灰色模糊综合评价法

灰色模糊综合评价法（共12篇）

灰色模糊综合评价法 篇1

随着西方掀起的“新公共管理运动”的不断深入,学者们逐渐意识到政府绩效评估中评估主体的重要性。政府绩效评估主体有内部主体和外部主体两种类型,内部主体包括政府机构自身及政府各种职能部门等;外部主体包括政党、权力机关、公民、大众传媒、企业、专业评估组织和非营利组织等与政府有利益关系的群体、组织或个人。灰色模糊综合评判法是一种集合了层次分析法(简称AHP)、灰色关联分析法和模糊综合评判法,应用定量分析和定性分析相结合的评价方法。在政府绩效评估“最有效主体”的综合评价中,存在着大量的确定与不确定信息,将模糊综合评判法、灰色关联分析法和层次分析法有效地结合,是政府绩效评估主体判断的一个好方法。

1 层次分析一灰色模糊综合评价法的选择

1.1 灰色模糊综合评价模型的构建

设评价对象的因素集合为A={a1,a2,…,an},因素指标集为Y={y1,y2,…,ym}。对于某一个指定的评价对象aj,可以表示成一个向量aj=(y1j,y2j,…,ymj),函数值fi(aj)∈[0,1]表示就因素指标yi而言,评价对象aj属于优越的程度。因此,我们便可得到一个模糊关系矩阵。在基于关联度分析评价对象的优劣过程中,由于Y中各评价因素的地位和作用程度不同,因此要利用层次分析法对各评价指标的权重进行计算和分配。各指标要素权重向量可用P=(P1,P2,…,Pm)来表示。那么,基于灰色关联度的评价对象模糊分析的数学模型即为:

B=P*R(*为算子符号)

Bj为评价对象aj综合考虑所有因素yi后的优越程度bj。bj∈[0,1],j=1,2,…,n。由此,可以算出每个评价对象的优越程度b1,b2,…,bn,比较b1,b2,…,bn的大小,便可得出评价对象的优劣,挑选出最有效、最理想的评价对象。

1.2 灰色关联度分析

关联度是表征两个事物的关联程度,是因素之间关联性大小的量度。我们可以在进行灰色关联度分析时选取以下序列函数:

对于一个参考数据列X0,比较数列Xi,可用下述关系表示各比较曲线与参考曲线在各点的差:

γ(X0,Xi)称为Xi对X0在k时刻的灰色关联度。灰色关联度简记为γi,ξ称为分辨系数,ξ∈[0,1],在实际使用时,一般取ξ=0.5最为恰当。

2 灰色模糊综合评价法在“最有效主体”判断中的应用

2.1“最有效主体”的判断标准

本研究在结合国内外学者研究成果的基础上,总结出“最有效主体”的判断标准包括如下几个方面:①利益相关性。利益相关性的大小是指评估主体与政府行为所产生的结果间存在的利益关系的大小。利益相关性越大,主体对于自身利益考虑得越多,则其从利益角度出发进行主观判断的可能性就越大,从而其评价结果不够客观的可能性也就越大[1]。②独立性。独立的评估主体不是政府行为的附属之物,是介于政府与社会、政府与市场、政府与企业之间的桥梁和纽带。在评估过程不受外部影响因素的干扰,能够独立客观地作出判断。③专业性。政府绩效评估具有高度的复杂性,这就要求评估主体具有特定领域的知识背景,评估主体不仅应具备专业的系统知识,还必须熟练使用科学的评价工具和评价方法,并透过现象看本质,针对政府行为提出专业合理的改进方案。④权威性。评估结果的权威性要求评估主体具有强大的影响力和感召力,否则,评估结果会由于政府部门的置若罔闻而使绩效评估流于形式。⑤成熟的政治理性。政治理性具有现实性和务实性,它形成于各个个体、各个集团的协商过程,既从底线上限制了专断,又从制度运作上保证了社会公正。⑥评估成本的高低。提高效率、降低成本可以被看做是进行政府绩效改革的推动力。评价成本往往是限制进行绩效评价的重要瓶颈,要寻找更加简单的评价方法和测量工具,降低因复杂评价方法和工具带来的成本。

本研究的问卷设计将以上6个一级评价指标细化为12个二级指标,表1为通过调查问卷获取的各评价指标重要性数据。

2.2“最有效主体”评价指标及权重的确定2.2.1确定评价指标集

“最有效主体”判断标准的层次结构模型见表2。2.2.2计算指标权重

在层次结构模型的基础上,我们可以在各层元素中进行两两比较,这些判断通过引入1～9标度法用数值表示出来,形成比较判断矩阵。“最有效主体”评价指标的判断矩阵见表3。

利用现代综合评价软件(MCE)计算出各评价指标的权重,见表4。P=(0.27,0.02,0.21,0.04,0.15,0.06,0.03,0.09,0.02,0.02,0.08,0.01)。

为了保证应用层次分析法分析得到的结论合理,还需要对构造的判断矩阵进行一致性检验。现代综合评价软件(MCE)计算出“最有效主体”判断标准矩阵中λmax=12.931 3,CI=0.084 7,RI=1.54,CR=CI/RI=0.055≤00.1,因此,判断矩阵具有满意一致性。通过以上计算,确定了“最有效主体”评价指标的权重,为“最有效主体”选择的灰色模糊综合评价奠定了基础。

2.3 基于灰色关联度的“最有效主体”模糊评价

2.3.1 计算灰色关联系数

计算灰色关联系数时,首先要确定最优指标集,式中为第i个指标的最优值,由此构造出初始矩阵E:

式中,yji为评价对象aj的第i个因素的指标值。

依据调查问卷结果,对问卷第二部分中“上级主管部门”“公民”“企业”和“非营利组织”这四大评估主体的得分进行平均数计算。首先,根据得分情况确定最优指标集,本问卷设计各主体每项指标的满分为7分,设定各评估主体最高得分指标项的集合为理想的虚拟主体最优指标集y*=(4.95,5.15,5.19,4.79,3.94,4.58,5.72,4.32,4.72,6.01,5.22,4.10)。由此,可结合四大主体的得分平均数构造出初始矩阵:

评价对象的因素集合A={a1,a2,…,an}和因素指标集Y=(y1,y2,…,ym)的模糊关系矩阵为:

按照灰色关联系数计算公式:

可求得“最有效主体”的单因素模糊关系矩阵:

该评价矩阵中的关联系数即为各评估主体的隶属度。

2.3.2 模糊综合评价结果

根据灰色模糊综合评价数学模型B=P*R可计算出各评估主体综合考虑所有评价指标后的优越程度bi(bi越高,表示该主体越优越)。上级主管部门、公民、企业和非营利组织的优越程度分别为b1、b2、b3和b4。

b1=0.27*0.47+0.02*1+0.21*0.55+0.04*0.87+0.15*0.67+0.06*0.79+0.03*0.41+0.09*0.60+0.02*0.49+0.02*1+0.08*1+0.01*1=0.63

b2=0.27*0.85+0.02*0.53+0.21*0.71+0.04*1+0.15*0.58+0.06*1+0.03*1+0.09*0.96+0.02*1+0.02*0.33+0.08*0.51+0.01*0.57=0.76

b3=027*0.53+0.02*0.53+0.21*0.90+0.04*0.61+0.15*0.72+0.06*0.41+0.03*0.37+0.09*0.51+0.02*0.50+0.02*0.36+0.08*0.04+0.01*0.62=0.62

b4=0.27*1+0.02*0.52+0.21*1+0.04*0.60+0.15*1+0.06*0.50+0.03*0.61+0.09*1+0.02*0.72+0.02*0.36+0.08*0.41+0.01*0.68=0.86

由此看出b4>b2>b1>b3,综合以上12个评价因素而言,非营利组织与政府的利益相关性、经济独立性、专业性、政治理性等方面的隶属度远高于其他评估主体,可作为“最有效主体”参与政府绩效评估。

3“最有效主体”——非营利组织参与政府绩效评估

3.1 非营利组织参与政府绩效评估的优势分析

通过对比非营利组织的特征和“最有效主体”的判断标准可发现非营利组织作为政府绩效评估主体相比于其他利益主体具有更多优势,其在独立性、专业性、权威性、政治理性、评估成本等方面具有明显的优越性[2]。本研究认为这些优势具体表现在以下方面:①利益相关性小。非营利组织与政府间的直接利益相关性较小,因此能站在客观公正的角度对政府行为作出科学合理的评价。②独立性强。非营利组织的民间性一方面使自身脱离于政府的控制,另一方面可以使其避开一些利益团体的干扰,保证其在政府绩效评估活动中的公平、公正、客观。③专业性强。我国非营利组织中的第三方独立评估机构多是由一些专家和教授组成的研究机构或专业的评估机构等,无论在理论储备还是评估技术方法上都有优于其他评估主体的优势。④权威性较强。非营利组织的非盈利性可以避免组织为获利而受制于一些利益集团,歪曲其评估结果,从而保证评估结果的权威性。⑤政治理性较成熟。非营利组织都是依法建立的正式组织,有自己的组织目标、组织结构、组织文化和规章制度。它所作出的任何判断或决定都是基于充分的调查和理性的分析之上的,政治理性较成熟。⑥评估成本低廉。非营利组织由于组织者的专业性及科学性,可以有效利用资源,避免“设租”和“寻租”行为,有效地降低政府绩效评估的成本。

3.2 非营利组织参与政府绩效评估的发展趋势

我国的非营利组织正成为社会经济发展中的一支重要力量,但与西方国家非营利组织的发展相比,我国非营利组织发展面临着资源不足、能力不足、运转能力疲软、管理体制不完善和法制缺失五大难题[3]。这五大难题是由于我国社会发展所存在的历史性不足造成的。本研究认为,非营利组织作为“最有效主体”在政府绩效评估中发挥主导作用在国内外政府绩效评估的理论研究中具有较大的发展和完善空间。在评估实际中,以非营利组织为“最有效主体”这一理想多元结构的实现是不可能一蹴而就的,非营利组织参与政府绩效评估的生存和发展之路任重而道远。

参考文献

[1]吴建南,岳妮.利益相关性是否影响评价结果客观性:基于模拟实验的绩效评价主体选择研究[J].管理评论,2007,19(3):60-62.

[2]田鲁露.加快发展第三方绩效评估,促进我国政府绩效评估科学化[N].经理日报,2009-06-26.

[3]陈思倞,刘瑶.我国非营利组织现状分析及其发展[J].经营管理者,2011(13):66.

灰色模糊综合评价法 篇2

模糊评价法对局域网服务性能的综合评价

针对局域网服务性能的评价,提出了应用模糊数学理论进行综合评价的方法,并从人们日常生活中对网络性能认知和理解的层面出发,结合相关的技术参数,抽取一组评价局域网性能的`因素作为指标,在此基础上,采用模糊综合评价的方法对这些指标进行考察,最终用于局域网服务性能综合评价.

作 者：肖会敏 梁高翔 Xiao Huimin Liang Gaoxiang  作者单位：河南财经学院,信息学院,郑州,450002 刊 名：河南科学  ISTIC英文刊名：HENAN SCIENCES 年，卷(期)： 26(12) 分类号：O175.23 关键词：模糊评价   局域网   权重   评价集   因素集  

灰色模糊综合评价法 篇3

关键词：专项资金；平衡计分卡；熵权；模糊综合评价

一、高校专项资金绩效评价指标体系的构成

（1）建立评价指标集合。评价因素集是综合评价指标的集合，它具有层次性，即一级指标为U=U1 U2 U3 U4，二级指标为Ui=Ui1 Ui2 … Uij式中Uij表示第i层的第j个指标。（2）建立评价指标体系。高校专项资金绩效评价指标体系是由决定其绩效的关键因素所组成的集合。通过分析构成影响高校专项资金绩效组成要素，在平衡计分卡的基础上，采取财务指标和非财务指标、定量指标与定性指标相结合的方法，可以将其分为四个分支：财务维度、内部管理维度、学习与成长维度、利益相关者维度，并将其构成评价体系中的一级指标，再将这些一级指标细分，可以得到更加具体的二级指标，高校专项资金绩效评价指标体系如表1所示。

二、熵权多级模糊综合评价模型

（一）各指标权重的确定。（1）假设条件。假设：有m个评分人，n个评价指标xik是评分人k对第i个评价指标的实际值，x*i为评价指标的理想值（最大值），若为评价数据为正指标，x*i为该组数列的最大值，若为评价数据为负指标，x*i为该组数列的最小值。在数据处理上，将数据中的逆指标、适度指标全部转化为正指标，因此，后文中理想值x*i就是最大值。（2）定义接近度Dik，并归一化处理为dik。Dik为x*i对xik的接近度，当x*i为正指标时来确定各评价指标的权重θt。 ，且满足0≤θt≤1， 。

（二）建立评语集。评语集是对各种指标做出可能结果的集合，可以请相关领域的专家进行评估定级。针对高校专项资金绩效评价的目的，建立各评价指标的评语集： V={V1（绩效好），V2（绩效较强），V3（绩效一般），V4（绩效差）}。

（三）确定权重集。一级指标的权重集为W=W1 W2 W3 W4，二级指标的权重集为Wi=Wi1 Wi2 Wi3 Wi4

（四）建立评判隶属矩阵

式中Ri表示对i个因素的评价结构，rij表示i个评级因素对j个评价等级的隶属度，它反映了评价因素与评价等级之间用隶属度表示模糊关系。n表示评语集中评级等级的数目，m表示被评价的因素的数目。

（五）多级模糊综合评判。首先，进行一级模糊综合评价，根据用熵权评价方法计算出的指标权重W和已经建立的评判隶属矩阵R，运用模糊运算法则，进行综合运算，并作归一化处理，得到因素Ui对评语集V的隶属向量Si。

（1）

然后，进行二级模糊综合评价，得到总的评价向量A。然后得出综合评价结论： （2）

四、实证分析

H大学为多学科综合发展的教学研究型高校，本文从该高校选取有代表性的专心资金作为研究对象，根据表1所建立的指标评价体系，运用熵权多级模糊综合评价方法对该高校的专项资金进行绩效评价。根据指标体系，分别对各指标的四个等级设计问卷进行调查，调查的人群包括与该专项资金有关联的学生、教师、内部管理部门、外部相关单位，比例大致为3：4：2：

1。通过调查整理，可以得到不同人员对各评价指标重要性的评定，利用熵权评价方法可以得到各指标的权重，并通过问卷调查得到各指标的评语集，见表2。

表2 高校专项资金绩效评价指标评语集

根据表1及公式（1）进行模糊综合评价

， 同理可得，

再利用公式（2）进行二级模糊评价，可得到最终的评价结果：

。

为了方便比较，将上述综合评价结果转换成分值，取评判等级为：V={好，较好，一般，差}={90，80，70，60}，综合评价结果的分值为82.31。该专项资金的整体绩效情况“较好”。

参考文献：

[1] 朱静茹.高校资金使用效果评价体系的构建研究[J].财经纵横，2009（8）：49-50.

[2] 徐东.高校专项资金绩效评价指标体系的构建[J].财会通讯，2009（4）：60-62.

[3] 陈海峰.高校专项资金绩效评价指标体系研究[J].商业经济，2009 （5）：113-115.

灰色模糊综合评价法 篇4

关键词：动态能力,灰色模糊综合评价,指标体系

自动态能力理论提出以来, 众多学者就开始了对动态能力构成要素或维度的研究, 尤其在最近几年中, 不少学者对动态能力的理论与实证进行研究, 不断揭开动态能力的黑箱。

先前研究主要从理论与实证方面来探讨动态能力的构成要素。一是从理论探讨中来研究其构成。Teece认为动态能力由三种能力组成:感知、塑造机会与威胁的能力;捕获机会的能力, 通过提升、组合、保护、重组企业资源来保持竞争力的能力。Zott认为动态能力是一种系列的组织程序, 可以内化为日常运营惯例, 从而指导构建企业资源。Lichtenthaler和Muethe也认为动态的创新能力可以从上述维度进行分解。二是从实证研究来分析动态能力的构成部分。郑素丽等透过知识视角, 将动态能力与知识相结合, 用调查问卷量表化知识获取、知识创造、知识整合三个维度。徐思雅和冯军政引入诺基亚的衰落案例, 实证研究了通信领域的动态能力, 侧重于获取外部资源以及资源释放这两个维度。

然而, 企业的动态能力在测评方面的定量研究比较少, 同时动态能力的“黑箱”还未被完全打开, 可以被视为一个灰色系统, 因而适合采用灰色模糊的方法对其进行评价。因此, 基于以上分析, 本文将动态能力分为四个维度:感知能力、整合能力、吸收能力和创新能力, 并构建评价指标体系, 以为评价动态能力提供借鉴。

一、动态能力指标体系

本文建立了反映动态能力的指标体系, 如图1, 首先, 感知能力包括了感知环境与市场的能力X11 (对企业内外环境的识别、感知, 外部环境包括政治、经济、社会、技术等的变化, 内部环境包括组织战略、结构、人力资源等;竞争对手的反应等) 、风险和威胁的预警能力X12 (对企业内外部风险的预警) 、市场新机遇的发现和塑造能力X13、顾客需求变动和市场反应的鉴别能力X14。整合能力包括内部整合能力和外部整合能力。内部整合能力X21是组织内部不同的子单位之间的全面协作, 对组织内部的各种资源包括人力资源、财务资源、物力资源、知识资源等的全面协调以完成给定目标。外部整合能力X22是对市场知识与顾客群的整合能力、对新技术知识的整合能力。客户整合是把未来顾客的信息、知识与他们对产品的使用和开发流程工艺与工程细节的理解连接起来。技术整合是把企业内外的技术知识的进化基础与现有的组织内部的能力基础连接起来的能力。吸收能力包括获取能力、消化能力、转换能力、开发能力。获取能力X31是指企业识别与取得对企业的运用至关重要的外部资源知识的能力。消化能力X32是企业的惯例和流程使其分析、处理、解释与理解从外部获取的资源。转换能力X33是指开发和提炼企业惯例, 促进现有知识与新获取的知识的组合。开发能力X34使企业提炼、扩展及利用现有的能力, 或者是创造新能力, 通过把获取的并已转换的知识融合到企业的运营中。创新能力的指标包含技术创新X41是关于产品或服务和生产工艺技术的创新, 管理创新X42即组织结构和管理过程的创新。 (图1)

二、动态能力灰色模糊综合评价模型的构建

(一) 确定因素集与评语集。

根据已经建立的动态能力指标体系, 确定因素集为:X={X1, X2, X3, X4};子因素集为:X1={X11, X12, X13, X14};X2={X21, X22};X3={X31, X32, X33, X34};X4={X41, X42}。评语是对各一级与二级指标的优劣、强弱、好坏等的评价, 一般的评语集有: (非常重要、重要、一般、不太重要、不重要) 、 (非常强、强、一般、较弱、弱) (低、较低、一般、较高、高) 等, 可根据实际情况来确定评语集。本文将评语集确定为五级评语: (非常重要、重要、一般、不太重要、不重要) 或者 (非常强、强、一般、较弱、弱) , 分别对应的分值为 (5, 4, 3, 2, 1) 。

(二) 确定权重集。

权重集可视为指标集与评价对象之间的灰色模糊关系, 可利用专家评分法确定各评价指标的权重, 其相应的灰度也通过专家评分的方法给出。

在企业动态能力评价中, 由于评价各指标大多是定性指标, 其好坏强弱所用到的信息可能是不完全的, 很难用数值来衡量, 所以本文使用一些描述性的语言来对应一定的灰度范围, 将信息多少及其对应灰度值如表1, 具体的灰度评分视评判者的实际情况给定。 (表1)

(三) 建立灰色模糊评价矩阵。

评价矩阵可视为因素集与评语集之间的灰色模糊关系, 根据某一因素给出评价对象对评语集中各元素的隶属度uijs, 它是通过评价小组对某一评价对象的评价uij, 得到其在各种评语上的比重, 比如10个专家对“技术创新”的评价中2个人认为非常重要, 占20%;4个人认为比较重要, 占40%;3个人认为一般, 占30%;1个人认为不太重要, 占10%;0人认为不重要, 占0%, 则“技术创新”的隶属度为u41l= (0.2, 0.4, 0.3, 0.1, 0) 。并根据信息的充分程度给出相应的灰度, 从而得到评价矩阵:

(四) 一级灰色模糊评价。

为了保留尽可能多的评判信息, 在模部运算中采用M (·, 堠) 算子, 而在灰部运算中采用M (∧, 堠) 算子, 因此灰色模糊综合评判的结果为:

(五) 二级灰色模糊评价。

(六) 结果处理。

将评价结果按如下公式转化:

将评语集中评语等级给出标准分 (5, 4, 3, 2, 1) , 得到集合VT= (5, 4, 3, 2, 1) T, 据此可得到动态能力的度量值:

三、算例分析

现组织10位专家对某企业动态能力的状况水平进行评定。

(一) 权重及其灰度的确定。

评语集为 (非常强、强、一般、较弱、弱) , 对应的分值为 (5, 4, 3, 2, 1) , 通过专家估计法得到企业动态能力各级评价指标的权重, 各级指标的灰度值也由专家打分的方式给出。

(二) 灰色模糊评价矩阵的建立。

请10位专家对动态能力各指标进行评价, 可得到其各指标的隶属度及其灰度值, 从而得到灰色模糊评价矩阵:

(三) 一级灰色模糊综合评价按公式

按公式 (1) 计算得:

(四) 二级灰色模糊综合评价

由公式 (2) 可得到:

(五) 评价结果的处理。

根据已经确定的评语集及其对应的分值, 可以得出, 该企业的动态能力水平介于一般和较强之间, 这就要求企业采取适当的措施来增强自身的动态能力, 增强其在市场上的竞争力。

四、结束语

当前对动态能力的评价研究目前为止还非常有限, 本文采取的灰色模糊综合评价方法在对企业的动态能力进行评价是合适可行的, 并尝试用比较成熟的模糊综合评价理论以及用来解决信息不完全的问题的灰色理论对企业的动态能力进行评定, 因而能够加深企业对自身的动态能力状况的了解和理解, 为企业在多变动态的环境下培育、发展动态能力提供明确的方向和路径。本文的不足之处是对动态能力指标体系的组成部分的科学性未进行进一步的验证, 以期对企业发展动态能力有所裨益。

参考文献

[1]Teece, D.J.Explicating dynamic capabilities:the nature and microfoundations of (sustainable) enterprise performance[J].Strategic Management Journal, 2007.28.13.

[2]Zott, C.Dynamic capabilities and the emergence ofintra-industry differential firm performance:insights from a simulation study[J].Strategic Management Journal, 2003.24.2.

[3]Lichtenthaler U, Muethel M.The impact of family involvement on dynamic innovation capabilities:Evidence from German manufacturing firms[J].Entrepreneurship Theory and Practice, 2012.36.6.

[4]郑素丽, 章威, 吴晓波.基于知识的动态能力:理论与实证[J].科学学研究, 2010.28.3.

灰色模糊综合评价法 篇5

灰色综合评判法在食用向日葵杂交种评价中的应用

采用灰色系统理论中的灰色综合评判方法,对12个食用向日葵三系杂交种进行了10个主要性状指标的`综合分析和评价,最后得出结论为:各性状在评价杂交种优劣中所占的比重依次为产量、盘径、株高、叶数、茎粗、粒长、结实率、百粒重、粒宽、生育期.为选育食葵杂交种提供了依据和方法.

作 者：段学艳 樊云茜 卫玲 周安定 DUAN Xue-yan FAN Yun-qian WEI Ling ZHOU An-ding 作者单位：山西省农业科学院,小麦研究所,山西,临汾,041000刊 名：杂粮作物英文刊名：RAIN FED CROPS年，卷(期)：29(2)分类号：S565.501关键词：食用向日葵 性状 综合评价

灰色模糊综合评价法 篇6

关键词项目 风险评估 模糊综合评价

文章编号1008-5807（2011）02-022-01

项目本身具有一次性、创新性和独特性等特性使得项目在实施过程中存在着各种风险。如果不能很好的管理这些风险就会给项目相关利益主体造成损失，因此可以说风险管理是项目管理中最重要的任务之一。风险评价作为风险管理中的重要组成部分，是对项目风险发生的可能性、发生时间、后果严重程度及影响范围等多个方面进行评价和估量。根据评价结果制定风险应对措施，开展风险的控制工作。

模糊综合评价法主要运用模糊集和隶属度函数等概念，应用模糊变换原理，采用定性与定量相结合的方法，从多个方面对事物隶属度及其他等级状况进行整体的评价。模糊综合评价法将定量分析和定性分析有效地结合在一起，既考虑了人为判断情况又将风险进行了量化，实现了风险因素的重要排序。

一、项目风险因素的确定

识别项目风险是风险评价的基础，按照风险的属性不同，大致将其分为以下几类：

（一） 政策与环境风险

国家政策与自然环境会直接或间接影响到项目的开展及实施,从给给项目带来风险。

（二）项目管理风险

实施项目管理是为了使项目更好更顺利的实施，但如果管理者出现没有全面了解项目，提出错误的决策，又会更项目带来严重的影响。

（三）项目进度风险

项目进度风险是指项目实施某些环节或整个项目的时间延误所造成的风险。这种时间上的延误往往伴随着成本的增加。

（四） 项目财务风险

项目财务风险是指项目在实施过程中的资金融通、资金调度、资金周转、利息等不确定性因素影响项目的预期收益的可能性。

二、建立风险层次分析结构

根据上述风险因素的分类分析，项目的风险因素层次分析结构。将风险发生时可能的损失和风险发生的概率作为模型的一级指标，从这两个方面来对风险因素进行排序。然后按照项目中可能发生的几种风险作为二级指标，即上面提到的政策与环境风险、项目管理风险、进度风险和财务风险。这一层是主要因素层。然而这四种风险因素还包括下一层因素，这一层因素作为模型的三级指标。其中政策风险因素主要包括政治风险、法律风险、社会风险、经济风险、自然条件风险；管理风险主要包括高层战略风险、决策风险、项目实施风险；进度风险主要包括成员技术熟练程度、工作效率、突发事件；财务风险主要包括筹集资金、资金的调度、资金周转、利润分配。

三、建立模型

（一）建立模糊集合

（1）评价对象集

评价对象集就是更重会给项目带来风险的因素。对于风险的评价体系，我们这些评价对象又分为一级、二级、三级指标。

（2）评级等级集

评级等级集可定义为某一组定性的形容词（例如：高风险、较高风险、一般风险、较低风险、低风险）的集合。

（3）评价权重集

权重集就是所有评价因素的各自权重系数的集合。个数n与评价因素的个数一致。各指标权重的确定方法用层次分析法确定，这里不再赘述。

（二）建立模糊关系矩阵

在建立了决策的模糊集合之后，要进行模糊综合评价，就必须确定评价因素集中各因素与权重系数集中各权重系数的模糊隶属关系，也就是各因素对应于各权重系数的隶属度，这种隶属度可以用以下方法得出。

（1）请参加评价的每位成员分别根据等级说明和自己的判断能力，确定每个评价因素所属的等级。

（2）在同一个因素中，把选择相同等级的人数相加，再除以参加评价的总人数，则可以得出各因素隶属于各等级的隶属度。

（三）建立综合评级模型及计算

由前面的模糊集合和模糊矩阵，我们可以建立如下的模糊综合评价模型：

式中b1,b2 ,… bm 即为对评价因素的综合评价结果，反映了该层次所有评价因素对应于个评级等级的隶属情况。

（四）数据处理的结果

利用已经建立的模糊综合评价模型，对得出的下述数据结果进行处理：

给每个等级从高到低确定分值，如：如果等级分五等，则可以分别确定各级分数：小于0.2则风险低，0.2到0.4之间风险较低，0.4到0.6之间风险一般，0.6到0.8之间风险较高，大于0.8说明风险高，用下式计算其总得分：

BQ：可以理解为是被评价对象经过评价所得到的平均等级分。

：相应的评级等级分数范围的中间值。

重复上述过程至最底层，便可以得到所有风险因素相对于目标层的排序权重，从而实现了所有风险因素的重要性排序。也得出了风险的综合分数，从而了解该项目风险的大小。

四、结论

灰色模糊综合评价法 篇7

国外最早关于交通影响后评价的研究由Peter Nijkamp提出,认为应该对交通规划和交通影响评价工作进行社会以及经济的再次评估,并对评估结果进行反馈。由于国外的交通模式相对比较稳定,交通基础数据充足,因此交通影响再评估主要是根据建设项目所在的区域,定时(一般为2年)对交通影响评价报告进行修编。国内最早由王元庆等人指出进行交通影响后评价的必要性;之后,陈燕凌、李鑫铭等人提出对交通影响评价措施进行后监管和评价,总结经验教训,保证交通影响评价的科学性和客观性;盖春英、刘兴权等人指出交通影响后评价可以对交通影响评价的结果进行动态检验,分析交通预测数据误差的产生原因,为后续交通影响分析工作提供数据和积累经验;随后,李啸虎研究了交通影响后评价的主要内容并给出相关指标体系,运用模糊综合评价的方法进行了实例论证,但其评价指标过细,不利于实际操作;王小艳等人综合模糊综合评价法和关联矩阵法,对交通影响后评价方法进行了研究,但其数据统计量大、权重难以确定。周昱等人基于属性数学模型,建立了交通影响后评价指标属性测度模型,但其无法检验交通影响评价和交通影响后评价分析存在偏差的原因。

所以,虽然上述文献均肯定了进行交通影响后评价工作的重要性,并对交通影响后评价体系的内容进行了研究,但是现有的评价模型与实际工程的操作应用还存在一定的差距,同时交通影响评价和交通影响后评价前后对比分析的实践案例也不多见。因此,需要提出适合于工程实践运用的评价方法和模型,并通过案例反馈来完善交通影响后评价工作。本研究在建设项目交通影响后评价定义的基础上,应用科学确定权重,并综合考虑主观和客观因素影响的多层次灰色模糊综合评价法,针对具体项目案例选取科学、合理的指标进行分析,评价结果与实际案例的运行情况基本相符,从而论证了评价模型的有效性和实用性。

1 建设项目交通影响后评价定义

建设项目交通影响后评价(Traffic Impact Post Evaluation,TIPE)指在建设项目建成使用初年(项目投入使用2~5年),对项目实施后的交通影响及其交通影响评价中相应的改善措施进行跟踪管理和验证性评价,通过对交通影响的回顾分析和进一步的预测评价,总结经验教训,提出补救措施及改进建议,实现交通发展的可持续性。

交通影响后评价示意图,如图1所示。

2 建设项目交通影响评价模型

在建设项目交通影响后评价中,一方面,由于各个项目所处的内、外部环境不同,评价准则相对具有不确定性,使得影响交通系统的一些因素是模糊的;另一方面,由于参与评价人员的知识结构限制等主观原因的影响,所提供的评价信息往往是不完全的或不充分的(即灰色性)。故本研究采用灰色模糊综合评价法评价项目对交通产生的影响。

2.1 确定评价体系

依据层次分析法(AHP)的基本思想和建设项目交通影响后评价指标体系的内容,设A代表一级指标,记为:A={A1,A2,…,An},n为一级指标的数量,Ai二级评价指标为:Ai={Ai1,Ai2,…,Aij},j为A中第i个指标所包含的指数个数,Aij三级评价指标为:Aijk={A11k,A12k,…,Anjk},k为A中二级指标所包含的三级指标的子分类数。

2.2 确定评价等级

设V={V1,V2,…,Vm}表示评价目标优劣程度的集合,Vm为第m个评价等级,m为评价等级的个数。本文采用5级评判方法,将交通影响后评价指标分为“好、较好、中等、较差、差”5个等级,各等级得分为V={5,4,3,2,1}。通过打分,将定性指标定量化。

2.3 确定权重集

利用层次分析法(AHP法)构建判断矩阵,通过一致性检验后,确定评价指标的权重W。

2.4 建立评判矩阵

组织评价专家按评分标准评分并建立样本评分矩阵D。设评价专家序号为q(q=1,2,…,p),第q个评价专家对评价指标Aij的评分为dijq,则评价样本矩阵D=(dijq)Bij×p,即:

2.5 确定评价灰类

设评价灰类序号为c(c=12,…g),即有g个评价灰类等级。将评价灰类取为“好、较好、中等、较差、差”五级,则g=5。第一灰类e=5,灰数白化权函数为f1;第二灰类:e=4,灰数白化权函数为f2;第三灰类e=3,灰数白化权函数f3;第四灰类:e=2,灰数白化权函数为f4;第五灰类:e=1,灰数白化权函数为f5。

2.6 计算灰色评价系数

对指标Aij,第p个评价指标属于第e个评价灰类的灰色评价系数为属于各个评价灰类的总灰色评价系数为

2.7 计算灰色评价向量及权矩阵

评价专家就指标Aij对第p个评价指标属于第e个评价灰色评价权为rije=Xije/rij,则Aij对于各个评价灰类的灰色评价权向量rij={rij1,rij2,…rijg}。

将被评价指标的所属指标Ai对于评价灰类的灰色评价权向量综合后,得到Ai所属指标Aij对于各评价灰类的灰色评价权矩阵Ri:

2.8 对Ai和A作综合评价

对被评价指标的Ai作综合评价的结果为:

由Ai的综合评价结果得到被评价指标的A所属指标An对于各评价灰类的灰色评价矩阵R:

由R进一步得出受评者A的综合评价结果向量A:

2.9 计算综合评价值

将受评者综合评价结果A单值化,即计算受评者的综合评价值Z。

将各类灰等级按“灰水平”赋值,得到各种评价灰类等值化向量C={C1,Ci2,…,Cg},最后,得出受评者的综合评价值Z=A·CT。

3 案例分析

本研究以乌鲁木齐时代广场项目作为实际案例,运用上述模型进行交通影响后评价。

乌鲁木齐时代广场项目位于城市中心,为商业、办公、住宅混合用地,规划建设用地面积为2 965m2,总建筑面积为284 995m2,其中地上建筑面积234 995m2,地下建筑面积50 000m2,项目于2008年动工,计划于2010年建设完工,实际投入使用时间为2012年。2008年完成的交通影响评价报告中,选取规划建成年2010年和远景目标年2015年为评价年。

根据2008年的交通影响评价报告,预测:2010年项目影响范围内路网整体饱和度(V/C)为0.76,路段服务水平一般,路段D级以下服务水平比重为36%;2015年项目影响范围内路网整体饱和度(V/C)为0.80,路段D级以下服务水平比重为36%。城市道路服务水平划分参见表1。

注:V为最大交通量;C为最大通行能力

3.1 交通影响后评价指标选取

建设项目交通影响后评价是一个多层次、涉及面广的工作。因此,本研究根据其涉及内容建立3级指标体系,一级指标包括交通需求预测后评价指标、交通改善措施实施效果后评价指标和交通影响评价报告完善性后评价指标;二级指标为各一级指标涉及的影响因素;三级指标为各影响因素的明细指标。结合时代广场项目交通影响前评价报告及建设项目运营后的实际交通状况,选取适宜三级的评价指标(45个)用于该项目的交通影响后评价,详见表2。

3.2 交通影响后评价指标评分标准及依据

对于定性指标采取专家打分法,对于定量指标,部分指标无法直接对其进行评判,故采用相对误差指标γ进行处理,再根据评价等级“好、较好、中等、较差、差”,定义不同评分等级相对误差的取值范围。

相对误差γ的计算公式如下:

式中:X1为交通影响后评价指标实际值;X2为交通影响前评价指标预测值。

所选取指标的评分标准通过专家访谈的形式确定,具体评价指标详见表3。

%

3.3 确定指标权重

根据AHP的1-9标度法,本研究邀请5位专家在了解时代广场项目交通影响后评价指标的基础上,构造了判断矩阵,最终采取加权平均算法来计算各层次指标的权重。权重向量如下:

3.4 确定评价样本矩阵和评价灰类

定量指标根据表2中的评分依据和时代广场项目2015年实际情况与交通影响评价报告预测值的偏差,确定分值;定性指标邀请5位专家进行打分,确定分值。时代广场项目交通影响后评价专家评价样本矩阵详见表4。

根据不同阶段的白化权函数,确定相应的白化权函数如图2所示。

3.5 计算灰色评价权值和模糊权矩阵

根据灰色模糊评价法和时代广场项目的判断矩阵,计算时代广场项目交通影响后评价的灰色统计权值,得出模糊权矩阵,如表5所示。

3.6 对因素层指标作综合评价

对因素层评价指标A11技术参数预测作综合评价:

同理:

3.7 对准则层指标作综合评价

准则层指标A1包括因素层指标A11交通需求预测后评价、A12交通改善措施实施效果后评价、A13交通影响评价报告完善性后评价。则令

对准则层指标评价指标作综合评价:

综上可得评价指标A时代广场项目交通影响后评价的总灰色评价权矩阵R为:

进一步得出时代广场项目交通影响后评价的综合评价结果向量A:

3.8 计算综合评价值

根据时代广场项目交通影响后评价各灰类等值化向量C={5,4,3,2,1},得出时代广场交通影响后评价的综合评价值为:

时代广场交通影响后评价得分为3.280 3,评价等级为“中等”,说明该建设项目交通影响评价中的预测值是比较合理的,交通影响评价结果是合格的,交通影响评价报告的预测内容与项目实际运行情况基本相符,可以为政府相关主管部门今后规划项目影响范围内周边片区以及其他类似项目的建设决策提供理论依据。

4 结束语

建设项目交通影响后评价是对交通影响评价的技术方法、预测内容和改善建议进行总结和改善的过程,同时,通过重新对项目进行后续预测,为项目周边交通系统未来的发展建设提供有效的建议和意见,协调城市交通和土地利用之间的矛盾,促进城市交通系统的可持续发展。目前,建设项目交通影响后评价还是一个比较新的概念,对其体系研究还处在探索和实验阶段,其理论依据和技术方法仍需要不断完善。

本文通过对城市建设项目的交通影响后评价进行研究,完善了建设项目交通影响后评价的定义,并借鉴项目后评价的方法提出了方便工程实际应用的交通影响后评价模型,最后以乌鲁木齐市时代广场项目作为实际案例,进行城市建设项目交通影响后评价,案例评价结果验证了本研究评价指标和评价方法的有效性,为交通影响评价体系的完善提供了参考。

摘要：在交通影响评价和项目后评价理论基础上,完善建设项目交通影响后评价定义,同时运用项目后评价的层次分析法和灰色模糊综合评价法建立建设项目交通影响后评价模型,并以乌鲁木齐已投入使用的时代广场项目为例,进行交通影响后评价。评价结果为"中等",表明交通影响评价时段及交通量增长率等主要指标的交通影响评价的预测结果与时代广场项目实际运行情况基本相符,验证所提评价指标和评价方法的有效性。

灰色模糊综合评价法 篇8

1 灰色模糊综合评价模型

单纯采用模糊方法会造成信息丢失,若仅采用灰色理论方法又不能充分利用评价规则模糊性的特点,所以这两种情况都会造成评价结果与实际存在偏差。而灰色模糊综合及评价法能较好地处理方案评估与排序过程中的模糊性和人脑综合判断的灰色综合分析性质,为方案排序的解析化、定量化提供了有力的手段。

基本步骤如下:

1.1分析影响因素体系

设评价对象集为A={a1,a2,…,an},因素指标集为Y={y1,y2,…,ym}。

1.2确定权重集

这里介绍一种基于层次分析法的权重计算方法。

为了求得模型中的权向量P=(P1,P2,…,Pm),先将因素集Y={y1,y2,…,ym}中的第k个元素与其他元素比较,其重要度以1-9标度,即可写出第k行元素的比率判断标度值:Uk=(Uk1,Uk2,…,Ukm),可得${\rm P}{}_k=({\displaystyle \sum _{j=1}^{m}U}{}_{kj}){}^{-1},j(1,2,\cdots ,m)$,由此可得P1=Pk/Uk1,

P2=Pk/Uk2,

…,

Pm=Pk/Ukm.进一步即可求得各因素的相对权重Pj(j=1,2,…,m)。这是基于层次分析法的行元素法的基本思想。

1.3基于灰色关联度的模糊关系矩阵

1.3.1 确定最优指标集y*

y*=(y*1,y*2,…,y*m),式中:y*i=(i=1,2,…,m)为第i个指标在各个评价对象中的最优解。因此,可以构造初始矩阵

$E=\left(\begin{array}{cccc}y{}_1^{*}& y{}_2^{*}& \cdots & y{}_m^{*}\\ y{}_{11}& y{}_{12}& \cdots & y{}_{1m}\\ y{}_{21}& y{}_{22}& \cdots & y{}_{2m}\\ ⋮& ⋮& & ⋮\\ y{}_{n1}& y{}_{n2}& \cdots & y{}_{nm}\end{array}\right)\begin{array}{l}\\ \\ \\ \\ .\end{array}$

式中:yji表示第j年的第i个因素yi的指标值。

1.3.2 指标值的规范化处理

由于决策中所涉及的各个指标具有不同的量纲,不能直接进行比较,因此,需要对原始数据指标进行无量纲化处理。假定第i个因素指标yi的最小值为y${}_i^{\min }$,最大值为y${}_i^{\max }$,那么令Cji=(yji-ymini)/(y${}_i^{\max }$-y${}_i^{\min }$),

(i=1,2,…,m;j=1,2,…,n).

1.3.3 计算灰色关联系数

$\begin{array}{l}\eta {}_j(i)=\\ \frac{\underset{j}{{\displaystyle \min }}\underset{i}{{\displaystyle \min }}|C{}_i^{*}-C{}_{ji}|+\rho \underset{j}{{\displaystyle \max }}\underset{i}{{\displaystyle \max }}|C{}_i^{*}-C{}_{ji}|}{|C{}_i^{*}-C{}_{ji}|+\rho \underset{j}{{\displaystyle \max }}\underset{i}{{\displaystyle \max }}|C{}_i^{*}-C{}_{ji}|}\end{array}$

式中ρ∈[0,1],一般取ρ=0.5,称为分辨系数。采用这种方式求得的关联系数,就是隶属度。利用公式计算关联系数ηj(i),得关联系数矩阵

1.3.4建立综合评价模型

建立综合评价模型

建立综合评价模型B=P×R=(b1,b2,…,bn), 其中:B为综合考虑所有因素yi(i=1,2,…,m)后的优越程度。

1.3.5 模糊评价

得到评判指标之后,根据各个因素在评判集上的隶属度,便可根据最大隶属原则选择最大评判指标maxbj所相对应的方案为评判结果。

2 实例应用

现对某城市近十年环境可持续发展情况进行灰色模糊综合评价。

城市环境可持续发展指标是一个涉及社会、经济、环境等各个方面复杂系统的基础指标体系。考虑到评价指标选取的客观性、代表性、可操作性,可分为城市居住环境能力指标、城市生态环境能力、城市社会环境能力、城市发展环境能力等4个方面,每个准则层下又包含多个指标。本文侧重于评价方法的讲解,只是代表性的选取生态环境指标体系进行评价解析。具体指标及数据如表1所示。

模型求解

设各年份为A={a1,a2,…,an},指标集为Y={y1,y2,…,ym}。

2.1 确立指标因素权重集P

这里采用基于层次分析法的权重确定方法。以工业固废综合利用指数为基准,将其他各因素与其比较,得出相应的比率判断标度值,如表2所示。

显然U3={U13,U23,U43,U53,U63,U73},则因素Y3的权重值:${\rm P}{}_3=({\displaystyle \sum _{j=1}^{7}U}{}_{j3}){}^{-1}=0.05.$

由P3=0.05代入得:P1=P3/U13=0.05×4=0.2,P2=P3/U23=0.05×3=0.15.

同理:P4=0.15,P5=0.2,P6=0.15,P7=0.1,

即权向量为P=(0.2,0.15,0.05,0.15,0.2,0.15,0.1).

2.2 确定最优指标集Y*

根据城市环境可持续指标的实际意义,显然,各个指标y1,y2,y3,y4,y5,y6,y7的取值都是越大越好,由此不难得到:Y*={68.55,67.04,57.41,0.90,67.81,66.66,129}。

构造初始矩阵

$E=\left[\begin{array}{ccccccc}68.55& 67.04& 57.41& 0.90& 67.81& 66.66& 129\\ 44.00& 56.61& 30.80& 0.73& 53.91& 51.85& 80\\ 39.45& 52.35& 57.41& 0.71& 47.72& 47.82& 83\\ 40.05& 45.07& 51.09& 0.79& 55.08& 53.14& 87\\ 43.50& 44.63& 56.40& 0.82& 51.71& 50.00& 92\\ 50.36& 49.53& 54.00& 0.85& 42.99& 38.60& 110\\ 49.00& 50.00& 52.81& 0.78& 55.12& 54.61& 104\\ 36.73& 64.09& 52.03& 0.84& 35.26& 42.84& 100\\ 63.09& 34.65& 55.56& 0.83& 56.47& 58.27& 110\\ 59.45& 40.65& 29.49& 0.86& 67.81& 66.66& 123\\ 68.55& 67.04& 50.00& 0.90& 50.25& 54.28& 129\end{array}\right]\begin{array}{l}\\ \\ \\ \\ \\ \\ \\ \\ \\ \\ .\end{array}$

2.3 对原始数据进行无量纲化处理

根据无量纲化公式Cji=(yji-y${}_i^{\min }$)/(y${}_i^{\max }$-y${}_i^{\min }$),(i=1,2,…,m;j=1,2,…,n),得

$C=\left[\begin{array}{ccccccc}1& 1& 1& 1& 1& 1& 1\\ 0.23& 0.68& 0.05& 0.11& 0.57& 0.47& 0\\ 0.09& 0.55& 1& 0& 0.38& 0.33& 0.06\\ 0.10& 0.32& 0.77& 0.42& 0.61& 0.52& 0.14\\ 0.21& 0.31& 0.96& 0.58& 0.51& 0.41& 0.24\\ 0.43& 0.46& 0.88& 0.74& 0.24& 0& 0.61\\ 0.39& 0.47& 0.84& 0.37& 0.61& 0.57& 0.49\\ 0& 0.91& 0.81& 0.68& 0& 0.15& 0.41\\ 0.83& 0& 0.93& 0.63& 0.65& 0.70& 0.61\\ 0.72& 0.19& 0& 0.79& 1& 1& 0.88\\ 1.00& 1& 0.73& 1& 0.46& 0.56& 1\end{array}\right]\begin{array}{l}\\ \\ \\ \\ \\ \\ \\ \\ \\ \\ ‚\end{array}$

进而有

$\text{Δ}C=\left[\begin{array}{ccccccc}0.77& 0.32& 0.95& 0.89& 0.43& 0.53& 1\\ 0.91& 0.45& 0& 1& 0.62& 0.67& 0.94\\ 0.90& 0.68& 0.23& 0.58& 0.39& 0.48& 0.86\\ 0.79& 0.69& 0.04& 0.42& 0.49& 0.59& 0.76\\ 0.57& 0.54& 0.12& 0.26& 0.76& 1& 0.39\\ 0.61& 0.53& 0.16& 0.63& 0.39& 0.43& 0.51\\ 1& 0.09& 0.19& 0.32& 1& 0.85& 0.59\\ 0.17& 1& 0.07& 0.37& 0.35& 0.30& 0.39\\ 0.28& 0.81& 1& 0.21& 0& 0& 0.12\\ 0& 0& 0.27& 0& 0.54& 0.44& 0\end{array}\right]\begin{array}{l}\\ \\ \\ \\ \\ \\ \\ \\ \\ .\end{array}$

2.4 灰色关联系数求解

$\begin{array}{l}\text{根}\text{据}\text{公}\text{式}\eta {}_j(i)=\\ \frac{\underset{j}{{\displaystyle \min }}\underset{i}{{\displaystyle \min }}|C{}_i^{*}-C{}_{ji}|+\rho \underset{j}{{\displaystyle \max }}\underset{i}{{\displaystyle \max }}|C{}_i^{*}-C{}_{ji}|}{|C{}_i^{*}-C{}_{ji}|+\rho \underset{j}{{\displaystyle \text{m}\text{x}}}\underset{i}{{\displaystyle \max }}|C{}_i^{*}-C{}_{ji}|},\text{得}\text{出}\text{隶}\text{属}\text{度}\text{矩}\text{阵}:\end{array}$

$R=\left[\begin{array}{cccccccccc}0.39& 0.35& 0.36& 0.39& 0.47& 0.45& 0.33& 0.75& 0.64& 1\\ 0.61& 0.52& 0.42& 0.42& 0.48& 0.49& 0.85& 0.33& 0.38& 1\\ 0.34& 1& 0.69& 0.93& 0.80& 0.75& 0.72& 0.88& 0.33& 0.65\\ 0.36& 0.33& 0.46& 0.54& 0.66& 0.44& 0.61& 0.58& 0.70& 1\\ 0.54& 0.45& 0.56& 0.50& 0.40& 0.56& 0.33& 0.59& 1& 0.48\\ 0.49& 0.43& 0.51& 0.46& 0.33& 0.54& 0.37& 0.63& 1& 0.53\\ 0.33& 0.35& 0.37& 0.40& 0.56& 0.49& 0.46& 0.56& 0.80& 1\end{array}\right]\begin{array}{l}\\ \\ \\ \\ \\ \\ .\end{array}$

2.5 模糊评价

B=P×RT=(0.455,0.438,0.465,0.478,

0.489,0.509,0.490,0.598,0.737,0.809),即b10>b9>b8>b6>b7>b5>b7>b3>b1>b2.

将模糊评价结果表示如图1所示。

由图1可以看到,第1年到第7年的环境可持续发展波动不大,改善情况一般,从第7年以后,环境有明显的改善,曲线上升浮动较大。

由隶属度矩阵R中可以发现,第10年污染治理投资指标(y1)、城市污水处理指标(y2)、生活垃圾处理指标(y2)、水网密度指标(y7)与往年相比具有明显的进步优势。但植被覆盖指数(y5)和生物丰度指数(y6)与第9年相比降低了许多,今后需要采取措施加强治理。通过对城市环境近10年来发展的综合评价,政府及相关的部门可以及时发现薄弱环节,制定相关政策法规,优化居住生活环境,营造和谐清新可持续的城市环境。

3 结束语

由于城市环境可持续发展评价涉及到的因素较多,层次复杂,且因素之间存在着关系模糊的不确定性。因此,传统的只按某些因素之间进行单因素评价,而后给出其粗略评价结果的评价方法,在某种程度上带有片面性和偶然性,难以保证准确性,更谈不上科学性。灰色模糊综合评价模型及其算法, 具有严密的数学逻辑推理 ,方法简便易行。应用于城市环境可持续发展决策分析具有较高的实践价值。

摘要：介绍一种利用层次分析法确定指标权重,结合灰色关联度分析和模糊评价构建的灰色模糊综合评价模型。通过所建立的评价模型对某城市十年间的生态环境可持续发展进行综合评价。实例证明将灰色模糊综合评价法运用到城市可持续发展中是科学、有效的,克服了单纯利用灰色或模糊评价法中的不足。不但准确得出各年的评价结果,而且借助隶属度矩阵能分析出各年评价指标上的差异,进而有助于政府调整措施促进环境发展。

关键词：层次分析法,灰色关联度,灰色模糊评价法,城市环境可持续发展

参考文献

[1]王雪青,喻刚.高速公路项目融资风险的动态灰色模糊评价[J].重庆建筑大学学报,2008,30(5):81-85.

[2]李理,曹代勇.灰色模糊综合评价方法在项目投资决策分析中的应用[J].商场现代化,2008,61(9):254-255.

[3]郑承志.基于灰色模糊综合评价模型的土地生态安全评价———以海南西部为例[J].洛阳理工学院学报,2009,41(2):187-190.

[4]李立新,刘琳,王强.模糊灰色综合评价方法的构建及应用[J].沈阳建筑大学学报,2008,24(4):577-580.

[5]王庆金.基于灰色系统的工程硕士教育质量综合模糊评价[J].青岛大学学报,2008,21(4):99-103.

灰色模糊综合评价法 篇9

供应链管理是对商品、资金、信息在由供应商、制造商、分销商和顾客组成的网络中流动的管理。良好的供应链管理通过对物流、资金流和信息流的优化给企业带来巨大的效益，是降低成本的有效办法，是质量保证的基本环节，是提高服务水平的关键措施，是加快反应速度的必然选择，是提升企业综合竞争力的重要基础。因此，供应链管理受到国内外实业界和企业管理理论界的普遍关注[1]。

但是，供应链的多参与主体、跨地域、多环节的特征，使得供应链容易受到来自外部环境和内部各实体不利因素的影响，形成供应链风险。比如，当企业在享受全球化采购与营销所带来的益处的同时，跨越不同国家和地区的全球供应链可能因社会动乱、军事冲突等造成供应链风险;出于成本考虑尽可能地压低库存水平，甚至采用零库存、JIT策略，无形中意外风险因素造成供应中断的可能性增加。总之，处在技术变化大、产品更新换代快、市场竞争激烈的今天，供应链面临着诸多新问题，正在经受着风险冲击的考验。

本文基于上述供应链所面临的严峻形势和文献[2,3,4,5]所探讨的问题，对供应链风险的评价指标体系重新进行了界定，并将层次分析法、模糊综合评估法和灰色系统评估法三者结合，对指标体系中的定量指标、定性指标进行综合评价，并通过算例对建立的模型进行验证，此方法对于企业管理实践具有较大的理论指导意义。

1 供应链风险概述

1.1 风险概念

从经济学、管理学等不同学科的角度上看，人们对于风险有着不同的认识。本文采用卢有杰、卢家仪对风险的定义，即风险是活动或事件消极的、人们不希望的后果发生的潜在可能性[1]。可以从以下几点加以说明：

(1)风险是人们不希望的，是遭受损失、伤害、不利的可能性;

(2)损失既可以是单一形式的，也可以是多种形式的，并且多种形式的损失一般要比单一形式的损失要严重;

(3)风险与将来的活动或事件有关，风险就是预期和后果之间的差异，后果偏离预期越大，风险也就越大;

(4)风险由损失大小和发生概率两方面组成;

(5)事件可以是独立的事件，也可以是同时发生的多个事件;可以是短时间存在的事件，也可以是持续的事件。

1.2 供应链风险概念与风险指标体系确立

供应链风险，顾名思义，就是存在于供应链中的风险，指供应链偏离预定管理目标的可能性。如果偏离预定管理目标，可能是产品没有及时送达造成短缺而偏离预定时间目标，运营成本超支而偏离预定成本目标，质量达不到要求而偏离预定质量目标等。

供应链是一个多参与主体、多环节的复杂系统，因此产生风险的因素众多。在文献[6]中，作者从系统构成的角度，将供应链风险分为系统环境风险、系统结构风险、行为主体风险及行为主体之间的协作风险。概括而言，系统环境风险属于供应链的外部风险，而系统结构风险、行为主体风险及行为主体之间的协作风险属于供应链的内部风险。

具体而言，系统环境风险包括自然灾害风险(由于严重的自然灾害对供应链造成的风险)、社会风险(政局变化、政权更迭、罢工、战争、种族矛盾、恐怖主义等引起的社会动荡及由于法律政策调整需要企业付出额外的代价所产生的风险)、经济风险(一般经营经济环境诸如通货膨胀、利率调整、汇率变化等对企业供应链的影响可能造成的风险)、技术风险(如应用不成熟的技术在应用过程中会出现意想不到的问题、协作单位之间采用的技术标准不统一或水平相差悬殊影响伙伴之间的协调等所产生的风险)、文化风险(由于社会风尚、文化观念等可能对供应链造成的风险)以及具体环境因素风险(指供应链所在地区的物流环境、原料供应形势、产品销售行情等变化形成的供应链风险)。

供应链内部风险，是来源于供应链内部企业之间或成员企业内部的风险。其中，系统结构风险是指供应链的结构设计不合理造成的供应链风险，如产品配送网络设计不合理，会造成有限的货物在有些地区的渠道中积压，而在另外的地区出现短缺，这样通过供应链结构传递，造成严重后果。行为主体风险，指供应链活动参与行为主体的责任造成的风险，主要原因在于各个成员企业各自的目标和利益不同，各自对任务的理解和采取的行动方式不相同以及各个企业的管理水平、人员素质、企业信誉不同。主体之间的协作风险指不同参与主体之间不能很好地沟通协作形成的供应链风险，以道德风险(供应链企业之间由于信息不对称，导致的道德败坏行为造成损失的风险)和违约风险(供应链企业由于某种原因终止履约，造成下游企业生产销售中断或延误，给下游企业造成经济损失的风险)。

根据上述分析，可以建立供应链风险评价的指标体系，如表1所示。

需要指出，本文所建立的供应链风险评价指标体系具有一般性，对不同的供应链需要有针对性地加以调整。另外，对各种风险评价指标的计算也需要结合具体供应链的实际情况进行调整。

2 基于灰色系统的供应链风险模糊综合评价模型

在表1中，自然灾害综合指数x1、社会公共安全指数x2、资金可利用指数x3、系统出现事故概率指数x10为定量指标，剩余指标均为定性评价指标。

2.1 供应链风险评价指标归一化处理

指数归一化处理，是将评价指标的原始值转化为评价值的过程。在所建立的供应链风险指标评价体系中，可将指标分为3类：成本型指标(越小越好)、效益型指标(越大越好)、适中型指标(既不太大又不太小为好)。它们的归一化处理可借用隶属函数的思路，构造无量纲化处理函数。具体方法可参考文献[7]。

设有n个指标b1, b2，…，bn，令maxbi=bmax, minbi=bmin, i=1, 2，…，n, bd=bmax-bmin, ba=bmax+bmin，则所构造的归一化处理隶属函数yi为：

对成本型指标，

对效益型指标，

对适中型指标，

经过上述归一化处理，可将所有指标值无量纲化，以有利于指标信息的综合。

2.2 供应链风险评价指标权重确定

对于指标的权重，可借助于层次分析法(AHP)，结合相关专家对指标重要性的判断，得到指标的组合权重：

式中，wi表示第i个指标相对目标W的权重。

2.3 数据收集与处理

对于定量指标，经过无量纲化处理，变为无量纲值。对于定性指标，采用专家打分法，以问卷的形式，向有资深实践经验的专家匿名调查，获得他们对定性指标的评定值。对于定性指标，其评估矩阵是建立在评估者的知识水平、认识能力和个人偏爱基础上的，因而很难完全排除人为因素带来的偏差，这就使评估者提供的评估信息不甚确定，从而带有灰色性和模糊性，因此本文利用灰色系统理论和模糊综合评估法，来处理专家对评估指标的样本矩阵。

设L (L=1, 2，…，l)为评价者，I (I=1, 2，…，i)为被评价指标，评价者l对评价指标i给出的评分记作dli，那么其样本矩阵为：

2.4 确定评估灰类，构建模糊矩阵

依据实际评估问题设评估灰类，确定评估灰类就是要确定评估灰类的等级数、灰类的灰数及白化权函数。依据实际评估问题设评估灰类序号为e (e=1, 2, 3，…，g)，即有g个评估灰类。灰数不是一个数，而是一个数集、一个区间，记灰数为茚[8]。

用fe (dli)表示dli属于第e (e=1, 2, 3，…，g)类评估标准的权，用pie表示灰色统计法确定灰数的白化权函数，用pi表示评判矩阵的灰色统计数，那么对于定性指标，可得：

进而求出所有专家对第i个指标的灰色评价权值，并令rie=。

关于定量指标，在经过2.3节处理计算后得到无量纲值，根据确定的白化函数直接计算第k个定量指标第e类评价标准的灰色权值，用rke表示。对以上计算得到的rie和

rke进行归一化处理，使得，组合构造出评价指标的单因素模糊评判矩阵：

2.5 计算评价结果

由指标权重和灰色评估权矩阵可得白化的综合模糊评判矩阵：

其中n为总的指标数，是定量指标数和定性指标数之和。

然后求出最终的评价结果P=KS，根据计算结果，可确定项目评价等级。

3 算例

以某企业集团供应链为例，对其进行风险综合评价。

3.1 指标的权重确定

采用AHP方法，结合10位专家对指标的重要性判断，得到10个指标的权重如下：

W= (w1, w2, …, w10) = (0.097, 0.087, 0.11, 0.101, 0.093, 0.102, 0.104, 0.1, 0.1, 0.106) 。

3.2 数据收集与处理

对于定量指标，假设根据上述方法，在无量纲化处理后，再进行归一化处理，详细参数可参看下述单因素模糊矩阵R中的前3行与最后1行。

对于6个定性指标(在下述矩阵的列中，从左至右表示技术符合指数、成员企业文化差异指数、外部影响因素混合指数、供应链道德风险混合指数、合作关系指数、成员企业综合素质指数)，请10位专家打分，为了便于专家评定，规定打分范围为1～10分，通过10位专家对6个评价指标评价打分，得到专家评估样本矩阵：

3.3 确定评价灰类，构建模糊矩阵

在此算例中，根据实际经验和专家咨询，规定4个评价灰类(g=4)，分别是“优”、“良”、“中”、“差”。其相应的评价等级集合为S={S1, S2, S3, S4}T={9, 7, 5, 3}T。

第一类“优”，e=1，灰数为茚∈[9，+∞)，其白化函数为：

第二类“良”，e=2，灰数为茚∈[0, 7, 14]，其白化函数为：

第三类“中”，e=3，灰数为茚∈[0, 5, 10]，其白化函数为：

第四类“差”，e=4，灰数为茚∈[0, 3, 6]，其白化函数为：

计算所得：

从而可以得到单因素模糊矩阵：

3.4 计算评价结果

由P=W×R×S可得：P=6.971 1。

由评分等级，可知此供应链风险状态处于优良，无较大风险存在。

4 结束语

本文采用Delphi法、层次分析法、灰色系统评估法以及模糊综合评估法，对供应链风险的评价问题提出了一个切实可行的模型，并通过算例验证了评价模型的可行性和有效性。但该评价方法对指标影响权重合理分配有待进一步改进，特别是尽可能减少评分者主观性的误差，这样才能真实、科学地反映供应链的风险状况，有助于供应链各成员企业进行合理的决策，实现协同的目的。

参考文献

[1]卢有杰, 卢家仪.项目风险管理[M].北京:清华大学出版社, 1998.

[2]耿雪霏, 刘凯, 王德占.供应链风险的模糊综合评价[J].物流技术, 2007, 26 (8) .

[3]梁海鹏, 郭伟, 马可.供应链管理中的风险评价研究[J].生产力研究, 2007 (19) .

[4]朱怀意, 朱道立, 胡峰.基于不确定性的供应链风险因素分析[J].软科学, 2006, 20 (3) .

[5]张仕军, 孟志青.基于模糊判断法的供应链风险研究[J].北方经济, 2007 (9) .

[6]张存禄, 黄培清.供应链风险管理[M].北京:清华大学出版社, 2007.

[7]顾培亮.系统分析与协调[M].天津:天津大学出版社, 1998.

灰色模糊综合评价法 篇10

实践表明, 单项指标能从不同方面衡量煤层发生煤与瓦斯突出的危险性, 但不同矿区、煤层甚至同一煤层的不同区域由于受煤的变质程度、测试工艺、人为因素等影响, 在突出煤层鉴定过程中出现有些实际发生过突出的煤层指标, 并未达到或超过《防治煤与瓦斯突出规定》和《煤与瓦斯突出矿井鉴定规范》所规定的突出煤层指标临界值, 应鉴定为非突煤层。如贵州金沙新华片区9号煤层、贵阳南山煤矿5号煤层等, 实测瓦斯压力均小于临界值, 但仍多次发生突出。因此, 把煤层是否具有突出危险性看作是一个多因素决定的模糊事件, 通过模糊综合评价方法对煤层突出危险程度进行判别, 以期取得符合实际的效果。

1 模糊—灰色评价方法简介及评价指标的确定

模糊数学和灰色系统理论是目前较为常用的不确定性系统研究方法[2]。模糊数学着重研究“认知不确定”问题, 其研究对象具有“内涵明确, 外延不明确”的特点;灰色系统着重研究模糊数学难以解决的“小样本”、“贫信息”不确定性问题, 与模糊数学不同的是, 灰色系统理论着重研究“外延明确, 内涵不明确”问题。单纯采用模糊方法会造成信息丢失, 若仅采用灰色理论方法, 则不能充分利用评价规则模糊性的特点, 两种情况均造成评价结果与实际存在偏差。对煤层突出危险性的评价, 由于目前还处于各种假说阶段, 对突出的机理认识还不清楚, 因此在评价中引入模糊—灰色综合评价方法将克服目前单一评价方法中的不足。

根据综合假说, 煤与瓦斯突出是由地应力、瓦斯压力、煤体强度等诸多因素综合决定的动力现象。埋深 (H) 反映了煤层所受地应力大小;瓦斯含量 (Q) 、瓦斯压力 (p) 反映了煤层中瓦斯能量的大小;煤的吸附常数a和b、煤的挥发分V、煤的破坏类型f、煤的放散初速度ΔP综合反映了该煤层发生煤与瓦斯突出的煤质条件。根据评价指标的可量化原则, 选取上述评价指标, 通过对同一矿区同一煤层不同矿井实测数据和突出情况, 根据统计数据建立煤与瓦斯突出预测各项指标的权重和隶属度, 建立评价指标集。

2 模糊—灰色综合评价模型的构建

2.1 理论基础

模糊—灰色综合评价是在信息不充分的条件下进行评判[3], 在综合评判的过程和结果中, 信息量的多少应有相应的参量描述。对同一问题, 信息充分的程度不同, 得到的结果也会不同, 或是所得结果的可信度不同。

设A是空间X={x}上的模糊子集, 若x对于A的隶属度μA (x) 为[0, 1]上的一个灰数, 其点灰度为vA (x) , 则称A为X上的灰色模糊集合, 记作:

undefined

用集偶表示成undefined, 其中undefined称为undefined的模糊部分 (简称模部) , undefined称为undefined的灰色部分 (简称灰部) , 在式 (1) 中, 若μA={0, 1}, 则undefined;若vA (x) =0, 则undefined所以可将灰色模糊集合看作是对模糊集合和灰色集合的综合和推广。

影响煤层突出危险性的不确定因素繁杂众多[2], 利用灰色关联分析确定影响因素的权重系数, 为专家建立的指标 (影响因素) 赋予权重系数。考虑到专家评判信息存在一定的灰度, 基于三角白化权函数的灰色评估, 建立白化权函数, 通过利用灰色聚类理论得到的综合聚类系数矩阵, 构建出模糊隶属度矩阵, 再利用模糊算法评估结构安全, 从而将灰色理论与模糊评价方法相结合, 建立一种基于模糊灰色理论的综合评价方法。

2.2 评价准则

1) 建立危险性因素集。

将影响煤层突出危险性的因素, 即瓦斯含量 (Q) 、瓦斯压力 (p) 、煤的吸附常数a和b、煤的挥发分V及煤的破坏类型f等组成集合, 也是评价指标集, 通常用U来表示, U={U1, U2, …, Un}。

2) 建立评语集并赋值。

将煤层的突出危险性按照《防治煤与瓦斯突出规定》分为无突出危险、突出威胁、有突出危险3个等级, 用V={V1, V2, V3}表示。

3) 求各风险因素的权重。

由于影响煤层的突出危险性因素的复杂性及区域性特点, 仅靠几位专家来确定权重是不恰当的[4]。应当请一组 (群) 专家对已建立的指标进行两两比较, 然后利用群AHP方法确定权重[5]。具体步骤是:首先通过专家判断每对风险因素之间的相对重要程度, 比值用1～9表示 (1表示两个风险因素重要性相同, 3表示一个比另一个稍重要, 5 表示一个比另一个明显重要, 7表示一个比另一个强烈重要, 9表示某种风险比另一个极端重要, 2, 4, 6, 8为相邻两个评语的中值) , 由此建立判断矩阵A;将判断矩阵的每一行按行相乘得到一组新向量, 将该组向量各元素分别开n次方, n为判断矩阵阶数;将n次方根向量归一化得到特征向量W= (W1, W2, …, Wn) , 即所求权重值。

4) 评价矩阵的确定。

建立如表1所示的评价准则。

设共有r位专家根据评价规则对指标进行评价, 得到第i因素的综合评价向量为 (di1, di2, …, dir) 。在危险性评价中, 评语集为V={V1, V2, V3}, 一般情况, V∈{0, 0.1}为无突出危险, V∈{0.1, 0.5}为突出威胁, V∈{0.5, 1}为有突出危险。确定评价灰类就是要确定评价灰类的等级数、灰数及其白化权函数。灰类要根据评价等级, 通过定性分析确定, 可建立如下3种白化权函数:低危险的下限测度白化权函数;中危险的适中测度白化权函数;高危险的上限测度白化权函数。

分别计算ui属于f1 (ui) 、 f2 (ui) 、 f3 (ui) 的灰色统计量, 归一化处理得向量 (ri1, ri2, ri3) , 表示此向量即为因素ui属于危险程度的模糊隶属度, 并构造因素ui的模糊隶属度矩阵R:

undefined

因素ui的隶属度向量可构成一个总的评价函数矩阵R:

undefined

再对R进行模糊矩阵运算, 得到系统的模糊评判矩阵B:

B=[u1, u2, …, um], R=[B1, B2, B3] (7)

根据最大隶属度原则可以判断:当B1=max{B1, B2, B3}时, 煤层无突出危险;当B2=max{B1, B2, B3}时, 煤层有突出威胁;当B3=max{B1, B2, B3}时, 煤层有突出危险。

3 应用实例

南山煤矿位于贵州省贵阳市息烽县小寨坝镇盘脚营村[6], 距县城北6 km处, 隶属息烽县管辖。煤矿始建于1970年, 1978年10月建成投产, 设计能力15万t/a, 1991年经改扩建后设计能力达30万t/a。矿井主要开采5号煤层, 属低中灰、中高硫、特高热值无烟煤, 该煤层突出较为严重, 自建矿以来共发生煤与瓦斯突出189次, 造成人员死亡25人。5号煤层各项突出危险因素实测值如表2所示。

从表2可以看出, 各指标的量化结果相差较大, 如不进行相应处理, 分析过程中量级较大的数据指标会屏蔽量级较小的数据指标。按照灰色系统理论提出的等测度化原则, 通常需要进行如下变换:

式中:undefined;undefined。

经过变换, 每个变量的均值为0, 标准差为1, 且消除了量纲的影响。

对表2数据进行预处理并对指标集进行编号, 结果如表3所示。

组织专家按照AHP法对指标集U={U1, U2, …, U8}中各项指标进行危险性评估, 建立判断矩阵A:

经计算, 各指标的权重如下:

W= (0.165, 0.064, 0.201, 0.073, 0.006, 0.098, 0.291, 0.012) (10)

根据式 (2) — (4) 的白化权函数, 逐一计算各指标的灰色统计量并经过归一化处理, 得到模糊隶属度矩阵R:

对式 (10) 标准化后, 结合式 (9) 可得南山煤矿5号煤层突出危险性评价结果, 并对结果进行归一化处理:

B=W×R=[0.13, 0.33, 0.54]

按照最大隶属度原则, 该煤层应评价为具有突出危险性。

4 结论与建议

1) 基于煤与瓦斯突出的综合假说, 建立了煤层突出危险性的模糊—灰色综合评价模型, 根据专家评判信息的模糊性和灰色性, 能充分考虑不同矿区引起煤与瓦斯突出的主控因素, 使得评价结果更为有效和具有针对性。

2) 分析了贵阳南山煤矿5号煤层突出危险性模糊—灰色综合评价各指标的权重, 得到权重程度依次为瓦斯压力p、煤层坚固性系数f 、煤层埋深H、挥发分Vdaf、吸附常数a、瓦斯含量Q、放散初速度ΔP、吸附常数b。

3) 采用煤层突出危险性的模糊—灰色综合评价方法时, 通过1组专家判断各因素之间的重要程度, 具有一定的主观性, 因此, 综合评判集的建立以及权重的确定都要谨慎考虑。

参考文献

[1]国家安全生产监督管理总局, 国家煤矿安全监察局.防治煤与瓦斯突出规定[S].北京:煤炭工业出版社, 2009.

[2]李立新, 刘琳, 王强.模糊灰色综合评价方法的构建及应用[J].沈阳建筑大学学报:自然科学版, 2008 (4) :577-580.

[3]程卫民, 周刚, 王刚, 等.基于灰色—模糊—改进动量BP算法的矿工安全行为评价方法[J].煤炭学报, 2010 (1) :101-105.

[4]郭鹏, 施品贵.项目风险模糊灰色综合评价方法研究[J].西安理工大学学报, 2005, 21 (1) :106-109.

[5]L i Yan xi, Tao Zhi.St ructure method fo r judging mat rixof group in the AHP[J].Journal of Shenyang NormalUniversity (Natural Science) , (in Chinese) 2002, 20 (2) :86-90.

灰色模糊综合评价法 篇11

通过前期研究对嘉德诺公司东北地区目前物流数据的分析，以及未来公司在该地区的销售和发展战略，嘉德诺公司有必要在北票市设立物流中心，建设物流中心以后可以整合该地区的物流总量、优化运输线路和运输方式，进一步的降低物流活动的总成本、提高服务的效率。前期研究通过重心法计算以出北票市四个城镇作为物流中心建设的备选之地，本文运用模糊综合评价法确定辽宁省北票市四个城镇中作为该公司在东北地区设立物流中心的最理想位置。

2、构建层次结构图

确定层次结构图示，必须要结合物流中心选址的标准进行构建，本论文结合嘉德诺公司东北物流中心选址的标准构建了如图1所示的层次结构图。本结构图主要从政策环境稳定性、交通便利性、经济合理性、可持续性四个层面进行综合考虑，同时又对于每个层面分为若干个分级指标。

图1 层次结构图

3、运用层次分析法确定各层指标权重

（1）构造判断矩阵及一致性检验。在一级指标之间，一级指标与二级指标之间构建判断矩阵，将对政府部门、交通部门以及物流管理方面的30名专家调研得出的数据通过少数服从多数的方法整理后代入（调查问卷详见附录1），计算的结果如表1，表2，表3，表4，表5所示。

（2）对于检验结果进行评价

在对于一级指标之间，一级指标与二级指标之间构建判断矩阵的一致性检验发现都小于0.1，可以说明构建的判断矩阵合理，各指标的权重就可以运用。

4、四个备选方案模糊综合评价

（1）四个地点的情况简介。①大三家乡。大三家乡坐落在辽宁省北票市区西部，总面积98平方千米，临近国道101线、朝北公路，交通便利，信息通畅。大三家乡有8个行政村，32个自然村，52个村民组，总户数4591户，17250人。拥有十分辽阔的土地资源，土地面积共9857公顷，耕地面积共2548公顷。农民收入来源于禽畜养殖业、林果业、种植业三大产业。②凉水河乡。凉水河乡坐落在北票市南部地区，东面临近白石水库，南面挨着锦州港，西面挨着朝阳，区域总面积114.3平方千米，交通非常发达，通迅十分方便，铁路、公路网方便，凉水河乡的矿物质资源也比较丰富。③蒙古营乡。该乡属于辽宁省朝阳市，坐落在朝阳市的东北部，属于北票市的辖乡。人口16500人。有11个行政村，78个村民组。101国道穿过本乡。辖11个村委会。全乡总面积21.75万亩，其中耕地面积有44209亩，林地面积有101020亩。全乡现在已经实现全部为修好的柏油路，交通非常便利。④五间房镇。五间房镇坐落在辽宁省北票市中心，国道“101”线和“305”线贯通五间房镇，该镇地理位置良好，交通十分方便。全镇总面积109平方公里，其中耕地面积有50600万亩。全镇共有17个行政村和2个居民委员会，77个村民组，9672户，35120人。现有2所初中，11所小学，2所医院。2005年全镇工农业总产值位7.79亿元，财政收入完成1312万元。

（2）确定选址的最终方案。对于这四个候选地址，首先确定决断集V={ABCD}，其中A代表大三家乡，B代表凉水河蒙古族乡，C代表蒙古营乡，D代表五间房镇，通过对于政府部门、交通部门以及物流管理方面的30名专家进行访问调查，调查问卷详见附录，要求他们分别给予每个二级指标的因素赋予分值。在本文的研究中把指标分成5个等级，分别是“非常差”，“差”，“一般”，“好”和“很好”，对应的打分数值分别为0，0.3，0.5，0.7，1，通过对于30名专家的打分求平均，就可以得到每一个因素的模糊综合评判，如表6所示。

由综合评判B=A*R公式，其中A指的是指标权重矩阵，R指的是评判矩阵，就可以进行下面的计算：

由公式B=A*R可以计算：

根据综合评判最终的结果，可以对于四个候选地做个排序，即D，C，A，B。那么，D方案，即辽宁省北票市五间房镇为最终的选址结果。五间房镇坐落在辽宁省北票市中心，国道“101”线和“305”线贯通五间房镇，该镇地理位置良好，交通十分方便。基于对目前东北地区物流数据的分析，以及未来公司在东北地区的销售和发展战略，嘉德诺公司在东北地区的辽宁省北票市五间房镇设立物流中心之后，东北地区的各个销售公司以半个月为时间周期向该物流中心下定单，经过对物流总量的整合，物流中心将订单汇总并发往三个制造基地，三个制造基地也以半个月为时间周期进行发货作业，全部采用公路运输整车运输的方式，按时将货物发往该物流中心，在该物流中心里对货物进行分类、汇总后转运至最终需求公司。这样不仅可以减少物流成本，还可以提高服务的质量，为企业的长效发展提供了可能。

（作者单位：齐齐哈尔广播电视大学教学部）

作者簡介

灰色模糊综合评价法 篇12

财务危机是指企业丧失支付能力, 无力支付到期债务或费用, 以及出现资不抵债的现象, 包括运营失败、商业失败、无力偿还、资不抵债、正式破产等。

在市场经济条件下, 企业经营面临着巨大的风险与不确定性, 经常有企业发生财务危机甚至破产。研究表明, 财务危机并非一朝一夕形成, 而有个较长的潜伏期, 在这个过程中, 各种危机的因素都将直接或间接地在一些敏感性财务指标的变化上反映出来, 通过观测这些敏感性财务指标的变化, 就可以对企业财务危机进行预警。因此, 有必要建立财务危机预警系统, 在财务危机的萌芽状态预先发出危机警报, 促使经营者及时采取有效对策, 改善管理。

由美国次贷危机引发的全球性经济危机, 对世界各国的企业造成了严重影响, 我国很多企业由此出现了严重的财务危机, 探讨后危机时代如何化解企业财务危机, 加强现金流管理、加强财务危机预警、做好财务决策是摆在管理者面前的重要课题。

1 企业财务危机预警效应评价指标体系设计

企业财务危机预警[1]效应评价指标体系由一系列反映被评价企业经营状况各个侧面的相关指标[2,3]组成, 能够对企业的财务状况进行真实、客观、公正的综合评价。在导致企业危机因素中有很多是财务因素, 如偿债能力、现金流量状况、盈利能力等。但一些非财务因素, 如市场因素、生产因素、人力资源因素及环境因素也要引起重视。

本文将指标体系分为3个层次, 为了便于衡量企业财务危机的严重程度, 引入“财务危机的预警度”[4]一概念, 综合反映某企业财务危机的预警效应, “财务危机的预警度”指标是第一层次指标。

第二层次指标主要包括偿债能力、盈利能力、资产运营能力、发展能力和非财务因素5项指标, 分别从5个侧面反映企业财务状况。

第三层指标则包括流动比率、资产负债率、已获利息倍数、现金负债比率;销售利润率、净资产报酬率、总资产收益率;应收账款周转率、存货周转率、流动资产周转率、固定资产周转率;净利润增长率、主营业务收入增长率、净资产增长率;内部风险控制能力、发展创新能力、行业影响能力等17项指标。如表1所示:

2 企业财务危机预警效应评价方法

本文采用层次分析法 (AHP) [5,6,7]和灰色模糊评价法[8]相结合的方法来研究企业财务危机的预警程度。

2.1 AHP法确定评价指标权重

2.1.1 构造两两比较判断矩阵

建立层次分析结构图, 企业财务危机的预警度的多级递阶结构图, 如下图所示。

对表1中同一层次上的各元素相对于上一层中某一准则的重要性, 通常采用1～9级及其倒数的评定标度来描述人们对各要素的相对重要性, 如表2所示。

按照表2, 在听取专家意见的基础上, 构造B层指标判断矩阵B及C层指标判断矩阵C1、C2、C3、C4和C5。它们分别为:

2.1.2 计算权重

在AHP法中, 计算判断矩阵的最大特征值和特征向量通常采用近似方法——方根法计算。步骤如下:

(1) 计算判断矩阵每行所有元素的几何平均数:

$\text{v}{}_{\text{i}}=\sqrt[\text{n}]{{\displaystyle \prod _{\text{j}}\text{b}}{}_{\text{i}\text{j}}}$

(2) 将vi归一化, 即可得权重:$\text{w}{}_{\text{i}}=\frac{\text{v}{}_{\text{i}}}{{\displaystyle \sum _{\text{i}=1}^{\text{n}}\text{v}}{}_{\text{i}}}$, i=1, 2, …n。得到:

w= (w1, w2, …wn) T

即为所求特征向量的近似值, 这也是各元素的相对权重。

按照上述方法分别求得判断矩阵的对应权重为:

$\text{w}{}_{\text{B}}=\left(\begin{array}{c}0.4252\\ 0.1342\\ 0.1986\\ 0.1875\\ 0.0545\end{array}\right)\text{w}{}_{\text{C}{}_1}=\left(\begin{array}{c}0.2765\\ 0.5229\\ 0.0559\\ 0.1447\end{array}\right)$

$\text{w}{}_{\text{C}{}_2}=\left(\begin{array}{c}0.2099\\ 0.5499\\ 0.2402\end{array}\right)\text{w}{}_{\text{C}{}_3}=\left(\begin{array}{c}0.2075\\ 0.2075\\ 0.5233\\ 0.0617\end{array}\right)$

$\text{w}{}_{\text{C}{}_4}=\left(\begin{array}{c}0.2970\\ 0.1634\\ 0.5396\end{array}\right)\text{w}{}_{\text{C}{}_5}=\left(\begin{array}{c}0.5876\\ 0.3234\\ 0.0890\end{array}\right)$

2.1.3 一致性检验

(1) 对判断矩阵B中每列元素求和$\text{S}{}_{\text{j}}={\displaystyle \sum _{\text{i}=1}^{\text{n}}\text{b}}{}_{\text{i}\text{j}}$, j=1, 2, …n

(2) 计算λmax的值$\text{λ}{}_{\max }={\displaystyle \sum _{\text{i}=1}^{\text{n}}\text{w}}{}_{\text{i}}\text{S}{}_{\text{i}}$, 求出相应的λmax值后, 和n阶矩阵的临界本特征值λ′max (见表3) 进行比较, 若λmax小于λ′max, 则通过一致性检验, 所得的wi有效;若λmax大于λ′max, 则重新估计判断矩阵, 直到λmax小于λ′max为止。

用Satty近似法求得结果如下:

判断矩阵B:λmax=5.142;判断矩阵C1:λmax=4.015;C2=3.018;C3=4.063;C4=3.009;C5=3.009。通过对比发现, 判断矩阵均通过一致性检验。

2.2 灰色模糊评价相关理论[9,10,11,12]

设$\tilde{\text{A}}$是空间X={x}上的模糊子集, 若x对于$\tilde{\text{A}}$的隶属度μA (x) 为[0, 1]上的一个灰数, 其点灰度为vA (x) , 则称$\tilde{\text{A}}$为X上的灰色模糊集, 简称GF集, 记作:

$\underset{⨂}{{\displaystyle \tilde{\text{A}}}}=\{(\text{x}‚\text{μ}{}_{\text{A}}(\text{x}))‚\text{v}{}_{\text{A}}(\text{x})$x∈X}, 其中μA (x) 称为模糊部分, vA (x) 称为灰色部分。

2.2.1 确定权重集

权重集可以视为指标集与评价对象之间的GF关系, 可以用同一层次中各指标相对于上一层次准则的权重及相应地点灰度来表示, 则:

$\underset{⨂}{{\displaystyle \tilde{\text{A}}}}=[(\text{a}{}_1‚\text{v}{}_{\text{A}}(\text{a}{}_1))‚(\text{a}{}_2‚\text{v}{}_{\text{A}}(\text{a}{}_2))‚\cdots ‚(\text{a}{}_{\text{m}}‚\text{v}{}_{\text{A}}(\text{a}{}_{\text{m}}))]$

其中ai≥0, i=1, 2, …m, 且${\displaystyle \sum _{\text{i}=1}^{\text{m}}\text{a}}{}_{\text{i}}=1$

若明确规定各因素的权重分配, 则所有评价对象的点灰度为零。

即$\underset{⨂}{{\displaystyle \tilde{\text{A}}}}=[(\text{a}{}_1‚0)‚(\text{a}{}_2‚0)‚\cdots ‚(\text{a}{}_{\text{m}}‚0)]$

2.2.2 建立评判矩阵及进行综合评判

评判矩阵可视为指标集与评价集之间的GF关系。根据某一指标给出评判对象对评价集中各元素的隶属度。根据信息的充分程度给出相应的灰度, 构成评判矩阵:

$\underset{⨂}{{\displaystyle \tilde{\text{R}}}}=\left[\begin{array}{cccc}(\text{μ}{}_{11}‚\text{v}{}_{11})& (\text{μ}{}_{12}‚\text{v}{}_{12})& \cdots & (\text{μ}{}_{1\text{n}}‚\text{v}{}_{1\text{n}})\\ (\text{μ}{}_{21}‚\text{v}{}_{21})& (\text{μ}{}_{22}‚\text{v}{}_{22})& \cdots & (\text{μ}{}_{2\text{n}}‚\text{v}{}_{2\text{n}})\\ & & \cdots & \\ (\text{μ}{}_{\text{m}1}‚\text{v}{}_{\text{m}1})& (\text{μ}{}_{\text{m}2}‚\text{v}{}_{\text{m}2}& \cdots & (\text{μ}{}_{\text{m}\text{n}}‚\text{v}{}_{\text{m}\text{n}})\end{array}\right]$

一级GF综合评判:一级评判是先对指标集中的第一层指标进行评判。为保留更多评判信息, 模部与灰部运算分别如下式:

$\begin{array}{l}\underset{⨂}{{\displaystyle \tilde{\text{B}}{}_{\text{i}}}}=\underset{⨂}{{\displaystyle \tilde{\text{A}}}}˚\underset{⨂}{{\displaystyle \tilde{\text{R}}{}_{\text{i}}}}=[(\text{b}{}_{\text{i}1}‚\text{v}{}_{\text{i}1})‚(\text{b}{}_{\text{i}2}‚\text{v}{}_{\text{i}2})‚\cdots ‚(\text{b}{}_{\text{i}\text{n}}‚\text{v}{}_{\text{i}\text{n}})]\\ =\left[\left({\displaystyle \sum _{\text{k}=1}^{\text{m}}\text{a}}{}_{\text{k}}\cdot \text{μ}{}_{\text{k}\text{j}}‚{\displaystyle \prod _{\text{k}=1}^{\text{m}}(}1\vee (\text{v}{}_{\text{k}}+\text{v}{}_{\text{k}\text{j}}))\right)\right]\end{array}$

二级GF综合评判:将 中隶属度之和归一化, 得总评判为:

$\underset{⨂}{{\displaystyle \tilde{\text{R}}{}^{*}}}=\left[\begin{array}{c}\underset{⨂}{{\displaystyle \tilde{\text{B}}{}_1}}\\ \underset{⨂}{{\displaystyle \tilde{\text{B}}{}_2}}\\ \cdots \\ \underset{⨂}{{\displaystyle \tilde{\text{B}}{}_{\text{m}}}}\end{array}\right]$

若Xi在X中的权重分配为$\underset{⨂}{{\displaystyle \tilde{\text{A}}{}^{*}}}=[(\text{a}{}_1^{*}‚\text{v}{}_1^{*})‚(\text{a}{}_2^{*}‚\text{v}{}_2^{*})‚\cdots ‚(\text{a}{}_{\text{m}}^{*}‚\text{v}{}_{\text{m}}^{*})]$, 则得二级综合评判为

$\underset{⨂}{{\displaystyle \tilde{\text{B}}{}^{*}}}=\underset{⨂}{{\displaystyle \tilde{\text{A}}{}^{*}}}˚\underset{⨂}{{\displaystyle \tilde{\text{R}}{}^{*}}}$

专家分别对3个层次的预警度指标进行评价, 由于信息量很难用具体数据来衡量, 本文采用一些描述性语言来对应一定的灰度范围, 将信息多少分为以下几类:

{很充分、比较充分、一般、比较贫乏、很贫乏}, 分别对应灰度值{0～0.2、0.2～0.4、0.4～0.6、0.6～0.8、0.8～1.0}。具体灰度值有专家根据实际情况给定。

以某企业2001～2003年的财务指标数据为例, 见表4 (除资产负债率为成本型属性外, 其余均为效益型指标) 本文仅对2003年财务经营状况进行财务预警。

按照企业财务危机的严重程度, 将指标评价集划分为:无警;轻警;重警;危机4个等级, 评价结果见表5。

根据表5评价结果, 首先进行一级GF评判:

经归一化检验, 进行二级评判:

$\begin{array}{l}\underset{⨂}{{\displaystyle \tilde{\text{B}}{}^{*}}}=\underset{⨂}{{\displaystyle \tilde{\text{A}}{}^{*}}}˚\underset{⨂}{{\displaystyle \tilde{\text{R}}{}^{*}}}=[(0.4252‚0)(0.1342‚0)(0.1986‚0)(0.1875‚0)(0.0545‚0)]˚\\ \left[\begin{array}{cccc}(0‚1)& (0‚1)& (0.9441‚0.072)& (0.0559‚0.2)\\ (0‚1)& (0.2099‚0.8)& (0.7901‚0.24)& (0‚1)\\ (0.2075‚0.8)& (0.061‚0.8)& (0.7308‚0.03)& (0‚1)\\ (0‚1)& (0.703‚0.4)& (0‚1)& (0.2970‚0.7)\\ (0‚1)& (0‚1)& (0.6766‚0.18)& (0.3234‚0.7)\end{array}\right]\\ =[(0.0412‚0.8)(0.1721‚0.256)(0.6895‚0.00009)(0.09709‚0.098)]\end{array}$

根据最大隶属度原则和最小灰度原则, 该企业2003年财务状况是以0.00009的灰度被评价为“重警”。

3 结束语

本文论述分析了企业财务预警的指标体系及评价准则, 对企业财务出现的状况进行了定量化研究, 建立了评定企业财务状况的二级灰色模糊综合评价模型, 该模型同时考虑了决策问题中的不确定性和灰色性, 所得结论更加符合实际情况。

摘要：本文定量化分析了企业财务危机的严重程度。在建立危机预警指标体系的基础上, 运用层次分析法确定各指标的相对重要性的权系数, 并通过一致性检验。再在确定指标评判准则的基础上, 建立灰色模糊评价模型, 决策过程同时考虑了不确定性和灰色性, 使得结论更加符合实际。

关键词：财务危机,灰色模糊评判,预警指标,层次分析法

参考文献

[1].张鸣.企业财务预警研究前沿[M].中国财政经济出版社, 2004

[2].蔡壁洪.企业财务危机预警的定量分析指标探讨[J].财会研究, 2002, (8)

[3].田高良.企业财务预警方法评析[J].预测, 2002, (6)

[4].杨莲芬.中心城市BCD系统中现代服务业集群效应评价[J].统计与决策, 2009, (1) :62~65

[5].张捍东, 严钟, 方大春.应用AHP的Shapley值法动态联盟利益分配策略[J].系统工程学报, 2009, 24 (2) :205~211

[6].许树柏.层次分析法原理[M].天津:天津大学出版社, 1998

[7].孙少楠, 王爱领.基于群组AHP的代建制项目风险评价[J].统计与决策, 2009, (1) :171~173

[8].刘艳秋, 徐丽波.私人服务从业人员资格的灰色模糊综合评价研究[D].南京:第三届不确定系统年会论文集, 2005:432~437

[9].卜广志, 张宇文.基于灰色模糊关系的灰色模糊综合评判[J].系统工程理论与实践, 2002, (2) :141~144

[10].邓聚龙.灰理论基础[M].武汉:华中科技大学出版社, 2002

[11].刘普寅, 吴孟达.模糊理论及其应用[M].长沙:国防科技大学出版社, 1998