0 引 言

《水上机场技术要求(试行)》[1]将“水上机场(water aerodrome)”定义为主体部分位于水上，全部或部分用于水上飞机起飞、着陆、滑行及停泊保障服务的区域，包括水上运行区和陆上相关建筑物与设施。根据《国际海上避碰规则(Convention on the International Regulations for Preventing Collisions at Sea)》[2]，“能在水面操纵而设计的任何航空器”称之为水上飞机(seaplane)。当水上飞机与水面有接触时，视为船舶，一旦脱离水面，即视为航空器[3]。水上飞机按照着陆方式不同主要分为水栖型水上飞机和水陆两栖型水上飞机；按照船型结构可以分为浮筒型水上飞机和船身型水上飞机。水上飞机速度较快，操纵灵活，起降水域较广，水上飞机的操纵特性与运行特征与普通船舶不同[4]，水上飞机在水面滑行阶段，具有船舶属性，遵循海事法律法规；脱离水面飞行后具有航空器属性，服从民航法律法规，因此，与传统码头和传统机场比较，水上机场选址要求存在其特殊性。水上机场选址极其复杂，需统筹考虑空域、水域以及地面等诸多因素。

防洪作用突出。将黄河下游的防洪标准从不足60年一遇提高到1000年一遇，为黄河下游防洪安全提供了保障。2013年，黄河下游已连续14年实现安全度汛。

目前，国内外发布了一些关于水上飞机与水上机场有关的指导性文件，国外有美国联邦航空局颁布的水上飞机基地建设有关要求[5]和欧盟地区性发展基金项目[6]；国内有中国民用航空局机场司发布的《水上机场技术要求(试行)》和《加拿大水上机场建设与运营》[7]都定性地阐明了水上机场选址应综合考虑的影响因素，但未进一步量化水上机场选址影响因素，以及海南海事局印发《海南海事局水上飞机水上安全监督管理规定(试行)》[8]，有效的促进了水上飞机在国内外的快速发展，但对于水上机场选址的指导有限，多局限于定性规定影响水上机场选址的因素，为更合理地研究水上机场选址，应对水上机场选址的影响因素进行定量研究。国内学者对码头选址问题研究主要集中在游艇、LNG码头、油码头与客运码头等方面，研究方法多采用层次分析法与模糊综合评价法分析码头选址问题，存在一定的局限性。目前鲜有对于水上机场选址问题的研究，多数水上机场选址决策采取专家商讨的方法，存在较大的主观因素。水上机场选址问题迫切需要研究。

采用逼近理想解排序法(technique for order preference by similarity to ideal solution，TOPSIS法)[9-11]，TOPSIS法对于多方案多属性决策分析中是一种行之有效的方法。TOPSIS法使用范围相对较广，对数据分布、样本量以及指标多少均无严格控制，数学计算简单方便，思路清晰；它对原始数据的利用比较充分，信息损失较少。且水上机场选址也是一种需要综合考虑多方面因素的多属性选址决策问题，故将此方法应用于水上机场选址研究。合理的水上机场选址是水上飞机项目安全有序运营的前提保障，结合国内对于水上机场选址实践还处在摸索期的现状，得到更合理更可靠的结果，引入熵权法确定指标权重，对TOPSIS法进行改进，搭建熵权-TOPSIS模型[12-14]，识别水上机场选址影响因素，建立选址指标体系，利用熵权法[15]对各项选址指标进行赋权计算，借助理想解与负理想解对多个水上机场选址方案进行排序评选，协助在多个水上机场选址方案中获取最优选址方案。

1 建立基于熵权-TOPSIS的水上机场选址模型

合理的水上机场选址与水上飞机安全运营关系密切，选取自然条件、水域条件及交通条件等量化指标，使用熵权-TOPSIS法对水上机场选址方案优劣进行排序。基于熵权-TOPSIS水上机场选址模型建立主要分为4个步骤，主要分为建立水上机场选址指标体系、建立水上机场选址标准化评判矩阵、构建加熵权的水上机场选址评判矩阵、建立TOPSIS水上机场选址模型。具体模型建立过程，见图1。

  

图1 基于熵权-TOPSIS模型的水上机场选址技术路线

 

Fig.1 Flow chart of site selection for sea drones based on entropy weight and TOPSIS model

1.1 建立水上机场选址指标体系

按照水上机场选址的技术要求中关于水上机场选址综合影响因素并查阅相关文献，从自然条件、水域条件以及交通条件等自然环境方面，考虑空域、水域以及陆域层面，选取了15个典型因素，建立科学、有可比性的水上机场选址问题综合指标体系，见表1。

采用1967 MW保证出力作调峰电站设计：第1期工程增加的装机容量为新建了第3厂房，装机3 900 MW(3台600 MW机组和3台700 MW机组。最后1台24号机组已于1980年5月投入运行)。至此全厂常规机组装机容量为6 180 MW，年发电量为216亿kW·h；1984年完成抽水站2台各50 MW、4台各53.5 MW，合计为314 MW抽水蓄能机组安装工程，两项合计总扩机容量为4 214 MW，全厂总装机容量为6 494 MW。

 

表1 水上机场选址指标体系

 

Tab.1 The evaluation index system of site selection for sea drones

  

影响因素含义/解释自然条件能见度不良天数[16]X1/d 全年由于雾、霾、下雪、暴风雨、沙暴或任何其他类似原因而使能见度受到限制的天数。能见度不良天数过大,将会给驾驶员的视觉了望带来困难,特别是在雷达等设备故障的情况下,它威胁水上飞机的操作安全6级以上风天数X2/d全年超过6级以上风的天数,超过6级以上风对水上飞机滑行起降存在较大风险 水上机场附近水域流速[5]X3/(m/s) 水上机场附近水域水流速度大小,水上机场附近水域水流速度过大会导致操控水上飞机滑行靠近码头或者从斜坡道登陆时存在困难水上机场附近水域浪高X4/m 水上机场水域波浪到水平面的垂直距离,过于平静的水面对水上飞机运行不利,最适宜水上飞机运行的是有适度扰动的水面水上机场所在水域水深X5/m水上飞机浮筒至水底的最小距离,最小安全富裕水深应保持足够水上跑道长度X6/m 水面上划定的用于水上飞机沿其长边方向进行起飞与着陆的固定区域长度,水上跑道长度至少应满足滑行最低要求水上跑道与盛行风夹角X7/(°)水上飞机航向与盛行风所成夹角,跑道方位应当尽可能与盛行风一致水域条件 水上机场边界与航道最近边界线的距离X8/m水上机场与航道最近边界线的垂直距离,水上飞机起降操作时跑道内不允许有其他船舶存在水上机场附近障碍物个数[16]X9/个 水上机场附近影响水上飞机正常运行的碍航物个数,水上跑道应与障碍物保持一定的安全间距,尽可能避免对水上飞机运行产生限制 水上机场附近无障碍水域宽度X10/m 距水上机场码头平台边缘的无障碍区宽度,距码头平台边缘应设置宽度不小于1/2翼展或6.5m(取大值)的无障碍区水上机场附近水面净空高度X11/m 在水上跑道两端和两侧上空为水上飞机起飞爬升、降落下滑和目视盘旋需要所规定的空域高度。为保障水上飞机起飞爬升、降落下滑和目视盘旋,应保持充足的水面净空高度交通条件 水上机场附近水域日均船舶流量[16]X12/艘 水上机场边界水域全年每日平均通过船舶数量,水上机场附近水域日均船舶流量过大,威胁水上飞机安全运营水上跑道与来船相对方位角[17]X13/(°)水上飞机航向与来船相对方位角,水上飞机航向与来船相对方位角越大,安全会遇间距越大 水上机场附近航道允许通过最大船舶吨位[16]X14/t 水上机场附近航道允许通过最大船舶吨位数,水上机场附近航道通过最大船舶吨位越大,与水上飞机滑行起降操作之间存在风险越大水上机场与邻近机场的距离X15/km水上机场与邻近机场的直线距离,水上机场与邻近机场的距离越近,相互之间影响越大

1.2 构建标准化水上机场选址矩阵

令m为水上机场选址方案个数，n为水上机场选址指标个数，Xij为第i个水上机场选址方案第j个指标的取值，则确定水上机场选址原始评判矩阵A

A=(Xij)m×n

i=1,2,…,m；j=1,2,…,n

(1)

不同选址指标一般具有不同的量纲和量纲单位，且有的属于指标值越大越优型，即同向指标，有的属于指标值越小越优型，即反向指标。因此需要对原始选址评判矩阵进行同趋势化和量纲归一化处理。同向指标取正数，反向指标取其相反数。在m个不同选址方案中，选取一个同向指标的最小值作为式(2)中基准最小值，反向指标的最大值作为式(3)中的基准最大值，依次归一化处理。具体计算公式如下。

一个流域可能涉及多个行政区，同样，一个行政区也可能涉及多个流域。当某个行政区涉及多个流域时，作为该行政区整体的限制“入河污染物总量”等于各流域的分配限额之和。一般认为，行政区的“水污染物排放总量”不等于其“入河污染物总量”，两者关系式如下：

同时，通用型压电驱动器已经开始实现产业化，例如德国的Physik Instrumente (PI)公司，已经将压电驱动器商业化，并开发出系列产品。可见，压电驱动器也在向着通用化方向发展，这有利于压电驱动技术的广泛应用，并降低技术成本。

通过实地调研及查阅相关资料，获得水上机场4个选址方案的选址指标取值，如根据海事部门提供资料，长江南京以下航段将全程满足载重量50 000 t集装箱船双向通航、载重量50 000 t海船减载双向通航，兼顾载重量100 000 t散货船减载通航，可知方案一、方案三和方案四中水上机场附近航道允许通过最大船舶吨位数为载重量100 000 t；而根据海事部门提供资料，由于扬中大桥的净空高度的限制，方案二中水上机场选址附近水域航行船舶吨位通常在载重量3 000 t以下，该水域每日流量300艘次左右。具体取值见表3。

 

(2)

构建水上机场选址加权标准判断矩阵R

 

(3)

新的恒流量控制系统的优化应用，取消了传统计量管，降低了提升机高度，实际高度为1 439 mm设备布局更加简单、美观，现场扬尘小，环境得到了改善。

B=(bij)m×n

式中：i=1,2,…,m；j=1,2,…,n；q=2(欧式距离)。

(4)

1.3 构建基于熵权的水上机场选址评判矩阵

对于给选址指标进行赋权，有较多做法是采用层次分析法(analytic hierarchy process，AHP)[18]，受主观影响较大。而熵权法是根据各项指标初始值所提供的信息量的大小来确定指标权重的方法，通常某指标变异程度越大，其信息熵越小，所提供的信息量越大，其权重也越大。可以做到比较充分利用原始数据，信息损失少，较客观的得到各水上机场选址指标的熵。

定义各水上机场选址指标的熵。

令

 

i=1,2,…,m；j=1,2,…,n

(5)

熵的计算公式为

 

(6)

确定各水上机场选址指标的熵权。

 

(7)

且满足由此得到权重向量W

W=(wj)T j=1,2,…,n

(8)

对于越小越优型选址指标采用式(3)计算，如指标水上机场附近水域日均船舶流量(X12)越大，与水上飞机在水上机场滑行起降操作之间存在的风险也越大，因此，水上机场选址应尽量避开大流量水域。

R=(wj·bij)m×n

(9)

1.4 建立TOPSIS水上机场选址模型

TOPSIS法是一种理想方案相似性的顺序选优技术，在多方案多属性决策分析中是一种非常有效的方法。TOPSIS法使用范围相对较广，对数据分布、样本量，以及指标多少均无严格控制，数学计算简单方便，思路清晰；它对原始数据的利用比较充分，信息损失较少。且水上机场选址也是一种需要综合考虑多方面因素的多属性选址决策问题，故将此方法应用于水上机场选址研究。

将水上机场选址原始评判矩阵同趋势化处理以及归一化处理之后，由此得到水上机场选址标准判断矩阵B

TOPSIS法是通过理想解(ideal solution)和反理想解(anti-ideal solution)求解出每个方案与理想解的相对贴近度，在此基础上，通过相对贴近度便可得出方案的相对优劣度。一般情况下，计算得出的相对贴近度越大的方案越优。其计算结果仅依赖于各选址方案与最优理想方案的对比，不受人为规定的选址优劣程度影响，因此，可以得到更为客观的选址结果。

令rij=wj·bij，则R可表示为

R=(rij)m×n

i=1,2,…,m；j=1,2,…,n

(10)

令指标值越大越优型为S*，指标值越小越优为S0，且根据“大中取最大”“小中取最小”的原则，则

 

 

(11)

 

 

(12)

各水上机场选址方案的指标评价值向量到理想最优方案的欧式距离到负理想解的欧式距离可表示为

工业和信息化部、财政部联合制定的 《智能制造发展规划 （2016-2020年）》指出在传统制造业推广应用数字化技术、系统集成技术、智能制造装备，推进自动化、信息化的发展机制，建设云制造和服务平台[1]。

对于越大越优型选址指标采用式(2)计算，如指标水上机场边界与航道最近边界线的距离(X8)越远，航道内船舶对水上飞机的起降滑行操作影响越小，与水上机场之间存在的碰撞风险也越小，也即对水上机场选址越有利。

 

(13)

 

(14)

i=1,2,…,m；j=1,2,…,n

这个阶段是“PDCA”循环中最为关键的一个阶段。它的主要工作任务是把上一个阶段发现的问题进行及时处理和总结分析，既要对发现的问题及时作出整改处理，防范事故的发生；同时又要总结经验和教训，预防后续工作中出现类似的问题。

最后，计算各水上机场选址方案的指标评价值向量与理想解的贴近度Fi，并通过对Fi进行排序来确定各水上机场选址方案的优劣，计算出的相对贴近度Fi较大，该水上机场选址方案较优；反之，则较差。

 

(15)

2 实例验证——以镇江某水上机场选址为例

为拓宽镇江市通用机场业务范围，推动镇江市通用机场的进一步发展，镇江市拟新建水上机场项目，为水上飞机提供起降基地，并计划开展试飞培训、旅游观光、应急救援等服务。

水上机场项目拟建1 400 m×100 m水上跑道1条，滑行道1条、浮码头1座，坡道1条以及指挥室等陆上设施若干。水上机场设计机型主要为双水獭DHC-6和塞斯纳208B，主要参数见表2。

 

表2 设计机型主要参数

 

Tab.2 The main parameter of designed type

  

机型翼展/m机身长/m最大侧风限制/(m/s)浪高限制/m最大起飞质量/kg塞斯纳208B15.912.926.00.614111双水獭DHC-619.815.88.750.705670

对所提出的4个水上机场选址待选方案，分别为方案一、方案二、方案三和方案四，见图2，采用上述基于熵权-TOPSIS的水上机场选址模型方法，对4个待选方案进行评选，获取最优选址方案。

  

图2 4个备选地址

 

Fig.2 Four alternatives of site selection

2.1 选址指标体系和判断矩阵建立

红寺堡区是宁夏生态环境较为脆弱的地区之一，常年干旱少雨，水资源短缺；地处半荒漠草原之中，土地沙化、盐碱化严重，土壤贫瘠，农作物种植以小麦、玉米为主，品种单一，产量不高，造成农业结构不够合理，产出较低。有些地方沙漠侵蚀农田。水资源严重缺乏和土地资源紧缺是制约红寺堡区经济社会发展的最大问题。

 

表3 各选址指标取值

 

Tab.3 Values of evaluation indexes for site selection

  

指标方案一方案二方案三方案四能见度不良天数X1/d29.925.625.625.26级以上风天数X2/d9.18.88.88.8水上机场附近水域流速X3/(m/s)20.51.21.27水上机场附近水域浪高X4/m2.320.31.522.26水上机场所在水域水深X5/m1510.912.510.5水上跑道长度X6/m15101400769317水上跑道与盛行风夹角X7/(°)2504015水上机场边界与航道最近边界线的距离X8/m360179100216水上机场附近障碍物个数X9/个0124水上机场附近无障碍水域宽度X10/m75684035水上机场附近水面净空高度X11/m5030056.646.2水上机场附近水域日均船舶流量X12/艘200030019911576水上跑道与来船相对方位角X13/(°)180178170162水上机场附近航道允许通过最大船舶吨位X14/t1000003000100000100000水上机场与邻近机场的距离X15/km22363737.6

由表3各指标以及取值，初始矩阵A可表示为

 

将15个指标按取值越大越优与越小越优进行分类，进行同趋势化处理，越大越优型指标取正数，越小越优型取其相反数；再根据式(2)和(3)，并进行量纲归一化处理，判断矩阵标准化处理后得到标准判断矩阵B。

 

2.2 构建水上机场选址指标熵权标准判断矩阵

根据式(5)～(8)，定义各选址指标的熵，和计算各选址指标的权重，根据式(9)，标准判断矩阵与权重向量相乘，求得加权标准判断矩阵R。各指标的权重见表4。

 

表4 水上机场选址方案选址指标权重表

 

Tab.4 Weight table of the evaluation index

  

指标权重w1w2w3w4w5w6w7w8数值0.0560.0600.0490.0730.0680.0610.0530.054指标权重w9w10w11w12w13w14w15∑wj数值0.0510.0740.0900.0780.0570.0940.0821

加权标准矩阵R

 

2.3 计算水上机场选址方案的相对优劣程度

根据式(10)～(15)，依次计算出4种选址方案选址指标向量到理想解与负理想解的欧氏距离,以及4种待选址方案与理想方案的相对贴近度见表5。

随着互联网技术的迅猛发展，在实现以资源共享为目的的表现过程中，精品资源共享课程已成为优质教学资源的载体。

系统通过OPC技术实现和DCS之间的通信，通过SIS,ITCC内部协议实现与SIS,ITCC的通信。在该公司8套装置现有OPC Server节点上各加1块网卡并配置独立于现有各DCS的网段和IP地址，统一通过报警管理数据采集Buffer机进行通信。为了保证安全，1号加氢SIS和ITCC设立单独的数据采集机后再连接到报警管理数据采集Buffer机。

 

表5 水上机场选址方案选址贴近度表

 

Tab.5 The closeness degree of each evaluation object

  

方案一方案二方案三方案四正距离D*10.196D*20.105D*30.213D*40.232负距离D010.173D020.226D030.103D040.097贴近度F10.469F20.682F30.326F40.295优劣排名2134

各选址方案的选址结果分别为F1=0.469，F2=0.682，F3=0.326，F4=0.295，因此，可以获得各选址方案的优劣排序为

基于动态加密因子的对称加解密通信算法，采用动态加密因子作为算法因子。动态加密因子由两部分组成，一个是登录的用户名(注：包含用户名但不限用户名，这里泛指所有可变的动态字符串，例如：时间戳、GUID(全局唯一标识符)、随机数等等，本文统一采用“登录用户名”描述)，一个是可配置的混淆因子。

F2>F1>F3>F4

即水上机场选址方案二依次优于方案一、方案三和方案四。因此，对于四个备选方案中，单从以上影响指标因素考虑，方案二为最优水上机场选址方案，即长江下游扬中河段太平洲捷水道上段南岸选址方案。实际选址结果与模型推荐选址方案一致，从而验证了模型的正确性。

方案二所处水域位于长江支流太平洲捷水道，而其余三个方案所处水域位于长江干流水域，长江支流水流速度小于长江干流，且干流水域浪高也大于支流水域浪高，干流水域水深普遍大于支流水域水深。根据海事部门提供资料，长江南京以下航段将全程满足载重量50 000 t集装箱船双向通航、载重量50 000 t海船减载双向通航，兼顾载重量100 000 t散货船减载通航，船舶日均流量通常在1 500～2 000艘次。而太平洲捷水道由于扬中大桥的净空高度的限制，水上机场附近水域航行船舶吨位通常在载重量3 000 t以下，该水域日均船舶流量300艘次左右。

1.防火。实验室机房供电应该计算好设备最大用电功率并留有冗余。供电线路要有专门供电线路，经低压配电柜、稳压电源后接入实验室，空开电源功率适中。同时禁止实验室使用明火和吸烟。制定实验室安全检修制度，定期开展安检工作，发现问题及时整改，计算机实验室上课人员密集，实验室要单独设有安全消防门和通道。

方案二选址所在水域距上游主航道约2 km，距下游扬中大桥约4 km，水流流速缓慢，附近碍航物少，太平洲捷水道航行船舶吨位通常在载重量3 000 t以下，日均船舶流量相对较少，对水上飞机项目运营影响较少，因此与理想方案的贴近度较大；方案一、方案三和方案四位于主航道附近，水流急，流速大，船舶流量大，交通流复杂，计算出来的贴近度较小。

引入熵权法对TOPSIS模型进行改进，充分利用指标差异性所提供的信息，减少信息损失，较为客观的反应指标的权重，减少了主观因素带来的影响。且对原始数据分布及数量无严格要求，计算方便简单。

3 结 论

1) 根据水上飞机的操纵特性与运行特征以及对水上机场的特殊要求，进行了水上机场选址影响因素识别，引入熵权理论与TOPSIS模型，建立了选址指标体系和基于熵权-TOPSIS的水上机场选址模型。

2) 以镇江某水上机场选址为例，应用选址模型对镇江市四个选址方案进行优劣比选，求得各方案与理想方案相对贴近度分别为0.469,0.682,0.326,0.295，方案二相对贴近度最大为0.682，则为最优选址方案，研究结果与实际选址方案一致，验证了模型的有效性，为确定水上机场选址提供了一种较为科学的方法。

3) 由于影响水上机场选址的因素复杂且鲜有相关研究，所选因素仅考虑了影响水上机场选址环境方面因素，存在一定局限性，且难免因考虑不周或疏忽导致漏选潜在的影响因素，后续将进一步深入研究。

参考文献

References

[1] 中国民用航空局机场司.水上机场技术要求：AC-158-CA-2017-01[S/OL].(2017-01-19)[2018-03-30].http:∥www.caac.gov.cn/XXGK/XXGK/GFXWJ/201703/t20170317_43173.html.

Civil Aviation Administration of China. Technical requirement of water aerodrome ：AC-158-CA-2017-01[S/OL](2017-01-19)[2018-03-30]. http:∥www.caac.gov.cn/XXGK/XXGK/ GFXWJ/201703/t20170317_43173.html .(in Chinese)

[2] 国际海事组织.1972年国际海上避碰规则[S]. 北京：中国人民解放军海军司令部航海保证部，2009.

International Maritime Organization. Convention on the international regulations for peventing collisions at sea,1972[S]. Beijing：Commander Department of the Navy (Navigation Guarantee Department)，2010. (in Chinese)

[3] 翁建军,周 阳.水上飞机与船舶碰撞风险因素建模[J].中国航海,2013,36(3):70-75.

WENG Jianjun, ZHOU Yang. Analysis of risk factors of seaplane-vessel collision based on the integration of DEMATEL and ISM[J]. Navigation of China, 2013,36(3):70-75. (in Chinese)

[4] 翁建军,周 阳.水上飞机与船舶的港口异质交通流建模[J].中国航海,2015,38(2):104-108.

WENG Jianjun, ZHOU Yang. Simulation modeling of seaplane-ship heterogeneous port traffic flow [J]. Navigation of China, 2015,38(2):104-108. (in Chinese)

[5] Federal Aviation Administration, U.S. Department of Transportation. Advisory Circular for Seaplane Bases：150/5395-1A [S/OL]. (2013-08-06)[2018-03-30].https:∥www.faa.gov/regulations_policies/advisory_circulars/index.cfm/go/document.information/documentID/1021815.

[6] European Community-European Regional Development Found. SEAPLANE: Sustainable and efficient air transport-platform for linked analysis of the north sea air transport environment[R/OL].(2002-11-30)[2018-03-30].http:∥www.seaplane-project.net/.

[7] 中国民用航空局机场司.加拿大水上机场建设与运营：IB-CA-2016-02[S/OL]. (2016-12-02)[2018-03-30].http:∥www.caac.gov.cn/XXGK/XXGK/TZTG/201612/t20161202_40939.html.

Civil Aviation Administration of China. Construction and operation of Canada′s water aerodrome：IB-CA-2016-02 [S/OL].(2016-12-02)[2018-03-30].http:∥www.caac.gov.cn/XXGK/XXGK/TZTG/201612/t20161202_40939.html. (in Chinese)

[8] 中国人民共和国海南海事局.海南海事局水上飞机水上安全监督管理规定[S/OL].(2016-02-14)[2018-03-30].http:∥www.hnmsa.gov.cn/xxgk_4_2_4/20160214/22130.html.

Hainan Maritime Safety Administration of P.R.C. Regulations on water safety supervision and management of Hainan maritime safety administration′s seaplane[S/OL].(2016-02-14)[2018-03-30].http:∥www.hnmsa.gov.cn/xxgk_4_2_4/20160214/22130.html. (in Chinese)

[9] WU B, YAN X, WANG Y, et al. Selection of maritime safety control options for NUC ships using a hybrid group decision-making approach[J]. Safety Science,2016(88):108-122.

[10] KROHLING R A, CAMPANHARO V C. Fuzzy TOPSIS for group decision making: A case study for accidents with oil spill in the sea[J]. Expert Systems With Applicants, 2011，38(4):4190-4197.

[11] 吴 兵,严新平,汪 洋,等.不确定性信息下的内河失控船应急决策方法[J].哈尔滨工程大学学报,2016,37(7):908-914.

WU Bing, YAN Xinping, WANG Yang, et al. Emergency decision-making method for handling an out-of-control ship in inland water in case of uncertain information[J]. Journal of Harbin Engineering University, 2016,37(7):908-914. (in Chinese)

[12] 朱建新,祝佳伟,朱祎宏.基于Entropy-Topsis的中国制造业企业创新环境评价[J].哈尔滨工程大学学报,2017,38(5):808-814.

ZHU Jianxin, ZHU Jiawei, ZHU Yihong. Assessment on the innovation environment of manufacturing enterprises in based on entropy-topsis model[J]. Journal of Harbin Engineering University, 2017,38(5):808-814. (in Chinese)

[13] 曾雪琴,陈建国,吕 峰.基于Entropy-Topsis模型的光伏建筑项目投资风险测评[J].科技管理研究,2015,35(2):31-35.

ZENG Xueqin, CHEN Jianguo, LV Feng, et al. Risk assessment of BIPV project investment based on entropy-topsis[J]. Science and Technology Management Research, 2015,35(2):31-35. (in Chinese)

[14] 李 刚,迟国泰,程砚秋.基于熵权TOPSIS的人的全面发展评价模型及实证[J].系统工程学报,2011,26(3):400-407.

LI Gang, CHI Guotai, CHENG Yanqiu. Evaluation model and empirical study of human all-round development based on entropy weight and topsis[J]. Journal of Systems Engineering, 2011,26(3):400-407. (in Chinese)

[15] Barmak K, Eggeling E, Emelianenko M, et al. An entropy based theory of the grain boundary character distribution[J]. Discrete & Continuous Dynamical Systems - Series A (DCDS-A), 2017,30(2):427-454.

[16] 范中洲,吴兆麟,张 闯,等.基于可拓理论的船舶定线制应用研究[J].大连海事大学学报,2013,39(1):43-45.

FAN Zhongzhou, WU Zhaolin, ZHANG Chuang, et al. Application research of extension set theory in ship′s routing[J]. Journal of Dalian Maritime University, 2013,39(1):43-45. (in Chinese)

[17] 翁建军,秦雪儿,李亚攀.水上飞机起降移动安全区定量计算分析[J].中国航海,2016,39(3):87-92.

WENG Jianjun, QIN Xueer, LI Yapan. Quantitative method for establishing moving safety zone around seaplane during taking off and landing[J]. Navigation of China, 2016,39(3):87-92. (in Chinese)

[18] 张 树,朱莲美.基于层次分析法的煤炭物流节点选址方法研究[J].南京理工大学学报(自然科学版),2015,39(3):301-305.

ZHANG Shu, ZHU Lianmei. Coal logistics node location method based on analytic hierarchy process[J]. Journal of Nanjing University of Science and Technology, 2015,39(3):301-305.