徐晨茜，吳貞暉，李析男，梅亞東

（1. 武漢大學(xué) 水資源與水電工程科學(xué)國家重點實驗室，湖北 武漢 430072；2. 貴州省水利水電勘測設(shè)計研究院有限公司，貴州 貴陽 550002）

0 引 言

水庫通過調(diào)蓄作用在滿足經(jīng)濟社會用水需求同時將顯著地改變河流天然水文情勢，進(jìn)而導(dǎo)致河流生態(tài)系統(tǒng)改變，生態(tài)友好型水庫調(diào)度旨在通過優(yōu)化水庫調(diào)度方式，協(xié)調(diào)水庫興利要求和生態(tài)環(huán)境要求，實現(xiàn)水庫調(diào)度經(jīng)濟社會目標(biāo)和生態(tài)目標(biāo)的均衡。生態(tài)友好型水庫調(diào)度評價不僅要考慮經(jīng)濟社會目標(biāo)的實現(xiàn)程度，而且要明確水庫調(diào)度對生態(tài)系統(tǒng)的影響程度，其中對生態(tài)系統(tǒng)的影響程度通常以河流水文情勢變化程度表征［1］。

水文改變度指標(biāo)（Indicatiors of Hydrologic Alteration，IHA）是廣為人知的評估河流水文情勢變化的指標(biāo)，IHA 與RVA（Renge of Variability Apprah）結(jié)合廣泛地應(yīng)用于人工干預(yù)后（主要是水庫調(diào)節(jié)）河流水文情勢評價［2，3］，近年的應(yīng)用研究如三峽水庫下游河流生態(tài)水文情勢評價［4］、額爾齊斯河流域水文情勢變化影響分析［5］、上游水電站建設(shè)運行對東江源河流水文情勢的改變［6］。另外一些研究則關(guān)注水文改變度計算方法改進(jìn)，如考慮水文指標(biāo)相關(guān)性或考慮水文指標(biāo)時間序列形態(tài)特征，計算水文改變度［7，8］。盡管IHA 指標(biāo)從流量大小、發(fā)生頻率、發(fā)生時間、歷時及變化率等5個方面較全面刻畫了水文情勢變化，但其大部分指標(biāo)基于日流量數(shù)據(jù)計算的，對流量數(shù)據(jù)要求較高。對于僅有月（旬）流量數(shù)據(jù)的水庫長期調(diào)度評價問題，因缺少日流量數(shù)據(jù)，大部分IHA 指標(biāo)并不適用。為彌補IHA 中基于月流量計算的指標(biāo)的代表性不足 ，LAIZE CLR 等［9］除采用1 月、4 月、7月、10月的月流量外，增加了2個反映豐水狀況的指標(biāo)和3個反映枯水狀況的指標(biāo)，這些指標(biāo)均基于月流量計算。PUMO D 等人［10］則提出了基于月流量的類似IHA 的5類22 個指標(biāo)，并以影響后指標(biāo)偏離基線（影響前指標(biāo)）的比例作為水文改變度，來描述河流水文情勢變化。但總的來說，基于月流量的水文情勢變化研究遠(yuǎn)少于基于日流量的研究。

由于水庫調(diào)度效果通常涉及經(jīng)濟社會和生態(tài)環(huán)境多個方面，其評價屬于多屬性評價決策。層次分析法、逼近理想點法

TOPSIS（Technique for order preference by similarity to ideal solution）、模糊評價決策法等方法都被用來進(jìn)行水庫調(diào)度評價。其中，量化決策者偏好是多屬性評價的關(guān)鍵。針對決策者通常在幾個可能方案或值之間徘徊，猶豫不決，TORRA V 等［11］提出了猶豫模糊集，之后，許多學(xué)者開展了猶豫模糊集在多屬性決策中應(yīng)用研究，如XU 等［12］利用最大偏差法確定屬性權(quán)重，提出了基于TOPSIS 的猶豫模糊多屬性決策方法，劉霞等［13］采用猶豫模糊集表達(dá)專家決策偏好信息，通過協(xié)商一致獲得專家共識水平及共識水平下方案排序。肖堯等［14］基于區(qū)間猶豫模糊語言與TOPSIS的多目標(biāo)決策方法，對鄂北水資源配置工程調(diào)水方案進(jìn)行評價并遴選出最優(yōu)方案。梁薇等［15］考慮屬性值為猶豫模糊集且屬性權(quán)重完全未知的情況，引入粗糙集理論確定屬性權(quán)重，提出了一種基于前景理論和粗糙集的不確定TOPSIS多屬性決策方法。針對決策者是有限理性的情況，王應(yīng)明等［16］引入前景理論表達(dá)決策者對損失和收益的不同偏好，提出了一種基于前景理論的猶豫模糊TOPSIS多屬性決策方法，并應(yīng)用于創(chuàng)新型企業(yè)評價。總之，猶豫模糊集、粗糙集及前景理論的引入，豐富了多屬性決策方法，但這些方法在水庫調(diào)度方案中應(yīng)用還很少見。

針對水庫長期調(diào)度生態(tài)效果評價指標(biāo)偏少和評價者認(rèn)知的主觀性較強、評價過程中的賦權(quán)不確定性較大等問題，以貴州省夾巖水利樞紐為實例，基于月（旬）均流量數(shù)據(jù)，構(gòu)建城鎮(zhèn)供水、灌溉供水、發(fā)電、生態(tài)4 個維度的水庫生態(tài)友好型調(diào)度評價體系，提出一種耦合猶豫模糊集、前景理論和粗糙集理論的生態(tài)友好型水庫調(diào)度多屬性評價方法HPR-MAEM（Hesitant huzzy set， Prospect Theory and Rough set Multi-Attribute Evaluation Method），對夾巖水利樞紐10 個長期調(diào)度方案進(jìn)行了評價。最后通過與TOPSIS方法及客觀賦權(quán)法所推薦的方案對比，論證了HPR-MAEM方法的有效性。

2 水庫生態(tài)友好型調(diào)度方案評價指標(biāo)體系

夾巖水利樞紐是黔西北供水工程的水源工程，以城鎮(zhèn)供水和灌溉為主，兼顧發(fā)電，同時考慮下游河道內(nèi)生態(tài)環(huán)境需水要求。為了較全面、客觀地評價水庫不同調(diào)度方案的效果，根據(jù)代表性、全面性、客觀性、可操作性等原則，分別從城鎮(zhèn)供水、灌溉、發(fā)電、生態(tài)4 個維度共選取16 個指標(biāo)，構(gòu)建夾巖水庫生態(tài)友好型調(diào)度評價指標(biāo)體系。其中，城鎮(zhèn)供水、灌溉及發(fā)電準(zhǔn)則層指標(biāo)如下表1所列。

基于月（旬）流量數(shù)據(jù)，經(jīng)比較選擇以下6 個指標(biāo)刻畫調(diào)度后壩址下泄流量改變程度，并作為生態(tài)準(zhǔn)則下的代表指標(biāo)。

（1）全年水文改變度。根據(jù)夾巖水庫調(diào)節(jié)前后55年壩址月（旬）均流量數(shù)據(jù)，按IHA-RVA 法計算各時段水文改變度，然后計算年內(nèi)20 個時段水文改變度的均方根（RMS）作為全年水文改變度，以反映壩址以下河段整體水文改變程度。

（2）年徑流不均勻程度改變度。采用變差系數(shù)表示徑流年內(nèi)變化的不均勻程度，分別計算夾巖水庫調(diào)節(jié)前后55年年徑流變差系數(shù)系列，根據(jù)RVA 法計算年徑流不均勻程度改變度，它反映的是年徑流過程形態(tài)改變程度。

（3）年內(nèi)峰、谷流量改變度。最大、最小月（旬）流量代表年極端流量，具有重要生態(tài)功能。采用夾巖水庫調(diào)節(jié)前后55年壩址最大、最小月（均）流量系列，然后采用RVA 法計算分別計算最大、最小月流量改變度，它反映的是峰、谷流量大小的變化。

（4）年內(nèi)峰、谷流量出現(xiàn)時間改變度。調(diào)節(jié)后下泄流量的年內(nèi)最大月（旬）流量、最小月（旬）流量出現(xiàn)的時間一般會發(fā)生改變。分別采用夾巖水庫調(diào)節(jié)前后55 年壩址峰谷流量出現(xiàn)時間系列，計算峰谷流量出現(xiàn)時間的改變度，它反映的是極端流量出現(xiàn)時間的改變。

3 基于猶豫模糊集、前景理論和粗糙集的多屬性評價方法

計算不同調(diào)度方案下反映夾巖水庫調(diào)度效果的上述16 個指標(biāo)，構(gòu)成水庫生態(tài)友好型調(diào)度評價原始矩陣。為克服量綱和數(shù)值范圍大小的影響，進(jìn)一步對各個指標(biāo)進(jìn)行歸一化處理。之后通過對各指標(biāo)賦權(quán)，可求出各方案的綜合評價值，但這種方法的評價結(jié)果受權(quán)重大?。促x權(quán)方法）影響很大；或者通過計算各方案距正負(fù)理想解的距離和貼近度，獲得方案的排序，如熟知的TOPSIS 法。但TOPSIS 法本質(zhì)上假定各指標(biāo)是等權(quán)重的。由于各種賦權(quán)方法確定的權(quán)重不同，直接導(dǎo)致綜合評價結(jié)論的差異。針對評價中指標(biāo)（屬性）權(quán)重難以確定、屬性值不精確這種情形，提出了一種耦合猶豫模糊集、前景理論和粗糙集理論的多屬性評價方法（HPR-MAEM）。

在多屬性評價中，由于掌握的信息不一定全面和準(zhǔn)確，決策者在評價時對于一個特定指標(biāo)（屬性）往往無法給出具體的評估值或在幾個值之間猶豫不決。為此，西班牙學(xué)者TORRA V提出了猶豫模糊集［11］，它允許評價時考慮多個可能屬性值。前景理論的核心是價值函數(shù)。以正負(fù)理想屬性值為參考點，當(dāng)方案屬性值偏離參考點時（偏離值不為0），一般認(rèn)為會產(chǎn)生附加效益或附加損失。TVERSKY A［18］認(rèn)為，決策者根據(jù)實際收益或損失所產(chǎn)生的主觀感受的價值與偏離值大小呈非線性關(guān)系，而不是通常認(rèn)為的比例關(guān)系。粗糙集是處理不精確信息的一種理論方法［19］。它通過上下近似集來描述粗糙集，并根據(jù)去掉某個屬性后的屬性集與全屬性集的等價關(guān)系，計算各屬性的權(quán)重。因此粗糙集約減是一種確定客觀權(quán)重的方法。

HPR-MAEM 法基本思路是:對于一個m方案n個準(zhǔn)則的多屬性評價問題，在獲得其歸一化評價矩陣后，分別針對每個準(zhǔn)則層，采用多種賦權(quán)方法對該準(zhǔn)則層下各指標(biāo)進(jìn)行賦權(quán)，計算該準(zhǔn)則層下各指標(biāo)加權(quán)和作為準(zhǔn)則層綜合屬性值。顯然多種賦權(quán)方法相應(yīng)有多個綜合屬性值。由于各種賦權(quán)方法考慮的重點不同，各有所長，評價者對于每種賦權(quán)方法獲得的綜合屬性值難以判斷取舍，因此準(zhǔn)則層綜合屬性值可視為模糊元，同一準(zhǔn)則層下的多個模糊元組成一個模糊數(shù)。最終形成一個如下猶豫模糊決策矩陣H:

式中，m為方案數(shù)；n為準(zhǔn)則數(shù)目，即綜合屬性值個數(shù)；hij是由若干個模糊元組成的猶豫模糊數(shù)。

計算第j個準(zhǔn)則綜合屬性值的正負(fù)理想點，然后計算第i方案第j個準(zhǔn)則綜合屬性值距正負(fù)理想點的猶豫模糊距離（偏差）及綜合前景值。再根據(jù)設(shè)定的閾值，將m×n維綜合前景值矩陣轉(zhuǎn)化為0、1 組成的m×n維判斷矩陣，對判斷矩陣進(jìn)行約減，獲得各準(zhǔn)則屬性的權(quán)重值。計算每個方案的準(zhǔn)則屬性綜合前景值加權(quán)和，從大到小排序，獲得方案的評價結(jié)果。HPR-MAEM法邏輯框圖如圖1所示。

圖1 HPR-MAEM 法計算框圖Fig.1 HPR-MAEM method calculating diagram

圖2 典型方案Pareto前沿圖Fig.2 Typical schemes’Pareto frontier figure

HPR-MAEM法主要計算步驟如下。

（1）猶豫模糊決策矩陣標(biāo)準(zhǔn)化。對于4 個準(zhǔn)則層相應(yīng)的四組猶豫模糊矩陣，各方案下猶豫模糊數(shù)中的元素按増序排列，如果猶豫模糊數(shù)中的元素個數(shù)不等，可通過增加最小元素的方法使得所有猶豫模糊數(shù)具有相同的元素個數(shù)，即kij=k0，?i，j。由此獲得的標(biāo)準(zhǔn)化猶豫模糊決策矩陣記為:

式中:xij是k0個模糊元按增序排列的猶豫模糊數(shù)。

（2）正、負(fù)理想點與猶豫模糊距離。對于所有的方案和所有的屬性，以正負(fù)理想點來表示各屬性中最理想和最不理想的情況。定義正、負(fù)理想點如下:

式中:α和β為風(fēng)險態(tài)度系數(shù)，反映了決策者對收益和損失的敏感性程度；θ為損失厭惡系數(shù)，表示相對于收益而言，決策者對損失更加敏感。文獻(xiàn)［16，18］中，α=β= 0.88，θ= 2.25。

則綜合前景值vij為:

并記V=(vij)m×n。

（4）粗糙集與屬性權(quán)重。將綜合前景矩陣V中的值vij按照降序進(jìn)行排序，根據(jù)實際情況選擇一定頻率（百分位數(shù)）的值設(shè)為閾值ε，通過將V矩陣中的每個值與閾值比較構(gòu)造新的判斷矩陣K=(eij)m×n，其中:

表示第i方案中第j屬性的判斷值。然后利用粗糙集理論判斷矩陣K進(jìn)行屬性約減，確定屬性權(quán)重。

粗糙集是PAWLAK Z［19］提出的一種可以定量分析處理不精確、不一致、不完整信息與知識的有效數(shù)學(xué)工具。它通過下近似和上近似概念來描述不精確概念。集合X?S關(guān)于B?C的下近似集(X)和近似精度rB(X)分別定義為:

（5）方案排序。根據(jù)計算得到的屬性權(quán)重，計算各方案的加權(quán)綜合前景值:

根據(jù)Pi的大小對方案進(jìn)行排序，Pi值越大，方案越優(yōu)。

4 實例計算結(jié)果及分析

根據(jù)夾巖水利樞紐開發(fā)任務(wù)，以城鎮(zhèn)供水和灌溉綜合保證率最大為供水目標(biāo)、以多年平均發(fā)電量最大為發(fā)電目標(biāo)，以下游河道生態(tài)保證率最大為生態(tài)目標(biāo)，再對供水、發(fā)電、生態(tài)目標(biāo)分別賦以權(quán)重λ1，λ2，λ3轉(zhuǎn)化為總目標(biāo)，開展水庫長期多目標(biāo)優(yōu)化調(diào)度。夾巖水庫天然徑流系列自1957 年5 月至2012 年4 月，其中汛期5-8月以旬為單位、其他以月劃分時段，通過動態(tài)規(guī)劃方法進(jìn)行調(diào)度模型求解計算，獲得了不同目標(biāo)權(quán)重組合下一系列調(diào)度方案，再從中選取權(quán)重具有代表性的10 組典型方案（方案1～3分別令發(fā)電、供水、生態(tài)權(quán)重為1；方案4～6令其中兩目標(biāo)權(quán)重各自為0.5；方案7令三目標(biāo)權(quán)重均1/3；方案8～10滿足城鎮(zhèn)供水保證率大于95%，灌溉供水保證率大于85%，生態(tài)流量保證率大于95%時選取發(fā)電量較大3 組），分別取歸一化后供水、發(fā)電、生態(tài)目標(biāo)繪制調(diào)度方案的Pareto 前沿面，10 組典型方案在Pareto前沿面上的位置見菱形散點。

并據(jù)此計算出10 組調(diào)度方案（記為s1，s2，…，s10）的16 個評價指標(biāo)，結(jié)果列于表2 中。其中城鎮(zhèn)缺水率、灌溉缺水率、發(fā)電耗水率及6 個水文改變度指標(biāo)為成本型指標(biāo)，其他指標(biāo)為效益型指標(biāo)。對各方案指標(biāo)進(jìn)行線性歸一化處理，結(jié)果省略。

表2 夾巖水庫各調(diào)度方案評價指標(biāo)值Tab.2 Jiayan reservoir operation scheme evaluation index

4.1 猶豫模糊矩陣構(gòu)建

目前賦權(quán)方法很多，本文選擇二元對比法、變差系數(shù)法、熵權(quán)法以及CRITIC 法賦權(quán)。二元對比法［21］利用人的經(jīng)驗知識，結(jié)合二元對比模型確定各指標(biāo)權(quán)重，是一種主觀賦權(quán)方法；變差系數(shù)法、熵權(quán)法［23］以及CRITIC 法均是客觀賦權(quán)方法，其中變差系數(shù)法用某個指標(biāo)數(shù)據(jù)的變差系數(shù)除以各個指標(biāo)數(shù)據(jù)的變差系數(shù)總和作為該指標(biāo)的權(quán)重值，變差系數(shù)越大者權(quán)重也越大；熵權(quán)法通過每個指標(biāo)的熵值來刻畫指標(biāo)的信息量大小，熵值越大所包含的信息量越大，對綜合評價的影響越大；CRITIC法［22］是基于評價指標(biāo)的對比強度和指標(biāo)之間的沖突性來綜合確定指標(biāo)的權(quán)重，對比強度和沖突性分別以標(biāo)準(zhǔn)差和相關(guān)系數(shù)表示。標(biāo)準(zhǔn)差越大，權(quán)重會越高；相關(guān)系數(shù)越大，權(quán)重會越低。一般認(rèn)為，CRITIC 法是一種比熵權(quán)法和變差系數(shù)法更好的客觀賦權(quán)法。4種賦權(quán)方法的計算過程可參考有關(guān)文獻(xiàn)。

采用上述4種方法分別對城鎮(zhèn)供水、灌溉、發(fā)電及生態(tài)準(zhǔn)則下各指標(biāo)賦權(quán)，計算同一準(zhǔn)則下指標(biāo)加權(quán)和，獲得4個可能的準(zhǔn)則層綜合屬性值。由于該綜合值與權(quán)重取值有關(guān)，而決策者對權(quán)重值選取猶豫不決，因此將準(zhǔn)則層的4 個屬性值視為猶豫模糊數(shù)，進(jìn)而構(gòu)造猶豫模糊決策矩陣，如表3 所列。表3 中4 個準(zhǔn)則層下的猶豫模糊數(shù)中的元素均已按増序排列。

表3 夾巖水庫調(diào)度方案評價猶豫模糊矩陣Tab.3 Hesitant fuzzy matrix evaluation of Jiayan Reservoir operation scheme

4.2 綜合前景值計算

表4 綜合前景值VTab.4 Comprehensive prospect value V

4.3 屬性權(quán)重計算

將表4 中綜合前景值按降序排序，經(jīng)比較選擇保留前55%信息，即閾值ε= -0.088 1。將表4中的每個值與閾值比較構(gòu)造新的判斷矩陣K=(eij)m×n，如上表5 所示。 針對表5 所示的信息 系 統(tǒng)，論 域S={s1，s2，…，s10} 為 方 案 集，屬 性 集C={c1，c2，c3，c4}表示城市供水、灌溉、發(fā)電和生態(tài)4 個準(zhǔn)則層屬性，屬性集B?C的等價關(guān)系為RB。根據(jù)粗糙集理論有:

表5 判斷矩陣KTab.5 Judgment matrix K

4.4 調(diào)度方案排序

根據(jù)式（12），計算求得各方案綜合加權(quán)前景值，如表6 所示，并從大到小進(jìn)行排序。

表6 加權(quán)綜合前景值結(jié)果及方案排序Tab.6 Weighting comprehensive prospect value results and ranking

根據(jù)表6 排序結(jié)果，最終推薦的最優(yōu)調(diào)度方案為方案s9，其加權(quán)綜合前景值最大為0.216 9；次優(yōu)調(diào)度方案為方案s10，其加權(quán)綜合前景值為0.212 3；前3 個方案的加權(quán)綜合前景值相差不大而其中排序最末的方案s1加權(quán)綜合前景值最小僅為-1.069 8。

對照表2，推薦的最優(yōu)方案s9城鎮(zhèn)供水保證率為97.82%，灌溉供水保證為87.28%，多年平均發(fā)電量為2.52 億kWh，全年水文改變度為54.91%。方案s9的城鎮(zhèn)供水、灌溉及發(fā)電的各單項指標(biāo)在10個方案中排第3～第6位，居于中上水平；生態(tài)準(zhǔn)則的6 個指標(biāo)，除變差系數(shù)改變度、最大流量改變度排序靠后外，其他4 個指標(biāo)均排在前2 位。與次優(yōu)方案10 相比，方案s9的城鎮(zhèn)供水、灌溉和生態(tài)準(zhǔn)則下的指標(biāo)總體上優(yōu)于方案s10，但多年平均發(fā)電量指標(biāo)明顯差于方案s10，其他發(fā)電指標(biāo)兩個方案差別不大。與排序第3的方案s5比較，方案s9的城鎮(zhèn)供水、灌溉指標(biāo)劣于方案s5，但發(fā)電量、發(fā)電歷時保證率優(yōu)于方案s5，生態(tài)指標(biāo)兩個方案互有所長。

雖然表2 的評價指標(biāo)值，已經(jīng)整體刻畫出了55 年間1 100個時段長期過程中各個目標(biāo)的達(dá)成情況，但為了更加直觀地對比不同方案下調(diào)度過程間的差異，對夾巖壩址55 a 年徑流量系列進(jìn)行排頻，選取具有代表性、各目標(biāo)更容易遭到破壞的枯水年（80%），分別就10組方案下水位過程、下泄流量過程、城鎮(zhèn)與灌溉過程等繪制成圖3。從圖3 中不難看出推薦最優(yōu)方案s9水位以及下泄流量處在10組方案的中間水平，且方案s9城鎮(zhèn)供水滿足程優(yōu)于其他方案，灌溉供水過程也處在較優(yōu)水平。

圖3 枯水典型年10個方案多指標(biāo)比較圖Fig.3 10 Low water typical-year schemes index comparison

最后，從圖4 中不難看出推薦最優(yōu)方案（即s9見圖4 六角形紅點）位置在Pareto前沿面上，并且其供水及生態(tài)目標(biāo)的指標(biāo)值均接近最優(yōu)，且發(fā)電目標(biāo)達(dá)成度也較好，總體目標(biāo)較為均衡，進(jìn)一步論證了推薦方案s9為最優(yōu)方案的合理性。

圖4 推薦最優(yōu)方案Pareto前沿圖Fig.4 Recommended schemes’Pareto frontier figure

總的來講，最優(yōu)方案s9的各個指標(biāo)在10 組方案中排位靠前，能較好的兼顧供水、發(fā)電和生態(tài)要求，體現(xiàn)夾巖水庫生態(tài)友好型調(diào)度的宗旨。

4.5 與其他方法結(jié)果比較

為進(jìn)一步驗證HPR-MAEM 方法的有效性，進(jìn)一步采用了傳統(tǒng)TOPSIS方法和考慮各屬性權(quán)重的加權(quán)和方法，對表2的10組調(diào)度方案進(jìn)行評價，結(jié)果如表7所示。表中變差系數(shù)法、熵權(quán)法和CRITIC法均是對16個指標(biāo)求權(quán)。

表7 5種評價方法的方案排序比較Tab.7 Ranking comparation of five kinds of evaluation methods

從表7 可見，5 種方法的排序結(jié)果有很大的不同。TOPSIS法不考慮屬性權(quán)重（實質(zhì)上是等權(quán)重），只通過貼近度排序，結(jié)果是方案s9，s10分列第1 和第2。變差系數(shù)法、熵權(quán)法均是客觀賦權(quán)方法，結(jié)果是方案s6排序第1，但排序第2 的方案不同。CRITIC 法賦權(quán)是基于指標(biāo)的對比強度和指標(biāo)之間的沖突性來綜合衡量指標(biāo)的客觀權(quán)重，結(jié)果是方案s9和方案s5，分列第1 和第2。HPR-MAEM 法綜合考慮變差系數(shù)法、熵權(quán)法和CRITIC法客觀賦權(quán)及二元對比主觀賦權(quán)的影響，評價結(jié)果是方案s9，s10分別排第1、第2。HPR-MAEM 法與CRITIC 法、TOPSIS 法排序第一的均是方案s9。

一般地講，CRITIC 法考慮指標(biāo)變異性大小的同時兼顧指標(biāo)之間的相關(guān)性，其權(quán)重的信息量比變差系數(shù)法和熵權(quán)法權(quán)重的信息量更豐富。HPR-MAEM 方法則能綜合考慮不同賦權(quán)方法和決策者有限理性對評價結(jié)果的影響，更符合實際決策需要，結(jié)果更具有合理性。

5 結(jié) 論

（1）針對夾巖水利樞紐生態(tài)友好型調(diào)度方案評價問題，從城鎮(zhèn)供水、灌溉、發(fā)電和生態(tài)四個維度，構(gòu)建了16個指標(biāo)組成的評價指標(biāo)體系，考慮到流量數(shù)據(jù)的可獲得性，以基于月（旬）均流量的全年水文改變度、年內(nèi)徑流分配改變度、峰谷流量改變度及峰谷流量出現(xiàn)時間改變度，作為衡量生態(tài)效益大小的代理指標(biāo)。結(jié)果表明，該指標(biāo)體系能夠比較全面地反映夾巖水庫生態(tài)友好型調(diào)度效果。

（2）提出的基于猶豫模糊集、前景理論和粗糙集理論的多屬性評價決策方法，能夠有效地處理決策者的認(rèn)知局限、有限理性等不確定性問題。通過猶豫模糊數(shù)表達(dá)決策者對準(zhǔn)則層屬性的猶豫不決，通過價值函數(shù)表達(dá)人們在面臨收益和損失時的偏好差異性，通過模糊集中屬性約減提取準(zhǔn)則層屬性權(quán)重，評價決策過程能更好地貼近實際。尤其是，HPR-MAEM 法直接依據(jù)各方案各準(zhǔn)則層綜合屬性自動生成權(quán)重，將決策過程的主觀性盡可能降低。

（3） 多屬性評價決策方法與客觀賦權(quán)法的調(diào)度方案排序結(jié)果表明，HPR-MAEM 法能綜合考慮不同賦權(quán)方法和決策者有限理性對評價結(jié)果的影響，推薦方案更能體現(xiàn)生態(tài)友好調(diào)度宗旨，結(jié)果更合理。