基于逐步权值信息的排水管网清洗多阶段决策分析方法与流程

本发明属于城市排水管网淤积物清洗，特别涉及基于逐步权值信息的排水管网清洗多阶段决策分析方法。

背景技术：

1、城市排水管网根据维护时选用的策略，维护工作统筹可以分为被动和主动两类。与被动策略相比，主动策略经济效益更好，因为主动策略系统考虑了排水管网的状况，并采用了相应的运行和维护功能来防止故障的产生。主动策略需要大量监测数据来预测排水管网系统的状况，这些监测数据通常来自闭路电视、流量监测和检查井等获得。然而，在排水管网系统正常使用阶段内对其进行全面检查耗时且费力，而且由于预算限制等原因通常只能对其中一部分进行检查。因此，开发排水管网系统运行状况预测模型，并将其作为主动方法的子集，采用部分排水管网监测数据来评估排水管网的运行状况。采用排水管网运行状况预测模型可以帮助排水公司设置检查的优先级。

2、目前，最常用的排水管网运行状况预测模型分为两类，即统计方法（确定性和概率性）和人工智能方法。例如，一些方法利用逻辑回归模型来预测管道状况，并且考虑了管龄、管径、管材和平均覆盖深度等因素，通过历史检查记录，该模型能够确定未来需要优先维护的管道。类似方法得到了广泛应用，例如，通过考虑弯曲材料、街道类型和管道深度等因素，通过预测模型得到管网结构和运行退化曲线，来表示工况额定值和管道使用年限之间的联系。地理信息系统和模糊推理系统被用来开发排水管网风险评估模型，该模型考虑了经济、社会和环境因素，能够对排水管网维修的优先级进行排序。此外，线性回归和神经网络也被用来构建排水管网运行状况预测模型，确定发生故障的排水管网管道。

3、排水管网运维功能可以进一步细分为检查、清洁、堵塞清除、化学加药、灭鼠和结构修复等。排水管网的运维可以根据其对堵塞相关故障的反应进行评估，从而采取更加积极的维护措施。目前，一些方法通过堵塞事件来预测排水管网的运行状况。例如，采用统计方法分析堵塞数据，对排水管网的堵塞进行预测，通过多项式回归得到排水管网堵塞随时间累积的经验公式。各种统计方法在排水管网堵塞预测和管理中得到了广泛应用，采用泊松过程模型利用管道坡度、直径、长度和客户投诉数据实现排水管网堵塞的主动管理。同样，数据驱动方法在排水管网功能失效中也得到了应用，通过构建排水管网随机失效预测模型确定堵塞失效概率较高的管道并进行比较与评估。

4、多准则决策分析方法根据排水管网的各种监测数据来评估排水管网各个管道的清洗顺序和清洗计划。目前，一些多准则决策分析方法在排水管网运维中得到了应用。这些方法一般可以分为六类：（1）效用函数和多准则评价值；（2）方法评估到理想点的距离；（3）两两比较；（4）模糊集分析；（5）超越方法；（6）定制方法。然而，现有的多准则决策分析方法大多局限于确定性环境，没有考虑排水管网实际运行过程中的各种不确定性。不确定性数据不利于快速做出决策，但更加符合实际情况。

5、传统的多准则决策分析方法遵循“单一价值和固定排序”的思想，其内容包括五个步骤：（1）选择合适的决策标准：（2）利用排水管网各种监测数据，得到各种排水管网清洗替代方案和性能值；（3）根据决策的偏好确定各种清洗方案的标准和权重；（4）进行多准则决策分析过程；（5）得到最终的排水管网清洗方案。即决策模型以确定性决策矩阵和权重向量为输入，在不考虑与排水管网清洗决策相关的风险信息的情况下，生成固定的排序。排水管网清洗是一个多阶段的决策过程，它与社会、经济、环境等多种复杂因素密切相关，具有时效性、不可逆性和不确定性等特点。在传统的决策过程中，决策者必须事先表达准确的偏好，以确保多准则决策分析模型能够运行，因为标准权重是多准则决策分析模型最关键的输入之一。然而，在多准则决策分析开始阶段，仍然存在很多决策支持信息未知的情况。实际上，决策这在多准则决策分析过程中通常面临巨大的心理压力，偏好信息是直接影响模型输出（即推荐的排水管网清洗方案）最关键和最敏感的参数。显然，传统的多准则决策分析方法并不是决策者的最佳选择，这是由于加权准则是多准则决策分析最困难的步骤之一，这个完全由决策者确定。

6、有鉴于此，本发明针对城市排水管网淤积物清洗，提出了一种基于逐步权值信息的排水管网清洗多阶段决策分析方法。

技术实现思路

1、本发明所要解决的技术问题是提供基于逐步权值信息的排水管网清洗多阶段决策分析方法，在排水管网淤积物清理各决策标准偏好信息完全缺失或不明确条件下，采用多阶段多准则决策分析，逐步确定排水管网淤积物清理各标准权值信息，从而实现排水管网淤积物清理最佳决策。

2、为解决上述技术问题，本发明所采用的技术方案是：

3、基于逐步权值信息的排水管网清洗多阶段决策分析方法，步骤为：

4、1、将排水管网淤积物清洗多准则决策分析看作为多阶段决策分析问题，确定排水管网堵塞参数，选择合适的排水管网淤积物清理决策标准，得到排水管网淤积物清理随机决策矩阵；

5、2、提出一种基于博弈论和可行权空间相结合的排水管网淤积物清理权重集结方法，解决排水管网淤积物清理多利益相关者之间的冲突问题，并对排水管网淤积物清理各决策标准权重的不确定性进行估计；

6、3、结合随机多准则可接受性分析算法和模糊优化模型，构建排水管网淤积物清理随机多准则决策分析模糊优化模型，对排水管网淤积物清理决策标准及其权重的不确定性进行模拟量化，并给出排水管网淤积物清理鲁棒性决策的若干测度描述；

7、4、构建排水管网淤积物清理决策风险评估模型，计算得到各排水管网淤积物清理备选方案的不确定性程度和决策失误风险，量化评估排水管网淤积物清理决策失误的风险；

8、5、基于逐步权值信息法对排水管网淤积物清理进行多阶段决策，确保排水管网清理决策方案在可接受的决策风险范围内逐步求解。

9、进一步，所述步骤1具体为：

10、1.1、准备一组排水管网淤积物清理初始替代方案集，表示排水管网淤积物清理的第种替代方案，表示排水管网淤积物清理初始替代方案的数量；

11、1.2、确定排水管网堵塞参数，选择合适的排水管网淤积物清理决策标准，得到排水管网淤积物清理方案决策标准集，以便对排水管网淤积物清理初始替代方案集进行排序与筛选，表示排水管网淤积物清理第个决策标准，表示排水管网淤积物清理总的决策标准数量；

12、1.3、选择对排水管网堵塞影响最大的参数作为排水管网淤积物清理决策标准，这些标准包括：①坡度；②年龄；③材料；④直径；⑤上游人孔条件；⑥每条管道的分支和连接密度；⑦道路类型；⑧管道沿线树木密度；⑨管道深度；以及⑩管道沿线餐馆和洗车场的密度。

13、进一步的，所述步骤2具体为：

14、2.1、为了对排水管网淤积物清理方案决策标准的不确定性进行量化，本方法采用互补判断矩阵法对各决策标准的不确定性进行量化，将排水管网淤积物清理各决策者对各决策标准的偏好信息转化为各决策标准定量的权值；

15、2.2、将博弈论引入到排水管网淤积物清理随机多准则决策分析中，通过纳什均衡对排水管网淤积物清理各冲突决策标准的权重进行聚合，以便实现偏好妥协和冲突解决；

16、2.3、采用可行权空间的概念，对排水管网淤积物清理各决策标准的不确定性进行量化；

17、进一步的，所述步骤3具体为：

18、3.1、构建排水管网淤积物清理模糊优化模型，利用模糊反理想距离和理想距离来解决排水管网淤积物清理多准则决策问题；

19、3.2、利用随机多准则决策分析方法和模糊优化模型，建立排水管网淤积物清理随机多准则决策分析-模糊优化模型，计算得到各排水管网淤积物清理备选方案的不确定性测度，对各排水管网淤积物清理备选方案进行评估；

20、进一步的，所述步骤4具体为：

21、4.1、计算得到排水管网淤积物清理方案决策失误风险，量化评估排水管网淤积物清理替代方案的不确定性；

22、4.2、计算得到排水管网淤积物清理方案的不确定性度，量化评估排水管网淤积物清理替代方案排序结果的总体不确定性。

23、进一步的，所述步骤5具体为：

24、排水管网淤积物清理多阶段决策过程从完全缺失或者不明确的偏好信息开始，随着排水管网淤积物清理决策过程的发展，逐步获得更加准确的信息。基本思路是在完成每一轮排水管网淤积物清理决策相关信息收集后，迭代运行排水管网淤积物清理随机多准则决策模糊模型，直到在可接受的决策错误风险范围内获得足够的最终决策偏好信息。在排水管网淤积物清理随机多准则决策模糊模型每次分析之后，通过更准确地评估决策者的偏好来添加偏好信息。排水管网淤积物清理多阶段决策过程如果在早期阶段已经有足够的不准确信息进行决策，则能够显著节省偏好的收集过程以及避免复杂的加权过程。

25、5.1、缺少排水管网淤积物清理多准则决策分析权重信息时，通过排水管网淤积物清理权重空间的均匀分布来表达缺失的权重信息。

26、在排水管网淤积物清理多阶段决策过程的最初阶段，决策者们通常很难表达他们的偏好，因为在这个阶段可获得的决策支持信息非常有限。与传统的排水管网淤积物清理决策过程不同，决策者在第一阶段不需要表达任何偏好信息，而是采用整个权重空间来运行排水管网淤积物清理随机多准则决策模糊模型，通过排水管网淤积物清理权重空间的均匀分布来表达缺失的权重信息。

27、5.2、根据各决策者对排水管网淤积物清理各标准偏好的陈述，得到排水管网淤积物清理多阶段决策顺序权重信息。

28、排水管网淤积物清理多阶段决策顺序权重信息以线性约束的形式表示，例如。排水管网淤积物清理多阶段决策顺序权重信息对应于决策者的偏好陈述，即标准1比标准2更重要。当然，也存在决策者对某些准则无法判断（）或者认为同等重要（）的情况。排水管网淤积物清理多阶段决策顺序权重信息可以表示为排水管网淤积物清理权重空间内的三角形平面。

29、5.3、采用互补矩阵法确定排水管网淤积物清理各标准定量权重，通过区间约束下的排水管网淤积物清理多阶段决策可行权空间边界内的概率分布估计权重的不确定性，权重区间可以表示为排水管网淤积物清理多阶段决策整个可行权空间内的六边形平面。

30、5.4、利用确定性权重向量在可接受的决策错误风险下产生排水管网淤积物清理最终决策。如果排水管网淤积物清理多阶段决策为单个决策者决策过程，则利用互补判断矩阵法直接计算并确定排水管网淤积物清理各标准权重向量；如果排水管网淤积物清理多阶段决策为多个决策者决策过程，则分别利用互补判断矩阵法计算得到各个决策者各个标准的权重向量，并利用权聚合法得到各标准协调权向量。

31、进一步的，所述步骤2.1具体为：

32、2.1.1、根据排水管网淤积物清理各决策标准经验判断，构造排水管网淤积物清理各决策标准互补判断矩阵。决策者对每一对排水管网淤积物清理标准进行比较，确定它们的相对重要性；

33、2.1.2、考虑到排水管网淤积物清理各决策标准互补判断矩阵通常包含一定程度的不一致性，采用最小二乘法得到排水管网淤积物清理各决策标准权重值；

34、2.1.3、根据步骤2.1.1计算得到的互补权重值和步骤2.1.2确定的各决策标准权重值，计算得到各排水管网淤积物清理决策标准权重值不一致误差，评估各排水管网淤积物清理决策标准权重值的不一致性。如果各排水管网淤积物清理决策标准权重值不一致误差较小，则各决策者的经验判断较为准确；反之，如果各排水管网淤积物清理决策权重值不一致误差较大，则各决策者应重新考虑各决策标准的偏好信息。

35、进一步的，所述步骤2.2具体为：

36、2.2.1、采用互补判断矩阵法确定各个决策者的排水管网淤积物清理各决策标准基本权重向量，综合考虑各个决策者的决策标准基本权重向量，采用线性组合方式得到排水管网淤积物清理决策基本权重向量；

37、2.2.2、根据纳什均衡，对排水管网淤积物清理决策各标准权重组合系数进行优化，使各决策标准基本权重向量之间折衷或一致，最终得到排水管网淤积物清理决策标准协调权重向量，并使排水管网淤积物清理各决策标准基本权重向量和协调权重向量之间的偏差最小；

38、2.2.3、采用线性规划方法对排水管网淤积物清理决策模型进行求解，得到排水管网淤积物清理决策最佳组合系数，并计算得到排水管网淤积物清理决策协调权重向量。

39、进一步的，所述步骤2.3具体为：

40、2.3.1、构建排水管网淤积物清理决策标准可行权空间，将排水管网淤积物清理各决策标准协调权重向量从单点扩展到权空间中的某些子空间，可行权空间为所有可能权向量的并集；

41、2.3.2、将排水管网淤积物清理决策标准可行权空间被视为平面中的子空间，其中心与排水管网淤积物清理协调权重向量相对应，通过在可行权空间边界内应用区间约束，利用概率分布来度量排水管网淤积物清理各决策标准权重的不确定性。

42、进一步的，所述步骤3.1具体为：

43、3.1.1、定义排水管网淤积物清理三角模糊函数并构造排水管网淤积物清理模糊决策矩阵，采用三角模糊函数来表示排水管网淤积物清理各替代方案对各决策标准的性能偏好值；

44、3.1.2、定义排水管网淤积物清理模糊反理想权距离和理想权距离，虽然现实生活中不存在理想的替代方案，但为评估替代方案提供了一个基准；

45、3.1.3、对排水管网淤积物清理多准则决策分析进行模糊优化，并根据排水管网淤积物清理多准则决策各决策标准对排水管网淤积物清理替代方案进行全局评价，得到排水管网淤积物清理各替代方案的排序。

46、进一步的，所述步骤3.2具体为：

47、3.2.1、针对排水管网淤积物清理多准则决策分析问题，利用随机多准则决策分析方法和模糊优化模型建立排水管网淤积物清理随机多准则决策分析-模糊优化模型，该优化模型结合了模糊优化模型和随机多准则决策分析框架的特点。为了在原有随机多准则决策分析框架基础上评估各排水管网淤积物清理替代方案的性能，定义排水管网淤积物清理实值效用函数；

48、3.2.2、为了更好地对各排水管网淤积物清理备选方案进行评估，在排水管网淤积物清理随机多准则决策分析-模糊优化模型基础上，从四个维度计算得到排水管网淤积物清理多准则决策分析不确定性测度，为排水管网淤积物清理最终决策提供依据，排水管网淤积物清理不确定性测度主要包含以下几个指标：①整体可接受度指数(hai)，②等级可接受度指数(rai)，③置信因子，④中心权重向量(cwv)。

49、进一步的，所述步骤4.1具体为：

50、为了检验和评估各排水管网淤积物清理方案的不确定性，本方法定义了排水管网淤积物清理决策失误风险。在利用多准则决策分析方法得到排水管网淤积物清理排序最高的方案后，决策者通常认为该方案为最优方案。显然，将第一秩分配给实际上不是最佳选择的方案将会对排水管网淤积物清理产生不利影响，偏离了最佳淤积物清理决策。

51、4.1.1、计算得到排水管网淤积物清理决策将最高秩分配给非最优方案的加权概率，并将其定义为排水管网淤积物清理决策失误风险，排水管网淤积物清理决策失误风险计算公式为：

52、

53、式中，表示基于hai的第k级备选方案的第一级可接受度指数。是区分各非最优方案在总风险中的作用的风险权重，定义为增量(m-1)维向量。

54、4.1.2、计算得到排水管网淤积物清理决策各方案对除最终排名外的所有可能排名获得的等级可接受性指数之和：

55、

56、式中，是排水管网淤积物清理各替代方案根据其整体可接受度指数的最终等级。

57、进一步的，所述步骤4.2具体为：

58、4.2.1、计算得到排水管网淤积物清理各替代方案的整体可接受度指数，整体可接受度指数用表示，整体可接受度指数被定义为对排水管网淤积物清理各替代方案的排序给出不同估值的替代方案的有利等级权重的体积。显然，整体可接受度指数为每个替代方案分配了一定排序的概率，整体可接受度指数的取值范围为[0,1]，0表示该排水管网淤积物清理替代方案绝对不可能位于某一排序，1表示该排水管网淤积物清理替代方案总是总是位于某一排序。在进行排水管网淤积物清理多准则决策分析过程中，排序最高且具有高整体可接受度指数的排水管网淤积物清理替代方案通常被看作为是潜在的最优方案，对于排序较差但具有高整体可接受度指数的替代方案，则直接从排水管网淤积物清理初始替代方案集中删除。

59、4.2.2、计算得到排水管网淤积物清理排序可接受度指数，用于衡量排水管网淤积物清理各替代方案的总体可接受度。排水管网淤积物清理排序可接受度指数由所有排水管网淤积物清理各替代方案的整体可接受度指数加权得到：

60、

61、式中，用于显示每个特定的排水管网淤积物清理替代方案的整体可接受度指数在评估各替代方案中的作用。定义为单调递减的向量：

62、

63、4.2.3、计算得到排水管网淤积物清理各替代方案的置信因子。排水管网淤积物清理置信因子是衡量排水管网淤积物清理各替代方案有利一级权重空间的期望重心。排水管网淤积物清理置信因子向决策者展示了不同权重与特定决策的关联，从而更好地帮助决策者进行偏好表达。如果某个排水管网淤积物清理替代方案的置信因子很低，说明即使是选用该偏好进行排水管网淤积物清理多准则决策，该替代方案获得最高排序的概率也很低。如果某个排水管网淤积物清理替代方案的置信因子很高，说明该排水管网淤积物清理替代方案具有最合适、最高的偏好设置。

64、本发明可达到以下有益效果：

65、1、通过逐步权值信息法，本方法允许决策者在信息不完全或不明确的初期阶段就开始决策过程，随着信息的逐步收集和环境变化，不断调整和优化决策权重，增强了决策的适应性和灵活性，使得决策过程更加贴近实际运维需求。

66、2、结合博弈论和可行权空间理论，有效解决了多利益相关者间的偏好冲突，确保了决策标准权重的合理性。模糊优化模型和随机多准则决策分析则进一步提高了对决策不确定性的处理能力，减少了决策失误的风险，提高了决策的准确性和可靠性。

67、3、通过构建排水管网淤积物清理决策风险评估模型，量化了决策失误的风险和各方案的不确定性程度，使决策者能够直观了解潜在风险，为制定风险管理策略提供了科学依据，有助于资源的高效配置和风险控制。

68、4、基于多阶段决策的动态调整机制，能够根据实时监测数据和不断更新的决策偏好，优化清洗作业的优先级和资源分配，避免了不必要的维护作业，节约了成本，提高了维护工作的效率。