孔 敏, 王風(fēng)帆, 耿姍姍, 余 佳, 舒雨婷

模糊層次分析法在淺剖數(shù)據(jù)質(zhì)量評價中的應(yīng)用

孔 敏, 王風(fēng)帆, 耿姍姍, 余 佳, 舒雨婷

(國家海洋信息中心, 天津 300171)

為解決淺剖數(shù)據(jù)質(zhì)量評價指標(biāo)不一、定量化不足的問題, 本文基于層次分析法的原理, 結(jié)合德爾菲法及模糊評價方法, 建立了淺剖質(zhì)量評價的模糊層次分析技術(shù)流程, 構(gòu)建了多層次的淺剖質(zhì)量評價模型, 確定了3個一級指標(biāo)和14個二級指標(biāo), 給出了各指標(biāo)在質(zhì)量評價中的定量權(quán)重, 定出了4個質(zhì)量評價等級。文章應(yīng)用評價模型對深海及淺海兩套淺剖數(shù)據(jù)集進行了評價, 根據(jù)評價結(jié)果及最大隸屬度原則, 深海淺剖數(shù)據(jù)總體質(zhì)量為中等, 淺海淺剖數(shù)據(jù)總體質(zhì)量為良好。結(jié)果顯示, 該模型可以有效地將專家主觀經(jīng)驗以知識驅(qū)動的形式轉(zhuǎn)成定量化評價指標(biāo), 給出的評價結(jié)果客觀、可量化, 減少了數(shù)據(jù)質(zhì)量評價過程中人為主觀因素影響和片面性, 可為數(shù)據(jù)進一步應(yīng)用提供較為準(zhǔn)確的應(yīng)用等級建議。

淺剖數(shù)據(jù); 模糊層次分析法; 質(zhì)量評價; 評價指標(biāo)

海底淺地層剖面(sub-bottom profile)測量是一種基于聲學(xué)原理的連續(xù)走航式探測地球物理方法, 可獲取高分辨率海底淺部地層結(jié)構(gòu)、構(gòu)造及海底地形地貌信息[1-2], 在海洋地質(zhì)研究[3-6]、海底地貌識別[7]、海底地質(zhì)災(zāi)害[7-8]、海底資源勘探[9-10]及海洋工程勘查[11-12]中發(fā)揮了重要作用。針對淺剖數(shù)據(jù)的采集、處理、應(yīng)用等方面, 國內(nèi)外學(xué)者[13-16]已開展了多角度的研究, 但對于數(shù)據(jù)質(zhì)量評價的研究較少, 尤其缺少系統(tǒng)的評價指標(biāo)及定量化評價方法。淺剖數(shù)據(jù)的質(zhì)量評價目前主要依賴人為主觀經(jīng)驗評價, 這導(dǎo)致評價結(jié)果以定性評價為主、主觀性強, 另外對于數(shù)據(jù)用戶的知識經(jīng)驗要求也比較高, 不利于數(shù)據(jù)統(tǒng)一的質(zhì)量分級及針對性地推廣應(yīng)用。構(gòu)建統(tǒng)一的評價指標(biāo)體系可以規(guī)范數(shù)據(jù)質(zhì)量評價流程, 客觀定量的評價結(jié)果可以為數(shù)據(jù)的分級管理、合理利用提供參考依據(jù),使得數(shù)據(jù)用戶快速、全面地了解數(shù)據(jù)的質(zhì)量情況, 提高數(shù)據(jù)的管理及應(yīng)用效率。層次分析法(Analytic Hierarchy Process, AHP)是一種重要的多準(zhǔn)則決策(Multi-criteria Decision Making, MCDM)技術(shù)[17], 是一種定性定量相結(jié)合的、系統(tǒng)的、層次化的分析方法。該方法最早由SATTY[18-19]提出, 主要通過構(gòu)建基于復(fù)雜問題相互影響關(guān)系的模型來將問題轉(zhuǎn)化為簡單形式來解決, 適用于對難以完全定量的復(fù)雜事件進行綜合評價。該方法的原理是根據(jù)問題的性質(zhì)和要達到的目標(biāo), 將問題分解為不同的影響因素, 并按照因素間相互影響以及隸屬關(guān)系將因素按不同的層次聚集組合, 形成一個多層次的分析結(jié)構(gòu)模型, 從而最終使問題歸結(jié)為最低層(方案層)相對于最高層(目標(biāo)層)的相對重要權(quán)值的確定或相對優(yōu)劣次序的排定。首先將待評估目標(biāo)劃分成多層次指標(biāo)體系, 并確定每一層次的指標(biāo), 然后通過定性結(jié)合定量的方式獲取各個指標(biāo)的權(quán)重, 最后進行綜合評價。層次分析法可以將人們的決策經(jīng)驗運用到?jīng)Q策中, 通過利用一定的標(biāo)準(zhǔn)對定量指標(biāo)與定性指標(biāo)、可見指標(biāo)與不可見指標(biāo)等進行共同的測量。該方法能夠?qū)Q策問題過程當(dāng)中的定性指標(biāo)與定量指標(biāo)實行有效地結(jié)合。

模糊層次分析法是對傳統(tǒng)層次分析法的擴展, 該方法是結(jié)合了層次分析法及模糊數(shù)學(xué)的一種綜合評價技術(shù), 允許在層次分析法中適當(dāng)?shù)乇硎局饔^偏好比較, 由此產(chǎn)生的模糊層次分析法適用于處理涉及主觀性決策的不確定性問題, 在戰(zhàn)略決策[20]、風(fēng)險評估[21-22]、資源預(yù)測[23-25]、生態(tài)評價[26]等方面得到了廣泛的應(yīng)用。

本文將層次分析法應(yīng)用于淺剖數(shù)據(jù)質(zhì)量評價模型的構(gòu)建, 結(jié)合德爾菲法及模糊評價法, 建立了兩層的數(shù)據(jù)評價指標(biāo), 確定了不同層次評價指標(biāo)的權(quán)重, 為淺剖數(shù)據(jù)質(zhì)量評價提供了一種可行客觀的評價模型。

1 方法與流程

模糊層次分析法考慮了定性和定量決策標(biāo)準(zhǔn), 適用于需要結(jié)合專家意見的數(shù)據(jù)質(zhì)量評價工作, 本文采用的模糊層次分析法主要分為以下幾個步驟, 具體見圖1。

圖1 模糊層次分析法流程圖

1)構(gòu)建層次結(jié)構(gòu)

根據(jù)研究目標(biāo), 建立層次結(jié)構(gòu), 包括目標(biāo)層、準(zhǔn)則層和方案層。

2)準(zhǔn)備評價指標(biāo)層

根據(jù)目標(biāo)層, 確定準(zhǔn)則層及方案層的具體內(nèi)容。本文中的目標(biāo)層即淺剖數(shù)據(jù)質(zhì)量評價, 準(zhǔn)則層為評價淺剖數(shù)據(jù)質(zhì)量的一級指標(biāo), 方案層為評價淺剖數(shù)據(jù)質(zhì)量的二級指標(biāo)。

3)創(chuàng)建判斷矩陣

構(gòu)建準(zhǔn)則層、目標(biāo)層的兩兩判斷矩陣。根據(jù)9度法[23]進行填寫, 具體見表1。

表1 判斷矩陣9度標(biāo)度

4)一致性檢驗

成對的兩兩判斷矩陣具有一定的人為因素, 并具有相應(yīng)的主觀性, 構(gòu)建的矩陣大多數(shù)情況下不具有完全的一致性[19-20, 24], 需要對判斷矩陣的一致性檢驗, 來判斷矩陣的可信程度, 具體可根據(jù)一致性比率(CR)進行檢驗, 具體計算公式:

為隨機一致性指標(biāo),為平均隨機一致性指標(biāo),max為矩陣最大特征值,為矩陣階數(shù), 其中與矩陣階數(shù)相關(guān), 具體值選取可參考表, 本文僅選取了7階以內(nèi)的值展示。

表2 平均隨機一致性指標(biāo)(RI)取值表

若<0.1, 則說明兩兩一致性通過檢驗, 如果≥0.1, 則說明沒通過一致性檢驗, 需要重新調(diào)整矩陣。

5)計算指標(biāo)權(quán)重

對各層的指標(biāo)權(quán)重進行歸一化計算。

6)綜合模糊評價

通過歸一化權(quán)指標(biāo)權(quán)重與模糊評價矩陣的乘積計算得到模糊評價向量, 綜合所有因素, 計算評價結(jié)果。

2 評價模型構(gòu)建

2.1 指標(biāo)選取

指標(biāo)選取是進行數(shù)據(jù)質(zhì)量評價的第一步, 按層次篩選能夠全面反映海洋淺剖數(shù)據(jù)質(zhì)量的指標(biāo)。本文按照層次分析法的原理, 首先確定評價海洋淺剖數(shù)據(jù)質(zhì)量(目標(biāo)層)的一級指標(biāo)(準(zhǔn)則層), 然后確定可對一級指標(biāo)評價的二級指標(biāo)(方案層)。淺剖數(shù)據(jù)質(zhì)量的直觀表現(xiàn)是剖面圖像, 首先確定剖面圖像質(zhì)量為一級指標(biāo), 高質(zhì)量的淺地層剖面數(shù)據(jù)與采集環(huán)境及后處理過程也是息息相關(guān), 因此本文將數(shù)據(jù)測量信息及處理加工信息確定為另外兩個一級指標(biāo), 本文選取的3個一級指標(biāo)覆蓋了對外業(yè)采集階段、數(shù)據(jù)處理階段及最后成果的評價。根據(jù)每個一級指標(biāo)的特征, 選取了相應(yīng)的二級指標(biāo)。

1)數(shù)據(jù)測量信息, 描述數(shù)據(jù)相關(guān)的外業(yè)測量信息, 從測量信息來對數(shù)據(jù)質(zhì)量進行評價, 主要包括測線布設(shè)、時間信息、定位信息、采樣間隔、航速、測量儀器、環(huán)境條件等6項二級指標(biāo)。其中, 測線布設(shè)評價要素包括測線布設(shè)走向、測線長度、測線間距、有無交叉點; 時間信息評價要素包括時間信息有無、是否存在錯誤記錄; 定位信息評價要素包括定位信息有無、是否存在錯誤記錄; 采樣間隔評價要素包括數(shù)據(jù)項有無、間隔大小; 航速評價要素包括航速穩(wěn)定性、航速大小; 測量儀器評價要素包括儀器與水深及底質(zhì)等海底條件的適應(yīng)性以及儀器參數(shù)設(shè)置的合理性; 環(huán)境條件評價要素包括調(diào)查區(qū)水深及實時海況條件等。

2)處理加工信息, 描述數(shù)據(jù)后處理信息, 從處理信息來對數(shù)據(jù)質(zhì)量進行評價, 包括處理后的格式、處理程度、處理說明信息等3個二級指標(biāo)。其中, 處理后的格式評價要素包括是否為SEGY格式; 處理程度評價要素包括是否對淺剖數(shù)據(jù)進行了多次波壓制、濾波、增益等關(guān)鍵步驟的處理; 處理說明信息評價要素包括是否提供了數(shù)據(jù)的處理說明。

3)剖面圖像質(zhì)量, 描述剖面圖像的可視化質(zhì)量, 該項是淺剖數(shù)據(jù)質(zhì)量最直觀的評價標(biāo)準(zhǔn), 包括穿透深度、垂直分辨率、水平分辨率、信噪比等4項二級指標(biāo)。其中, 穿透深度評價要素包括剖面的最大穿透深度; 垂直分辨率、水平分辨率評價指標(biāo)包括剖面垂直向和水平向最大的分辨率, 信噪比評價指標(biāo)包括剖面有效信息與噪聲信息的比值。評價模型見圖2。

圖2 淺剖數(shù)據(jù)質(zhì)量評價模型

2.2 一級指標(biāo)矩陣構(gòu)建

本文針對目標(biāo)層, 構(gòu)建了一級指標(biāo)兩兩判斷矩陣共4個, 本文結(jié)合德爾菲法, 選取3位專家進行了兩兩判斷矩陣的構(gòu)建, 構(gòu)建方式采用9度法, 具體見表3。

經(jīng)計算, 一級指標(biāo)三者均通過了一致性檢驗, 3位專家的一致性結(jié)果分別為0, 0.005 3, 0。本文綜合了3位專家的判斷矩陣結(jié)果, 賦予3位專家同等權(quán)重,應(yīng)用算術(shù)平均法, 計算得到一級指標(biāo)判斷矩陣, 經(jīng)對判斷矩陣按列歸一化處理后得到每個指標(biāo)的權(quán)重值, 具體見表4。

表3 一級指標(biāo)的判斷矩陣

表4 一級指標(biāo)判斷矩陣結(jié)果

該3階矩陣一致性檢驗結(jié)果為0.023 1,<0.1, 符合一致性要求, 對該矩陣進行按列歸一化處理后得到以下矩陣:

計算得知={0.374 0, 0.430 2, 0.195 8},=1, 2, 3, 測量信息、剖面圖像與處理信息在數(shù)據(jù)質(zhì)量評價中的權(quán)重分別為0.374 0, 0.430 2, 0.195 8, 從這個結(jié)果來看, 剖面圖像質(zhì)量是評價海洋淺剖數(shù)據(jù)質(zhì)量最重要的指標(biāo), 這一步將定性專家經(jīng)驗定量化, 是知識驅(qū)動的一個重要應(yīng)用[23-24]。

2.3 二級指標(biāo)判斷矩陣構(gòu)建

與一級指標(biāo)判斷矩陣構(gòu)建方式相同, 對每個一級指標(biāo)下的二級指標(biāo)進行判斷矩陣構(gòu)建及計算, 同樣根據(jù)9度標(biāo)法, 采用德爾菲法選取3位專家進行兩兩判斷矩陣的構(gòu)建, 一致性結(jié)果見表5, 均小于0.1, 對專家矩陣結(jié)果進行同等權(quán)重賦值后, 計算得到各二級指標(biāo)的模糊評價矩陣。

表5 二級指標(biāo)判斷矩陣的一致性結(jié)果

1)測量信息判斷矩陣結(jié)果

經(jīng)測量信息為7階矩陣(表6), 其中矩陣最大特征值為7.282 7, 經(jīng)計算CR值為0.034 6, 符合一致性檢驗。各指標(biāo)權(quán)重經(jīng)歸一化處理后見表6, 其中定位信息權(quán)重最高為0.221 2, 其次分別為環(huán)境條件、測線布設(shè)、航速與測量儀器, 時間信息權(quán)重最低。

表6 測量信息二級指標(biāo)判斷矩陣及權(quán)重

2)剖面質(zhì)量判斷矩陣結(jié)果

剖面質(zhì)量為4階矩陣(表7), 矩陣最大特征值為4.109 8, CR值為0.041 1, 符合一致性檢驗。各指標(biāo)權(quán)重經(jīng)歸一化處理后見表7, 其中垂直分辨率權(quán)重最高為0.335 8, 其次分別為穿透深度、信噪比及水平分辨率。這個結(jié)果與淺剖調(diào)查特征是較為吻合的, 淺剖儀特征之一就是垂直分辨率高。

3)處理信息判斷矩陣結(jié)果

處理信息為3階矩陣(表8), 矩陣最大特征值為3.010 2, CR值為0.009 9, 符合一致性檢驗。各指標(biāo)權(quán)重經(jīng)歸一化處理后見表8, 其中處理后格式權(quán)重最高為0.540 7, 其次分別為處理程度、處理信息說明。這個結(jié)果與淺剖數(shù)據(jù)格式多樣化特征是相關(guān)的, 目前不同淺剖儀自記式格式較多, 目前通用的格式包括SEGY、XTF等, 如果獲取的數(shù)據(jù)集記錄格式不通用, 會大大影響數(shù)據(jù)的應(yīng)用范圍, 有可能數(shù)據(jù)獲得者根本無法讀取數(shù)據(jù), 所以數(shù)據(jù)格式對于數(shù)據(jù)的質(zhì)量也是一個明顯的影響指標(biāo)。

表7 剖面質(zhì)量二級指標(biāo)判斷矩陣及權(quán)重

表8 處理信息二級指標(biāo)判斷矩陣及權(quán)重

2.4 評價指標(biāo)權(quán)重

通過2.3的計算, 獲取了二級指標(biāo)針對一級指標(biāo)的權(quán)重, 為實現(xiàn)通過二級指標(biāo)對數(shù)據(jù)質(zhì)量評價, 需要進一步計算二級指標(biāo)對于目標(biāo)層的權(quán)重, 計算公式見公式(4):

合成=二級×一級. (4)

計算結(jié)果見表9與圖3。

2.5 評價指標(biāo)分級

根據(jù)層次分析法結(jié)合德爾菲專家打分法計算獲取了海洋淺剖數(shù)據(jù)各評價指標(biāo)的權(quán)重, 即完成了評價因素集的構(gòu)建, 見公式(5):

進一步構(gòu)建評價集, 見公式(6):

本文對淺剖質(zhì)量評價定為4級,取值為4, 按照數(shù)據(jù)質(zhì)量高低分別為Ⅰ級, Ⅱ級, Ⅲ級, Ⅳ級, 可定性對應(yīng)為優(yōu)秀、良好、中等、差等4個級別。

表9 淺剖質(zhì)量評價模型指標(biāo)權(quán)重表

圖3 淺剖質(zhì)量評價二級指標(biāo)合成權(quán)重對比圖

從到的模糊映射為, 即綜合評判矩陣, 見公式(7):

其中,r表示u對v的隸屬度大小, 經(jīng)上一步計算中每個因素權(quán)重可以表示為, 對應(yīng)的模糊綜合評價模型可以表示為:

其中*表示模糊算法, 本文選取加權(quán)平均的算法。

3 實例應(yīng)用

3.1 數(shù)據(jù)介紹

本文選取的評價淺剖數(shù)據(jù)共2套, 分別來源于國際網(wǎng)站共享及國內(nèi)調(diào)查, 其中第1套評價數(shù)據(jù)為美國NCEI(National Center of Environment Information, 國家環(huán)境信息中心)于2017年3月發(fā)布的淺剖數(shù)據(jù), 測區(qū)名稱為FS1601, 數(shù)據(jù)分布在馬里亞納海溝北部海域(圖4), 該區(qū)域海底地形特征復(fù)雜, 呈現(xiàn)出海嶺海溝相間的地貌特征, 水深范圍550～7 590 m, 該海域底質(zhì)以深海沉積為主, 包括深海黏土及軟泥, 數(shù)據(jù)集包括坐標(biāo)數(shù)據(jù)和SEGY數(shù)據(jù)。第2套評價數(shù)據(jù)為國內(nèi)近海專項調(diào)查數(shù)據(jù), 數(shù)據(jù)分布在廣東沿海, 海底地形總體上由岸向海傾斜, 比較平緩, 水深0～20 m, 底質(zhì)類型以近岸粉砂質(zhì)沉積為主, 數(shù)據(jù)集包括SEGY數(shù)據(jù)及相關(guān)調(diào)查處理報告。

圖4 深海淺剖數(shù)據(jù)測線分布圖

針對淺剖數(shù)據(jù)評級的指標(biāo)可直接提取法、間接統(tǒng)計法、可視化成圖法等三種方法進行獲取。首先對SEGY數(shù)據(jù)進行道頭信息解析, 自動提取存儲在道頭中的相關(guān)信息, 包括指標(biāo)中的時間信息、定位信息、測量儀器、采樣間隔、數(shù)據(jù)格式等, 其次根據(jù)前后相鄰點的定位信息與時間擬合航速, 通過對定位數(shù)據(jù)可視化成圖統(tǒng)計獲取測線布設(shè)信息。穿透深度、垂直分辨率、空間分辨率、信噪比、處理程度等通過軟件打開剖面圖像并結(jié)合測量儀器的測量精度進行評估。

圖5 淺海淺剖數(shù)據(jù)測線分布圖

3.2 數(shù)據(jù)指標(biāo)提取

經(jīng)指標(biāo)提取與計算, 獲取以下信息: 國際淺剖數(shù)據(jù)采集時間為2016年, 采樣間隔138～368 ms; 定位信息齊全, 定位精度0.1 m; 測量儀器為Edgetech 3300, 采用全頻譜技術(shù), 最大作業(yè)海深可達7 000 m, 最大穿透深度80 m(黏土), 10 m(粗砂), 分辨率6～10 cm; 調(diào)查區(qū)平均水深3 578 m, 位于深海區(qū); 調(diào)查時海況信息未知; 經(jīng)計算該數(shù)據(jù)航速5.8～6.7 kn, 平均航速6.3 kn; 未提供處理說明。國內(nèi)淺剖數(shù)據(jù)采集時間為2009年, 采樣間隔為80 ms; 定位信息齊全, 定位精度1 m; 測量儀器為Geopulse Boomer, 最大穿透深度80 m, 地層分辨率0.3 m; 調(diào)查區(qū)平均水深小于20 m, 位于淺海區(qū); 調(diào)查時海況良好; 調(diào)查航速5～6 kn; 具備詳細(xì)的數(shù)據(jù)處理說明文件。

將經(jīng)過提取的各指標(biāo)信息及數(shù)據(jù)提供給專家進行質(zhì)量評價定級, 其中關(guān)于剖面質(zhì)量的評價需結(jié)合專家的主觀經(jīng)驗, 專家依據(jù)本文設(shè)置的4個等級進行每個二類指標(biāo)定級打分。

3.3 評價結(jié)果

為保證對數(shù)據(jù)集質(zhì)量評價的客觀性, 本文選取了3位專家分別對兩套淺剖數(shù)據(jù)進行評價打分, 并對3位專家的評價結(jié)果賦予同等權(quán)重。對評價結(jié)果應(yīng)用2.5節(jié)給出的計算公式, 進行綜合計算, 最后根據(jù)最大隸屬度原則, 判定數(shù)據(jù)質(zhì)量, 數(shù)據(jù)評價結(jié)果見表10、表11。

經(jīng)模糊綜合評價, 國際深海淺剖數(shù)據(jù)集的={0.218 1, 0.358 7, 0.371 2, 0.052 0}, 最大隸屬度為III級, 通過模糊評價綜合評定該數(shù)據(jù)質(zhì)量為中等。國內(nèi)近海淺剖數(shù)據(jù)集={0.292 4, 0.573 0, 0.134 6, 0}, 最大隸屬度為II級, 通過模糊評價綜合評定該數(shù)據(jù)質(zhì)量為良好。

表10 深海淺剖數(shù)據(jù)綜合評價結(jié)果

表11 淺海淺剖數(shù)據(jù)綜合評價結(jié)果

3.4 結(jié)果分析

3.4.1 國際深海淺剖數(shù)據(jù)評價結(jié)果

通過本文構(gòu)建的模糊層次分析法評價模型, 國際深海淺剖數(shù)據(jù)集綜合評價為中等, 根據(jù)表10的每項指標(biāo)的綜合評價結(jié)果可以看出, 最大隸屬度為優(yōu)秀、良好的指標(biāo)主要集中在外業(yè)測量信息, 這說明該數(shù)據(jù)采集時選用的儀器合理, 外業(yè)采集過程操作標(biāo)準(zhǔn), 尤其是航速, 全程控制在6 kn左右, 保障了高質(zhì)量數(shù)據(jù)剖面的采集, 但處理程度及最終的剖面成果質(zhì)量相關(guān)指標(biāo)主要集中在中等與良好之間, 這說明網(wǎng)站共享的這套數(shù)據(jù)集一方面未開展較好的內(nèi)業(yè)處理, 導(dǎo)致展示的剖面質(zhì)量不高, 圖6顯示存在剖面一定的繞射波, 進一步說明了內(nèi)業(yè)處理程度不夠。另外說明深海海域數(shù)據(jù)由于水深的影響, 即使外業(yè)調(diào)查工作做得很好, 質(zhì)量較高的數(shù)據(jù)獲取難度仍較大。

圖6 深海淺剖數(shù)據(jù)剖面圖(Line 422)

3.4.2 國內(nèi)淺海淺剖數(shù)據(jù)評價結(jié)果

國內(nèi)淺海淺剖數(shù)據(jù)集綜合評價為良好, 根據(jù)表11的每項指標(biāo)的綜合評價結(jié)果可以看出, 該數(shù)據(jù)集大部分指標(biāo)的評價結(jié)果等級為良好或優(yōu)秀, 說明該區(qū)域的環(huán)境條件、外業(yè)采用的儀器、航速控制等保障了數(shù)據(jù)采集的質(zhì)量, 另外從剖面的評價結(jié)果來看, 數(shù)據(jù)的內(nèi)業(yè)處理程度也比較高, 從圖7中可以看出, 該數(shù)據(jù)的最大穿透深度超過100 m, 地層反射界面清晰, 圖中展示的垂向分辨率、信噪比等均與評價結(jié)果有較高的一致性, 這也反映了本文構(gòu)建的質(zhì)量評價模型具有良好的客觀性。

圖7 淺海淺剖數(shù)據(jù)剖面圖(Line 015)

模糊層次分析法構(gòu)建的分層評價指標(biāo)既能給出客觀的定量評價結(jié)果, 又可根據(jù)評價結(jié)果倒推影響數(shù)據(jù)質(zhì)量的主要因素, 對于后續(xù)數(shù)據(jù)的應(yīng)用提供了很好的信息支撐。通過對本文獲取的不同來源數(shù)據(jù)集的質(zhì)量評價結(jié)果, 建議后續(xù)對國際深海數(shù)據(jù)進一步處理, 會更好地提升剖面質(zhì)量及總體數(shù)據(jù)質(zhì)量, 有利于數(shù)據(jù)的應(yīng)用。

4 結(jié)束語

海洋淺剖數(shù)據(jù)由于具有的采集儀器安裝方便、工作效率高、垂直分辨率高等優(yōu)勢, 目前的海洋科考船普遍安裝了淺剖儀, 獲取了大量的淺剖數(shù)據(jù), 但由于數(shù)據(jù)調(diào)查、處理時采用的標(biāo)準(zhǔn)、設(shè)置的參數(shù)不同, 導(dǎo)致形成的數(shù)據(jù)集質(zhì)量參差不齊, 亟需對不同數(shù)據(jù)集進行質(zhì)量評價, 以便于數(shù)據(jù)的后期應(yīng)用。本文綜合了淺剖數(shù)據(jù)測量、處理及成果剖面圖等多方面信息, 構(gòu)建的基于模糊層次分析法數(shù)據(jù)質(zhì)量評價模型, 將以往主要依靠人工經(jīng)驗開展的淺剖數(shù)據(jù)質(zhì)量評價工作分解到每個具體的指標(biāo)項, 具有更好的可操作性, 同時也降低了評價結(jié)果的主觀性與片面性, 在淺剖數(shù)據(jù)質(zhì)量定量評價中得到了較好的應(yīng)用。針對該模型得到以下幾點結(jié)論:

(1)從本文質(zhì)量評價模型的各評價指標(biāo)權(quán)重來看, 雖然剖面質(zhì)量是最重要的評價指標(biāo), 但外業(yè)測量、環(huán)境條件、內(nèi)業(yè)處理都會影響淺剖數(shù)據(jù)的質(zhì)量, 數(shù)據(jù)質(zhì)量評價需考慮多方面因素。

(2)模糊層次分析評價模型將專家主觀經(jīng)驗以知識驅(qū)動的形式轉(zhuǎn)成定量化評價指標(biāo), 分層多角度的數(shù)據(jù)質(zhì)量評價可有效降低因個人主觀因素影響和片面性導(dǎo)致的結(jié)論誤差, 同時有助于全面分析數(shù)據(jù)質(zhì)量影響因素。

(3)本文給出的質(zhì)量評價模型在不同水深條件下淺剖數(shù)據(jù)的質(zhì)量評價中得到了較好的應(yīng)用, 可以較客觀地給出數(shù)據(jù)質(zhì)量等級, 為后期數(shù)據(jù)應(yīng)用作參考。

(4)在評價指標(biāo)分級中進一步細(xì)化等級并給予賦分, 可以提升模型評價的定量化程度, 在使用該方法進行數(shù)據(jù)質(zhì)量評價時, 可根據(jù)需要進行模型等級的定量優(yōu)化。

[1] 劉保華, 丁繼勝, 裴彥良, 等. 海洋地球物理探測技術(shù)及其在近海工程中的應(yīng)用[J]. 海洋科學(xué)進展, 2005, 23(3): 374-384. LIU Baohua, DING Jisheng, PEI Yanliang, et al. Marine Geophysical Survey Techniques and Their Applications to offshore Engineering[J]. Advances in Marine Science, 2005, 23(3): 374-384.

[2] 楊國明, 朱俊江, 趙冬冬, 等. 淺地層剖面探測技術(shù)及應(yīng)用[J]. 海洋科學(xué), 2021, 45(6): 147-162.YANG Guoming, ZHU Junjiang, ZHAO Dongdong, et al. Development and application of sub-bottom profiler technologies[J].Marine Sciences, 2021, 45(6): 147-162.

[3] 劉玉萍, 丁龍翔, 楊志成, 等. 利用淺剖資料進行海底底質(zhì)分析[J]. 物探與化探, 2016, 40(1): 66-72.LIU Yuping, DING Longxiang, YANG Zhicheng, et al. Seabed sediment analysis using sub-bottom profile data[J]. Geophysical and Geochemical Exploration, 2016, 40(1): 66-72.

[4] 方中華, 李攀峰, 楊源, 等. 菲律賓海深水環(huán)境下淺地層沉積特征分析[J]. 海洋學(xué)報, 2022, 44(3): 53-60.FANG Zhonghua, LI Panfeng, YANG Yuan, et al. Analysis on sedimentary characteristics of shallow strata in deep water environment of Philippine Sea[J]. Haiyang Xuebao, 2022, 44(3): 53-60.

[5] 倪玉根, 夏真, 馬勝中. 淺地層剖面揭示瓊州海峽的形成時代[J]. 海洋地質(zhì)與第四紀(jì)地質(zhì), 2014, 34(4): 79-82.NI Yugen, XIA Zhen, MA Shengzhong. The Opening of Qiongzhou Strait: Evidence from Sub-bottom Profiles[J]. Marine Geology & Quaternary Geology, 2014, 34(4): 79-82.

[6] 沈浩杰. 東海大陸架南緣海域地層聲學(xué)剖面及地質(zhì)解釋[J]. 沉積學(xué)報, 1999(1): 78-83.SHEN Haojie. Sub-bottom profiling and its geological interpretation on the southern margin of continental shelf of the East China Sea[J]. Acta Sedimentologica Sinica, 1999, 17(1): 78-83.

[7] 馮京. 基于高分辨率聲學(xué)探測的渤海海峽地貌及災(zāi)害地質(zhì)研究[D]. 中國海洋大學(xué), 2014.FENG Jing. Study on Geomorphological and Geohazards in Bohai Strait Based on High Resolution Acoustic Detection[D].Ocean University of China, 2014.

[8] FRANCKY S A, KUUS P, BLASCO S, et al. Multiple failure styles related to shallow gas and fluid venting, upper slope Canadian Beaufort Sea, northern Canada[J]. Marine Geology, 2014, 355: 136-149.

[9] 單晨晨, 鄧希光, 溫明明, 等. 參量陣淺地層剖面儀在海底羽狀流探測中的應(yīng)用——以ATLAS P70在馬克蘭海域調(diào)查為例[J]. 地球物理學(xué)進展, 2020, 35(3): 1183-1190.SHAN Chenchen, DENG Xiguang, WEN Mingming, et al. Application of parametric sub-bottom profile in gas plumes detection: ATLAS P70 in Makran area as an example[J]. Progress of Geophysics, 2020, 35(3): 1183-1190.

[10] 劉伯然, 宋海斌, 關(guān)永賢, 等. 南海東北部陸坡冷泉系統(tǒng)的淺地層剖面特征與分析[J]. 地球物理學(xué)報, 2015, 58(1): 247-256. LIU Boran, SONG Haibin, GUAN Yongxian, et al. Characteristics and formation mechanism of cold seep system in the northeastern continental slope of South China Sea from sub-bottom profiler data[J]. Chinese Journal of Geophysics, 2015, 58(1): 247-256.

[11] 李海東, 胡毅, 許江, 等. 淺地層剖面系統(tǒng)在福建沿海海底沉船調(diào)查中的應(yīng)用[J]. 海洋技術(shù)學(xué)報, 2019, 38(1): 79-84.LI Haidong, HU Yi, XU Jiang, et al. Application of sub-bottom profilers in the investigation of seabed shipwreck in Fujian coastal waters[J]. Journal of Ocean Technology, 2019, 38(1): 79-84.

[12] 胡夢濤, 蔣廷臣, 李佳琦, 等. 淺剖數(shù)據(jù)解譯中淤泥層層界提取方法[J]. 測繪通報, 2017, 6: 72-76. HU Mengtao, JIANG Tingchen, LI Jiaqi, et al. The extraction method of silt boundary layer in sub-bottom profiler data interpretation[J]. Bulletin of Surveying and Mapping, 2017, 6: 72-76.

[13] HENKART P. Chirp sub-bottom profile processing-A review[J]. Sea Technology, 2006, 47(10): 35-38.

[14] 李平, 杜軍. 淺地層剖面探測綜述[J]. 海洋通報, 2011, 30(3): 344-350.LI Ping, DU Jun. Review on the probing of sub-bottom profiler[J]. Marine Science Bulletin, 2011, 30(3): 344-350.

[15] 馮強強, 溫明明, 吳衡, 等. 海洋淺地層剖面資料的數(shù)據(jù)處理方法[J]. 海洋地質(zhì)前沿, 2013, 29(11): 49-53, 66.FENG Qiangqiang, WEN Mingming, WU Heng, et al. Data processing methods for marine sub-bottom profiles[J]. Marine Geology Frontiers, 2013, 29(11): 49-53, 66.

[16] 陶華, 李彥杰. 中淺地層剖面質(zhì)量改進方法及應(yīng)用[J]. 海洋技術(shù)學(xué)報, 2017, 36(5): 135-140.LAO Hua, LI Yanjie. Study on the Method and Application of Quality Improvement in Shallow Stratum Profile[J]. Journal of Ocean Technology, 2017, 36(5): 135-140.

[17] ZHOU K F, ZHANG N N. Mineral prospectivity mapping for Porphyry-type and hydrothermal vein-type copper deposits using fuzzy analytical hierarchy process and geographic information system[J]. Journal of Intelligent & Fuzzy Systems, 2016, 31(6): 3143-3153.

[18] SAATY T. The Analytic Hierarchy Process[M]. New York: McGraw-Hill, 1980: 287.

[19] SAATY T. How to make a decision: the analytic hierarchy process[J]. Interfaces, 1994, 24(6): 19-43.

[20] CALABRESE A, COSTA R, LEVIALDI N, et al. Integrating sustainability into strategic decision-making: A fuzzy AHP method for the selection of relevant sustainability issues[J]. Technological Forecasting & Social Change, 2019: 155-168.

[21] 張飛飛. 基于模糊網(wǎng)絡(luò)層次分析法的海上風(fēng)電項目風(fēng)險評估研究[J]. 電力與能源, 2019, 40(4): 459-463.ZHANG Feifei. Research on risk assessment of offshore wind power projects based on fuzzy network analytic hierarchy process[J]. Power & Energy, 2019, 40(4): 459-463.

[22] 徐興路. 基于模糊層次分析法的水運工程質(zhì)量風(fēng)險分析與評估[J]. 中國水運, 2021(12): 36-38.XU Xinglu. Risk analysis and evaluation of water transport engineering quality based on fuzzy AHP[J]. China Water Transport, 2021(12): 36-38.

[23] PAZAND K, HEZARKHANI A, GHANBARI Y. Fuzzy analytical hierarchy process and GIS for predictive Cu porphyry potential mapping: a case study in Ahar–Arasbaran Zone (NW, Iran)[J]. Arabian Journal of Geosciences, 2014, 7(1): 241-251.

[24] 馬瑤, 趙江南, 廖時理. 模糊層次分析法在西南印度洋中脊46°E—52°E多金屬硫化物遠(yuǎn)景區(qū)預(yù)測中的應(yīng)用[J]. 地質(zhì)科技通報, 2020, 39(6): 75-82.MA Yao, ZHAO Jiangnan, LIAO Shili. Application of fuzzy analytic hierarchy process to mineral prospectivity mapping of polymetallic sulfide deposits in the Southwest Indian ridge between 46° to 52°E[J]. Bulletin of Geological Science and Technology, 2020, 39(6): 75-82.

[25] SUVAM D, SHANTANU S, PRASANNA K D. GIS-based landslide susceptibility zonation mapping using the analytic hierarchy process (AHP) method in parts of Kalimpong Region of Darjeeling Himalaya[J]. Environmental Monitoring and Assessment, 2022, 194(3): 234.

[26] ZHANG F, PENG G, XU P, et al. Ecological risk assessment of marine microplastics using the analytic hierarchy process: A case study in the Yangtze River Estuary and adjacent marine areas[J]. Journal of Hazardous Materials, 2022, 425: 127960.

Application of fuzzy analytic hierarchy process in the quality evaluation of sub-bottom profile data

KONG Min, WANG Feng-fan, GENG Shan-shan, YU Jia, SHU Yu-ting

(National Marine Data and Information Service, Tianjin 300171, China)

To address the problems of different quality evaluation indicators and insufficient quantification of sub-bottom profile data, based on the principle of analytic hierarchy process (AHP) and combined with the Delphi and fuzzy evaluation methods, this paper established the fuzzy AHP technology process for sub-bottom profile quality evaluation. The quality evaluation model determined 3 first-level indicators and 14 second-level indicators, gave the quantitative weight of each indicator in the quality evaluation, and set out 4 evaluation levels. In this paper, the evaluation model is used to evaluate two sets of sub-bottom profile data in deep sea and shallow sea contexts. According to the evaluation results and the maximum membership principle, the overall quality of the shallow sea profile data is adjudged as medium, while the overall quality of the deep-sea profile data is adjudged as good. The results showed that the model could convert the subjective experience of experts into quantitative evaluation indicators effectively in a knowledge-driven form. Furthermore, the evaluation results obtained were objective and quantifiable, reducing human subjective factors and one-sidedness in the process of data quality evaluation, and could be used for data quality evaluation, which could provide more accurate application-level recommendations for further application.

sub-bottom profile data; fuzzy AHP; quality evaluation; evaluation indicator

Jul. 28, 2022

[National Key R&D Program of China, No. 2022YFC2803600; NMDIS Youth Fund Project, No. 202101002]

P717; P229

A

1000-3096(2023)10-0065-11

10.11759/hykx20220728003

2022-07-28;

2023-02-20

國家重點研發(fā)計劃(2022YFC2803600); 國家海洋信息中心青年基金項目(202101002)

孔敏(1985—), 女, 山東曲阜人, 高級工程師, 主要從事海洋地球物理資料處理評價及分析應(yīng)用, E-mail: km_nmdis@163.com, 余佳(1987—),通信作者, 男, 湖北荊州人, 高級工程師, 主要從事海洋地質(zhì)資料處理評價及分析應(yīng)用, E-mail: yujia0548@163.com

(本文編輯: 康亦兼)