改进灰色关联度法（精选9篇）
改进灰色关联度法 篇1
监利县位于湖北省中南部, 全县面积3 508 km2。是全国优质粮主产区和国家商品粮基地县, 以全国水稻生产第一县声名远播。粮食产量波动与粮食安全问题密切相关, 研究粮食波动性问题, 具有极其重要的现实意义。肖厚军[1]认为影响因素有5个:耕地质量和数量、制度、技术、生产者、基础设施。该文利用逐步回归分析监利县粮食生产的结构性变化, 提取影响监利县粮食波动的10个因素, 运用灰色关联度进行关联度排序, 构造判断矩阵, 确定影响因素的权重。
1 影响监利县粮食产量波动量化分析
1.1 影响指标选取
根据国内学者的相关研究, 粮食生产的影响因素主要是指自然特征、可变要素投入的大小、固定资产的积累和政策经济支持能力[2,3,4,5]。该文以《监利县统计年鉴》2000—2011年数据以及监利县监测点具有典型性乡镇的调查数据为基础, 选择耕地面积 (x1) 、降水量 (x2) 、粮食作物播种面积 (x3) 、化肥施用量 (x4) 、农林牧渔业劳动力 (x5) 、农村用电量 (x6) 、单产 (x7) 、农业机械总动力 (x8) 、支援农业生产及农业事业费用 (x9) 、农村居民家庭平均每人每年纯收入 (x10) 等10个指标作为粮食产量波动的影响因素。
1.2 因素关联度分析
由关联度排序结果 (表1) 可知, 各影响因素对监利县中稻产量波动的影响顺序为:耕地面积 (x1) >粮食作物播种面积 (x3) >降水量 (x2) >单产 (x7) >农林牧渔业劳动力 (x5) >化肥施用量 (x4) >农业机械总动力 (x8) >农村用电量 (x6) >农村居民家庭平均每人每年纯收入 (x10) >支援农业生产及农业事业费用 (x9) 。
1.3 因素影响度分析
在产量波动的灰色关联度分析结果的基础上, 构建两两比较判断矩阵, 计算波动形成的各影响因素的影响度 (表2) 。一致性检验得到CR=0.05<0.1, 说明判断结果具有满意的一致性。从影响度分析结果来看, 可变要素投入的影响度最大, 达到了50.1%, 其中粮食作物播种面积的贡献率最大, 达到了19.9%。自然资源对粮食波动的影响次之, 影响度为40.9%。固定资产积累对波动的影响达到了3.97%, 政策经济支持能力对粮食波动的影响度总和仅为4.86%。
2 结论
(1) 粮食作物播种面积对粮食产量波动的影响达到了19.9%, 是影响粮食生产的一个重要因素。增加粮食作物播种面积能增加粮食总产量是不争的事实, 但是, 监利县土地总面积是固定的, 不能把粮食增产寄托到增加播种面积上, 而要在稳定播种面积的基础上通过提高单产实现。
(2) 年降水量的波动对粮食总产量波动的影响达到了15%。监利县属亚热带季风气候区, 多数年份降水量为1 100~1 300 mm, 有干旱、洪涝灾害。降水量是无法控制的气候因素, 这部分波动的产生只能通过对灌溉的调整加以缓和。
(3) 单产波动对粮食总产量波动产生了11.3%的影响。提高单产是满足我国不断增长的粮食需求的必由之路。目前良种的普及率已不再是限制单产提高的主要因素, 因此提高单产重点要放在改善作物生产条件、推广配套的栽培技术等方面。
(4) 农林牧渔业劳动力对粮食总产量波动的影响达到了8.12%的影响。监利县粮食生产主体是只有小学和初中文化水平的中老年男性。本次调查总人口数400人, 其中45~59岁的中年人居多数, 达到了56.3%。粮食生产者以小学和初中的文化层次居多, 分别占到了总数的54.9%和29.5%。粮食生产获得的效益低于外出务工收入, 因而大部分农村年轻人会选择外出务工。
(5) 化肥施用量对波动形成的贡献居第6位, 影响度为6.45%, 因此, 化肥施用量的波动变化对粮食产量波动也产生了重要影响。虽然研究表明, 在报酬递减规律的制约下, 按现有农业生产技术条件或农作习惯, 盲目增加化肥投入无法产生明显增产效果, 但从该文研究结果可以看出, 化肥投入对稳定粮食产量仍然具有重要作用。
参考文献
[1]肖厚军.贵州省粮食综合生产能力的影响因素与对策分析[J].贵州农业科学, 2005 (4) :101-103.
[2]蒋乃华, 李岳云.论中国粮食生产的稳定性[J].农村经济问题, 1998, 19 (5) :2-7.
[3]肖海峰, 王姣.我国粮食综合生产能力影响因素分析[J].农业技术经济, 2004, 29 (6) :45-49.
[4]王树涛.区域耕地生产力稳定性评价体系研究——以河北省为例[D].保定:河北农业大学, 2008.
[5]王渝陵.影响粮食综合生产能力的相关素[J].渝州大学学报:社会科学版, 1999, 52 (4) :22-25.
改进灰色关联度法 篇2
提出采用灰色系统理论中的灰色关联度分析方法对地下水脆弱性进行研究,选取地下水位埋深、包气带岩性、含水层砂层厚度等 6 个因子建立脆弱性评价指标体系,采用离差最大化方法确定评价指标的权重,使得权重的分配有了一定的.理论依据.并以 MATLAB 为平台编制了常用计算程序,将其应用于抚州市地下水脆弱性评价与分区,取得良好结果.
作 者：孙丰英 许光泉 唐文锋 SUN Feng-ying XU Guang-quan TANG Wen-feng 作者单位：孙丰英,许光泉,SUN Feng-ying,XU Guang-quan(安徽理工大学,安徽,淮南,232001)
唐文锋,TANG Wen-feng(淮南联合大学,安徽,淮南,232038)
改进灰色关联度法 篇3
201 1年底,我国汽车保有量超过1亿辆,仅次于美国,位居世界第二,预计到2020年,我国汽车保有量将超过2亿辆,我国石油消费的快速增长将导致未来会面临严重的交通能源问题。此外,传统燃油汽车的尾气排放是全球温室气体排放的主要来源之一,我国已成为世界第二大CO2排放国。因此寻求无污染或低污染的绿色汽车,成为我国未来汽车的发展方向。我国2012年4月18日召开的国务院常务会议讨论通过了《节能与新能源汽车产业发展规划(2012—2020年)》,预示着“十二五”期间,我国新能源汽车将正式开始进入产业化发展阶段。新能源汽车是指动力来源采用非常规、非传统的车用燃料,技术先进、具有新结构的汽车。新能源汽车有很多种类,例如:纯电动汽车、混合动力汽车、燃料电池汽车、燃气汽车以及氢发动机汽车、醇醚汽车等[1]。
美国侧重研发氢燃料电池汽车和充电式混合动力汽车,并开始逐步推广乙醇燃料汽车[2]。欧洲重点研发了氢燃料电池汽车和氢内燃机汽车,其生物柴油汽车的产业化水平居于世界前列[3]。日本侧重于混合动力汽车技术的研发,已成功向市场推出了多款混合动力车型[4]。我国对于新能源汽车产业的研究与西方发达国家相比,起步较晚。国内学者主要对新能源汽车的技术发展水平和政策措施影响进行了总结和研究。其中,刘明岗、郭芙琴分别从纯电动车的驱动系统的设计、锂离子动力电池的安全性、充电设施的设计3个角度做了研究[5,6]。郝娟、谭敏等探讨了充电设施的设计、电动汽车充电站的充电模式[7,8]。王善生基于“能源碳足迹”对纯电动汽车的技术经济性进行了分析[9]。杨萍、易克传通过SWOT分析探讨了后危机时代我国发展新能源汽车的优势与劣势,威胁与机会[0]。李金津、张晓宇等分析了我国新能源汽车产业的发展现状及存在的问题,并相应地对我国新能源汽车产业的发展提出建议[11,12]。艾民等运用钻石模型理论,将我国的新能源汽车产业与发达国家相比,分析了我国新能源汽车发展的竞争优势与劣势[13]。陈学有、文明浩研究了电动汽车接入对电网运行的影响及经济效益综述[14]。此外,章道彪对各种主要类型的汽车进行对比分析,探讨了我国新能源汽车技术的发展路线[15]。
本文基于新能源汽车的技术特点,将6大类别的新能源汽车细分为10类,考查了各种新能源汽车技术的特点后,选取了5个指标,即技术成熟性、经济适用性、环境保护性、能源效用性和资源禀赋性来构建新能源汽车技术5维评价指标体系,采用了将主观与客观相结合的改进的灰色关联度法对这10类新能源汽车技术进行综合评价,对各类新能源汽车的发展优势与劣势进行了分析,从而对我国新能源汽车技术的发展路线提出建议。
1 改进的灰色关联度法
灰色关联度分析是基于邓聚龙教授1981年首次提出的灰色系统概念,主要根据空间理论的数学基础,来认识系统中各因素之间的主要关系。对2个系统或2个因素之间关联性大小的度量,称为关联度。它描述系统发展过程中因素间相对变化的情况,即变化大小、方向及速度等指标的相对性。运用灰色关联度法进行综合评价,可以在很大程度上减少由于信息不对称带来的损失,并且对数据要求较低,工作量较少,传统灰色关联度法中最后关联度的计算是对关联度系数直接加权平均得到,本文将对此做出改进,步骤如下:
(1)确定参考数列
运用灰色关联方法进行综合评价时,评价标准是各指标中的最优值。对于“效益型”指标(指标值越大越好型),取各序列中的最大值为参考;对于“成本型”指标(指标值越小越好型),取各序列中的最小值为参考。对于有m个评价指标、n个评价对象的评价体系,参考数列记为C0(j)={C0(1),C0(2),…,C0(m)}
(2)指标值的无量纲化
为减少随机因素的干扰并便于比较,按下式对最优指标集和各序列指标进行无量纲化处理:
(3)计算灰色关联系数
根据灰色系统理论,比较数列Ci对参考数列C0在指标Ci(j)上的关联系数:
其中,i=1,2,…,n;j=l,2,…,m;ρ为分辨系数,其值在0～1之间,通常取0.5。其作用在于提高关联系数之间的差异显著性。
(4)计算综合灰色关联度
记综合关联度为:
其中,权重ωk的计算采用主观的五级标度赋值法与客观的熵值法综合确定,设五级标度赋值法确定的权重为ω1k,熵值法确定的权重为ω2k,则ωk=(ω1k+ω2k)/2。
则综合灰色关联度为:
γi值越大,则说明相应方案越优。
2 我国新能源汽车技术综合评价
2.1 评价指标的构建与预处理
基于各种新能源汽车技术的特点,本文选取技术成熟性、经济适用性、环境保护性、能源效用性和资源禀赋性5个指标,从5个维度来进行分析,技术成熟性主要是考查新能源汽车技术进入产业化发展的技术水平;经济适用性主要指成本及价格,当前我国纯粹出于环保角度考虑购买新能源汽车的消费者基数还较小;环境保护性主要是指温室气体以及有害气体的排放量;能源效用性指的是从一次能源到终端使用整个过程中能源的利用效率;资源禀赋性主要考虑的是各种新能源汽车所使用的能源的可获得性。
采用比较分析法来确定各指标值,即对某一个指标在各种新能源汽车技术中进行比较,采用1-10分的打分制,针对某一评价指标,相对最好的打10分,相对最不好的打1分。通过专家打分得出其5维指标的具体数值[1],如表1所示。
本文选取的5个评价指标均属于“效益型”指标时,则取各方案中的最大值构成参考数列C0(j)=1 0,10,10,10,10,根据式(1)对最优指标集和各方案指标进行无量纲化处理的结果如表2所示。
2.2 关联度系数的计算
依据式(2)计算关联度系数的结果如表3所示。
2.3 综合关联度的计算
(1)权重的确定
权重确定方法的选择直接影响到综合评价的可行性与质量,主观赋权法是指人们基于知识和经验,由决策分析者根据各指标的主观重视程度而赋权的一类方法;客观赋权法一般根据所选指标的实际信息形成决策矩阵,在此矩阵基础上通过客观运算形成权重。本文将主观赋权法与客观赋权法相结合,选用五级标度赋值法与熵值法来确定权重。
1)五级标度赋值法确定权重的步骤如下:
指标j与k同等偏好,取djk=djk=4。
指标j比k稍微偏好,取djk=4+1,djk=4-1。
指标j比k明显偏好,取djk=4+2,dkj=4-2。
指标j比k极端偏好,取djk=4+4,djk=4-4。
从而得赋值矩阵:D=(djk)m×m
5个指标分别为技术成熟性、经济适用性、环境保护性、能源效用性和资源禀赋性。则通过主观判断可得赋值矩阵为
计算各个指标的五级标度优序数:
从而可得对指标的主观偏好权重:
计算结果如表4所示。
2)熵值法确定权重的步骤如下:
设决策矩阵为:
xij为第j个指标属性下第i个方案的指标值。则:
计算第j项指标下,第i个系统的特征比重或贡献度:
式中:pij为第j个指标属性下第i个方案的贡献度,所得结果如表5所示。
熵ej表示所有方案对第j个指标的贡献总量:
其中,常数k一般取k=l/lnn,以保证0≤ej≤1。
计算指标xj的差异性系数gj:差异性系数gj表示第j个指标下各方案的贡献度的不一致性程度,由gj=1-ej确定。gj越大,越重视该指标的作用。
权重wj为经归一化后的权重系数,由式(9)确定的计算结果如表6所示
(2)综合关联度的计算
依据式(3)先计算得权重ωk如表7所示,再计算得关联度,最后根据式(4)计算综合关联度,并按照关联度越大、方案越优的原则进行综合排名,所得结果如表8所示。
从表8可以看出,运用改进灰色关联度法对我国的10种新能源汽车技术进行综合评价后得到的综合排序为:氢燃料电池、天然气、纯电动(基于水电、煤电)、纯电动(基于太阳能、风能等)、可充电式混合动力、氢动力、油-电混合动力、二甲醚、生物燃料(粮食原料)、生物燃料(非粮食原料)—。
综上所述,能量效率高、低污染、零排放的氢燃料电池汽车,综合评分第一;天然气汽车在经济性和技术性上占据优势,且我国天然气资源相对充足,综合排名第二;纯电动汽车,不管是基于传统能源还是新能源,由于具有良好的环保性能,纯电动汽车技术综合排名比较靠前;可充电式混合动力汽车能量利用效率较高,污染和温室气体排放也相对较低;氢动力汽车技术相对成熟、成本也较低,但是能量的利用率过低,综合排名第六;油-电混合动力汽车具有广泛的适应性,但是成本相对较高,且其环保性能相对差一些,综合排名第七;此外,二甲醚汽车技术在污染和温室气体排放方面存在较大的劣势排名较靠后;生物燃料汽车的环境性能较差以及资源效率较低,综合排名在最后。
3 结论
改进灰色关联度法 篇4
基于组合权重的灰色关联法在火电企业安全性评价中的应用
摘要：为了对火电企业安全性进行有效的评价,根据火电企业生产的特点,提出了火电企业安全性评价的指标体系.采用AHP和熵权组合赋权的.方法,在一定程度上克服了主观权重对评价结果的影响,提高了评价精度.将灰色关联理论运用到火电企业安全性评价中,对影响火电企业安全性的危险因素进行定量分析,依据各评价指标关联度的大小对影响程度进行辨别.最后对某发电集团下属两家火电厂进行实例计算.结果表明,此方法易于计算,评价精度达到预期精度要求,具有很好的推广能力.作 者：孙薇 孟鑫成 SUN Wei MENG Xin-cheng 作者单位：华北电力大学经济管理学院,河北,保定,071003期 刊：电力学报 Journal：JOURNAL OF ELECTRIC POWER年，卷(期)：,25(1)分类号：X913关键词：AHP 熵权 组合权重 灰色关联度 火电企业安全性
改进灰色关联度法 篇5
医院消毒供应中心器械的清洗效果会直接影响到器械的消毒灭菌效果,器械如果长期得不到彻底的清洁就可能形成生物膜,使医院患者出现交叉感染,增加医务人员职业感染的几率;另外,器械的污染物在其轴关节咬合齿等部位的沉积残留物会对医疗器械产生腐蚀作用,形成难以祛除的污点,严重时可导致器械再次使用时因受力而发生断裂。任何残留的有机物如血迹、蛋白质、黏液等都妨碍生物与气体的有效接触,会产生细菌保护膜而影响灭菌效果,导致消毒灭菌的失败[1,2]。因此消毒供应中心消毒灭菌质量控制,是防止医院感染和保证消毒与灭菌成功的关键,但由于各种原因,没有科学的诊疗器械清洗质量评价标准,更多的是采取主观的目测法。虽然很多医院要求定期对清洗消毒器的清洗效果进行验证,但验证的方法有很大的随意性。目前国际上作为器械清洗效果验证的较为通用的方法是蓝光法、ATP法和BCA法[3,4],但在国内很少应用。本文现将我院2015年清洗质量存在的问题进行分析,应用灰色关联度法对消毒供应中心器械清洗质量进行有效评估,对消毒供应中心的建设至关重要。
1 消毒供应中心器械清洗管理现状
1.1 目测法
通过对工作人员清洗过程检查器械的清洗效果,方法为用带光源的放大镜进行目测观察,并对器械清洗效果进行分析,对问题做出相应整改。
1.2 影响清洗效果验证的因素
(1)清洗因素。临床使用过的诊疗器械表面都会污染一些分泌物、血迹等有机物,如果不进行预处理,干燥后则增加清洗难度,清洗不彻底则会造成有机物的残留。在热力消毒和灭菌时易产生凝固,随后再次清洗则会更加困难,而且长时间附着的沉积残留有机物会对器械产生腐蚀作用,特别是对精密医疗器械的损害更加明显。由于现在供应室实行集中式的管理,存在回收与诊疗的时间有间隔,器械物品使用后放置时间过长,造成诊疗器械上的分泌物、血液等污染物的凝固,给清洗工作带来了一定影响。器械未依据规范地方法按器械污染程度、器械材料、器械结构等进行分类清洗也是影响清洗效果的一个主要因素[5,6]。
(2)器械因素。器械结构复杂,特别是人流器械,轴节多、形状多样,使用的吸管管长腔小,清洗难度大;器械种类多、基数少、周转快;供应室的各种设施设备不足,仍然采用手工清洗方法,有的供应室人员图快省事,一些器械根本没有刷洗到位。
(3)人员因素。有些供应室人员不熟悉国家相关标准和规定,不能根据器械污染程度、器械材料、器械结构、清洁剂等进行清洗。还有因对器械的洗涤认识不足,很难在短时间内胜任工作。
2 基于灰色综合评价模型的构建
综合评价是解决实际工作问题迫切需要决策的科学化、民主化方法。目前常用有灰色综合评价法、模糊综合评价法、层次分析法。灰色综合评价法是一种定性分析和定量分析相结合的综合评价方法,能较好地解决医院消毒供应中心器械的清洗效果评价指标难以准确量化和统计的问题,排除了人为因素带来的影响,使评价结果更加客观准确。
医院消毒供应中心器械的清洗效果具有明显复杂的层次和模糊的结构,随机的动态变化,不确定和不完整的指标数据,因而评价医院消毒供应中心器械的清洗效果比较困难。构建基于灰色关联度法的医疗器械清洗质量评价模型,不仅有助于加强医院消毒供应中心自身的管理,还能为管理部门考核消毒供应中心的管理提供可靠依据。基于灰色关联度综合评价法能将消毒供应中心医疗器械清洗质量各项不可比的指标变成可比的指标,特别是对消毒中心医疗器械清洗质量这样多指标系统的评价更是有效。
基于灰色关联度综合评价法可构建模型如下:
其中:是m个医疗器械清洗质量的综合评价结果向量;
是n个医疗器械清洗质量评判指标的权重分配向量,式中;
E是医疗器械清洗质量各项指标评价矩阵:
指标评价矩阵E中关联系数为:
其中j为医疗器械清洗质量指标中评价者认可的最优值。C是根据灰色系统理论所确定和参考与被参考的数列[7]。
3 灰色综合评价法应用
3.1 医疗器械清洗质量指标体系的选择
医疗器械清洗质量指标的多指标评价,通常是选择消毒供应中心器械的清洗器械,分析共同的指标,从中评价清洗质量的高低。要从多个评价清洗质量指标中选择一个合适的指标体系,则该指标体系应能够反映评价清洗质量的实际效果,体系中各项评价质量指标的优劣程度应能较好地反映评价清洗质量。由此设置了6项指标,即:①制度完善度为100;②清洗量为100;③清洗工效为100;④残留率,器械污渍残留率越低越好;⑤清洗成本为100;⑥锈斑率为100。①~③指标的百分数越高越好,④~⑥指标越低越好。
对于上述6项评价指标采用的权重,以上述指标出现的先后顺序依次为:
3.2 评价数据
现以海南省海口妇幼保健医院消毒供应中心对5种器械清洗质量各项指标进行考核。其中数据都是来源于海南省海口妇幼保健医院消毒供应中心对日常的5种应用场合不同的器械类型清洗质量各项指标收集与分析汇总。把各评价器械对象中每一项指标的最佳值作为理想指标来构造标准器械,最优值从5类械器械对象中选取,因不同因素,选定最大或最小值,便可构造出标准器械的指标值(123.2,120.5,116.3,85.2,80.2,0.606)。数据,见表1。
4 评价过程
构造标准器械清洗质量。取各类器械中每一项最佳指标当成标准值。现以器械1与标准器械的加权关联度计算来说明其评价过程。
应用公式(3)与(4)由表1数据就可计算出关联系数:
最后应用公式(1)计算出综合评价结果向量R:
同理可以算出
由于r4>r2>r1>r3>r5,也就是说,器械4清洗质量得分最高,故在清洗质量效果的评价值最高;同样,器械5清洗质量得分最差,故在清洗质量效果也最差。
5 结束语
灰色关联度法可以多角度、多视角的对消毒供应中心器械清洗质量的价值进行评价,且在客观公正的基础之上对消毒供应中心器械清洗质量问题进行评估,对消毒供应中心器械清洗质量的各个优缺点进行量化处理并得出最终的评分[8]。通过实际的例子计算表明:灰色关联度法应用于消毒供应中心器械清洗质量问题的评价操作性强、效果好,可在清洗质量效果的价值评估方面有着较广泛应用。
参考文献
[1]赵芬.医疗器械清洗质量的影响因素及对策[J].山西医药杂志,2014,(4):476-478.
[2]李亮.我院消毒供应中心建设实施探讨[J].中国医疗设备,2014,29(9):98-100.
[3]邢书霞,马玲,王志,等.ATP生物荧光法评价医疗器械清洗质量[J].中国消毒学杂志,2008,25(3):245-248.
[4]张春雨.医院消毒供应室医疗器械清洗质量调查与防控[J].医药前沿,2014,(21):52-54.
[5]郭冠中.浅论影响医疗器械清洗质量的原因[J].黑龙江科技信息,2014,(4):24.
[6]龙翠燕,秦明芳,李建梅,等.器械清洗质量的影响因素与控制措施[J].当代护士(中旬刊),2015,(4):107-109.
[7]杨进,韩服善.基于灰色关联度的医疗器械多级模糊综合评价模型[J].机械设计与制造,2007,(10):208-209.
改进灰色关联度法 篇6
灰色关联度法是一种简单实用且有效的方法, 其重要特点为减少或避免了人为主观判断因素, 近年来在滑坡及泥石流等地质灾害影响因子分析评价上有广泛的应用, 并取得了卓有成效的成果, 如魏斌斌[3]运用灰色关联度法对影响汶川地震灾区泥石流的8个因子进行了权重分析;刘海松等[4]采用该方法评价了公路地质灾害危险性;蒋刚等[5]利用灰色系统理论建立了边坡变形的模型, 取得了较为理想的成果;丁丽宏[6]将灰色关联度原理引入边坡稳定评价体系, 提出了边坡稳定性等级评价方法。由此可知, 灰色关联度法针对地质灾害的影响因子分析是科学有效的, 而在崩岗研究中, 众所周知, 降雨条件和植被覆盖率是影响崩岗侵蚀最重要的两个因素, 目前, 多注重其定性研究, 而定量则较少。因此, 本文基于野外调查, 并引入灰色关联度法, 对其影响因子进行定量判断, 具有重要的理论意义。
基于以上情况, 本文在充分认识崩岗侵蚀的主要特征及本质原因的基础上, 通过野外踏勘, 并选取2015年5月19日~7月20日8场降雨, 采用灰色关联度法比试验, 分析降雨持续时间、降雨量、植被覆盖率和土壤孔隙度4个因素的作用程度和权重, 以期丰富崩岗侵蚀机制, 为当地防灾减灾做出贡献。
1研究区概况
拟选定的研究区位于安溪县官桥镇吾宗村境内, 区域上以丘陵山地地貌为主, 年平均降雨量1650mm, 降雨分布不均, 主要集中在5~9月, 地层岩性主要为黑云母花岗岩, 少量花岗斑岩, 植被类型主要为亚热带阔叶林带, 多见马尾松、建柏林等人工林。试验区崩岗侵蚀面积较大, 约2hm2, 以崩岗侵蚀地貌为主, 多见陡崖或峭壁, 高约10~25m, 坡度为60°~80°, 其坡脚处可见崩积土堆积, 坡度为25°~30°, 坡体多见侵蚀沟道, 呈连续出现, 长约5~20m (见图1) , 根据崩岗发育情况及崩岗边缘线形成的轮廓分析, 该崩岗为混合型崩岗, 发育阶段为壮年期, 活动状况为活动型崩岗。
2建立模型
2.1影响因子选择
崩岗侵蚀过程及其复杂, 是由各种内在、外在及其环境耦合而成, 影响因子多, 因此, 因子选择时要充分考虑其物理意义, 且相互独立和易量化, 基于此, 本文选取以下4中影响因子: (1) 降雨持续时间:是指一次完整降雨过程的持续时间, 反应崩岗侵蚀的水动力条件, 降雨时间越短, 水动力条件就越小; (2) 降雨量:是指一次完整降雨的降雨量, 降雨量是崩岗发生的动力因子, 体现崩岗侵蚀的水源条件; (3) 植被覆盖率:植被覆盖率对崩岗侵蚀有重要的作用, 体现为对雨滴的拦截效果, 减少或阻延地表径流、防止雨滴溅蚀, 同时提高了土体颗粒对径流侵蚀的抵抗力, 考虑到自然条件下, 在5月19日~7月20日期间野生植物覆盖率变化较少, 作为数据样本缺少代表性和可操作性, 因此修建试验基地, 在坡面上喷洒护坡王、狗牙根等植被, 并雇用固定人员定期维护和观测植被覆盖率变化情况, 见图2。 (4) 孔隙度:在一定程度上影响土壤入渗率的大小, 可以降低地表径流, 减少冲刷能量, 对崩岗侵蚀有密切的联系, 本文雇用固定人员定期取样, 测试孔隙度的大小。
本文选取的4个影响因子应该可以较为全面的反应本次研究崩岗点的基本情况, 均独立且取值容易。通过收集研究区2015年5月19日~7月20日8场降雨, 并定期实时记录植被覆盖率情况, 基础数据如表1所示。
2.2灰色关联度法基本原理
根据灰色关联度法相关论著[7,8], 可得到此方法的计算步骤如下:
(1) 组成关联数列, 即
(2) 数据均值化及无量纲化处理
运用均值化公式:
式中:i=1, 2, ……, m;n=0, 1, ……, n, 对数列X进行均值化变化, 使其极性一致、无量纲。
(3) 绝对差数列
式中, k=1, 2, ……, m;i, j=1, 2, ……, n
(4) 关联系数
式中, ρ为分辨系数, 其取值范围为[0, 1], 一般取值0.5。
(5) 关联度
对第4步所取得结果进行上述计算, 可求得比较数列Xj对参考数列Xi的关联度。
(6) 各权重因子
可求取得各因子的权重。
2.3计算数据及结果
按上述步骤计算, 依次改变母序列, 求出所有两两数列关联度值, 得到关联度矩阵:
根据关联矩阵R, 可求出各行的平均值, 可知,
从表2可知, 各因子权重优势排序为X2>X3>X4>X1, 即降雨量>植被覆盖率>孔隙度>降雨持续时间。
该权重因子的排序跟实际崩岗侵蚀过程及崩岗防治原理有较强的一致性, 降雨量因子及植被覆盖率因子的权重值是最大的, 分别达到0.294526和0.252505, 是因为降雨量是崩岗侵蚀的动力因子, 降雨量越大, 其水动力条件愈足, 径流则越强, 更能冲刷、拍打坡体表面, 使土体颗粒剥离, 从而导致产沙产流, 形成崩岗危害;而植被根系禁锢和枝叶的阻隔, 能有效减少雨滴的溅蚀与土体颗粒的剥离, 从而改变其水动力条件, 增加径流入渗, 降低产流产沙的形成。
终上所述, 崩岗的防治思路主要是降低水动力条件, 设置跌水坎、增加植被覆盖率、坡面防护等均是良好的方法。
3结论
(1) 灰色关联度法可以有效减少人为因素对崩岗侵蚀影响因子的主观判断, 通过计算得到其关联度和权重, 结果是可信可靠的。
(2) 崩岗侵蚀的影响因子有4种, 分别是降雨持续时间、降雨量、植被覆盖率和孔隙度。
(3) 通过灰色关联发影响因子的计算, 降雨量和植被覆盖率的权重值较大, 而后为降雨持续时间和孔隙度。
参考文献
[1]陈金华.安溪县崩岗侵蚀现状与防治对策[J].福建水土保持, 1999, 11 (04) :21-23.
[2]施悦忠, 郑添发, 林昆山.安溪县官桥镇崩岗的综合治理和效益分析[J].福建水土保持, 1993, (02) :52-54.
[3]魏斌斌, 赵其华, 韩刚, 张海泉.基于灰色关联法的地震灾区泥石流危险性评价-以北川泥石流为例[J].工程地质学报, 2013, 21 (04) :525-533.
[4]刘海松, 范敏, 倪万魁, 张亮.灰色关联度法在公路地质灾害危险性评价中的应用[J].水文地质工程地质, 2005, (03) :32-34.
[5]蒋刚, 林鲁生, 刘祖德.边坡变形的灰色预测模型[J].岩土力学, 2000.9, 21 (03) :244-247.
[6]丁丽宏.改进的灰关联分析法在边坡稳定性分析中的应用[J].西部探矿工程, 2011, (11) :1-3.
[7]邓聚龙.灰色理论基础[M].武汉:华中科技大学出版社, 1998.
改进灰色关联度法 篇7
电脑与数码产品在当今人类生活与工作中应用非常广泛。但也经常有用户在购买该类产品之后会后悔当初的选择,因为他们逐步发现购得的产品并不完全符合自己的预期。究其原因,用户在购买此类产品时虽经认真选择,但一般都是参考行家的经验,或仅对评价指标进行定性分析,这种优选方法未经数据分析,缺乏客观性和科学性,其结果当然难如人愿。为此,本文以灰色关联分析与模糊层次分析法为核心构建了一种数学模型,通过对评价指标的定量分析,使电脑与数码产品的优选过程更为科学和理性。引入了粒子群优化算法进行模糊判断矩阵的一致性检验和修正,既避免了反复进行手工调整的繁琐,又能充分保持原有信息。
1 应用灰色关联分析进行产品优选
灰色关联分析是灰色系统理论的重要方法,其基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近,相应序列间的关联度就越大[1]。
电脑与数码产品的优选其实是一个有限方案多目标决策问题,但其评价指标间的关系不明确,特征量信息也很难完备,所以又是一个灰色系统。因此,对其施行灰色关联分析,既能克服各指标的偏好问题,又可进行量化评比,从而收到客观、公正之效[2]。具体地说,是根据待选产品与理想产品之间的关联度来判定其优劣,其中关联度最高的即为最优产品。
1. 1 指标特征量矩阵的建立
1. 1. 1 评价指标及特征量的确定
不同类型的产品其评价指标不同。电脑与数码产品的科技含量较高,其评价指标也随之复杂,通常包括品牌、性能、价格、功耗、重量、外观和售后服务等。各指标特征量的确定应恪守客观性原则,分为如下三种情况:
①对于价格、功耗、重量等定量指标,直接采用厂方公布的数据为特征量。
②对于品牌、外观等定性指标,采用模糊数学中的五级划分法: 以优、良、中、差、劣描述指标等级,取其对应的隶属度0. 9、0. 7、0. 5、0. 3、0. 1 为特征量[3]。
③对于产品性能之类的虽无厂方数据,但可通过测试进行定量的指标,则以相应软件测试( 如:Nova Bench、3DMark之类) 所得分数为特征量。
1. 1. 2 特征量矩阵的建立
设有m个待选产品,n个评价指标,则各产品的评价指标特征量矩阵A = ( aij)m × n( i = 1,2,…,m,j = 1,2,…,n) 为:
1. 2 标准序列的设定
应用灰色关联分析法进行产品优选,需要设定一种理想产品,其各项指标应为该类产品的可能最佳值,这些最佳值即构成标准序列:
确定理想产品的各项指标值是至关重要的,一般分为如下4 种情况:
①成本性指标: 其值越小越好,如价格、功耗等。理想产品宜取该项指标的最小可能值。
②效益性指标: 其值越大越好,如容量、性能等。理想产品应取该项指标的最大可能值。
③定值性指标: 以某个固定值为优,如台式微机的机箱板材最佳厚度为0. 7mm。理想产品可直接取该定值。
④区间性指标: 其值在某固定区间为佳,如笔记本电脑的最佳屏幕尺寸为14 英寸~ 15. 6 英寸。理想产品可取该区间的中值。
1. 3 特征量矩阵的规范化
为了消除不同量纲的影响,根据指标的不同类型分别采用下列方法将特征量矩阵A的全部元素转换为[0,1]区间的无量纲数据,得到规范化矩阵S。
①成本性指标:
②效益性指标:
③定值性指标:
④区间性指标:
式( 1) - ( 4) 中: i,k = 1,2,…,m,j = 1,2,…,n; 式( 4) 中[ajmin,ajmax]为指标j的最佳取值区间[4]。
显然,在规范化矩阵S = ( sij)m × n中,sij越大则表明该项指标与理想产品的对应指标越接近。
1. 4 指标关联系数的计算
由于标准序列X规范化得到全1 序列,故可推导出待选产品的各项评价指标与理想产品对应指标之间关联系数的计算公式如下:
式( 5) 中: ρ 为分辨系数( ρ∈[0,1]) ,用于调整比较环境的大小。ρ = 0 时,环境消失; ρ = 1 时,环境完全保持。一般取 ρ = 0. 5。
得到关联系数矩阵R = ( rij)m × n如下:
则Ri= ( ri1,ri2,…,rin) 即为产品i的各项指标与理想产品对应指标的关联系数向量。
2 应用改进模糊层次分析法确定指标权重
在选购电脑与数码产品时,由于工作性质及个人喜好等原因,不同用户对于各项评价指标的偏重程度有很大差别,因此采用模糊层次分析法( Fuzzy Analytic Hierarchy Process,简称FAHP) 来确定各项指标的相对权重。
2. 1 模糊判断矩阵的构造
将n项评价指标的重要程度进行两两比较,其结果以0. 1 ~ 0. 9 标度法表示,即得到模糊判断矩阵
0. 1 ~ 0. 9 标度法及其含义如表1 所示。
由模糊互补矩阵的定义有bii= 0. 5、bji= 1 - bij。可知其对角线元素恒为0. 5,仅需确定矩阵B的右上三角元素,即可算出其左下三角元素。
2. 2 模糊判断矩阵一致性检验与修正
虽然运用数学变换能够直接将模糊判断矩阵转化为完全一致性矩阵,这样可避免对模糊判断矩阵的一致性进行检验和修正,但却使原始判断矩阵的所有元素都发生了改变。为此,引入粒子群优化(Particle swarm optimization,简称PSO) 算法来进行模糊判断矩阵的一致性检验与修正,使模糊判断矩阵的原有信息大多数得以尽量保持不变。
2. 2. 1 模糊判断矩阵的一致性指标函数
设修正后的模糊判断矩阵为Y = ( yij)n × n,根据模糊判断矩阵的加性一致性定理,模糊互补矩阵是模糊一致矩阵的充要条件为: 任意指定行与其余各行对应元素之差为某一常数。由此可得模糊判断矩阵的一致性指标函数( Consistency index function,简称CIF) :
式( 6) 中, 。zij为B1行与Yi行各对应元素之差,即依据第一行元素对模糊判断矩阵进行一致性检验和修正。不失一般性,可以假设第一行元素最有把握[5]。
该指标函数通过计算标准差来反映模糊判断矩阵的加性一致性。其值越小,模糊判断矩阵的一致性越高; 其值为0 则模糊判断矩阵具有完全一致性。在一般应用中,当CIF( n) < 0. 1 时,可认为该模糊判断矩阵具有满意一致性[6]。
2.2.2应用PSO算法修正模糊判断矩阵
①PSO算法原理
PSO算法是一种群体智能优化算法,源于对鸟类觅食行为的模拟[7]。在该算法中,每个粒子代表优化问题的一个潜在最优解,并以速度、位置和适应度值三项指标描述其特征。首先初始化一群随机粒子,然后通过迭代寻找最优解。在每次迭代中,粒子通过追踪两个“极值”更新速度和位置[8]: 其一是粒子本身找到的最优解,称之为个体极值; 其二为整个群体目前找到的最优解,称之为全局极值。更新公式如下:
式( 7) - ( 8) 中: v( t + 1)、x( t + 1)分别为第t + 1 次迭代时粒子某维度的速度与位置,x( t)与p( t)、g( t)是第t次迭代时的位置与个体极值、全局极值; ω 为惯性权重,体现了粒子继承原有速度的能力; c1、c2为加速因子,分别表示粒子跟踪自身和群体最优值的权重系数; r1、r2是[0,1]区间内的随机数; α 为约束因子。标准PSO算法流程如图1 所示。
为了防止盲目搜索,更好地平衡算法的全局搜索与局部搜索能力,避免陷入局部最优解,实际应用时一般将粒子每一维的速度和位置限制在一定的区间范围内,并令式( 7) 中的惯性权重因子随着迭代的进行而线性递减,即:
式( 9) 中,k、Tmax为当前迭代次数和最大迭代次数;ωstart、ωend为惯性权重的初值和终值。经验表明,ωstart= 0. 9、ωend= 0. 4 时算法性能最佳[9]。
②模糊判断矩阵一致性检验与修正
式( 6) 为一个非线性优化函数,因此可以应用PSO算法求解。其主要设置如下:
一是目标函数。即PSO算法的适应度函数,显然应由式( 6) 得到。
二是编码。以模糊判断矩阵Y = ( yij)n × n的右上三角除第一行之外的( n - 1) ( n - 2) /2 个元素为优化变量,对其进行实数编码。按照0. 1 ~ 0. 9 标度法规范,各优化变量应取值于[0. 1,0. 9]区间; 优化变量个数即为粒子维度。
三是运行参数。粒子群规模20,粒子速度区间[- 0. 5,0. 5],粒子位置区间[0. 1,0. 9],加速因子c1= c2= 2,惯性权重 ω 的初值、终值分别为0. 9 和0. 4,约束因子 α = 1,迭代次数200。
迭代完成之后,全局极值为最优目标函数值,相应粒子位置即为各优化变量的解。
2. 3 由模糊一致矩阵计算指标权重
模糊一致矩阵各因素相对权重的计算方法有方根法、和行归一化法、排序法和特征值法等多种。其中,排序法具有可靠的理论基础,在应用中能得到较高的分辨率,其公式如下:
式( 10) 中,α 是对因素间重要程度差异的度量,其值越小则决策者越重视因素间重要程度的差异。实际应用时一般令 α = ( n - 1) /2。
3 建模步骤及应用实例
3. 1 建模步骤
由式( 5) 与式( 10) 所得结果即可计算待选产品的灰色关联度,其公式如下:
于是,产品优选模型的构建步骤为:
①确定产品的评价指标,建立各待选产品的指标特征量矩阵; 并以该类产品各项指标的可能最佳值设立标准序列。
②特征量矩阵规范化,并计算待选产品各项指标与理想产品对应指标之间的关联系数。
③将各项评价指标的重要性进行两两比较,建立模糊判断矩阵。
④运用PSO算法对模糊判断矩阵的一致性进行检验和修正,然后求出各指标的相对权重。
⑤以步骤②,④所得结果求算待选产品与理想产品的关联度,据此确定最优产品。
3. 2 应用实例
某单位需购买一批笔记本电脑,经查阅厂方提供的产品资料和实机测试,获得了四款待选产品的评价数据,如表2 所示。
应用本文提出的电脑与数码产品优选模型,根据表2 中的评价数据( 各项指标依次用I1 ~ I5 表示) ,从中选出一款最优产品。
3. 2. 1 关联系数的计算
①建立指标特征量矩阵
②设定标准序列
显然,价格、功耗和重量是成本性指标,宜取待选产品相应指标的最小值; 性能和散热为效益性指标,应取待选产品相应指标的最大值。由此可得:
X=(1245,5300,91,2,0.9)
③特征量矩阵的规范化
根据指标的类型,将矩阵A中的数据对应地代入式( 1) 、式( 2) ,即得规范化矩阵:
④计算关联系数
运用式( 5) 进行计算,即得到待选产品各项指标与理想产品对应指标的关联系数矩阵:
3.2.2指标权重的确定
①构造模糊判断矩阵
购买方根据本单位的工作性质和电脑用途,组织技术人员和相关专家对各评价指标的重要程度进行两两比较,并以0. 1 ~ 0. 9 标度法给出其右上三角部分的比较结果,如表3 所示。
以表3 中的数据构造矩阵B,并根据bii= 0. 5、bji= 1 - bij求得其余元素值,得到模糊判断矩阵:
②模糊判断矩阵的一致性检验
用Matlab编写PSO算法程序[10]并运行之,各次迭代所得最优适应度函数值( 进化过程) 如图2所示。
运算结果为: 最优全局适应度1. 8546E - 06,对应的6 个优化变量值[0. 7,0. 6,0. 3,0. 4,0. 1,0. 2]。可见原始模糊判断矩阵B有两对元素被修正,最终通过一致性检验和修正的模糊判断矩阵( 加下划线者为修正后的元素对) 为:
③指标相对权重的计算
将矩阵Y中数据代入式( 10) ,即得各评价指标的相对权重向量W = ( 0. 29,0. 19,0. 09,0. 14,0. 29) T。
3. 2. 3 待选产品关联度的计算
将所得关联系数矩阵R与指标权重向量W中的元素值代入式( 11) ,即可算得四款待选产品与理想产品之间的关联度 γ = ( 0. 6957,0. 7100,0. 6449,0. 6651) T。显然有 γ2> γ1> γ4> γ3,故应以产品2为首选。
4 结束语
改进灰色关联度法 篇8
关键词：公路网规划,综合评价,灰色关联度法
综合评价是公路网规划的重要内容, 对公路网规划项目的实施有着重要的决策支持作用, 涉及技术、经济、社会环境等多方面因素, 必须采取先进合理的评价方法。
公路网规划是一个复杂的灰色系统, 涉及很多因素指标, 而且有的指标间的相互内在关系并不明确, 是一种灰色关系。基于人们对公路网规划的认识具有灰色性, 因此综合评价可采用灰色关联度方法。
1 用于公路网规划综合评价的灰色关联度法
公路网规划综合评价灰色关联度法的步骤如下。
1.1 确定比较数列和参考数列
设有m个评价指标x1, x2, …, xm, 且有n个路网规划方案, 即确定比较数列矩阵为
, 参考数列阵为x0=[x01, x02, …, x0m]。
1.2 指标原始数据的无量纲化处理
对指标原始数据按照极值法进行无量纲化处理:
其中, 式 (1) 用于效益型指标;式 (2) 用于成本型指标, 得到无量纲化后的比较数列矩阵为
, 参考数列阵为X0=[X01, X02, …, X0m]。
1.3 计算关联系数
设
其中, ρ为分辨系数, ρ越小, 分辨力越大。ρ∈ (0, 1) , 一般取ρ=0.5。由此得到关联系数矩阵
。
1.4 计算关联度并排序
分别计算各个方案的关联度:
其中, Wj为各个指标的权重, 可由层次分析法、专家评分法等赋权法得到。各方案与最优方案关联度ri越大, 表示该方案与最优方案越接近, 因此根据关联度的排序, 可得出各方案的优劣。
2 实例分析
本文选取文献[2]中山西省干线公路网未来规划年2020年的规划方案数据进行综合评价。该例中仅从技术评价角度, 考虑公路网的道路特征、交通特征以及公路网所能提供的服务水平等方面, 选用网等级JN、网行程时间TN、网饱和度SN、网运输成本TRN、网事故率AN以及网等级里程偏离率EN作为评价指标进行综合评价。
利用灰关联度法进行公路网的综合评价, 计算过程如下:
1) 确定参考数列。
本例中所采用的评价指标均为成本型指标, 所以参考数列阵取为:
x0=[1.525 0, 0.937 0, 4 635.100 0, 244.160 0, 0.908 5, 0.117 7]。
2) 指标原始数据的无量纲化处理。
根据式 (2) 对原始数据进行无量纲化处理, 见表1。
3) 计算关联系数矩阵。
。
4) 用层次分析法计算各个指标的权重。
在本例中, 建立如图1所示的评价层次结构。
确定判断矩阵, 求出各因素相对上一层某准则的权重。评价指标的权重见表2。
5) 计算关联度并排序。
各方案对最优方案的关联度和排序结果见表3。
3 结语
灰色关联度法考虑了所有因素的影响, 对基础数据样本的大小和有无典型的分布规律性不作要求, 通过计算各方案与最优方案的关联度来区别方案优劣, 原理简单, 计算方便, 是对公路网规划综合评价的有效方法。
参考文献
[1]邓聚龙.灰色理论基础[M].武汉:华中科技大学出版社, 2002.
[2]陈红, 颜英秋, 周伟.公路网规划方案综合评价方法及应用[J].系统工程理论与实践, 1999 (6) :107-115.
[3]丁小河.灰色关联分析法在施工方案比选中的应用[J].山西建筑, 2007, 33 (17) :218-219.
改进灰色关联度法 篇9
一、项目投资风险决策新方法——灰色关联度评价法
1. 理论基础。
项目投资决策的关键是综合考虑投资的货币时间价值和风险价值。现行投资决策方法大多采用一个或同一类别的指标直接作为决策方案的判断标准, 由于设计中存在的缺陷, 导致风险反映的歪曲, 以此为依据进行的项目投资决策必然不科学。灰色关联度评价法的基本思路是构建一个项目投资方案决策指标体系, 该指标体系能够全面反映影响方案决策的各种因素。该方法在处理风险因素对决策影响的方式上与风险调整贴现率法、肯定当量法不同, 它并不依据风险调整后的净现值作为决策的判断标准, 而是将某些能够反映投资风险的指标纳入决策指标体系, 从而使得风险价值因素在项目决策中得以体现。在构建综合考虑投资的货币时间价值和风险价值的决策指标体系后, 采用灰色关联度评价法做出最佳决策。
2. 构建评价指标体系。
在投资方案决策的指标体系中, 笔者选取了如下五个指标:未经风险调整的净现值、现值指数、投资回收期、综合标准差、变异系数。
未经风险调整的净现值以及现值指数体现了项目的收益并考虑了货币的时间价值。未经风险调整的净现值是绝对指标, 如果投资项目初始投资额不同, 绝对指标的可比性较差, 因此又选择了现值指数这个相对指标, 以消除投资额不同可能带来的影响。
投资回收期、综合标准差和变异系数体现了投资的风险价值因素。投资回收期虽是静态投资决策方法的指标, 但是它直观简便, 且可以间接反映投资方案风险的大小, 回收期相对较短, 不确定性相对减少, 从而风险愈小。综合标准差、变异系数是反映投资方案风险的直接指标。收益的标准差可以反映收益偏离期望收益的程度, 因此可以作为风险的度量因素。但由于未来可能的现金流入量不止一期, 因此要综合考虑各年的收益标准差, 计算出综合标准差作为选取指标。综合标准差是一个绝对数, 反映项目风险的大小, 当各方案的投资规模不同时, 只用绝对数就难以确切比较它们的风险。因此, 将反映项目风险的相对数——变异系数纳入决策的指标体系中。
3. 建立灰色关联度模型。
灰色关联分析是一种多因素统计分析方法, 它是以各因素的样本数据为依据, 用灰色关联度来描述因素间关系的强弱、大小和次序。关联度的几何含义为比较序列与参考序列曲线的相似与距离程度, 如果两序列曲线形状相似, 距离接近, 两者关联度大, 反之, 两者关联度小。关联度越大, 方案越优。
(1) 选取评价指标, 确认分析序列。设有n个被评价方案, 每个方案有m个指标, 每个被评价方案构成比较序列Xi' (i=1, 2, …, n) , 选取各评价方案最优指标构成参考序列X0', n+1个数据序列形成如下矩阵:
其中, Xi'= (xi' (1) , xi' (2) , …, xi' (m) ) T, i=0, 1, …, n。
(2) 对变量序列进行无量纲化。无量纲采用初值化方法:Xi (j) =Xi (j) /X0 (j) , 其中:i=0, 1, …, n, j=1, 2, …, m。
无量纲化后各因素序列形成如下矩阵:
(3) 求差序列、最大差、最小差。无量纲化后的参考序列与比较序列绝对差值, 形成如下绝对差值矩阵:
其中, △0i (j) ="x0 (j) -xi (j) "="1-xi (j) ", i=1, 2, …, n;k=1, 2, …, m。
绝对差矩阵中的最大数和最小数即为最大差和最小差:
(4) 计算关联系数。xi与x0在第j个指标上的关联系数记作:
式中:ρ为分辨系数, 在 (0, 1) 内取值。ρ越小, 越能提高关联系数间的差异。
可得关联系数矩阵:
(5) 计算关联度。各备选方案序列xi对参考方案x0的关联度记作:
(6) 依据关联度大小对各方案排序, 根据排序结果进行项目决策。
二、灰色关联度评价法的应用
依据五个待选方案计算出的五个评价指标值如表1所示。对于表1列示的待选方案的指标值, 如果按照净现值最大、现值指数最大原则, 应分别选择方案4、方案3。按照投资回收期最短原则, 应选择方案5。按照综合标准差最小、变异系数最小原则, 应分别选择方案2、方案1。因此, 选择不同的指标作为判断标准会得出不同的决策方案。
注:PP、D、Q均为负指标。
由于投资回收期 (PP) 、综合标准差 (D) 、变异系数 (Q) 是逆指标, 越低越好, 需要把逆指标转化为正指标, 投资回收期转化为1/PP, 综合标准差转化为100×1/D, 变异系数转化为 (1-Q) , 如表2所示:
采用灰色关联度评价法, 计算步骤如下:
(1) 选取评价指标, 确认分析序列:
(2) 对变量序列进行无量纲化:
(3) 求差序列、最大差、最小差:
(4) 计算关联系数。
取ρ=0.5, 得关联系数矩阵:
(5) 计算关联度并根据排序做出决策。
根据关联度越大方案越优的原则, 方案5是最优决策。
本文将灰色关联度引入投资风险决策中, 提出了投资风险决策的灰色关联度评价法, 全面反映了货币时间价值和投资风险价值两个重要的影响投资决策的因素, 弥补了现行投资决策方法多采用一个或同一类别的指标直接作为决策方案的判断标准的不足;再结合灰色关联度评价模型, 计算各个方案与理想方案的关联度, 进而对投资决策方案做出决策。该方法适用于多个决策方案优劣的比较, 尤其在各方案采用不同决策原则结论不一致的情况下能更好完成方案间的权衡比较, 实现对投资方案的科学决策。
参考文献
[1].苑秀娥, 牛东晓, 李伟.灰色关联分析法在电力项目投资决策中的应用.华北电力大学学报, 2004;2