1.一种基于模糊综合评价的风险评估方法，包括如下步骤：

A.对原始数据集进行预处理，确定各风险因子及风险因子权值，得到待评估数据集；所述风险因子为一级风险因子或包含分级的多级风险因子；

B.采用模糊综合评估模型，对待评估数据集中的每一条记录，计算得到综合评估值，所述综合评估值为未按维度分类的多维度综合评估值，由此得到多维度综合评估集E；所述多维度综合评估集E为包含q条数据、k个维度类别、1个评估值列的矩阵；

C.建立分类模型，对所述多维度综合评估集E进行分类，得到k个单维度综合评估集D1，D2，…，Dk；

D.采用可视化方法对步骤C中得到的各单维度综合评估结果进行展示。

2.如权利要求1所述风险评估方法，其特征是，步骤A具体执行如下步骤：A1、对原始数据集进行统计分析，得到统计分析结果，根据专家经验从统计分析结果中选择得到综合评估的风险因子，作为一级风险因子xi(i＝1,2,3...n)，n表示一级风险因子个数；并确定一级风险因子权重wi(i＝1,2,3...n)，且A2、对A1中的一级风险因子，若一级风险因子存在分类，则按照分类将所述一级风险因子再分为一个或多个二级风险因子xij(j＝1,2,3...m)，m表示某一级风险因子下二级风险因子的个数；并确定二级风险因子权重为wij(j＝1,2,3...m),满足A3、对含有分级的风险因子，先对其二级风险因子加权求和 得到该一级风险因子属性值；

A4、定义待评估数据集V＝(A X)，其中A是一个(q*k)的矩阵，X为(q*n)的矩阵：A5、根据各风险因子权值，得到一级风险因子的权重向量W＝[w1 w2 ... wn]。

3.如权利要求1所述风险评估方法，其特征是，步骤B具体包括如下步骤：B1、利用隶属度函数对一级风险因子数据集X归一化，得到归一化的风险因子数据集Z；

其中定义一级风险因子的隶属度函数为式1：

式1中，xmin表示该一级风险因子里的最小值，xmax表示该一级风险因子里的最大值；将相应的风险因子属性值代入隶属度函数，得到评估矩阵Z如式2：其中，Yq等于通过隶属度函数C(xi)求得的归一化后的各个待评估数据的风险因子属性值的矩阵，yqn表示第q个评估对象的第n个风险因子经过隶属度函数归一化后的值，n表示风险因子数量，q表示评估对象的数量；其中矩阵的每一行表示一条待评估对象所对应的归一化后的风险因子属性值，每一列表示一种风险因子；

B2、采用模糊评价模型(式3)对归一化的风险因子数据集Z中每一条记录计算得到多维度综合评估值EM：其中，待评估集V各个评估对象的多维度综合评估值EM＝[e1 e2  ... eq]，EM表示待评估集V的多维度综合评估值向量，eq表示第q个评估对象的多维度综合评估值，W是一级风险因子的权重向量，Z是评估矩阵，n是风险因子的个数；

B3、将得到的多维度综合评估矩阵EM＝[e1 e2  ... eq]与属性矩阵A合并，即令由此得到多维度综合评估集E。

4.如权利要求1所述风险评估方法，其特征是，步骤C具体执行如下步骤：步骤B所述多维度综合评估集 是一个q*(k+1)的矩阵，表示为：将数据集中包含的q条数据、k个维度类别、1个评估值列进行分类，得到数据集D＝[D1,D2,....,Dk]，其中D1,....,Dk为多个(q*2)的独立矩阵， 每个独立矩阵的第一列为类别信息，第二列为该类别的单维度综合评估值。

5.如权利要求4所述风险评估方法，其特征是，分类过程包括如下步骤：S1)将数据集D1,D2,....,Dk赋初值为0；

S2)从E中按维度挑选各分类元素，依次填入数据集D1,D2,....,Dk；

S3)用D中各个数据集D1,D2,....,Dk中的元素与E进行对比，将相同子类的评估值加和求平均，得到单维度评估值。

6.如权利要求1所述风险评估方法，其特征是，步骤D中，所述展示包括可视化展示和可交互操作展示。

7.如权利要求6所述风险评估方法，其特征是，可视化展示形式包括条形图、基于地图的热图、折线图；可交互操作展示的操作包括维度筛选、多视图联动和提示框。

8.将权利要求1～7所述风险评估方法应用于农药残留数据进行风险评估，包括：确定农残风险因子，农残风险因子的权重越大表示该风险因子对风险的影响越大；通过模糊综合评估模型得到农残污染程度的综合评估值，建立分类模型对农残综合评估值进行分类，得到农残污染程度每个维度的综合评估值；再将每个维度的综合评估结果进行可视化展示和交互操作展示。