模糊層次分析法在淺剖數據質量評價中的應用

孔 敏, 王風帆, 耿姍姍, 余 佳, 舒雨婷

模糊層次分析法在淺剖數據質量評價中的應用

孔 敏, 王風帆, 耿姍姍, 余 佳, 舒雨婷

(國家海洋信息中心, 天津 300171)

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

淺剖數據; 模糊層次分析法; 質量評價; 評價指標

海底淺地層剖面(sub-bottom profile)測量是一種基于聲學原理的連續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構、構造及海底地形地貌信息[1-2], 在海洋地質研究[3-6]、海底地貌識別[7]、海底地質災害[7-8]、海底資源勘探[9-10]及海洋工程勘查[11-12]中發揮了重要作用。針對淺剖數據的采集、處理、應用等方面, 國內外學者[13-16]已開展了多角度的研究, 但對于數據質量評價的研究較少, 尤其缺少系統的評價指標及定量化評價方法。淺剖數據的質量評價目前主要依賴人為主觀經驗評價, 這導致評價結果以定性評價為主、主觀性強, 另外對于數據用戶的知識經驗要求也比較高, 不利于數據統一的質量分級及針對性地推廣應用。構建統一的評價指標體系可以規范數據質量評價流程, 客觀定量的評價結果可以為數據的分級管理、合理利用提供參考依據,使得數據用戶快速、全面地了解數據的質量情況, 提高數據的管理及應用效率。層次分析法(Analytic Hierarchy Process, AHP)是一種重要的多準則決策(Multi-criteria Decision Making, MCDM)技術[17], 是一種定性定量相結合的、系統的、層次化的分析方法。該方法最早由SATTY[18-19]提出, 主要通過構建基于復雜問題相互影響關系的模型來將問題轉化為簡單形式來解決, 適用于對難以完全定量的復雜事件進行綜合評價。該方法的原理是根據問題的性質和要達到的目標, 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構模型, 從而最終使問題歸結為最低層(方案層)相對于最高層(目標層)的相對重要權值的確定或相對優劣次序的排定。首先將待評估目標劃分成多層次指標體系, 并確定每一層次的指標, 然后通過定性結合定量的方式獲取各個指標的權重, 最后進行綜合評價。層次分析法可以將人們的決策經驗運用到決策中, 通過利用一定的標準對定量指標與定性指標、可見指標與不可見指標等進行共同的測量。該方法能夠將決策問題過程當中的定性指標與定量指標實行有效地結合。

模糊層次分析法是對傳統層次分析法的擴展, 該方法是結合了層次分析法及模糊數學的一種綜合評價技術, 允許在層次分析法中適當地表示主觀偏好比較, 由此產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, 在戰略決策[20]、風險評估[21-22]、資源預測[23-25]、生態評價[26]等方面得到了廣泛的應用。

本文將層次分析法應用于淺剖數據質量評價模型的構建, 結合德爾菲法及模糊評價法, 建立了兩層的數據評價指標, 確定了不同層次評價指標的權重, 為淺剖數據質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準, 適用于需要結合專家意見的數據質量評價工作, 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)構建層次結構

根據研究目標, 建立層次結構, 包括目標層、準則層和方案層。

2)準備評價指標層

根據目標層, 確定準則層及方案層的具體內容。本文中的目標層即淺剖數據質量評價, 準則層為評價淺剖數據質量的一級指標, 方案層為評價淺剖數據質量的二級指標。

3)創建判斷矩陣

構建準則層、目標層的兩兩判斷矩陣。根據9度法[23]進行填寫, 具體見表1。

表1 判斷矩陣9度標度

4)一致性檢驗

成對的兩兩判斷矩陣具有一定的人為因素, 并具有相應的主觀性, 構建的矩陣大多數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, 具體可根據一致性比率(CR)進行檢驗, 具體計算公式:

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

表2 平均隨機一致性指標(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, 需要重新調整矩陣。

5)計算指標權重

對各層的指標權重進行歸一化計算。

6)綜合模糊評價

通過歸一化權指標權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, 計算評價結果。

2 評價模型構建

2.1 指標選取

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

1)數據測量信息, 描述數據相關的外業測量信息, 從測量信息來對數據質量進行評價, 主要包括測線布設、時間信息、定位信息、采樣間隔、航速、測量儀器、環境條件等6項二級指標。其中, 測線布設評價要素包括測線布設走向、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據項有無、間隔大小; 航速評價要素包括航速穩定性、航速大小; 測量儀器評價要素包括儀器與水深及底質等海底條件的適應性以及儀器參數設置的合理性; 環境條件評價要素包括調查區水深及實時海況條件等。

2)處理加工信息, 描述數據后處理信息, 從處理信息來對數據質量進行評價, 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。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據進行了多次波壓制、濾波、增益等關鍵步驟的處理; 處理說明信息評價要素包括是否提供了數據的處理說明。

3)剖面圖像質量, 描述剖面圖像的可視化質量, 該項是淺剖數據質量最直觀的評價標準, 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。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包括剖面垂直向和水平向最大的分辨率, 信噪比評價指標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 淺剖數據質量評價模型

2.2 一級指標矩陣構建

本文針對目標層, 構建了一級指標兩兩判斷矩陣共4個, 本文結合德爾菲法, 選取3位專家進行了兩兩判斷矩陣的構建, 構建方式采用9度法, 具體見表3。

經計算, 一級指標三者均通過了一致性檢驗, 3位專家的一致性結果分別為0, 0.005 3, 0。本文綜合了3位專家的判斷矩陣結果, 賦予3位專家同等權重,應用算術平均法, 計算得到一級指標判斷矩陣, 經對判斷矩陣按列歸一化處理后得到每個指標的權重值, 具體見表4。

表3 一級指標的判斷矩陣

表4 一級指標判斷矩陣結果

該3階矩陣一致性檢驗結果為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據質量評價中的權重分別為0.374 0, 0.430 2, 0.195 8, 從這個結果來看, 剖面圖像質量是評價海洋淺剖數據質量最重要的指標, 這一步將定性專家經驗定量化, 是知識驅動的一個重要應用[23-24]。

2.3 二級指標判斷矩陣構建

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

表5 二級指標判斷矩陣的一致性結果

1)測量信息判斷矩陣結果

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

表6 測量信息二級指標判斷矩陣及權重

2)剖面質量判斷矩陣結果

剖面質量為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。各指標權重經歸一化處理后見表7, 其中垂直分辨率權重最高為0.335 8, 其次分別為穿透深度、信噪比及水平分辨率。這個結果與淺剖調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。各指標權重經歸一化處理后見表8, 其中處理后格式權重最高為0.540 7, 其次分別為處理程度、處理信息說明。這個結果與淺剖數據格式多樣化特征是相關的, 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, 如果獲取的數據集記錄格式不通用, 會大大影響數據的應用范圍, 有可能數據獲得者根本無法讀取數據, 所以數據格式對于數據的質量也是一個明顯的影響指標。

表7 剖面質量二級指標判斷矩陣及權重

表8 處理信息二級指標判斷矩陣及權重

2.4 評價指標權重

通過2.3的計算, 獲取了二級指標針對一級指標的權重, 為實現通過二級指標對數據質量評價, 需要進一步計算二級指標對于目標層的權重, 計算公式見公式(4):

合成=二級×一級. (4)

計算結果見表9與圖3。

2.5 評價指標分級

根據層次分析法結合德爾菲專家打分法計算獲取了海洋淺剖數據各評價指標的權重, 即完成了評價因素集的構建, 見公式(5):

進一步構建評價集, 見公式(6):

本文對淺剖質量評價定為4級,取值為4, 按照數據質量高低分別為Ⅰ級, Ⅱ級, Ⅲ級, Ⅳ級, 可定性對應為優秀、良好、中等、差等4個級別。

表9 淺剖質量評價模型指標權重表

圖3 淺剖質量評價二級指標合成權重對比圖

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, 經上一步計算中每個因素權重可以表示為, 對應的模糊綜合評價模型可以表示為:

其中*表示模糊算法, 本文選取加權平均的算法。

3 實例應用

3.1 數據介紹

本文選取的評價淺剖數據共2套, 分別來源于國際網站共享及國內調查, 其中第1套評價數據為美國NCEI(National Center of Environment Information, 國家環境信息中心)于2017年3月發布的淺剖數據, 測區名稱為FS1601, 數據分布在馬里亞納海溝北部海域(圖4), 該區域海底地形特征復雜, 呈現出海嶺海溝相間的地貌特征, 水深范圍550～7 590 m, 該海域底質以深海沉積為主, 包括深海黏土及軟泥, 數據集包括坐標數據和SEGY數據。第2套評價數據為國內近海專項調查數據, 數據分布在廣東沿海, 海底地形總體上由岸向海傾斜, 比較平緩, 水深0～20 m, 底質類型以近岸粉砂質沉積為主, 數據集包括SEGY數據及相關調查處理報告。

圖4 深海淺剖數據測線分布圖

針對淺剖數據評級的指標可直接提取法、間接統計法、可視化成圖法等三種方法進行獲取。首先對SEGY數據進行道頭信息解析, 自動提取存儲在道頭中的相關信息, 包括指標中的時間信息、定位信息、測量儀器、采樣間隔、數據格式等, 其次根據前后相鄰點的定位信息與時間擬合航速, 通過對定位數據可視化成圖統計獲取測線布設信息。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合測量儀器的測量精度進行評估。

圖5 淺海淺剖數據測線分布圖

3.2 數據指標提取

經指標提取與計算, 獲取以下信息: 國際淺剖數據采集時間為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, 最大作業海深可達7 000 m, 最大穿透深度80 m(黏土), 10 m(粗砂), 分辨率6～10 cm; 調查區平均水深3 578 m, 位于深海區; 調查時海況信息未知; 經計算該數據航速5.8～6.7 kn, 平均航速6.3 kn; 未提供處理說明。國內淺剖數據采集時間為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; 調查區平均水深小于20 m, 位于淺海區; 調查時海況良好; 調查航速5～6 kn; 具備詳細的數據處理說明文件。

將經過提取的各指標信息及數據提供給專家進行質量評價定級, 其中關于剖面質量的評價需結合專家的主觀經驗, 專家依據本文設置的4個等級進行每個二類指標定級打分。

3.3 評價結果

為保證對數據集質量評價的客觀性, 本文選取了3位專家分別對兩套淺剖數據進行評價打分, 并對3位專家的評價結果賦予同等權重。對評價結果應用2.5節給出的計算公式, 進行綜合計算, 最后根據最大隸屬度原則, 判定數據質量, 數據評價結果見表10、表11。

經模糊綜合評價, 國際深海淺剖數據集的={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據質量為中等。國內近海淺剖數據集={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據質量為良好。

表10 深海淺剖數據綜合評價結果

表11 淺海淺剖數據綜合評價結果

3.4 結果分析

3.4.1 國際深海淺剖數據評價結果

通過本文構建的模糊層次分析法評價模型, 國際深海淺剖數據集綜合評價為中等, 根據表10的每項指標的綜合評價結果可以看出, 最大隸屬度為優秀、良好的指標主要集中在外業測量信息, 這說明該數據采集時選用的儀器合理, 外業采集過程操作標準, 尤其是航速, 全程控制在6 kn左右, 保障了高質量數據剖面的采集, 但處理程度及最終的剖面成果質量相關指標主要集中在中等與良好之間, 這說明網站共享的這套數據集一方面未開展較好的內業處理, 導致展示的剖面質量不高, 圖6顯示存在剖面一定的繞射波, 進一步說明了內業處理程度不夠。另外說明深海海域數據由于水深的影響, 即使外業調查工作做得很好, 質量較高的數據獲取難度仍較大。

圖6 深海淺剖數據剖面圖(Line 422)

3.4.2 國內淺海淺剖數據評價結果

國內淺海淺剖數據集綜合評價為良好, 根據表11的每項指標的綜合評價結果可以看出, 該數據集大部分指標的評價結果等級為良好或優秀, 說明該區域的環境條件、外業采用的儀器、航速控制等保障了數據采集的質量, 另外從剖面的評價結果來看, 數據的內業處理程度也比較高, 從圖7中可以看出, 該數據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果有較高的一致性, 這也反映了本文構建的質量評價模型具有良好的客觀性。

圖7 淺海淺剖數據剖面圖(Line 015)

模糊層次分析法構建的分層評價指標既能給出客觀的定量評價結果, 又可根據評價結果倒推影響數據質量的主要因素, 對于后續數據的應用提供了很好的信息支撐。通過對本文獲取的不同來源數據集的質量評價結果, 建議后續對國際深海數據進一步處理, 會更好地提升剖面質量及總體數據質量, 有利于數據的應用。

4 結束語

海洋淺剖數據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據, 但由于數據調查、處理時采用的標準、設置的參數不同, 導致形成的數據集質量參差不齊, 亟需對不同數據集進行質量評價, 以便于數據的后期應用。本文綜合了淺剖數據測量、處理及成果剖面圖等多方面信息, 構建的基于模糊層次分析法數據質量評價模型, 將以往主要依靠人工經驗開展的淺剖數據質量評價工作分解到每個具體的指標項, 具有更好的可操作性, 同時也降低了評價結果的主觀性與片面性, 在淺剖數據質量定量評價中得到了較好的應用。針對該模型得到以下幾點結論:

(1)從本文質量評價模型的各評價指標權重來看, 雖然剖面質量是最重要的評價指標, 但外業測量、環境條件、內業處理都會影響淺剖數據的質量, 數據質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驗以知識驅動的形式轉成定量化評價指標, 分層多角度的數據質量評價可有效降低因個人主觀因素影響和片面性導致的結論誤差, 同時有助于全面分析數據質量影響因素。

(3)本文給出的質量評價模型在不同水深條件下淺剖數據的質量評價中得到了較好的應用, 可以較客觀地給出數據質量等級, 為后期數據應用作參考。

(4)在評價指標分級中進一步細化等級并給予賦分, 可以提升模型評價的定量化程度, 在使用該方法進行數據質量評價時, 可根據需要進行模型等級的定量優化。

[1] 劉保華, 丁繼勝, 裴彥良, 等. 海洋地球物理探測技術及其在近海工程中的應用[J]. 海洋科學進展, 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及應用[J]. 海洋科學, 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. 菲律賓海深水環境下淺地層沉積特征分析[J]. 海洋學報, 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]. 海洋地質與第四紀地質, 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剖面及地質解釋[J]. 沉積學報, 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. 基于高分辨率聲學探測的渤海海峽地貌及災害地質研究[D]. 中國海洋大學, 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用——以ATLAS P70在馬克蘭海域調查為例[J]. 地球物理學進展, 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, 關永賢, 等. 南海東北部陸坡冷泉系統的淺地層剖面特征與分析[J]. 地球物理學報, 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. 淺地層剖面系統在福建沿海海底沉船調查中的應用[J]. 海洋技術學報, 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. 淺剖數據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據處理方法[J]. 海洋地質前沿, 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. 中淺地層剖面質量改進方法及應用[J]. 海洋技術學報, 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. 基于模糊網絡層次分析法的海上風電項目風險評估研究[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量風險分析與評估[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多金屬硫化物遠景區預測中的應用[J]. 地質科技通報, 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, 主要從事海洋地質資料處理評價及分析應用, E-mail: yujia0548@163.com

(本文編輯: 康亦兼)