Giải quyết mâu thuẫn

6. Bố cục luận văn

2.2. Giải quyết mâu thuẫn

Mâu thuẫn là một vấn đề của so sánh từng đôi mờ ma trận. Những sự đánh giá đôi mờ ma trận là mâu thuẫn nếu chúng vi phạm hoặc biến thành ngoại tác động của mối liên hệ lẫn nhau hoặc tính cân xứng của các sự đánh giá. Tính toán đến cái đầu tiên một ma trận so sánh trọng số thuận nghịch không mờ n x n A như là:

A =

A là nhất quán cho mỗi 1≤ i, j, k ≤ n, nó chứa:

aij. ajk = aik (6)

Nếu đối với một số i, j, k ở công thức (6) không chứa, chúng ta chỉ ra rằng A là mâu thuẫn. Chúng ta có 1/9<=aij<=9, 1<= i,j <= n

Xây dựng một chỉ số mâu thuẫn của ma trận thuận nghịch với những thành tố mờ tam giác là được dựa trên ý tưởng khoảng cách của ma trận để ma trận “tỉ lệ” được đo lường bằng hàm tham số cụ thể.

Đặt M là tập hợp của ma trận n x n với những thành tố mờ tam giác, và đặt 

là một hàm số thực được định nghĩa trong M x M, nghĩa là,  : M x M -> R làm thỏa mãn 3 giả định:

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/ (ii) nếu  ( , ) = 0 khi đó =

(iii)  ( , +  ( ) ≥ ( , ) đối với tất cả , M

 được gọi là hàm số tham số trong M

Đặt i, j = 1, 2, …, n. là một ma trận tỉ lệ với những số mờ tam giác số dương

Véc tơ của những số mờ tam giác số dương được gọi là véc tơ của trọng số nếu:

Cho rằng à = { } – n x n ma trận nghịch đảo với những thành tố mờ tam giác (n>2), trong đó hỗ trợ nhánh ( )  S = [1/, ], > 1, = , i,j = 1,2, …, n, và đặt  và  là những hàm tham số trong M.

Chỉ số mâu thuẫn mới của à đã được phác họa trong 2 bước: [10]

Bƣớc 1: Giải quyết vấn đề tối ưu hóa dưới đây:

 ( (7)

Dẫn đến , , k = 1, 2, …, n (8)

Trong đó: ,

Bƣớc 2: Đặt chỉ số mâu thuẫn In của à là:

In (Ã) = inf{( Ã, )}; : giải pháp tối ưu (9)

Chú ý 1:

1. Trong bước đầu tiên, véc tơ của các trọng số mờ như là ma trận tỉ lệ tương ứng gần nhất với ma trận gốc à đã được tính toán.

2. Trong bước thứ 2, chỉ số mâu thuẫn mới được định nghĩa như là khoảng cách nhỏ nhất giữa một giải pháp tối ưu cuối cùng của bước đầu tiên với ma trận đầu tiên Ã

3. Nếu à là ma trận nghịch đảo số dương rõ ràng, thì à là chắc chắn nếu In (Ã) = 0.

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/

4. Theo quy trình 2 bước đã được mô tả ở trên hạng của những chỉ số mâu thuẫn đã được định nghĩa phụ thuộc vào hàm số tham số  và . Hơn nữa,  từ bước 1 không cần giống như là  được sử dụng ở trong bước 2.

Bây giờ chúng ta đã rõ quy trình 2 bước đã đề cập ở trên theo việc đặt công thức riêng lẻ đối với những hàm số tham số  và :

)2 (10)

(11) Trong đó  là một hằng số “bình thường hóa”

Chú ý 2:

1. Nếu à là rõ ràng (không mờ) nghĩa là aij L

= aijM = aijU cho tất cả i, j, thì Cmin = Cmax = 1 vì vậy wk

L = wk

M = wk

U

cho tất cả các k. Kết quả, trong giải pháp tối ưu của vấn đề (7), (8) các trọng số được giải quyết.

2. Hàm tham số (11) trong bước thứ 2 vừa được chọn đối với học thuyết triển vọng (trong ý nghĩa của hàm số tham số Chebychev)

Bây giờ chúng ta giới thiệu một chỉ số mâu thuẫn đặc trưng (9) nó sẽ thích hợp cho việc đo lường (mâu thuẫn) chắc chắn của những ma trận nghịch đảo với những thành tố tam giác mờ.

Đối với một phạm vi đã đưa ra S = [1/,], >1, chúng ta định nghĩa một chỉ số mâu thuẫn I Nn (Ã) của ma trận nghịch đảo n x n à với những thành tố tam giác mờ như dưới đây: [10]

Nn (12) Trong đó wk L , wk M , wk U

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/ (13)

(14)

Chúng ta nói rằng à là F-chắc chắn nếu I Nn (Ã) = 0, ngược lại, à là F- mâu thuẫn

Điều đó có thể đã được chỉ ra trước đó rằng 

n là một “hằng số bình thường hóa”. Đặc biệt, nếu Ãlà một n x n ma trận nghịch đảo với những thành tố mờ tam giác đã được đánh giá từ phạm vi [1/,], theo đó

0 <= I Nn (Ã) <= 1

Chú ý 3:

1. Đặt à = A là một ma trận nghịch đảo số dương rõ ràng. Thì A là rõ ràng theo sự định nghĩa (6) nếu nó cũng là F-chắc chắn.

2. Chỉ số mâu thuẫn là luôn luôn ở giữa 0 và 1, đặc tính này có thể được giải thích rõ ràng.

Ví dụ: Đối với ma trận nghịch đảo 7 x 7 rõ ràng với những thành tố mờ tam giác từ khoảng [1/9,9]:

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/ Ở đây, n = 7,  = 9, thì 9> (7/2)^(7/(7-2)) = 5.78, bằng cách tương tự đối với (9), chúng ta có

= 34,24 và = 8.98. Vì vậy

= max{34,24 ; 8.98} = 34.24.

Theo (12), (13) chúng ta có I N97 (A*) = 1 thoã mãn điều kiện.

2.3. Tổng kết chƣơng 2

Bằng việc sử dụng số mờ chúng ta đã có được mô hình lấy quyết định nhóm trong trường hợp đa tiêu chuẩn mờ phụ thuộc. Áp dụng mô hình này chúng ta xây dựng chương trình thử nghiệm đánh giá tiềm năng của rừng trong chương 3.

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/

Chƣơng 3

XÂY DỰNG CHƢƠNG TRÌNH ỨNG DỤNG THỬ NGHIỆM ĐÁNH GIÁ TIỀM NĂNG RỪNG UÔNG BÍ, QUẢNG NINH

3.1. Vấn đề đánh giá tiềm năng rừng

Trong thực tế việc áp dụng ma trận số mờ để so sánh và lựa chọn các dự án đã được áp dụng trong nhiều lĩnh vực khác nhau của cuộc sống, tuy nhiên việc áp dụng mô hình lấy quyết định nhóm trong trường hợp đa tiêu chuẩn mờ trong lâm nghiệp hầu như chưa có trước đây. Vì vậy trong nội dung luận văn của mình tôi sẽ thử nghiệm áp dụng mô hình này trong việc đánh giá các tiềm năng của một khu rừng.

Trong lâm nghiệp người ta có thể có nhiều mô hình trồng rừng khác nhau với các loài cây rừng khác nhau, song trên thực tế hiện nay việc đánh giá hiệu quả của một khu rừng thường chủ yếu dựa vào giá trị gỗ mà rừng cây đó đem lại, điều này đã dẫn đến không phản ánh hết được tiềm năng của một khu rừng, bởi vì thực tế giá trị gỗ của rừng mới chỉ phản ánh được 20% giá trị tiềm năng của rừng, giá trị tiềm năng của rừng không chỉ dừng lại ở giá trị gỗ mà nó còn nằm trong giá trị phòng hộ, bảo vệ môi trường, cung cấp ô xi, hơi nước điều hòa môi trường không khí, hấp thụ các CO2, giá trị đa dạng sinh học, giá trị cảnh quan, giá trị bảo vệ đất.

Chúng ta cùng xem xét một ví dụ cụ thể sau: chúng ta có 2 khu rừng, một khu rừng trồng Bạch đàn với mật độ 2000 cây/ha và một khu rừng trồng Keo tai tượng cũng với mật độ 2000 cây/ha. Sau 5 năm chúng ta sẽ tiến hành khai thác trắng 2 khu rừng này và sẽ tiến hành đánh giá hiệu quả của 2 mô hình trồng rừng trên xem mô hình rừng nào sẽ có hiệu quả cao hơn. Như vậy, chắc chắn chúng ta sẽ thấy rừng trồng Bạch đàn sẽ cho hiệu quả kinh tế cao hơn vì chắc chắn nó sẽ cho khối lượng gỗ lớn hơn với giá trị tiền cũng lớn hơn. Tuy nhiên, nếu nhìn nhận toàn bộ giá trị tiềm năng của rừng thì chúng ta lại thấy nó hoàn toàn khác. Một giá trị bảo vệ đất và chống xói mòn: về tiêu chí này rừng Bạch đàn chắc chắn sẽ kém hơn rừng trồng Keo rất nhiều vì rừng Bạch đàn không những không làm tăng độ màu mỡ của đất mà lại còn làm thoái hóa đất mạnh hơn, trong khi đó rừng trồng Keo thì

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/

lại cải tạo và bảo vệ đất tốt hơn hẳn (vì vậy, hiện tại ở Việt Nam cây Keo là cây được khuyến khích trồng rừng để cải tạo đất). Hai giá trị hấp thụ khí CO2: Bạch đàn là cây có tán lá nhỏ, vì vậy diện tích tán cây hấp thụ các bon, sản sinh Oxy và hơi nước sẽ ít hơn so với rừng trồng Keo. Ba giá trị đa dạng sinh học: Rừng trồng Bạch đàn sẽ làm nghèo giá trị đa dạng sinh học bởi chính cây bạch đàn tiết ra một chất Phytonxit làm ức chế quá trình sinh trưởng của các loài cây khác xung quanh nó và dưới tán của nó, do vậy mà dưới rừng cây bạch đàn giá trị đa dạng sinh học rất nghèo làn, trong khi đó rừng trồng Keo thuộc cây họ Đậu trên rễ của nó có các nột sần để tổng hợp đạm trong đất, vì vậy đất rừng Keo rất giầu các loại động vật nhỏ đồng thời do tán lá dày, vật rơi rụng nhiều do đó nó làm tăng độ mùn, cung cấp dinh dưỡng cho nhiều loài cây dưới tán rừng phát triển mạnh hơn.

Như vậy, qua so sánh trên cho thấy tiềm năng của mô hình trồng Bạch đàn sẽ thấp hơn tiềm năng của một mô hình trồng Keo ở nhiều mặt. Tuy nhiên, những giá trị kia lại rất khó để đánh giá và được chỉ ra trong thực tế đối với người dân và các nhà quản lý lâm nghiệp, vì vậy, việc áp dụng mô hình lấy quyết định nhóm trong trường hợp đa tiêu chuẩn mờ phụ thuộc trong đánh giá toàn diện tiềm năng rừng là một việc làm hết sức cần thiết, nhằm cung cấp cơ sở khoa học trong đánh giá tổng hợp tiềm năng rừng, góp phần làm tăng giá trị rừng cho những người trồng rừng và phát triển và bảo vệ rừng trong gia đoạn hiện nay.

Theo đó, trong nội dung luận văn của mình tôi sẽ tập trung và đánh giá tiềm năng của một số loại hình rừng trên với các giá trị môi trường cụ thể sau:

1.Giá trị gỗ

2. Giá trị phòng hộ đầu nguồn (bảo vệ nguồn nước, bảo vệ đất) 3. Giá trị hấp thụ các-bon

4. Giá trị bảo vệ đa dạng sinh học (tính phong phú của động thực vật)

Trong thực tế hiện nay tại Quảng Ninh tôi sẽ so sánh đánh giá 03 mô hình rừng: Rừng trồng Bạch đàn, rừng trồng Keo và rừng tự nhiên phục hồi (rừng non) theo 04 tiêu chí trên. Bằng việc áp dụng mô hình lấy quyết định nhóm chúng ta sẽ chỉ

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/

ra mô hình rừng có giá trị tiềm năng lớn nhất và sẽ khuyến nghị cho người dân và các nhà quản lý lâm nghiệp địa phương áp dụng mở rộng trong phạm vi toàn tỉnh.

3.2. Xây dựng chƣơng trình

Input: Ma trận so sánh từng đôi một Bƣớc 1: Xác định trọng số của 04 tiêu chí

1. Giá trị gỗ

2. Giá trị phòng hộ đầu nguồn (bảo vệ nguồn nước, bảo vệ đất) 3. Giá trị hấp thụ các-bon

4. Giá trị bảo vệ đa dạng sinh học (tính phong phú của động thực vật) Bằng cách lập ma trận vuông cấp 4x4. So sánh các tiêu chí theo từng cặp. Sử dụng các công thức (1), (2), (3) để tính trọng số của các tiêu chí.

Tính giá trị mẫu thuẫn I Nn (Ã) bằng các công thức (12), (13), (14) nếu không thoả mãn điều kiện 0 <= I Nn (Ã) <= 1, đưa ra thông báo đánh giá các tiêu chí (so sánh lại các tiêu chí).

Bƣớc 2:So sánh từng cặp đôi các khu rừng theo từng tiêu chí riêng lẻ

Ở bước này ta thực hiện các công việc giống như ở bước 1. Chỉ khác trong bảng ma trận đánh giá, các đối tượng đưa ra so sánh là các khu rừng theo từng tiêu chí. Ở đây chúng ta có ba khu rừng nên ma trận vuông của chúng ta cấp 3x3.

Trong bước này chúng ta phải lập 4 ma trận như đã làm ở bước 1 (mỗi lần đánh giá theo một tiêu chí phải lập một ma trận, chúng ta sử dụng 4 tiêu chí để đánh giá tiềm năng rừng).

Bƣớc 3: Tính điểm cho các khu rừng và xếp hạng

Đây là bước cuối cùng trong đánh giá và xếp hạng. Chúng ta tính điểm bằng cách sử dụng công thức (4), (5)

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/

Output: Bảng điểm tổng hợp đánh giá tiềm năng của các khu rừng và thứ tự

xếp hạng.

Để tránh việc đưa ra các giá trị so sánh không thống nhất, ta sử bảng sau [6]

Bảng 3.1: Mức chủ yếu để đƣa ra quyết định so sánh giữa các tiêu chí Mức độ của tầm

quan trọng (aij) Giải thích Số mờ tam giác

1 i vàjquan trọng bằng nhau (1,1,1)

3 ilà hơiquan trọng hơnj (1,3,5)

5 i làquan trọng hơnj (3,5,7)

7 i làquan trọnghơnnữaj (5,7,9)

9 ilà hoàn toànquan trọng hơnj (7,9,11)

3.3. Kiểm thử chƣơng trình

Giao diện bắt đầu vào làm việc

Hình 3.1: Giao diện chƣơng trình thử nghiệm

Bƣớc 1: Nhập vào các so sánh các tiêu chí, chọn thực hiện sẽ cho chúng ta kết quả sau:

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/

Hình 3.2: Kết quả trọng số của các tiêu chí

Bƣớc 2: Nhập vào các so sánh các khu rừng theo từng tiêu chí. Chúng ta phải thực hiện bước này 04 lần theo 04 tiêu chí đã chọn

Nhập so sánh các khu rừng theo tiêu chí giá trị gỗ

Hình 3.3: Kết quả trọng số của các khu rừng theo tiêu chí giá trị gỗ

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/

Hình 3.4: Kết quả trọng số của các khu rừng theo tiêu chí giá trị phòng hộ đầu nguồn

Tương tự tiếp tục so sánh các khu rừng theo tiêu chí giá trị hấp thu Cacbon

Hình 3.5: Kết quả trọng số của các khu rừng theo tiêu chí giá trị hấp thu Cacbon

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/

Hình 3.6: Kết quả trọng số của các khu rừng theo tiêu chí giá trị đa dạng sinh học

Sau khi cho các đánh giá chúng ta được kết quả như sau:

Hình 3.7: Kết quả bảng giá trị các khu rừng

Từ bảng đánh giá này chúng ta có thể thấy khu rừng nào có giá trị tiềm năng lớn nhất và có thể là căn cứ để lựa chọn phát triển rừng.

Số hóa bởi trung tâm học liệu http://www.lrc-tnu.edu.vn/

3.4. Kết luận từ việc chạy chƣơng trình

Chương trình thử nghiệm cho chúng ta bảng xếp hạng giá trị tiềm năng của các khu rừng. Từ bảng xếp hạng này chúng ta có thể đưa ra quyết định trồng rừng theo mô hình rừng nào để mang lại giá trị cao nhất. Khi mà hầu hết các đánh giá chỉ mang tính tương đối không chắc chắn và rõ ràng.

3.5. Tổng kết chƣơng 3

Trong chương này chúng ta đã thử nghiệm mô hình lấy quyết định nhóm trong trường hợp đa tiêu chuẩn mờ phụ thuộc. Áp dụng vào việc tính giá trị tiềm năng của các khu rừng.Kết quả tính được cho thấy có thể áp dụngviệc tính trọng số của các tiêu chí bằng cách so sánh từng cặp đôi, và tiếp tục tính toán trọng số của các khu rừng cho từng tiêu chí riêng lẻ cũng bằng cách so sánh từng cặp đôi mờ. Sau đó tính điểm bằng cách lấy tổng điểm của từng khu rừng theo từng tiêu chí nhân với trọng số của các tiêu chí tương ứng. Kết quả ta có được bảng xếp hạng trọng số của các khu rừng theo các tiêu chí đã lựa chọn, và kết quả tính được cho thấy có thể áp dụng vào thực tế.

KẾT LUẬN

Trong thực tế chúng ta đánh giá kết quả không chỉ mang tính chất đúng hoặc sai mà còn mang tính chất định tính không chắc chắn thông qua việc sử dụng các biến ngôn ngữ để phản ánh. Một trong những cách đánh giá và xử lý dạng biểu diễn thông tin thu được những kết quả rất tốt đó là cách tiếp cận mờ. Từ năm 1965, L.A.Zadeh đã xây dựng lý thuyết tập mờ, tạo ra một cơ sở toán học cho việc tiếp cận lập luận tính toán của con người. Ý tưởng của ông là mở rộng tập logic cổ điển (logic Boole), làm tăng thêm khả năng suy luận của con người, góp phần đánh giá kết quả đi đến độ chính xác nhất.

Các khái niệm tập mờ, số mờ, ma trận mờ là các khái niệm được mở rộng của toán học cổ điển đã góp phần cho việc diễn tả một số từ định lượng của con