基于组合赋权云模型的水利信息系统可靠性评价

刘 英 杰，李 光 辉，马 锐 鑫

(1.华北水利水电大学 水利学院，河南 郑州 450046； 2.水资源高效利用与保障工程河南省协同创新中心，河南 郑州 450046； 3.河南省水环境模拟与治理重点实验室，河南 郑州 450046)

0 引 言

近年来，水利信息化快速发展，推动传统水利向现代水利转变[1]。水利信息系统作为水利信息化在水利行业的表现形式，利用互联网、大数据挖掘、人工智能等多种技术，建成了各种集信息管理、资源共享、技术支持等多功能的综合型水利数据中心，推动了水利现代化、智慧化进程，适应了现代水利信息化可持续发展的需求，实现了效益最大化[2]。目前，水利信息系统内容在水利行业的多个方面有所应用，涉及到水资源调度[3-4]、移民工作安置[5-6]、水质监测[7]、生态环境管理[8]等多个领域。随着业务范围的不断扩展，对信息系统运行质量、稳定性要求也越来越高，水利信息系统运行可靠性不仅关系到水利工作的正常进行，对水利现代化建设也有一定的推动作用。因此，对水利信息系统运行可靠性进行合理评估显得尤为必要。

国内外学者对水利信息系统的运行可靠性展开了大量研究。Solhee等[9]对农水信息系统的安全运行进行研究分析，并识别出系统中的薄弱环节，提出针对性建议。刘子龙等[10]对水文自动测报系统特性进行研究分析，从数据采集精度、通信及数据传输可靠性、水文预报精度3个方面对系统运行可靠性进行综合评价。贺挺等[11]采用AHP法和SPA法对水利业务系统的安全性进行综合评估。付静等[12]分析了水利信息系统运行存在的主要问题，并在此基础上提出维护措施。水利信息系统在运行过程中，由于人为、自然等因素的影响，产生的实体问题是危及系统安全运行的主要问题来源。基于此，本文以水利信息系统运行可靠为目标，从运行环境、硬件、网络系统软件、人为因素4个方面分析系统运行可靠性，并借鉴以往的研究工作提出了基于云模型的系统运行可靠性评价模型，对评价信息实现定量与定性的相互转换。应用该模型对一个供水工程决策支持系统运行可靠性进行了综合评价，以期为水利信息系统运行可靠性评价提供实质性帮助。

1 运行可靠性评价指标体系构建

1.1 评价指标体系

若要对水利信息系统运行可靠性进行有效评估，必须建立符合其特性的指标体系。中国于2015年发布了《水利信息系统运行维护规范》，对水利信息系统的物理环境、信息采集设施、主机等基础设施和水资源管理、水利工程管理等业务系统进行运维管理，并根据具体指标定期对系统进行安全性评估。王文义[13]从系统的接地、环境温度和湿度及电源问题等方面对影响水利调度系统可靠运行的环境因素进行研究分析。周维续[14]将影响水利信息系统安全的因素划分为物理层、网络层、主机系统层、应用层、数据层和安全管理等6个层次。李柳[15]对影响工程运行调度的风险因素进行分析，认为应用软件和硬件设备设施能够正常使用是自动化系统平稳运行的关键。蔡阳[16]构建了包含采集监控层、支撑层、应用层、门户层等4个层次的水利信息系统运行保障平台，提高了信息系统运行可靠性。翟宜峰等[17]结合水量调度运行管理特点，将水利自动化系统分为应用系统、应用支撑平台、基础设施、组织管理、技术保障等5部分。严升等[18]认为了解水利自动化系统的整体结构和设备的运行特征、掌握系统的工作原理能够更好地保障系统稳定运行。以上研究多从水利信息系统的组成结构和功能特点出发研究系统运行可靠性问题，却忽略了人为因素、运行流程失误等对系统安全运行造成的影响。根据Gartner Group的调查发现，流程和人员才是造成信息系统运行故障的主要原因[19]。

本文基于以上研究，依据水利信息系统的特点，结合实地调研情况，构建起水利信息系统运行可靠性评价指标体系。评价体系分为准则层、目标层、状态层3层。准则层包括运行环境、硬件、网络系统软件、人为因素4个部分。目标层由各个部分包含的具体指标构成，其中运行环境分为机房环境、综合布线；硬件分为UPS系统、机柜系统、计算机系统、传感器、安防系统、通信系统；网络系统软件分为操作系统、业务系统、网络系统；人为因素分为人员素质、技能水平、操作经验。目标层指标又可根据结构的功能要求进行详细划分，构成系统评价指标体系的状态层。具体指标见图1。

图1 水利信息系统运行可靠性评价指标体系Fig.1 Operation reliability evaluation index system of water conservancy information system

1.2 状态层指标评估标准

采用定性语言值对状态层指标的具体性状进行描述，使用一般、较重、严重3个等级表示状态层指标对目标层指标的影响程度(见表1)。限于篇幅，本文只列出部分指标的评估标准。

表1 状态层指标评估标准Tab.1 Evaluation criteria of state level indicators

2 运行可靠性评价模型研究

2.1 确定评价指标权重

2.1.1AHP法确定主观权重

AHP法是一种实用有效的多准则决策方法，是常用的主观赋权法之一，能够使定性问题定量化，复杂系统层次化[20]。通过邀请行业专家对指标重要性进行两两判断，确定指标权重αj。

2.1.2改进CRITIC法确定客观权重

CRITIC法是一种基于评价指标的客观赋权法，通过相关系数、标准差分别衡量指标间的冲突性和指标内的差异性[21]。本文依据水利信息系统运行可靠性评价指标的具体特点，利用变异系数代替标准差，改进传统CRITIC法确定指标权重，以此提高评价结果的准确性。假设有a个样本，b个运行可靠性评价指标，则客观权重的计算步骤如下：

(1) 建立决策矩阵X=[xij]a×b，xij代表第i个样本关于第j个指标的数据。

(2) 计算第j个指标的信息熵Ej。

(1)

(3) 计算第j个指标的变异系数gi。

gj=1-Ej

(2)

(4) 对决策矩阵进行标准化处理，利用统计学概念计算相关系数，得到相关系数矩阵R=[rj1j2]b×b，j1，j2=1，2，…，b，其中rj1j2表示第j1个指标和第j2个指标间的相关系数。

(5) 各指标间的综合信息量Cj。

(3)

(6) 确定指标权重ηj

(4)

2.1.3组合赋权

本文采用基于理想点法的组合赋权法[22]，将AHP法确定的主观权重αj和改进CRITIC法确定的客观权重ηj相结合，计算公式为

(5)

2.2 建立水利信息系统综合评价云模型

2.2.1云模型基础理论

云模型由李德毅教授提出，是基于模糊数学和概率论算法实现定量与定性转换的一种模型，能够用于解决不确定性问题[23]。设U为定量论域，C是U上的定性概念，若定量值x∈U，且x对C的隶属度μ(x)∈[0，1]是有稳定倾向的随机数，即：

μ：U→[0，1]，∀x∈U，x→μ(x)

(6)

在云模型中，由期望Ex、熵En和超熵He反映整体特征，其中Ex表示论域的中心，En表示定性概念C的不确定性，He表示熵的不确定度。

云模型可由云发生器建立，包含正向和逆向。正向云发生器是实现定性到定量的转换，通过云模型数字特征产生云滴；逆向云发生器则是将定量数据转换为定性概念。

2.2.2确定评价等级标准云

本文选取准则层指标作为制定水利信息系统运行可靠性等级量化标准因子，将水利信息系统运行可靠性划分为4个等级，分别为优(V1)、良(V2)、中(V3)、差(V4)，由专家根据经验给出量化区间[Bmin，Bmax]。同时，为表现定性评语量化过程的模糊性，本文参考文献[24]将不同评语的量化区间彼此相交，并由专家确定相交区域的大小，提高评价结果的准确度。评语集云模型的数字特征计算公式如下：

(7)

式中：Bmax，Bmin分别表示评语取值范围的最大值、最小值；k为常数。

2.2.3确定目标层评价云

邀请专家依据自身经验和评价等级，结合实地调研情况，根据评价指标体系中状态层指标的评估标准，对目标层指标的运行可靠性进行定量打分，记为Cxy(x为评价专家个数，y为评价指标个数)。通过逆向云发生器算法计算目标层指标的评价云模型(Ex，En，He)。计算公式如下：

(1) 计算期望值Ex。

(8)

(2) 计算熵En。

(9)

(3) 计算超熵He。

(10)

2.2.4确定准则层评价云和综合评价云

准则层指标评价云可利用已确定的目标层指标权重和云模型计算得到，综合评价云由准则层指标权重和云模型计算得到，计算公式如下：

(11)

式中：wi为对应指标权重；(Exi，Eni，Hei)为对应指标云模型的数字特征值；n为评价指标的个数，i=1，2，…，n。

根据评价云的数字特征，采用正向正态云发生器，运用Python软件编程绘制出水利信息系统运行可靠性评价云图，可得到水利信息系统整体运行可靠性的具体信息，采用云模型对水利信息系统运行可靠性进行评价。

3 案例分析

3.1 工程概况

一处大型供水工程决策支持系统包括建设综合办公支撑系统、通信传输系统、调度会商实体环境工程等，其运用现代通信、大数据分析、信息管理等技术实现水量分配、流量监测、水质监测、远程控制、应急管理等功能，充分发挥了工程效益。本文对该决策支持系统的运行可靠性进行综合评价。

3.2 基础评价云生成

通过现场调研，由专家根据经验确定评语集合的量化区间，即为优[7，10)、良[4，8)、中[2，6)、差[0，4)4个等级。利用式(7)计算对应的评语层云模型参数，见表2。将云模型参数输入正向云发生器，利用Python软件生成基础云图，见图2。

表2 决策支持系统运行可靠性等级评语集云模型Tab.2 Cloud model of operational reliability rating comments for decision support system

图2 基础评价云图Fig.2 Basic evaluation cloud map

3.3 确定指标权重

由专家根据1～9标度含义表对同一层次指标重要性进行两两判断[20]，利用层次分析法确定指标主观权重αj。通过现场调研获取南水北调受水区管理所自动化系统运行的相关资料，根据表1所列的评估标准对系统进行评价，将一般、较重、严重3个等级分别赋予1，2，3，从而得到各管理所系统运行的指标数据，利用改进CRITIC法计算指标客观权重ηj。利用式(5)计算得到评价指标的组合权重Wj(见表3)。

表3 决策支持系统运行可靠性评价指标权重Tab.3 Operation reliability evaluation index weights of decision support system

3.4 确定隶属度云模型

邀请水利行业专家、技术专家、信息领域专家共6位，结合现场调研情况及现有资料，依据表1所列的评估标准和评价准则对该供水工程决策支持系统的目标层指标进行定量打分。通过逆向云发生器，利用式(8)～(10)计算得到目标层的评价云数字特征。在此基础性上，利用式(11)计算得到该决策支持系统的准则层评价云，结果见表4。借助Python软件，采用正向云发生器，根据各准则层数字特征值生成评价云图(V)，并与基础评价云(V1、V2、V3、V4)进行比较，见图3～6。

表4 准则层及目标层指标隶属度云模型Tab.4 Cloud model for membership degree of criteria and target level indicators

图3 运行环境评价云图Fig.3 Evaluation cloud map of operating environment

图4 硬件评价云图Fig.4 Evaluation cloud map of hardware

图5 网络系统软件评价云图Fig.5 Evaluation cloud map of network system software

图6 人为因素评价云图Fig.6 Evaluation cloud map of human factors

由准则层云数字特征结合式(11)，计算得到该供水工程决策支持系统综合评价云数字特征为Ex=8.185 1，En=0.159 7，He=0.149 1，并绘制出综合评价云图(V)，与基础评价云(V1、V2、V3、V4)对比结果见图7。

图7 综合评价云图Fig.7 Comprehensive evaluation cloud map

从图3～6可知：该系统的运行环境、硬件、网络系统软件、人为因素均处于优和良之间，其中网络系统软件已达到优的状态，硬件也与优高度重合，说明该供水工程决策支持系统的硬件、软件、通信网络运行可靠性较高，能够保障各系统的正常运行，应继续保持；运行环境介于优和良之间，且与优基本无重合，应采取进一步的改善措施，比如定期对设备运行环境进行巡检，落实运行管理制度，加强运行期运维工作的措施，减少系统故障发生；人为因素与优重合较少，应加强人才队伍的建设和培养工作，定期对操作人员进行培训，或者建立绩效考核制度，有效提高系统运行的可靠性。从图7可知，该供水工程决策支持系统运行可靠性等级介于优和良之间，且与优重合度较高，与该工程实际情况较为相符。

4 结 语

本文从运行环境、硬件、网络系统软件、人为因素4个部分构建了水利信息系统运行可靠性评价指标体系。采用组合赋权法确定评价指标的权重，在此基础上，利用云模型建立评价模型并将其应用于供水工程决策支持系统的运行可靠性评价中，验证了评价模型的可行性。借助Python软件将水利信息系统运行可靠性等级以云滴图的形式展现，能够直观简单地把握水利信息系统各部分运行状况，便于对系统的安全运维作出准确指导，为水利信息系统运行可靠性研究提供了新思路。