向量vg与模糊向量bg相乘，得到评价区域在评价目标上的得分f。
45、步骤3.1中的评价因素集u评价因素集最终指标体系中的指标构成，即就是u＝{u1,u2,u3,...,um}，其中，u1,u2,u3,...,um分别代表m个评价指标；
46、评语集是由评价结果组成的集合，通过不同的等级和数值表示，选取不安全，较不安全，基本安全，较安全，非常安全5个等级，v＝{不安全，较不安全，基本安全，较安全，非常安全}＝{1,2,3,4,5}。
47、步骤3.2具体为：
48、模糊关系矩阵r为：
49、
50、若指标属性为正向：
51、
52、若指标属性为负向：
53、
54、其中，rvj为第v个指标在第j等级上的隶属度，v＝1,2,…,m；j为评语集中的第j个等级，j＝1,2,3,4,5；x1，x3，x5，x7为评价等级数据区间除了两端点的划分节点，x2，x4，x6分别为等级区间x1～x3、x3～x5、x5～x7的中点；x为评价样本在各指标上的数值，q为等级个数，q＝5；
55、按照r的计算公式，按照准则层将模糊关系矩阵分为3个矩阵r1、r2、r3；
56、
57、
58、其中，r1、r2、r3分别表示水资源安全、社会经济安全、生态环境安全层三个准则层的模糊关系矩阵，c＝m，a为水资源安全准则层的指标个数，b-a为社会经济安全准则层的指标个数，c-b-a为生态环境安全准则层的指标个数。
59、步骤3.3中：
60、各准则层的模糊向量bg按照如下公式计算：
61、bg＝ag·rg
62、其中，g＝1、2、3时分别代表三个准则层，就是g为水资源安全或社会经济安全或生态环境安全层；
63、ag为对应准则层内所有指标权重的集合；rg为对应准则层的模糊关系矩阵；a1＝{ω1,ω2,...,ωa}，a2＝{ωa+1,ωa+2,...,ωb}，a3＝{ωb+1,ωb+2,...,ωc}；
64、评价区域在评价目标上的得分f的计算公式如下：
65、
66、其中：vg为评价等级的数值向量vg＝(1,2,3,4,5)。
67、本发明采用的第二种技术方案是：用于农业水资源安全保障的评价系统，用于实现用于农业水资源安全保障的评价方法，包括依次连接的数据采集和传输模块、数据存储模块、算法模型模块和客户端，数据采集和传输模块用于指标数据的采集并将数据传输至存储模块，数据采集和传输模块采集指标数据时采取手动录入和web网页数据源爬取实现数据采集；
68、数据存储模块用于存储数据采集和传输模块采集的指标数据以及算法模型模块计算产生的中间数据；
69、算法模型模块用于实现归一化处理、权重赋值以及根据指标权重，采用模糊综合评价法对待评价区域农业水资源安全状态进行评价；
70、客户端，用于农业水资源安全评价结果的可视化以及管理人员和基层用户的使用，包括web端和移动端。
71、本发明的有益效果是：
72、本发明在指标初选、复选主观选择的基础上，基于改进主成分的指标信息敏感性分析的客观角度对指标体系进一步优选，从而确定更准确更完善的农业水资源安全评价体系，同时，通过关联度权重熵权法对指标权重进行赋值，不仅考虑了指标数值的变异程度，还考虑了指标间的关联程度，能够客观真实地反映指标的重要程度，最后，采用模糊综合评价法进行评价，考虑了水资源安全等级等模糊现象和模糊概念，使评价结果更加准确。
1.用于农业水资源安全保障的评价方法，其特征在于，具体按照如下步骤实施：
2.根据权利要求1所述的用于农业水资源安全保障的评价方法，其特征在于，所述步骤1具体为：
3.根据权利要求2所述的用于农业水资源安全保障的评价方法，其特征在于，所述步骤1.3具体为：
4.根据权利要求3所述的用于农业水资源安全保障的评价方法，其特征在于，所述步骤1.4中采用相关性分析法分别计算各准则层中两两指标间的相关性系数具体为：
5.根据权利要求4所述的用于农业水资源安全保障的评价方法，其特征在于，所述步骤2具体为：
6.根据权利要求5所述的用于农业水资源安全保障的评价方法，其特征在于，所述第v项指标的熵值ev按照如下公式计算：
7.根据权利要求6所述的用于农业水资源安全保障的评价方法，其特征在于，所述步骤3具体为：
8.根据权利要求7所述的用于农业水资源安全保障的评价方法，其特征在于，所述步骤3.1中的评价因素集u评价因素集最终指标体系中的指标构成，即就是u＝{u1,u2,u3,...,um}，其中，u1,u2,u3,...,um分别代表m个评价指标；
9.根据权利要求8所述的用于农业水资源安全保障的评价方法，其特征在于，所述步骤3.2具体为：
10.用于农业水资源安全保障的评价系统，其特征在于，用于实现权利要求9中用于农业水资源安全保障的评价方法，包括依次连接的数据采集和传输模块、数据存储模块、算法模型模块和客户端，所述数据采集和传输模块用于指标数据的采集并将数据传输至存储模块，所述数据采集和传输模块采集指标数据时采取手动录入和web网页数据源爬取实现数据采集；
