T-BSRS 120-2024 铀矿区放射性核素污染场地土壤整治技术筛选技术导则

ICS13.280CCSF73BSRSGuidanceonscreeningtechnologyforthesoilremediationtechnologyofradioactivenuclidecontaminatedminingormillingsiteofuraniumoressite本电子版为发布稿。请以北京市辐射安全研究会出版的正式标准为准。IT/BSRS120—2024 II II 12规范性引用文件 13术语和定义 14铀矿区放射性核素污染场地土壤整治技术 5铀矿区放射性核素污染场地整治技术的筛选 3 5 6 7T/BSRS120—2024本文件按照GB/T1.1－2020《标准化工作导则第1部分：标准化文件的结构和起草规则》的规定起草。请注意本文件的某些内容可能涉及专利。本文件的发布机构不承担识别专利的责任。本文件为指导性参考方法。本文件由中国辐射防护研究院和北京市辐射安全研究会组织制订。本文件起草单位：中国辐射防护研究院、生态环境部核与辐射安全中心、核工业二三0研究所、核工业航测遥感中心、中国铀业股份有限公司、中核地质勘查集团有限公司。本文件主要起草人：罗恺、王彦、顾志杰、廉冰、商照荣、康晶、陈海龙、孙宏图、田思溶、高芳莹、朱全政、王宏伟、梁家玮、高翔、张家豪。T/BSRS120—2024为贯彻《中华人民共和国环境保护法》和《中华人民共和国土壤污染防治法》，为保障人体健康，保护生态环境，加强铀矿区放射性核素污染场地环境监督管理，指导铀矿区放射性核素污染场地土壤整治技术筛选，制定本标准。本标准汇集了铀矿区放射性核素污染场地的土壤客土整治技术、土壤清洗去污整治技术、植物整治技术、微生物整治技术的原理、特点、适用范围及局限性，规定了整治技术的筛查与选择的原则和方法。本标准仅适用于铀矿区放射性核素污染场地土壤整治技术的筛查与选择。1T/BSRS120—2024铀矿区放射性核素污染场地土壤整治技术筛选技术导则本标准规定了铀矿区放射性核素污染场地的土壤客土整治技术、土壤清洗去污整治技术、植物整治技术、微生物整治技术的原理、特点、适用范围及局限性，规定了整治技术的筛查与选择的原则和方法。本标准仅适用于铀矿区放射性核素污染场地土壤整治技术的筛查与选择。2规范性引用文件下列文件中的内容通过文中的规范性引用而构成本文件必不可少的条款。其中，注日期的引用文件，仅该日期对应的版本适用于本文件；不注日期的引用文件，其最新版本（包括所有的修改单）适用于本文件。GB18871电离辐射防护与辐射源安全基本标准GB23727铀矿冶辐射防护和辐射环境保护规定EJ/T1191推导退役后场址土壤中放射性残存物可接受活度浓度的照射情景、计算模式和参数3术语和定义下列术语和定义适用于本文件。3.1铀矿区miningormillingsiteofuraniumores以提取铀为目的含铀系放射性核素矿石的开采、选矿和水冶过程或处理活动所在区域。3.2土壤污染soilpollution人类活动或自然过程产生的有害物质进入土壤，致使某种有害成分的含量明显高于土壤原有含量，从而对生物、水体、空气和人体健康产生潜在危害的现象。3.3整治技术remediationtechnology可改变待处理污染物的结构，或减轻污染物毒性、迁移性或数量的单一或系列的化学、物理或生物治理措施。4铀矿区放射性核素污染场地土壤整治技术铀矿区放射性核素污染场地土壤整治技术是指可用于消除、降低、稳定或转化污染场地土壤中放射性核素污染物的各种处理技术，包括可改变污染物结构、降低污染物毒性、迁移性或数量与体积的各种物理、化学或生物技术。本标准分别对土壤客土整治技术、土壤清洗去污整治技术、植物整治技术、微生物整治技术进行介绍，包括整治技术的原理、技术特点、适用范围及局限性等。4.1土壤客土整治技术2T/BSRS120—2024技术原理：土壤客土整治技术是指用清洁土壤取代或者部分取代污染土壤，覆盖在土壤表层或者混匀，使污染物浓度降低到临界危害浓度以下的一种整治技术。通过混合和稀释，减少污染物与植物根系的接触，并减少污染物进入食物链。技术特点：土壤客土整治技术可以是单一的整治技术，也可以作为其它整治技术的一部分。用此技术时需根据土壤污染物浓度、范围和土壤整治目标值，计算需要混合的干净土壤的量。混合时尽量垂直方向混合，少水平方向混合，以免扩大污染面积。土壤客土整治技术可以是原位混合，也可以是异位混合。该技术适合于土壤渗流区，即土壤含水量较低的土壤，当土壤含水量较高时，混合不均匀会影响混合效果。局限性：整治费用较高，客土后的土壤还需要进一步处理。4.2土壤清洗去污整治技术技术原理：土壤清洗去污整治技术是指将污染土壤挖掘出来后，与水或化学试剂混合，通过物理化学作用将土壤中的污染物转移到液相中，并对含污染物的液相介质进行处理处置，从而获得洁净土壤的技术。技术特点：土壤清洗去污整治技术通常为异位整治技术。污染土壤在清洗去污之前，通常根据土壤的物理状况将其分类，并基于再利用的用途和需求分别清洁到不同程度。清洗去污操作的核心是通过水力学的方式，机械悬浮或扰动土壤颗粒。清洗液可以是水或其他试剂（把酸、碱洗洁剂、络合剂或其他化合物溶到水中）。不同土壤清洗去污过程的不同阶段可能用到不同的清洗液。土壤清洗去污系统可以是固定式或移动式的，包括筛分、机械破碎、淘洗、沉淀、离心、过滤等单元。洗脱完成后，需要对清洗废液进行回收处理。该技术所需的实施周期主要取决于处理单元的处理速率及待处理的土壤体积，通常要求较大的处理场地。适用范围：土壤清洗去污技术可用于清洗大粒径土壤颗粒中的有机或无机污染物。局限性：土壤清洗去污技术在处理含有高腐殖质的土壤前需要进行预处理、清洗废液需要进行处理。4.3植物整治技术技术原理：植物整治主要是利用植物对污染物的吸收、转化、稳定或降解作用，实现土壤的净化、生态效益恢复的治理技术。植物修复的过程较为复杂，存在单个或多个过程的协同作用，如植物对污染物的直接吸收及累积作用，或将高毒的污染物变为低毒或无毒的污染物，或实现污染物的稳定化，或根际与微生物的联合代谢作用，从而吸收、转化和降解污染物等。技术特点：植物整治是通过种植特定的植物，对放射性污染核素进行吸收、降解、挥发和固定，从而实现土壤修复的方法，通常为原位修复。影响植物整治技术的因素通常包括：环境、气候、季节、污染深度等，如由于植物对环境的选择性，不能在特定环境中生长或生长缓慢，会对整治效果、整治周期造成影响，或由于放射性核素对植物的生长有抑制作用，放射性核素污染深度大于植物根系可达范围等。采用植物整治技术时，放射性核素进入植物后可能会进入食物链，因此需要控制整治后植物的食用途径。植物整治技术具有视觉美化和经济成本较低的特点，且适合与其他整治技术相结合。适用范围：植物整治对于植物特定放射性核素具有较好的整治效果，目前植物修复大多只能富集一种或两种污染核素，对复合污染修复效果一般。局限性：植物整治技术与环境、植物根系长度、植物生长周期、放射性核素毒性有关、具有较强的季节性和毒性，整治时间相对较长。3T/BSRS120—20244.4微生物整治技术技术原理：微生物修复是利用接种微生物（如真菌、细菌或其它微生物）降解（代谢）土壤中污染物，通过调节碳源、营养物、氧气或水分等强化手段，将污染物无害化的过程。技术特点：微生物修复技术可用作原位或异位修复。微生物修复的效率受污染物特性、土壤微生物种类、土壤性质、地质化学条件等因素的影响较大，且对土壤中的营养条件等要求较高。此外，微生物修复技术实施过程中需要控制场地的温度、pH值、水分等使之符合微生物的生存环境条件。微生物修复相对更适用于中、低浓度污染场地或区域，具有操作简便、费用低、绿色环保、对场地扰动小等优点。微生物修复技术一般比物理化学技术的修复时间长，污染物的大幅去除通常至少需要数月。适用范围：微生物修复技术对能量的消耗较低，可以用来修复面积较大的污染场地。该技术无法降解放射性核素，但可用于改变放射性核素的价态，使其被吸附、固定在土壤颗粒中，达到稳定化目的。局限性：如果土壤介质中含有抑制微生物活性或限制微生物与污染物接触的物质，则会降低修复效果，粘土、非均质土层也会影响修复效果；强化生物修复技术在低温条件下比如北方地区，寒冬时节不宜采用；该技术原位应用时，优先流的存在可能会减少添加剂和污染物的接触机会；高浓度毒性污染物可能对微生物有毒，影响微生物的存活和生长；该方法会受到微生物生长周期的影响。5铀矿区放射性核素污染场地整治技术的筛选5.1铀矿区放射性核素污染场地整治技术筛选的基本流程铀矿区放射性核素污染场地整治技术的筛选流程包括：场地调查、整治目标的确定、整治技术筛选、整治技术示范验证、铀矿区放射性污染场地整治技术的确定。图1铀矿区放射性核素污染场地整治技术筛选流程4T/BSRS120—20245.2场地调查铀矿区放射性核素污染场地调查应根据获得的土壤污染状况调查、风险评估资料和环境影响评价资料进行分析，结合必要的补充调查，确认地块土壤整治的目标污染物、整治目标值和整治范围。5.3整治目标的确定铀矿区放射性核素污染场地应根据GB23727确定整治目标，根据EJ/T1191土壤中放射性残存物可接受活度浓度计算模式进行确定相应放射性核素可接受活度浓度，整治过程中人员所受辐射剂量应满足GB18871的相关规定。5.4整治技术初步筛选铀矿区放射性核素污染场地整治技术应能满足场地整治目标，综合考虑技术成熟度、场地污染情况、技术经济成本以及二次污染等指标。整治技术的筛选方法应满足以下基本原则：a)可反映整治技术各指标相对权重；b)可反映污染场地实际情况与备选整治技术优劣势指标参数的差距；c)可对整治技术的定性指标、区间指标开展决策评价。推荐的筛选方法包括专家判断法、层次分析方法、混合型多属性决策方法等。分别参见附录A、附录B、附录C。5.5整治技术示范验证整治技术的示范验证包括实验室小试和铀矿区污染场地小规模整治示范验证。a)实验室小试实验室小组应采集拟开展整治场地的污染土壤，模拟污染场地的环境条件，对整治技术的关键指标进行试验。b)铀矿区污染场地小规模整治技术示范验证选取拟开展污染整治场地的部分区域开展筛选出的整治技术示范验证，从整治效果、成本、适用性、二次污染进行评估。整治效果评估参考《铀矿区污染土壤风险管控与土壤修复效果评估技术导则》执行。5.6铀矿区放射性污染场地整治技术的确定根据整治技术示范验证结果，对整治技术筛选方法中的参数进行优化调整，最终利用铀矿区污染场地整治技术筛选方法选取适合的整治技术。5T/BSRS120—2024附录A专家判断法根据专家对铀矿区放射性核素污染场地的认识，从整治技术的法规标准的符合程度、成本、技术成熟度、二次污染、放射性核素残留、与其他污染物的共存情况、公众接受度和政府接受程度分别进行打分判断，满分10分。专家判断人数不应少于5人，取总评分最高值的整治技术作为最佳备选整治技术。专家评分表格式见附表A.1。表A.1专家评分表格式息6T/BSRS120—2024（资料性）层次分析方法层次分析方法是将决策问题按总目标、各层子目标、评价准则和具体备选方案的顺序划分为不同层次的问题，构建判断矩阵，利用判断矩阵构建方案的总排序。该法可以将问题条理化、层次化，将复杂问题简化为有层次的模型。可按照目标层、准则层和指标层划分为不少于三个层级，其中目标层为整治技术筛选目标，准则层按照整治技术指标类别分别设置，指标层基于铀矿区放射性核素污染场地特征和整治技术设置。将备选筛选技术设为矩阵S=[a1，a2，an]，评价准则设为矩阵P[p1，p2，pm]，根据ai，aj的相对重要性构建判断矩阵A=[αij]m×n，从1~9划定相对重要程度。表B.1判断矩阵的定1表示ai和aj有相同的重要度3j稍微重要57j强烈重要9j极端重要求解方程AW=λmaxW（B-1）式中：λmax为判断矩阵A的最大特征值；W=[w1，w2，wn]为某一层相对于上一层的单层次评分。权重W的计算方法包括几何平均法、算术平均法、特征向量法和最小二乘法。由于多目标决策问题的复杂性和人们对问题认识模糊性和多样性使矩阵出现不一致现象，导致λmax>n，这就需要对矩阵进行一致性检验。引入一致性检验指数CI：（B-2）随着筛选技术维度n的增加，越容易出现不一致的情况，这时引入随机指标RI。RI与矩阵维度有关，其关系见表B.2。表B.2随机性指数与矩阵维度关系n12345678900当一致性比率：<0.1（B-3）说明矩阵是在可接受的范围内，此时可根据此矩阵计算各层次方案对目标的评分排序及各层要素对整治技术筛选的合成评分。取权合成评分最大值的整治技术作为最佳备选整治技术。7T/BSRS120—2024(资料性)混合型多属性决策方法混合型多属性决策方法（SIR方法）适合于处理包含精确数、模糊数的多属性决策问题。构建修复技术矩阵A={A1,A2…Ai…Am}和属性矩阵C={C1,C2…Ci…Cn}，tij表示在修复技术Ai下的属性Cj，建立决策矩阵D=[tij]m×n。定义偏好强度Ψj(Ai，Ak)=φj(tij-tkj)，式中φj(x)为偏好函数可根据具体情况在表C.1中选用。表C.1推荐使用的偏好函数偏好函数函数关系函数图像函数特点强SIR方法虽然需要相对较弱的条件排序，但仍属于级别高于方法，需要构建优势矩阵和劣势矩阵解决问题。通常情况下属性分为效益型属性Sb和成本型属性Sc，其中二者应满足Sb∪Sc=C且Sb∪Sc=Ø。设优势矩阵为S=[Sj(Ai)]m×n，劣势矩阵I=[Ij(Ai)]m×:sj(Ai)=Ij(Ai)=8T/BSRS120—2024为了反映每个方案的全局优势度和劣势度，通过多属性信息综合处理方法将优势指数和劣势指数集成为：优势流（S-flow）>(·)和劣势流（I-flow）<(·)。通过适当的加权后得到综合函数W[X]。每个方案的优势流和劣势流的计算方法为：⋎>(Ai)=W(S1(Ai),...,Sn(Ai))⋎<(Ai)=W(I1(Ai),...,In(Ai))（C-3）使用P>和I>分别表示优势流中的级别高于关系和无差别关系，R>=[P>,I>]和R<=[P<,I<]分别表示优势排序的关系集合和劣势排序的关系集合。根据（C-3）得到的优势流和劣势流可以得到方案排序：①⋎>(Ai)>⋎>(Ak)表示优势流中级别前者高于后者，定义AiP>Ak；②⋎>(Ai)=⋎>(Ak)表示优势流中无差别关系，定义AiI>Ak；③⋎<(Ai)<⋎<(Ak)表示劣势流中级别前者高于后者，定义AiP<Ak；④⋎<(Ai)=⋎<(Ak)表示劣势流中无差别关系，定义AiI<Ak。由于放射性土壤修复技术属性的性质不同，其中的定量属性可以利用精确数和区间数，定性属性可以利用模糊数。将属性j下标的集合进行分类排序，记为：NC={1,2,3…q1}，NI={q1+1,q1+2,q1+3…q2}，NF={q2+1,q2+2,q2+3…q3}和NG={q3+1,q3+2,q3+3…n}，分别表示精确数、区间数、三角模糊数和梯形模糊数，集合应满足NC∪NI∪NF∪NG=N={1,2,3…n}。HB-SIR方法需要将各种类型属性矩阵分别构建正负理想方案、标准优势和劣势差异信息矩阵、计算优势指数和劣势指数并构造优势和劣势矩阵，最后根据得到的矩阵计算优势流和劣势流并确定方案排序。正理想方案（PIA）ΦPIA=(tEQ\*jc3\*hps14\o\al(\s\up5(J),P)EQ\*jc3\*hps11\o\al(\s\up7(C),I)A,tEQ\*jc3\*hps11\o\al(\s\up5(JI),P)IA,tEQ\*jc3\*hps11\o\al(\s\up5(JF),P)IA,tEQ\*jc3\*hps14\o\al(\s\up5(J),P)EQ\*jc3\*hps11\o\al(\s\up7(G),I)A)，负理想方案（NIA）ΨNIA=(tEQ\*jc3\*hps11\o\al(\s\up5(JC),N)IA,tEQ\*jc3\*hps11\o\al(\s\up5(JI),N)IA,tEQ\*jc3\*hps11\o\al(\s\up5(JF),N)IA,tEQ\*jc3\*hps11\o\al(\s\up5(JG),N)IA)。对精确数的正负理想方案下的属性如下：EQ\*jc3\*hps9\o\al(\s\up6(JC),PIA)EQ\*jc3\*hps13\o\al(\s\up5(1),P)EQ\*jc3\*hps13\o\al(\s\up5(2),P)EQ\*jc3\*hps13\o\al(\s\up5(j),P)EQ\*jc3\*hps9\o\al(\s\up5(q1),PI)EQ\*jc3\*hps9\o\al(\s\up6(JC),NIA)EQ\*jc3\*hps13\o\al(\s\up5(1),N)EQ\*jc3\*hps13\o\al(\s\up5(2),N)EQ\*jc3\*hps13\o\al(\s\up5(j),N)EQ\*jc3\*hps9\o\al(\s\up5(q1),NI)tEQ\*jc3\*hps14\o\al(\s\up5(j),P)IAEQ\*jc3\*hps14\o\al(\s\up5(j),N)EQ\*jc3\*hps24\o\al(\s\up2(in),M)cEQ\*jc3\*hps24\o\al(\s\up2(aEQ\*jc3\*hps24\o\al(\s\up2(in),M)cEQ\*jc3\*hps24\o\al(\s\up2(a),M)cEQ\*jc3\*hps24\o\al(\s\up2(in),M)b对区间数的正负理想方案下的属性如下：EQ\*jc3\*hps9\o\al(\s\up6(JI),PI)EQ\*jc3\*hps9\o\al(\s\up4(q1+1),PIA)EQ\*jc3\*hps9\o\al(\s\up4(q1+),PIA)EQ\*jc3\*hps9\o\al(\s\up4(j),P)EQ\*jc3\*hps9\o\al(\s\up4(q2),PI)EQ\*jc3\*hps9\o\al(\s\up6(JI),NI)EQ\*jc3\*hps9\o\al(\s\up4(q1+),NIA)EQ\*jc3\*hps9\o\al(\s\up4(q1+2),NIA)EQ\*jc3\*hps9\o\al(\s\up4(j),N)EQ\*jc3\*hps9\o\al(\s\up4(q2),NI)PIAtjPIAIEQ\*jc3\*hps14\o\al(\s\up5(j),N)I={LUEQ\*jc3\*hps23\o\al(\s\up2(i),M)EQ\*jc3\*hps23\o\al(\s\up2(in),M)cEQ\*jc3\*hps24\o\al(\s\up1(a),M)EQ\*jc3\*hps14\o\al(\s\up7(L),ij)={LUEQ\*jc3\*hps23\o\al(\s\up2(i),M)EQ\*jc3\*hps23\o\al(\s\up2(in),M)cEQ\*jc3\*hps24\o\al(\s\up1(a),M)EQ\*jc3\*hps14\o\al(\s\up7(L),ij)EQ\*jc3\*hps24\o\al(\s\up1(a),M)EQ\*jc3\*hps14\o\al(\s\up7(U),ij)cEQ\*jc3\*hps24\o\al(\s\up1(in),M)EQ\*jc3\*hps14\o\al(\s\up6(L),ij)EQ\*jc3\*hps24\o\al(\s\up1(in),M)EQ\*jc3\*hps14\o\al(\s\up6(U),ij)b对三角模糊数的正负理想方案下的属性如下：EQ\*jc3\*hps9\o\al(\s\up6(JF),PIA)EQ\*jc3\*hps9\o\al(\s\up4(q2+),PIA)EQ\*jc3\*hps9\o\al(\s\up4(q2+),PIA)EQ\*jc3\*hps9\o\al(\s\up4(j),P)EQ\*jc3\*hps9\o\al(\s\up4(q3),PI)EQ\*jc3\*hps9\o\al(\s\up6(JF),NIA)EQ\*jc3\*hps9\o\al(\s\up4(q2+),NIA)EQ\*jc3\*hps9\o\al(\s\up4(q2+),NIA)EQ\*jc3\*hps9\o\al(\s\up4(j),N)EQ\*jc3\*hps9\o\al(\s\up4(q3),NI)={LMUtjPIAFEQ\*jc3\*hps23\o\al(\s\up1(i),M)EQ\*jc3\*hps23\o\al(\s\up1(in),M)EQ\*jc3\*hps23\o\al(\s\up1(in),M)cEQ\*jc3\*hps23\o\al(\s\up1(a),M)EQ\*jc3\*hps13\o\al(\s\up6(L),ij)={LMUtjPIAFEQ\*jc3\*hps23\o\al(\s\up1(i),M)EQ\*jc3\*hps23\o\al(\s\up1(in),M)EQ\*jc3\*hps23\o\al(\s\up1(in),M)c（C-6）（C-7）（C-10）（C-11）（C-12）（C-13）（C-14）9T/BSRS120—2024NIAtjNIAF={LMUEQ\*jc3\*hps23\o\al(\s\up1(a),M)EQ\*jc3\*hps23\o\al(\s\up1(a),M)EQ\*jc3\*hps23\o\al(\s\up1(a),M)cEQ\*jc3\*hps23\o\al(\s\up1(i),M)EQ\*jc3\*hps13\o\al(\s\up6(L),ij)EQ\*jc3\*hps23\o\al(\s\up1(in),={LMUEQ\*jc3\*hps23\o\al(\s\up1(a),M)EQ\*jc3\*hps23\o\al(\s\up1(a),M)EQ\*jc3\*hps23\o\al(\s\up1(a),M)c（C-15）对梯形模糊数的正负理想方案下的属性如下：PIAjtPIAGNIAGNIAGEQ\*jc3\*hps9\o\al(\s\up6(JG),PIA)EQ\*jc3\*hps9\o\al(\s\up4(q3+),PIA)EQ\*jc3\*hps9\o\al(\s\up4(q3+),PIA)EQ\*jc3\*hps9\o\al(\s\up4(j),P)EQ\*jc3\*hps9\o\al(\s\up5(qn),PI)EQ\*jc3\*hps9\o\al(\s\up6(JG),NIA)EQ\*jc3\*hps9\o\al(\s\up4(q3+1),NIA)EQ\*jc3\*hps9\o\al(\s\up4(q3+2),NIA)EQ\*jc3\*hps9\o\al(\s\up4(j),N)IAEQ\*jc3\*hps9\o\al(\s\up5(qn),NI)EQ\*jc3\*hps23\o\al(\s\up2(a),M)EQ\*jc3\*hps15\o\al(\s\up7(L),ij)EQ\*jc3\*hps23\o\al(\s\up2(a),M)EQ\*jc3\*hps15\o\al(\s\up7(M),ij)EQ\*jc3\*hps23\o\al(\s\up2(a),M)EQ\*jc3\*hps23\o\al(\s\up2(t),i)EQ\*jc3\*hps15\o\al(\s\up7(U),ij)bEQ\*jc3\*hps23\o\al(\s\up1(i),M)EQ\*jc3\*hps13\o\al(\s\up6(L),ij)EQ\*jc3\*hps23\o\al(\s\up1(in),M)EQ\*jc3\*hps13\o\al(\s\up6(M),ij)EQ\*jc3\*hps23\o\al(\s\up1(in),M)EQ\*jc3\*hps13\o\al(\s\up6(V),ij)EQ\*jc3\*hps23\o\al(\s\up1(i),M)EQ\*jc3\*hps13\o\al(\s\up6(U),ij)c∈EQ\*jc3\*hps23\o\al(\s\up1(i),M)EQ\*jc3\*hps13\o\al(\s\up5(L),ij)EQ\*jc3\*hps23\o\al(\s\up1(in),M)EQ\*jc3\*hps13\o\al(\s\up5(M),ij)EQ\*jc3\*hps23\o\al(\s\up1(in),M)EQ\*jc3\*hps13\o\al(\s\up5(V),ij)∈EQ\*jc3\*hps23\o\al(\s\up1(i),M)EQ\*jc3\*hps13\o\al(\s\up5(U),ij)bEQ\*jc3\*hps23\o\al(\s\up1(a),M)EQ\*jc3\*hps15\o\al(\s\up6(L),ij)EQ\*jc3\*hps23\o\al(\s\up1(a),M)EQ\*jc3\*hps15\o\al(\s\up6(M),ij)EQ\*jc3\*hps23\o\al(\s\up1(a),M)EQ\*jc3\*hps23\o\al(\s\up1(t),i)EQ\*jc3\*hps15\o\al(\s\up6(U),ij)c（C-16）（C-17）（C-18）（C-19）基于（C-6）、（C-7）、（C-10）、（C-11）、（C-14）、（C-15）、（C-18）和（C-19）八式可以构建正负理想方案：EQ\*jc3\*hps14\o\al(\s\up7(j),P)EQ\*jc3\*hps10\o\al(\s\up8(jI),PI)EQ\*jc3\*hps14\o\al(\s\up0(A),I)EQ\*jc3\*hps14\o\al(\s\up7(j),P)EQ\*jc3\*hps14\o\al(\s\up7(j),P)EQ\*jc3\*hps13\o\al(\s\up5(j),N)EQ\*jc3\*hps13\o\al(\s\up5(j),N)EQ\*jc3\*hps13\o\al(\s\up5(j),N)EQ\*jc3\*hps13\o\al(\s\up5(j),N)IA]优势差异信息矩阵是基于各个技术方案矩阵Ai相对于负理想方案ANIA所建立：G=[d(tEQ\*jc3\*hps14\o\al(\s\up5(j),i)NIA)]m×n，其中d(tEQ\*jc3\*hps14\o\al(\s\up5(j),i)NIA)满足：EQ\*jc3\*hps13\o\al(\s\up5(j),N)MMEQ\*jc3\*hps15\o\al(\s\up9(j),N)EQ\*jc3\*hps15\o\al(\s\up10(C),F)EQ\*jc3\*hps15\o\al(\s\up10(ij),ij)EQ\*jc3\*hps13\o\al(\s\up5(j),N)MMEQ\*jc3\*hps13\o\al(\s\up5(j),N)M,j∈NI,j∈NF（C-21）劣势差异信息矩阵是基于各个技术方案矩阵Ai相对于正理想方案APIA所建立：p=[d(tEQ\*jc3\*hps14\o\al(\s\up5(j),i)pIA)]m×n，其中d(tEQ\*jc3\*hps14\o\al(\s\up5(j),i)pIA)：EQ\*jc3\*hps13\o\al(\s\up5(j),P)MMEQ\*jc3