4.5 其他方法

1.神经网络模型(ANN)

ANN是在现代神经科学研究成果的基础上，根据对人脑的组织结构、功能特征进行模仿而发展起来的一种新型信息处理系统和计算体系（陈守煜等，2000）。它属于高维非线性动力学系统范畴，可实现输入到输出之间的高度非线性映射，具有良好的自适应、自组织特征及较强的学习和容错能力，能通过学习人为给定的样本范例而获取知识（阎平凡等，2000)。ANN的这些特征有助于消除或降低目前地下水脆弱性评价过程中不确定因素的影响，同时也预示了其在该领域中的应用前景（武强等，2006)。

李梅等(2007)建立了地下水脆弱性的改进BP神经网络模型，在黄淮平原宁陵县的应用结果中表明，改进BP神经网络法训练速度快、精度高，能较好地解决非线性的模式识别问题，客观地评价地下水的脆弱性。武强等(2006)根据研究区域内地下水污染特征，提出了多因子组合条件下地下水脆弱性分析的定量化方法，结合选定的评价因子类别确定了ANN模型的结构，获取各评价子专题层的权重系数，在此基础上运用地理信息系统(GIS)与人工神经网络耦合技术对各子专题层进行加权复合叠加，构建出地下水脆弱性模型，并据此提出了研究区域地下水脆弱性分区评价成果图。

2.尖点突变模型

徐明峰等(2005)将突变理论引入地下水脆弱性评价中，用尖点突变模型对长春城区半承压含水层的特殊脆弱性进行了评价。突变理论较好地揭示了地下水特殊脆弱性变化，尖点突变模型可以模拟地下水特殊脆弱性变化，评价理论依据充分，所需数据较少，比数值模型模拟方法易于实行。

3.灰色关联分析法

灰色系统理论中的灰色关联分析法可在不完全的信息中对要分析研究的各因素，通过一定的数据处理，在随机的因素序列间，找出它们的关联性。因此，特别适合像地下水脆弱性这类数据有限、没有模型、复杂而且具有不确定性的问题的分析和评价。灰色关联分析是一种多因素统计分析法，它以各子因素时间序列与母因素时间序列数据为基础，计算母因素、子因素的关联度，用关联度来描述母、子因素间关系强弱、大小和次序(刘思峰等，2000)。

其具体计算步骤如下：

（1）确定参考数列和比较数列。

（2）对参考数列和比较数列构成的矩阵进行归一化处理。在进行灰色关联度分析时，一般都要根据指标的不同种类（成本型、效益型、区间型等）采用不同公式进行无量纲化的数据处理。

（3）求参考数列与比较数列的灰关联系数。

（4）求灰关联度。

（5）按灰关联度排序。将灰关联度按大小排序，得到灰关联度序列，关联度越大，说明二者越接近。

孙艳伟(2007)和孙丰英等(2009)将灰色关联分析法应用于地下水脆弱性评价中，王红旗等(2009)应用灰色关联分析法评价了北京市顺义区的地下水水源地脆弱性。

4.基于灾害风险理论的地下水脆弱性评价模型

张树军等(2009)基于灾害风险理论，构建了地下水污染脆弱性评价框架模型和指标体系，通过固有脆弱性和外界胁迫脆弱性两者的交叉运算(Cross)获得最终的地下水污染脆弱性评价结果。

5.可拓综合评价的物元模型

刘卫林等(2007)以宁陵县为例，通过分析地下水脆弱性影响因素，以物元模型、可拓集合与关联函数理论为基础，建立了多指标多级的地下水脆弱性可拓综合评价的物元模型，通过计算其关联度，将多因子的评价归结为单目标决策，以定量的数值表示评定结果，从而能较完整地反映地下水的脆弱性。

6.投影寻踪模型

投影寻踪模型(Projection Pursuit Model，PP)是用来处理和分析高维数据的一种探索性数据分析的有效方法。其基本思想是：利用计算机技术，把高维数据通过某种组合，投影到低维子空间上，并通过极小化某个投影指标，寻找出能反映高维数据结构或特征的投影，在低维子空间上对数据进行分析，以达到研究和分析高维数据的目的。该方法主要有以下几个特点：①成功地克服了高维数据的“维数祸根”带来的严重困难；②排除了与数据结构和特征无关的或关系很小的变量的干扰；③使用一维统计方法解决高维问题(田铮等，1999；付强等，2002)。

投影寻踪模型不但可以评价出不同分区地下水脆弱性的程度，同时还可以根据投影方向判断各评价指标的相对重要程度，据此对指标体系进行适当调整，去掉投影值相对很小的指标，并根据当地实际情况适当补充新的指标，重新进行评价分析，如此反复，直至各项指标的投影值大小趋于相对均衡为止(付强等，2008)。投影寻踪模型对于地下水脆弱性评价具有较好的效果，避免了专家主观赋权的人为干扰。

刘仁涛等(2008)结合三江平原实际情况，首次将基于实数编码加速遗传算法的投影寻踪模型应用于该地区的地下水脆弱性评价，取得了令人满意的效果。

随着地下水脆弱性研究的深入，脆弱性评价方法也日益多样化、复杂化。但地下水脆弱性评价还应从简单的评价方法入手，在对评价区域的脆弱性有了一个整体认识的基础上，再选用复杂的评价方法进行深入细致的评价分析。如果几种评价方法所实现的评价目的或得到的评价结果是相似的，应优先选用简单的脆弱性评价方法。同时，脆弱性评价不仅要对评价区域的脆弱性程度给出科学合理的度量，同时还要将这种定量评价转化为指导实践的有用信息传达给决策者，这就要求评价者必须在数据的转换和评价结果的解释之间做到合理的平衡(李鹤等，2008)。同一地区，使用不同方法和同样数据进行的固有脆弱性评价结果表明，相对简单的和较复杂的评价方法，其评价结果基本相同(陈浩等，2006)。