矿区土地开发利用改进不确定语言多属性决策

姜 云

(黑龙江科技大学建筑工程学院，黑龙江 哈尔滨 150022)

矿区土地开发利用改进不确定语言多属性决策

姜 云

(黑龙江科技大学建筑工程学院，黑龙江 哈尔滨 150022)

针对属性值为语言型的矿区土地开发利用决策问题，提出了层次分析法和不确定语言多属性决策相结合的评估与决策方法。考虑区域、地面、地下等多方面影响，构建了矿区土地开发利用适用性评估属性集，建立了基于语言评估值的多属性评估矩阵。同时，将属性重要性的层次分析法嵌入不确定语言多属性决策过程，完成了结合实际评估方案的属性重要性量化，并通过不确定扩展有序加权平均算子，对各方案进行了评估，得到了相对最优方案。实例分析验证了矿区土地开发利用改进不确定语言多属性决策方法的可行性。

矿区；土地开发利用适用性；不确定多属性决策； 语言变量； 层次分析法

0 引言

矿区形成的大面积采矿塌陷区域使得矿区现有的地表建筑物、公路、铁路等遭受沉陷损毁；一些暂时没有形成地表塌陷的采空区域，存在日后沉降塌陷的潜在危害。同时由于目前还没有特别有效的方法治理因采矿而引起的塌陷，中国目前大部分矿区建设仍处于“塌陷—搬迁—塌陷”的恶性循环。因而在未来的矿区建设中，通过科学的土地开发利用决策，使得矿区的各项用地开发合理有序，避免开发建设与沉陷损毁的矛盾，是矿区防灾减灾及可持续发展的重要途径。

矿区土地开发利用决策，是指根据土地的工程可行性、灾害发生可能性、开发的经济性等方面，从若干待开发的土地中，评估其开发利用的适用性，并依据评估结果选择较为理想的土地，为矿区土地开发利用提供决策依据，而决策方法的选择是关键。国内外很多学者对此进行了研究[1-6]，文献[1]采用二元整数线性规划模型，建立了一种空间决策支持系统，并应用于Macedonia煤矿区的土地开发利用决策；文献[2]采用灰色关系模型，评估了煤矿区土地环境状况；文献[3]利用单因素分析法对煤矿区土地破坏危险性进行了定性分析；文献[4]采用未确知测度理论，根据实测数据建立各影响因素未确知测度函数，建立了矿山采空区的危险性等级评价和排序模型；文献[5]通过多因素加权分析和网格化方法，对煤矿建设工程地质灾害危险性进行了综合评估；文献[6]对煤矿采空塌陷的危害性进行了评估和预测。上述研究方法有效解决了属性值为数值的矿区土地开发利用适用性评估与决策问题。

多数情况下，由于受到时间、知识及经验等方面的限制，矿区土地开发利用指标多以语言属性描述，如“影响较小”、“影响一般”、“无影响”等，文献[1-6]所采用的方法适用于属性值为数值的情形，因而如何解决语言型属性值的决策问题至关重要。本文针对语言型属性值的决策问题，建立了决策属性集，构造了基于语言评估值的多属性评估矩阵，并采用不确定扩展有序加权平均(Uncertain Extended Order Weighted Average，UEOWA)算子求解决策方案的综合属性值。同时针对不确定多属性决策中属性权重人为确定、主观性强等不足，将基于层次分析法的属性重要性确定方法嵌入不确定语言多属性决策过程，使决策结果更为客观，为属性值为不确定语言的矿区土地开发利用决策提供一种新方法。

1 属性集的建立

矿区土地开发利用决策，首先需要对土地的开发利用适用性进行评估，再依据评估结果选择相对最优方案，因而矿区土地开发利用适用性评估是土地开发利用决策的基础。经分析认为：矿区土地开发利用适用性受到地表环境、岩土体状况、采空区情况、地质灾害等方面的综合影响，因而矿区土地开发利用适用性评估与决策的属性集是由若干影响因素构成的集合。借鉴文献[3-5]对土地利用影响因素的分析，结合专家意见，考虑其中的主要影响因素，建立了多属性决策的属性集(图1)。

图1 属性集

Fig.1 Attributes set

2 不确定语言变量

定义1 设S={si|i=-L,-(L-1),…,-1,0,1,…,L-1,L}，S为矿区土地开发利用适用性评估的有序离散术语集，其中si描述矿区土地开发利用适用性等级的可能的地块质量语言型属性变量值，且规定若地块a的质量优于地块b的质量，则对应语言型属性变量值sa>sb。将地块质量语言型属性变量值按由小到大的顺序标注，即如果i>j，则si>sj,则S称为地块质量语言评估标度[7-9]。根据工程实践经验，矿区土地开发利用适用性评估中不确定语言评估标度可确定为：

S={s-4,s-3,s-2,s-1,s0,s1,s2,s3,s4}
={很差，较差，差，稍差，一般，稍好，好，较好，很好}

3 改进的不确定语言多属性决策方法

3.1 不确定语言多属性决策方法

为了方便,记N={1,2,…,n}。

定义4 设UEOWA：

(1)

(2)

(3)

3.2 嵌入AHP的不确定语言多属性决策方法

上述步骤2)中利用UEOWA算子对方案的语言评估信息进行集结时，需要考虑属性重要性的影响。传统的不确定多属性决策中属性重要性往往是与UEOWA相关联的固定权重值，没有基于实际问题有针对性地分析确定各属性的重要性，主观性强，有局限性。

对于矿区土地开发利用不确定语言多属性决策问题，因为属性评估信息是定性的语言值，基于实数型的权重确定方法较难解决这类问题。层次分析法(AHP)[10,11]通过比较两个属性之间的重要程度，建立判断矩阵，并通过计算判断矩阵的最大特征值和特征向量，进而确定各属性的重要性(即权重)。AHP法通过具有严密逻辑性的定量化方法尽可能剔除决策过程中的主观成分，并可根据判断矩阵是否具有满意的一致性判断权值的合理性，提高了决策结果的客观性、准确性和可靠性，而且计算过程简便、易于定量化表示。嵌入AHP的矿区土地开发利用不确定语言多属性决策方法如下：

(1)建立方案集X和属性集U。

(3)重要性判断。考察函数f(ux,uy)，其表示对总体而言属性ux与属性uy的重要性标度。约定f(ux,uy)=1/f(uy,ux)，f(ux,uy)的确定方法如表1所示。

表1 重要性判断

Table 1 Estimate of importance

重要程度f(ux,uy)f(uy,ux)ux和uy同等重要11ux稍微比uy重要31/3ux明显比uy重要51/5ux强烈比uy重要71/7ux绝对比uy重要91/9ux比uy重要性等级介于各等级之间2、4、6、81/2、1/4、1/6、1/8

(4)构造判断矩阵。设U=(u1,u2,…,un)是属性集，根据表1所列的重要性判断方法，对所有属性进行两两比较，构造判断矩阵C={cij}n×n，其中cij=f(uxi,uyj)，即:

(4)

其中cii=1。

(5)计算权重W=(w1,w2,…,wn)。计算判断矩阵C的最大特征值λmax和特征向量A=(a1,a2,…,an)T，经归一化处理后的ai即为i属性的权重，即:

W=(w1,w2,…,wn)T

(5)

(6)一致性检验。据公式CR=CI/RI进行一致性检验，其中CR为判断矩阵的一致性比率，CI为判断矩阵的一致性指标，CI=(λmax-n)/(n-1)，RI为判断矩阵的平均随机一致性指标。当CR<0.1时，表明判断矩阵具有满意的一致性，权值分配合理，输出权重；否则需要调整判断矩阵直到取得满意的一致性为止。

(9)利用式(3)获得可能度矩阵的排序向量v=(v1,v2,…,vn)，并对vi(i∈N)进行排序，获取最优方案。

4 实例计算与分析

黑龙江省拥有储量丰富的煤炭资源，是东北重要的煤炭开采基地。本文选取具有典型性的黑龙江鸡西煤矿区，并采用上述改进的不确定语言多属性决策方法进行实例分析与研究。

(1)根据图1中的属性集，选取地基承载力u1、地面积水u2、地形坡度u3、地下水埋深u4、地表破坏程度u5、采空区影响u6、洪水影响u7及地质灾害u8作为影响鸡西矿区土地开发利用适用性评估与决策的属性，构成属性集。鸡西矿区待评估决策的各方案现状数据见表2,方案1～方案5是鸡西市城子河矿区有待开发利用决策的5个地块，如方案1对应地块1，地块1的地基承载力稍大、地面积水影响小、地形坡度较小、地下水埋深大、无地表破坏、无采空区影响、无洪水影响、无地质灾害。

表2 各方案现状数据

Table 2 Status data for every scheme

方案u1u2u3u4u5u6u7u8方案1稍大影响小较小大无无影响无影响无灾害方案2稍小长期积水很小中等很严重影响较大影响很大灾害较重方案3较大影响较小很小很大中等影响稍大无影响无灾害方案4大影响稍小很小大较严重影响中等无影响无灾害方案5很大无积水很小很大较小无影响无影响无灾害

表3 评估矩阵

Table 3 Evaluation matrix

方案u1u2u3u4u5u6u7u8x1[s0,s2][s1,s3][s2,s4][s1,s3][s3,s4][s3,s4][s3,s4][s3,s4]x2[s-2,s0][s-4,s-3][s3,s4][s-1,s1][s-4,s-3][s-4,s-2][s-4,s-3][s-4,s-2]x3[s3,s4][s2,s4][s3,s4][s3,s4][s-1,s1][s-2,s0][s3,s4][s3,s4]x4[s2,s3][s0,s2][s3,s4][s1,s3][s-4,s-2][s-1,s1][s3,s4][s3,s4]x5[s3,s4][s3,s4][s3,s4][s3,s4][s2,s4][s3,s4][s3,s4][s3,s4]

(3)采用AHP并通过属性两两比较，构造判断矩阵C如下：

(4)通过计算，得到判断矩阵C的特征向量为:

A=(0.073,0.112,0.112,0.184,0.184,0.399,0.399,0.764)T

经归一化处理后得到属性权重为:

W=(0.033,0.050,0.050,0.083,0.083,0.179,0.179,0.343)T

(5)计算判断矩阵C的最大特征值λmax=8.107，一致性比率CR=0.01，CR<0.1，表明权重分配合理，通过一致性检验。

(6)利用式(2)，对表3中方案x1的不确定语言变量进行两两比较，并建立可能度矩阵p(1)为:

根据式(3)得到可能度矩阵p(1)的排序向量v1为:v1=(0.071,0.089,0.131,0.089,0.155,0.155,0.155,0.155)

同理可得方案x2～x5的可能度矩阵排序向量v2～v5分别为:v2=(0.156,0.092,0.188,0.165,0.092,0.107,0.092,0.107)

v3=(0.146,0.128,0.146,0.146,0.076,0.067,0.146,0.146)

v4=(0.128,0.098,0.170,0.118,0.063,0.085,0.170,0.170)

v5=(0.128,0.128,0.128,0.128,0.104,0.128,0.128,0.128)

(8)利用式(3)，计算得到可能度矩阵P的排序向量如下：

v=(0.242,0.100,0.206,0.157,0.295)

由排序向量v可知：各方案的土地开发利用适用性排序为x5>x1>x3>x4>x2，即在x1、x2、x3、x4、x55个待评估方案中，方案5的适用性最好，为最优方案，最适用于土地开发利用；其次是方案1；方案2的适用性最差，不适宜进行土地开发建设，需进一步治理。评估结果与实际情况一致。

5 结语

从矿区土地自然环境是否能够进行开发建设以及开发建设的经济性与可行性角度，考虑区域、地面、地下等方面，建立了矿区土地开发利用适用性评估与决策的属性集。不确定语言多属性决策方法适用于矿区土地开发利用适用性评估，但属性重要性确定方法却具有主观性。通过将基于AHP的属性重要性计算嵌入不确定语言多属性决策过程中，并完成了属性重要性量化，不但有效解决了语言型属性值的矿区土地开发利用适用性评估与决策问题，而且，因为基于AHP的属性重要性确定是结合实际评估方案来完成，因而使改进的不确定语言多属性决策结果更客观。在工程实践中，属性权重也是影响矿区开发建设选址及防灾减灾的重要因素，而且由于不同矿区具体情况不同，属性重要性将发生变化，因而应结合具体情况调整属性权重，以便于得出有效的评估结果。

[1]PAVLOUADKISF,GALETAKISM,ROUMPOSCH.Aspatialdecisionsupportsystemfortheoptimalenvironmentalreclamationofopen-pitcoalminesinGreece[J].InternationalJournalofMining,ReclamationandEnvironment,2009,23(4):291-303.

[2]CAOW,SHENGY,QINYH,etal.GreyrelationprojectionmodelforevaluatingpermafrostenvironmentintheMulicoalminingarea,China[J].InternationalJournalofMining,ReclamationandEnvironment,2010,24(4):363-374.

[3] 雷崇利,秦国建,常青.井工煤矿建设工程对土地破坏的危险性评估[J].能源环境保护,2007,21(3):50-52.

[4] 宫凤强,李夕兵,董陇军,等.基于未确知测度理论的采空区危险性评价研究[J].岩石力学与工程学报,2008,27(2):323-330.

[5] 张培河.煤矿建设工程地质灾害危险性综合评估方法[J].中国地质灾害与防治学报,2009,20(1):137-139.

[6] 马国哲.煤矿采空塌陷的危险性预测评估与防治措施——以华亭矿区大柳矿井为例[J].煤田地质与勘探,2007,35(2):55-59.

[7] 徐泽水.不确定多属性决策方法及应用[M].北京:清华大学出版社,2004.

[8]XUZSH.Anapproachtopurelinguisticmultipleattributedecisionmakingunderuncertainty[J].InternationalJournalofInformationTechnology&DecisionMaking,2005,4(2):197-206.

[9]WEIGW,ZHAOXF,LINR,etal.Uncertainlinguisticbonferronimeanoperatorsandtheirapplicationtomultipleattributedecisionmaking[J].AppliedMathematicalModelling,2013,37(10):5277-5285.

[10]SUBRAMANIANN,RAMANATHANR.Areviewofapplicationsofanalytichierarchyprocessinoperationsmanagement[J].InternationalJournalofProductionEcomomics,2012,138(4):215-241.

[11]DURBACHI,LAHDELMAR,SALMINENP.Theanalytichierarchyprocesswithstochasticjudgements[J].EuropeanJournalofOperationalResearch,2014,221(6):1-14.

AnImprovedUncertainMultipleAttributeDecisionMethodforMiningAreaLandDevelopment

JIANGYun

(SchoolofArchitectureandCivilEngineering,HeilongjiangUniversityofScience&Technology,Harbin150022,China)

Aiming at decision problem of linguistic variable-based attribute value for mining area land development (MALD),an evaluation and decision method combing analytic hierarchy process with uncertain multiple attribute decision was proposed.Considering influence factors including region,ground and underground,attribute sets of MALD applicability evaluation were constructed,and linguistic value-based multiple attribute evaluation matrixes were established.Furthermore,the attribute importance computing using analytic hierarchy process was embedded in uncertain multiple attribute decision process,so attribute importance quantification combing practical scheme was carried out.An uncertain extended order weighted average (UEOWA) operator was introduced to evaluate every MALD scheme,and a comparatively reasonable MALD scheme was got.Feasibility of improved uncertain multiple attribute decision method for MALD was verified by an application example.

mining area;land development applicability;uncertain multiple attribute decision;linguistic variable;analytic hierarchy process

2015-08-21；

2015-12-03

黑龙江省自然科学基金项目(E201049)；黑龙江科技大学决策咨询项目

姜云(1967-)，女，博士，教授，主要从事资源型城市土地与环境研究。E-mail：jy8690@163.com

10.3969/j.issn.1672-0504.2016.01.021

F301

A

1672-0504(2016)01-0112-05