基于數據信息特征的土地資源論文范文

本站小編為你精心準備了基于數據信息特征的土地資源論文參考范文，愿這些范文能點燃您思維的火花，激發您的寫作靈感。歡迎深入閱讀并收藏。

1客觀賦權方法比較分析和優化

對表3中的數據，用5種方法分別賦權，必然會出現不同的賦權結果（見圖1）。復相關系數法利用重復信息確權，賦權結果必然和其他方法不同。由表4可知，利用差異信息的熵權法、變異系數法、均方方差法、離差最大化法的賦權結果相關性明顯，賦權結果存在一定趨同；但賦權結果也存在區別（見圖1），這歸因于度量差異信息離散程度的確權系數精度不同。極端地說，如果確權系數相同，那么表5中變異系數、1-熵值、方差、離差對應的數值是成比例關系，進而指標排序完全一致。現實中，數據的離散程度是不可設計的，但是數據離散程度的趨勢可以設計，為了判定熵權法等5種方法確權系數的精度，在原始指標體系的基礎上（見表3），通過減少指標，構建離散程度逐漸上升和逐漸下降的指標體系即差異組。離散程度不同指的是，指標體系中所有指標離散度的均值。建立差異組時，選擇變異系數衡量指標體系數據的離散程度。選擇變異系數的原因：一是變異系數的計算較熵值的計算簡便；二是變異系數可以擺脫數據極大值、極小值、均值的影響，衡量數據的離散程度的準確度高于標準差、離差[11]。本研究建立差異組，試圖通過大量的試驗，增強結論的說服性。

1.1探討確權系數精度由表5可知，變異系數法和熵權法有6個指標的排序相同，對最重要指標的判定相同。圖2中，不同指標體系下，變異系數法同熵權法的賦權結果的走勢一致，同升同降。表5和圖2反映變異系數法和熵權法的賦權結果極大趨同性。同時，在差異組指標體系下，對熵權法和變異系數法的賦權結果進行相關性檢驗，相關系數均在0.9以上，且雙精度檢驗值絕大部分小于0.05。這說明熵權法、變異系數法獨立數據差異信息離散程度的確權系數是相近的。確權系數的精度決定賦權結果的合理性，合理性由排序的準確性和權重數值的區分性體現。由于變異系數法同熵權法在排序上基本一致，從權重的區分性來判斷方法的優劣。在差異組的各指標體系下，對變異系數法、熵權法的賦權結果，分別求標準差，熵權法對應的賦權結果的標準差總是大于變異系數法的，熵權法的區分度好。在假設變異系數法、熵權法的指標排序都合理的情況下，熵權法的賦權結果在區分度上由于變異系數法。均方差法利用標準差度量差異信息的離散程度，但是當進行2個或多個樣本離散程度的比較時，當且僅當度量單位與平均數相同，可直接利用標準差來比較。如果單位和平均數不同時，比較其離散程度就不能采用標準差，而需采用標準差與平均數的比值來比較，而變異系數為標準差與平均數的比值，可以消除單位或均值的影響，更能合理反映數據的離散程度。故變異系數法較于均方差法。圖2中，多數指標體系下，變異系數法同均方差法的賦權結果走勢圖有很大出入，這歸因于均方差法不能消除指標均值的影響，難以合理比較不同指標的離散程度，賦權結果不合理。表5中，原始指標體系下，均方差法同離差最大化法有3個指標排序相同。圖2中，隨著指標體系的變化，較于其他2種方法，均方差法和離差最大化法的賦權結果走勢相對一致。在差異組指標體系下，對均方差法和離差最大化法的賦權結果進行相關性檢驗，相關系數在0.8左右，且雙精度檢驗值絕大部分小于0.1，說明均方差法同離差最大化法的賦權結果的趨同性強。但是，原始指標體系下，均方差法對最重要指標的判定同熵權法、變異系數法一致，而離差最大化法的判定則是將熵權法中第4重要的指標判定為第1重要指標，這種決策失誤來源于離差最大化法公式中指標極大值、極小值的選取錯誤，從準確性考慮均方差法優于離差最大化法。對于1個指標體系賦權，保證合理反映指標的相對重要程度是前提，因此均方差法優于離差最大化法。前面推論，熵權法優于變異系數法，變異系數法在合理性、區分度上都優于均方差法，均方差法優于離差最大化法。因此，利用差異信息賦權的方法中，熵權法最優。

1.2賦權原理不同的方法比較熵權法利用差異信息賦權；復相關系數法利用重復信息賦權。但是，對于任意指標體系都包含差異信息和重復信息。為探討2種方法的適用條件、賦權結果有無一致性，建立同差異組對立的相關組，研究熵權法在相關組的賦權結果、研究復相關系數法在差異組的賦權結果，進而比較分析。相關組，利用修正的復相關系數，對每1個指標存在1個容許度，定義容許度為TOL，TOL=1-R2，TOL越小，指標的相關性就越強[12]。利用容許度，定義方差膨脹因VIF=1/TOL，單個方差膨脹因子大于10或者平均方差膨脹因子大于1，說明指標之間的相關性強，獨立性越弱[12]。利用方差膨脹因子均值，分別構建相關性遞增指標體系和相關性遞減指標體系。由圖3可知，在相關性遞增指標體系下，復相關系數法的賦權結果中指標權重的區分度不是很明顯。在相關相關性遞減指標體系下，復相關系數法的賦權結果中指標權重的區分度相對明顯。現實條件中，指標體系的建立，盡力選擇相互獨立的指標，某一指標為其他指標所能解釋的程度越弱，指標體系所包含的信息量就越大。圖3說明，復相關系數法的適用條件并不要求指標間的相關性很強，相反的指標的獨立性越強，復相關系數法的賦權結果越能合理。由圖4可知，差異組離散性遞減的指標體系下，復相關系數法賦權結果中指標權重均衡化明顯，難以有效的區分指標的相對重要性。差異組離散性遞增的指標體系下，復相關系數法賦權結果中指標權重的區分度相對明顯。圖4說明，復相關系數法在數據離散程度較高的指標體系中賦權結果更為合理。由圖3~4可知，熵權法在差異組、相關組中的賦權結果指標權重的區分度都很好，復相關系數法對指標獨立性強、數據離散程度高的指標體系的賦權結果更為合理。綜合評價過程中，指標體系的建立，選擇獨立性強的指標保證極大程度地反映評價對象信息，樣本中同一指標對應的數據避免重復，保證數據的有效性。故熵權法、復相關系數法適用于任意科學建立的綜合評價指標體系。由圖3~4可知，復相關系數法、熵權法的賦權結果不存在趨同，權重數值存在很大的差異。表5中，熵權法判定指標的重要程度排第1、2、3、4，在復相關系數法中分別排第2、3、1、8。8個指標的重要程度排序，無任何一致性。對各指標體系下，復相關系數法和熵權法得到的賦權結果進行相關性檢驗，相關性系數往往為負值。存在這種差異，是由于熵權法基于指標數值的離散程度，復相關系數法要是基于指標的相關性性賦權，這2類賦權方法分別利用了指標體系的不同信息，賦權結果一致性極低，相互補償的作用很小。

1.3一種組合優化方法土地系統的整體性、動態性、開放性、階段性說明土地系統是一個復雜巨系統，土地體統的復雜性要求在進行土地評價的過程中必須辯證的考慮問題[12]。指標賦權是土地評價的重要過程，要求系統的、辯證的衡量各指標的重要性。定量評估指標重要性，有2種原理：（1）利用指標數值的差異信息賦權；（2）利用指標數值的重復信息賦權。原始數據信息由差異信息和重復信息組成。為了充分利用原始數據信息，保證賦權結果的合理性，對1組指標體系數據分別用熵權法、復相關系數法進行賦權，利用乘法組合賦權將熵權法、復相關系數法的賦權結果進行歸一[10,13-16]。其公式見(1)。式中：wj(1)為熵權法賦權結果，wj(2)為復相關系數法賦權結果。由圖5可知，組合賦權法，對2種賦權方法的結果都有兼顧，借鑒了熵權法和復相關系數法對各指標的權重，尤其是最重要指標和最不重要指標的判定，充分利用原始數據信息。

2結論與討論

（1）在指標逐漸減少的情況下，熵權法和變異系數法的趨同性、均方差決策法和離差最大化法的趨同性較為顯著。（2）在賦權過程中，熵權法顯示了對指標權數分配的敏感性，指標賦權結果區分度好。這主要是因為熵權法的賦權公式極大程度地保留了指標的差異信息，進而著區分指標的重要性。（3）均方差決策法和離差最大化法，一方面難以準確比較不同指標離散程度，另一方面對指標賦權結果的區分度不好。方法自身的缺陷、對指標差異的敏感性弱，使得均方差決策法和離差最大化方法不適宜進行土地資源評價的賦權。（4）利用重復信息的復相關系數法和利用差異信息賦權的熵權法的賦權結果必然難以趨同。考察角度的不同，難以判斷2種方法的優劣，而現實中收集的數據信息必然包含重復信息和差異信息。熵權法和復相關系數法的組合賦權法，兼有2種賦權方法的優點，較全面地反映了原始數據提供的2種信息。本研究為了加強結論的可靠性，在原始指標體系的基礎上通過減少指標，設計了大量的指標體系，但客觀事物的復雜性是難以模擬的，進一步的研究結果需要對更復雜的情況進行研究得出。

作者：倪廣亞劉學錄李沁汶郝佳單位：甘肅農業大學資源與環境學院