基于熵理论的模糊综合评价既考虑了评价准则和评价指标的模糊性和不确定性，同时也可减少模糊评价的主观性，使评价结果更加客观、可靠［218］。
4.5.2.1 评价矩阵标准化
对干旱状况下n个评估对象的m项指标值xij及其指标矩阵Xn×m进行标准化处理：首先把xij正向化，然后将Xn×m归一化，得到相应的标准化矩阵R：
4.5.2.2 建立分级矩阵及隶属度矩阵
建立指标矩阵后，假设m个评估指标均分为c个等级，指标j的第i级分级标准值为kij，则评估分级矩阵为：
由于分级界限是模糊的，故用隶属度来刻画指标值所属的干旱等级。相对隶属度矩阵的划分主要参考了李登峰［219］提出的模糊隶属度的划分等级，即定义1级评价标准状态中评价指标j的标准值k1j对应于模糊概念A的相对隶属度为1，c级评价标准状态中评价指标j的标准值kcj相对于模糊概念A的相对隶属度为0。则i级评价标准状态中指标j的标准值kij相对于模糊概念A的相对隶属度sij为：
则干旱5级（c=5）分级标准的相对隶属度矩阵为：
4.5.2.3 评估子模型和综合评估模型
分别把指标和子目标看作待评估对象，对于由n个待评估对象组成的对象集｛a1，a2，…，an｝，在模糊评估矩阵U中，将ugk看作待评估对象k从属于级别g的相对隶属度，以信息熵Hk表示对象k的模糊性［218］：
定义待评估对象k与分级g间的加权广义权距离
为评估对象优劣的概率：(www.xing528.com)
式中：j为n个评估对象的第j个评估指标；rjk和sjg分别为指标归一化矩阵R和分级标准相对隶属度矩阵S的转置矩阵RT和ST中的元素；p为距离系数，p=1为海明距离，p=2为欧氏距离。
对待评估对象k而言，
越小越优，则评价问题可描述为：
根据最大熵理论，［ugk］c×n的确定还必须满足：
采用线性加权法对两个目标进行处理，引入加权因子η，构造单目标规划函数：
应用拉格朗日求解极小值得出：
同模糊综合评估的子模型和综合评估模型构建方式类似，采用综合赋权技术得到指标层和准则层的权重系数，指标j的权重为λj（j=1，2，…，m），子目标l权重为wl（l=1，2，…，4），选取线性加权模糊算子M（·，8），根据λj与m个评估对象（m个指标）的模糊评估矩阵的转置矩阵UT构建评估子模型，选取子目标的权重wl与各评估子模型的模糊评估结果向量Ul的线性加权模糊算子进行干旱模糊综合评估，即：
式中：A为干旱等级模糊综合评估隶属度向量；wl为各子目标相对于总目标的权重（即准则层权重）；Bl为评估子模型l的干旱等级模糊隶属度向量。
max（ai）（i=1，2，…，c）对应的干旱等级即为干旱模糊综合评估的最终评估结果。
免责声明：以上内容源自网络，版权归原作者所有，如有侵犯您的原创版权请告知，我们将尽快删除相关内容。
