基于模糊层次分析法的我国商业银行风险综合评价体系研究

基于模糊层次分析法的我国商业银行风险综合评价体系研究（精选6篇）

基于模糊层次分析法的我国商业银行风险综合评价体系研究 篇1

07年爆发的次贷危机席卷了全球，也对商业银行的风险管理水平提出了更高的要求。国际先进的商业银行已建立并逐步完善全面的风险管理体系，而随着我国金融业的全面对外开放带来的竞争压力，以及商业银行风险复杂程度的不断提高，构建科学的风险评价体系已成为我国商业银行的核心竞争力。

本文根据我国商业银行的实际情况，从全面风险管理的角度构建商业银行风险评价体系：选取了代表信用风险、市场风险、操作风险、流动性风险的各项指标，利用模糊层次分析法确定指标权重，并引入参数α表示决策的置信程度，通过乐观指数μ表示决策者的评估观念，克服了德尔菲法和传统层次分析法的缺点；构造了一个模糊评判模型，对每个指标因素的风险程度用模糊数学中的隶属度来表示，系统客观地研究我国商业银行的风险评价问题；以实际案例来说明所提出的模型是可行的，并对我国商业银行风险评价体系的完善提出了相关对策和建议。这对于提高我国商业银行的风险管理水平具有一定的现实意义。

基于模糊层次分析法的我国商业银行风险综合评价体系研究 篇2

最近几年,太阳能光伏发电行业作为可再生能源开发利用当中的佼佼者,取得了快速的发展。但是在我国太阳能光伏发电行业取得快速发展的背后,我们也应该看到其潜在的风险。由于太阳能光伏发电行业发展历史不长,人们对其所蕴含的风险也关注不够,所以对我国太阳能光伏发电行业存在的风险进行评价研究具有十分重要的现实意义。最近的一些关于太阳能光伏发电行业风险的研究普遍注重于对风险的分析和介绍,而没有进一步研究风险的严重程度,以及对目前我国太阳能光伏发电行业的风险等级做一个定量的评价。

本文在目前研究的基础上,借助于多层次模糊评价法的数学模型,结合实例分析,来对我国太阳能光伏发电行业风险的严重程度做定量的评价,从而得出目前我国太阳能光伏发电行业的风险等级。

1 多层次模糊综合评价法基本原理

1.1 建立评价指标体系

记undefined,其中U为因素集,Ui为因素集中的第i个因素,并且满足undefined,Ui∩Uj=ϕ(i≠j),将undefined称为第一级因素集。设undefined,称其为第二级因素集。

1.2 各指标权重值的确定

为进行模糊评价需确定各指标的权重,本文采用层次分析法来确立。AHP法是美国运筹学家沙旦于20世纪70年代提出的,是一种定性与定量分析相结合的多目标决策分析方法。特别是将决策者的经验判断给予量化,对目标结构复杂且缺乏必要的数据情况下,这一方法更为适用[3]。

1.2.1 构造判断矩阵

运用专家打分法来对各层指标两两比较的重要程度在标度(见表1)范围内进行打分,给予量化,从而形成判断矩阵。

1.2.2 权重的确定及一致性检验

根据判断矩阵,求出最大特征值λmax对应的特征向量,该特征向量即为各评价指标重要性排序,也是各指标的权重,得到权重集W={(W1,W2,...,Wn}) 。由于人们对复杂事物存在估计误差,不可能做到判断的完全一致性。往往当判断矩阵具有满意一致性时,认为基于层次分析法得出的结论是基本合理的。检验公式如下:

undefined

CR=CI/RI

其中,CI为判断矩阵的一致性指标,RI为修正系数(见表2),CR为修正后的一致性指标。

当CR<0.1时,一般认为判断矩阵具有满意的一致性,否则就需要调整判断矩阵并使之具有满意的一致性。

1.3 建立评价集

对每一个指标进行等级评定,假设可以分为p个等级。记评价集合undefined。

1.4 多层次模糊综合评价

1)先对第二级因素集中的各因素Ui(i=1,2,...,n)进行单因素模糊评价,且undefined表示因素Ui含有m个子因素。通常各子因素的重要程度不同,利用AHP法得到因素Ui的权重集undefined且undefined,元素wik(k=1,2,...,m)可称为各子因素对Ui重要性的隶属程度。从一个因素Ui出发进行评价,以确定评价对象对评价集元素Vk的隶属程度rij(i=1,2,...,m;j=1,2,...,p)称为单因素模糊评价[4]。根据专家投票结果,得到Ui的单因素模糊评价矩阵为:undefined,作一级模糊综合评价undefined,其中undefined。根据上述方法,可构造出总模糊评价矩阵undefined。

2)对于第一级因素集undefined,由undefined的权重集undefined,再根据总模糊评价矩阵undefined,作二级模糊综合评价得undefined。其中bτ(τ=1,2,...,p)是综合考虑所有因素的影响时,评判对象对评价集中第τ个元素的隶属程度。由所求出的矩阵undefined,根据最大隶属度原则,可确定出评价对象对应的等级[5]。

2 实例分析

2.1 我国太阳能光伏发电行业风险指标体系的构建

根据目前我国太阳能光伏发电行业的发展情况,通过调查分析,可以确定当前我国太阳能光伏发电行业所存在的风险类型有市场风险、产业技术风险、管理风险、外部环境风险[6,7,8]。建立如下图所示的我国太阳能光伏发电行业风险评价指标体系层次结构。

2.2 多层次模糊综合评价法的具体应用

2.2.1 各单因素权重的确定

首先构造层次A-B的比较判断矩阵为undefined。计算出矩阵A的最大特征值λmax=4.12,相应的特征向量即权重向量为undefined。一致性指标CI=undefined,查表2可知修正系数RI=0.90,从而修正后的一致性指标CR=0.04/0.90=0.044<0.1,通过一致性检验。接着构造B-C比较判断矩阵:

undefined

对成对比较矩阵B1,B2,B3,B4分别求出其对应的权向量及进行一致性检验,计算结果如表3所示。

从上表可以看出B1,B2,B3,B4均通过一致性检验。

2.2.2 风险评价

本文重点是对我国太阳能光伏发电行业存在的风险进行评价,根据已构建的风险层次分解,利用专家调查结果,采用多层次模糊综合评价法来进行风险评价。

根据风险层次结构,第一层因素集U=(U1,U2,U3,U4),第二层因素集分别为

U1=(u11,u12,u13),U2=(u21,u22,u23,u24),U3=(u31,u32,u33,u34),U4=(u41,u42,u43)。风险评价集undefined,本文是针对我国太阳能光伏发电行业进行风险评价,记Vi(i=1,2,...,5)表示风险等级,可依次记V1,V2,V3,V4,V5为高,较高,中,较低,低。

对每个Ui(i=1,2,3,4)进行单因素评价,由10位专家组成的评价小组,用投票的方法,得到相应的单因素评价矩阵。根据投票结果,再综合各单因素的权重向量,可组成太阳能光伏发电行业风险综合评价结构表,见表4。

对于第二级因素集Ui(i=1,2,3,4),有U1=(u11,u12,u13),权重集为undefined,单因素U1模糊评价矩阵为undefined。作一级模糊综合评价,由undefined,得undefined。同理可得出undefined依次为undefined,undefined,undefined。

对第一级因素集U=(U1,U2,U3,U4),权重集为undefined,总模糊评价矩阵为undefined

undefined

作二级模糊综合评价,得undefined。由bτmax=0.484,根据最大隶属度原则,评价对象对应的风险等级为较高,即得到目前我国太阳能光伏发电行业的风险级别为较高这一结论。

3 结语

本文通过运用多层次模糊综合评价法来对我国目前太阳能光伏发电行业所面临的风险进行风险等级评价,主要得出的结论有以下两点:

1)通过建立多层次模糊综合评价法模型,结合实证分析,得到我国太阳能光伏发电行业的风险级别为较高,这与当前的社会状况基本符合,由此也证明了模型的正确性。

2)太阳能光伏发电行业是新兴行业,有着广阔的发展前景。对我国太阳能光伏发电行业进行风险严重程度研究,有助于投资者全面准确的了解风险,从而采用切实有效的方法规避风险,这样可以杜绝盲目投资,有利于科学决策,从而可以推动我国太阳能光伏发电行业的健康发展。

参考文献

[1]张超.金融危机下我国太阳能行业的机遇与挑战[J].宁波职业技术学院学报,2009,13(3):61-64.

[2]张荣辉.我国光伏行业发展概述[J].科技资讯,2010,26(6):213-214.

[3]钱颂迪.运筹学[M].北京:清华大学出版社,2008:455-460.

[4]杨林,张德模,等.模糊综合评价法判断监测断面的主要污染物[J].西北大学学报,2003,12(6):26-30.

[5]张宁,陶庆.基于多级模糊综合法的工程项目风险评价[J].建筑经济,2009,6(3):27-29.

[6]李莹霄.我国太阳能光伏发电投资风险分析[D].长春:吉林大学,2008.

[7]庚晋.太阳能光伏发电存在的问题及促进措施[J].光源与照明,2010,3(1):42-44.

基于模糊层次分析法的我国商业银行风险综合评价体系研究 篇3

1目前国内外研究现状

关于学风评价体系的研究比较代表性的有：张丽丽、何军、何冬冬（2014）通过构建学风综合评价指标体系，建立高校学风综合评价模型。通过该模型，不仅可以确定影响学风的主要因素，而且可以了解被评价单位的学风综合状况；宋志鹏（2011）将学风分解为学习行为、思想品德行为和日常行为等三个方面，并具体细化为学习成绩、政治态度、集体观念等10个二级指标，在此基础上建立了高校学风评价模型，并进行了实际测评；从田飞、曹威麟（2008），认为高校学生学风是一个抽象概念，研究学风时要将抽象的学风转化为可观察的具体指标（测量指标），体系框架由第一级的抽象概念、第二级的维度和第三级的测量指标组成，学风的维度归类分为五种，采用李克特五级量表的形式来获取最优指标体系。

这些研究都为本文基于模糊层次综合评价法的学风评价体系实证研究奠定了基础。

2基于模糊层次综合评价法的学风评价模型的构建

本研究是从狭义的角度来研究，特指学生的学习风气评价，将学风评价这一重要概念界定为：学风评价是对学生学习风气的客观测评，通过系统的数据搜集和信息蹄选，对高校学生学习风气现状、过程和结果作出客观的分析和判断，在此基础上依据评价结论提出建议对策，以到达提升高校学风水平和效果之目的。

2.1构建学风评价指标体系

本研究广泛征求专家的意见和建议，专家中包括3位专业教授（具有丰富教学科研经验）、2位学院领导（做过学生工作）、5位一线教师、教学督导组专家，根据专家、学者的反馈意见，最终确定了学风评价指标体系。

2.2层次分析法确定各指标权重

合理准确的构建判断矩阵是层次分析法的关键所在，同时也是解决问题的核心。根据图1中的层次结构模型，本文采用常用的T.L Saaty1-9标度方法，通过取加权平均值来构建合理的判断矩阵。判断矩阵A（即A-Bi，i=1，2，3）表示相对总目标来说目标层各指标的相对重要程度；判断矩阵A1（即A1-Ci，i=1，2，3）表示相对于目标A1来讲，其子目标层各指标的相对重要程度；判断矩阵A2（即A2-Ci，i=4，5，6，7）表示相对于目标A2来讲，其子目标层各指标的相对重要程度；判断矩阵A3（即A3-Ci，i=8，9）表示相对于目标A3来讲，其子目标层各指标的相对重要程度；判断矩陣A4（即A4-Ci，i=10，1，12）表示相对于目标A4来讲，其子目标层各指标的相对重要程度。

根据层次分析法的计算规则，确定一级指标和二级指标的权重如表2-2所示。

活动效果C120.2970

3基于模糊综合评价方法的学风评价实证案例分析

3.1收集数据

为了准确评价机场学院的学风情况，本研究邀请了30位评委，其中包括教授5人、管理者5人、一线教师代表10人、学生代表10人，请他们对学风评价指标体系打分表中每一项指标进行考评。评价结果如下表所示，其中“评价结果”栏中数据表示评委中n名评委对该项工作的相应评价占评委总人数的比例。

3.2模糊评价法进行综合评价

1.第二级因素集进行综合评判

同理计算：

2.计算第一级因素集进行综合评判

A=（0.45500.2627 0.14110.1411）

3.计算模糊综合评价值P

P=BV=*（95，85，70，60，50）T=88.53，说明机场学院的学风目前处于良好的状态。

4总结

学风建设是高校基础性的，也是最重要的一项工作。学风不仅直接体现了学生的学习态度，学习氛围，还彰显了高校的管理理念和管理水平，并最终关系到人才培养的质量。本文利用层次分析法构建了学风评价指标体系并确定了各指标的权重，构建了模糊综合评价方法的模型，并以机场学院为例，应用该模型进行了学风评价。

参考文献：

[1]教育部.国家中长期教育改革和发展规划纲要（2010- 2020年）.教育部网站，2010；

[2]教育部.普通高等学校本科教学工作水平评估方案.教育部网站，2004；

[3]张丽丽、何军、何冬冬.高校学风综合评价模型研究[J].西南民族大学学报，2014，07：573-577；

[4]宋志鹏.高校学风评价指标体系设计与实际测评[J].青岛大学师范学院学报，2011（3）：30-32；

[5]田飞、曹威麟.学风指标体系实证研究[J].高教发展与评估，2008，24（2）：15-21；

[6]王圣.高校学风评价指标体系研究[J].时代教育，2013（15）：37-37；

基于模糊层次分析法的我国商业银行风险综合评价体系研究 篇4

摘要：农业技术推广评价系统的作用对象是我国的农业技术推广人员和相关的部门，目的是将先进的农业生产技术运用在农业产前、产中和产后的阶段中，从而提高农民的生活水平，繁荣农村经济，促进整个社会经济的发展。我国的农业技术推广评价指标体系主要集中在农业生产的产后阶段，对于农业生产产前和产中的研究较少，这在一定程度上制约了我国农业技术水平的发展和提高，所以，建立一套完整的基于层次分析法的农业技术推广评价指标系统对于我国农业技术水平的发展具有十分重大的意义。

农业推广技术就是通过说服、培训、提供信息等非强制生产方式帮助农民改进生产技能，发展农业生产，我国农业技术推广工作自1993年开始实施之后已有近20年的时间，取得了一定的显著成效，就目前来看，农业技术推广评价系统的作用对象是我国的农业技术推广人员和相关的部门，目的是将先进的农业生产技术运用在农业产前、产中和产后的阶段中，从而促进农民创收增收，提高农民的生活水平，繁荣农村经济，促进整个社会经济的发展。但是我国的农业技术推广评价指标体系主要集中在农业生产的产后阶段，将重点放在农业生产的经济成果、社会效果和生态效果的评估上面，对于农业生产产前和产中的研究较少，分析层次不够，这在一定程度上制约了我国农业技术水平的发展和提高，所以，建立一套完整的基于层次分析法的农业技术推广评价指标系统对于我国农业技术水平的发展具有十分重大的意义。

首先，利用专家经验和农业技术推广程度相结合的方式对

产前阶段进行合理评价，完善农业生产产前设计方案。

在农业产前阶段，应该做好全方位的部署工作，根据地域性特点和当年气象情况，确立好农业生产的目标，加大招商引资力度，制定好客观、合理的农业技术推广方案，根据资金和国家相关政策情况对人力资源方面实施有效配置，将先进的农业技术引入到农业生产中，对农民做好产前的培训工作，居安思危，防患于未然，在农民中普及防治病虫害、合理施肥等必备农业知识，在总体评价方面，利用专家自身经验和实用农业技术的推广程度进行合理的评价和打分，从而得出产前评价指标，给日后的农业产中和产后阶段的评价指标提供合理的参考。其次，在产中方案的评价过程中，要综合到方案认同度、推广人员综合能力，推广过程管理的整体评价。

产中评价方案的实施是农业技术推广评价体系中最为重要的一点，在生产过程中，农业推广人员应该根据当地农业生产的实际变化情况协助农民和生产单位安排好相关生产事宜，发现干旱、病虫害等现象是应当及时制定相关的解决方案，农业产中的评价涉及面相对广泛，包含对农业推广方案的认同度、推广主体的能力和推广过程中的管理三个大的指标，其中，推广方案的认同度指的是通过调查问卷确定相关人员对农业技术推广方案的接受和赞同程度，推广主体的能力指的是问卷调查对象对推广人员的职称、经验、学历的认同程度，是对推广人员业务能力的考核，推广过程中的管理是指通过合理有效的管理手段达到农业生产成果和农业科学技术在应用过程中具备科学规范的良好特性。方案认同度、推广人员综合能力、推广过程管理的整体评价是农业技术推广产中评价的中组成部分，这三个指标的评价结果可以通过专家实际考察来得出。

最后，在产后阶段进行评估时，不仅要考虑到农业生产成果，同时也要将农业生产给社会生态带来的整体效益纳入评估范围。

农业产后阶段的评估一直是我国农业技术推广评价的最重要的指标，在我国已经得到一定程度的发展，在目前，我国农

基于模糊层次分析法的我国商业银行风险综合评价体系研究 篇5

以西北某灌区为例,利用模糊层次综合评价法对工程生态环境影响进行了评价,首先将总体生态环境评价作为最高层次的`评判对象,将自然、生态和社会环境3个子系统作为第2层次评判对象,将生态环境组成要素如土质、地表水文等8个要素作为第3层评判对象,将水质、植被等15个要素作为第4层次评判对象.模型建立后,对各因素的权重进行了分析,对灌区最后的综合评价是很好,模型分析结论与实际情况相符.

作 者：刘俊民 杨平方增强 马玉峰 作者单位：刘俊民,杨平(西北农林科技大学水利与建筑工程学院,陕西,杨凌,712100)

方增强,马玉峰(安徽省水利水电勘测设计院,安徽,合肥,230022)

基于模糊层次分析法的我国商业银行风险综合评价体系研究 篇6

长江全长超过6 300 km,干流横贯东西,支流沟通南北,是我国第一、世界第三大河流,素有“黄金水道”之称。长江干线水路运输在服务沿江经济发展的同时,其通航风险也受到了广泛关注,特别是在其枯水季节,搁浅等事故时有发生,严重影响了长江黄金水道的可持续发展。

如何对枯水期长江水上交通风险进行有效识别,进而采取有针对性的措施降低水上交通事故发生的概率和事故可能造成的损失,对于保障枯水期长江的通航安全具有重要的现实意义。

然而,长江水上交通系统是一个复杂的大系统,涉及人、船、环境、管理等多个子系统,识别关键风险要素、选择最有效的风险控制方案具有相当的难度。

本文选择模糊层次分析法作为风险识别和方案决策的主要手段,一方面利用层次分析法(analytic hierarchy process, AHP)将整个水上交通系统分为若干子系统、子模块逐级进行研究,便于识别主要风险要素和选择最优风险控制方案;另一方面,结合模糊逻辑中的离散模糊集,运用其有效转化主观判断术语为定量模糊数的能力[1],实现在客观数据缺失的情况下进行定量分析评价的目的。

1 模糊层次分析法

模糊层次分析法(Fuzzy-AHP)是在已建AHP模型的基础上,运用离散模糊集处理专家判断的数据,通过构建判断矩阵计算各风险因素的权重,并根据效用分析的结果提出具有针对性的最优风险控制方案。相比于传统AHP方法,本研究采取直接收集定性评价结果的方式,通过建立判断术语的离散模糊集实现定性评价向定量数据的转化。

1.1 Fuzzy-AHP的步骤

模糊层次分析法具体包含以下6个步骤:

1) 定义成对比较的专家判断术语,建立各术语的离散模糊集,通过归一化处理得到各判断术语的加权值。

2) 将专家成对比较的结果通过离散模糊集转化为两两比较的数值。

3) 通过各层级的判断矩阵计算相应的权重,并进行一致性检验。

4) 计算各风险因素对于总目标的合成权重,并对其进行排序。

5) 基于风险因素的排序,对具有代表性的风险要素提出风险控制方案。

6) 建立效用判断的离散模糊集,通过判断各风险方案对于控制风险要素的综合效果得出风险方案的最优排序。

1.2 离散模糊集构建与处理

离散模糊集为模糊集合的一种,较为常用的是以7个专家判断术语的离散模糊集[2],将两两比对的结果分为同等重要(equally)、稍微重要(slightly)、一般重要(moderately)、重要(fairly)、十分重要(strongly)、非常重要(very strongly)和极端重要(extremely),见表1。

表1中:y1～y7代表该模糊集中的7个离散隶属函数,从y1(最不重要)渐进至y7(最为重要);x则为每一个判断术语在各离散隶属函数下的隶属度[3]。由此,判断术语X在该离散模糊集中的初始值kX’可以由下式得出:

$k{}_j\text{'}={\displaystyle \sum _{i=1}^m\left\{\left[\frac{x{}_i}{{\displaystyle {\sum }_{i=1}^{n}x}{}_i}\right]\times y{}_i\right\}}(1)$

式中:xi为判断术语j在离散隶属函数i下的隶属度;m为定义的离散隶属函数的个数,表1中的m为7。

为进一步得到应用于AHP中的判断术语加权值,需要对式(1)中的k′j进行归一化处理得到判断术语j的加权值kj:

$k{}_j=\frac{k{}_j\text{'}}{\max (k{}_1\text{'},k{}_2\text{'},\cdots ,k{}_m\text{'})}\left(j=1,2,\cdots ,m\right)(2)$

在建立判断术语集的基础上,专家可以根据相应的标准给出两两比对重要性的结果,即对各判断术语的置信度β,如(0.5EQ,0.5SL)代表“同等重要”的置信度为50%,“稍微重要”的置信度为50%。各专家的综合判断结果(置信度)可以用下式求得。

$\beta ={\displaystyle \sum _{i=1}^l\beta }{}_i\times C{}_i(3)$

式中:βi为第i个专家的判断结果;Ci为第i个专家的标准化权重,l为专家的个数。

根据式(1)、(2)得出的加权值结果和式(3)的综合专家意见的方法,可以将专家判断的结果量化为两两比对的相对重要性指标NI。

${\rm N}{}_{{\rm I}}={\displaystyle \sum _{i=1}^m\beta }{}_i\times k{}_i(4)$

式中:βi为专家对判断术语i的综合置信度,ki为判断术语i的加权值。

1.3 Fuzzy-AHP判断矩阵

假设AHP模型中某层级具有n个因素,用aij表示第i个因素相对于第j个因素的重要性比较结果,则该层级的判断矩阵A可以表示为一个n×n的矩阵[4]:

$\mathit{A}=\left[\begin{array}{cccc}1& a{}_{12}& \cdots & a{}_{1n}\\ 1/a{}_{12}& 1& \cdots & a{}_{2n}\\ ⋮& ⋮& & ⋮\\ 1/a{}_{1n}& 1/a{}_{2n}& \cdots & 1\end{array}\right](5)$

因素k在该层级中的权重wk可以通过下式进行计算[5]:

$w{}_k=\frac{1}{n}{\displaystyle \sum _{j=1}^n\frac{a{}_{kj}}{{\displaystyle {\sum }_{i=1}^{n}a}{}_{ij}}}k=1,2,\cdots ,n(6)$

判断矩阵A需要进行一致性检验方可保证专家判断的数据和计算得出的权重具有一定的可信度和应用价值,如果达不到一致性检验的要求,则有必要重新收集专家判断的数据或调整建立的成对比较离散模糊集。

2 枯水期长江通航风险的识别

本文以枯水季节的长江通航风险作为研究对象,通过建立长江水上交通安全系统的AHP模型(见图1),以专家座谈的方式针对模型中各因子对于枯水期长江通航风险的重要性进行对比评价,运用前述的模糊层次分析法识别枯水期长江通航风险的关键因素。

2.1 长江水上交通安全系统的AHP模型

选取3位水上交通安全领域的专家进行主观数据的收集,他们分别为某高校从事相关领域研究的资深教授、内河某船公司的指导船长以及内河某海事部门长期从事通航安全管理工作的高工。考虑到3位专家均具有相当的资历,在综合评价结果时对各专家赋予相同的权重。

参考已有研究成果[6]和专家调查的意见,本研究将长江干线水上交通安全系统分为人、船舶、环境和管理4个子系统,并对各个子系统进行了相应层级的划分,最后筛选出14个风险因素。见图1。

2.2 离散模糊集的构建

本文在两两比对中采取7个判断术语,即同等重要(equally)、稍微重要(slightly)、一般重要(moderately)、重要(fairly)、十分重要(strongly)、非常重要(very strongly)和极端重要(extremely),见表2。根据式(1)和(2),可以通过归一化处理得到各判断术语的加权值,计算结果见表3。

2.3 枯水期长江通航风险要素的识别

本研究向前述3位专家通过座谈的方式搜集到了各层级因素对于枯水期长江通航风险的重要性两两对比评价结果,通过离散模糊集的转换,运用式(6)计算出了14个风险因素的综合权重,结果如表4。

通过表4中的排序可以看出,遵守法律法规、船员适任、通航尺度以及船舶适航这4个风险因素被辨认为枯水期长江通航风险的关键要素,其总贡献率达到了55%以上。

从历史数据可知,枯水期长江的通航风险主要表现为通航尺度受限条件下的船舶搁浅等事故,然而这些事故往往又是由于船舶营运者不遵守相关法律法规、主观超吃水造成的。这一客观事实与本研究识别出的风险要素相吻合,一定程度上验证了本研究方法的科学性与合理性。

3 枯水期通航风险的控制方案

针对上述基于Fuzzy-AHP识别出的关键风险要素,本文提出了4个枯水期长江通航风险的控制方案(risk control options, RCOs)。

RCO1:加强船员的培训与管理。

RCO2:海事部门加大监督管理力度。

RCO3:加强水情信息的收集与发布。

RCO4:航道的疏浚与维护。

本研究在风险控制方案的效用评价时也利用了离散模糊集和判断术语的加权值,同时以控制遵守法律法规、船员适任、通航尺度以及船舶适航这4个风险要素的效用为标准,运用效用评判离散模糊集中的评判术语对各风险控制方案进行评价。前述3位专家的效用判断结果见表5。

以上判断结果体现了各方案对于不同因素的控制效果。例如,RCO1对遵守法律法规的影响程度为Average Effective(AE)的可能性为0.5,Effective(EF)的可能性为0.5。

将专家判断所得数据结合各风险因素的综合权重进行计算,可以得到各备选风险控制方案针对各风险要素的综合效用值,见表6。

从各风险控制方案的综合效用排序可以看出,从船员的培训和管理入手,提高船员的自身素质和业务水平被认为是最为有效的控制枯水期长江通航风险的途径,这一结论与水上交通事故主要是由人为因素造成的较为吻合。其次,海事部门通过加大监管力度和采取相关的有效措施也能到起到控制违章行为、降低枯水期通航风险的良好效果。

4 结论与展望

本文在专家调查所得到的主观数据基础上,运用模糊层次分析法对枯水期长江的通航风险进行了识别研究,并在风险因素排序的基础上结合效用分析提出了具有针对性的最优风险控制方案。相关研究结论一定程度上与客观事实相吻合,体现出本研究方法的科学性与合理性,能够应用于水上交通相关领域的安全评价与分析。

摘要：长江干线水路运输在服务沿江经济发展的同时,其通航风险也得到了越来越多的关注,特别是枯水季节带来的航道出浅、船舶搁浅等问题。文中结合离散模糊集和层次分析法,利用专家调查数据从人、船舶、环境和管理4个角度对可能影响枯水期长江干线水上交通风险的因素进行了逐层分析。研究结果表明,遵守法律法规、船员适任、通航尺度以及船舶适航这4个因素对枯水期通航风险的总贡献率达到了55%以上,是枯水期长江通航风险的关键要素。利用风险识别的结果对风险控制方案的效用进行了比选,实现了基于风险评价的决策支持。

关键词：长江,通航风险,离散模糊集,层次分析法,枯水期

参考文献

[1]陈晨,吴超仲.基于三角模糊数层次分析法的驾驶人综合素质评估研究[J].武汉理工大学学报:交通科学与工程,2012,36(3):479-483.

[2]Anderson D,Sweeney D,Williams T.An introduc-tion to management science:quantitative approachesto decision making[M].Melissa Accuna 10th Edi-tion.U.S.A.:South-Western,Div of ThomsonLearning,2003.

[3]王涛,陈峻.基于模糊综合评价法的城市道路交通安全[J].交通信息与安全,2011,29(4):99-103.

[4]Wang J,Ruxtion T.Design for safety of marine en-gineering systems with multiple failure state varia-bles[J].Reliability Engineering and System Safe-ty,1995,50(3):271-284.

[5]Pillay A,Wang J.Technology and Safety of MarineSystems[M]Elsevier Ocean Engineering Book Se-ries.Holland:Elsevier Science,2003.