灰关联分析理论

灰关联分析理论（精选7篇）

灰关联分析理论 篇1

第30届奥运会男子篮球比赛于2012年7月28日在伦敦举行, 参加本届奥运会男子篮球比赛的球队一共有12支, 都是各大洲的顶尖球队, 可以说是世界男子篮球运动最高水平的比赛。在本届比赛中, 美国队凭借8战全胜的战绩获得冠军, 并且场均得115.5分, 反观中国队的此次奥运会之旅, 5战全负, 表现差强人意, 与世界强队的距离有拉大的可能, 失去了北京奥运会那种顽强拼搏、勇往无前的精神。因此, 针对本届各球队的表现和技术发展趋势, 本文主要运用灰色关联分析和秩相关分析法, 研究影响这次比赛成绩的主要因素, 探讨男子篮球运动的发展趋势, 揭示中国队与强队存在的差距, 探索研究篮球技术指标统计分析的综合方法。

1 研究对象

2012年奥运会男子篮球比赛参赛球队的技术指标统计数据。

2 研究方法

2.1 文献资料法:

阅览现代篮球高级教程、篮球技术指标分析的教材和论文资料, 观看比赛录像, 收集和2012年奥运会的官网参赛球队的比赛数据。

2.2 数理统计法:

利用SPSS12.0软件对比赛整理数据进行秩相关分析[1], 并应用灰色系统理论分析2012年奥运会男子篮球比赛各球队的技术指标[2]。

3 结果与分析

3.1 基于灰色关联理论的第30届奥运会男子篮球比赛技术指标分析

3.1.1 第30届奥运会男子篮球比赛技术指标灰色关联分析的计算步骤

采用灰色关联法对15项技术指标进行分析, 找出影响本届奥运会男子篮球比赛成绩的主要指标。 (1) 根据研究需要确定参考数列和比较数列。以2012年奥运会男子篮球比赛的平均得失分率W15为母因素列, 其他14项技术指标为子因素列 (数据原始指标统计情况表省略) 。 (2) 计算灰色关联因子空间, 对原始数据技术指标序列进行数据转换, 得出灰关联因子空间数据 (该表省略) 。 (3) 计算灰色关联差异信息空间。由△0i (k) =|X15 (k) -Xi (k) |, i∈{1, …, 14}, 得出灰色关联因子空间数据 (该表省略) 。 (4) 计算得出灰色关联系数。从△GR可知, △0i (max) =0.8797, △0i (min) =0.0038, 取分辨系数p=0.1, 由计算公式得出灰色关联系数 (该表省略) 。 (5) 求灰色关联度、关联序和权重。由计算公式:r (X0, Xk) =1/n∑14k=1r (X0 (k) , Xi (k) ) , Wi=ri/∑rk, 其中i∈{1, …, 14}, k∈{1, …, 14}, n=14, 得出结果见表1。

由表1可知, 各个指标的权重系数为:w1=0.0739, w2=0.095, w3=0.0617, w4=0.0886, w5=0.0674, w6=0.0804, w7=0.0495, w8=0.0907, w9=0.0782, w10=0.0523, w11=0.0697, w12=0.0306, w13=0.0779, w14=0.0841。按关联度的大小排关联序:r2>r8>r4>r14>r6>r10>r13>r1>r9>r6>r3>r10>r7>r12, 由此可知, 二分命中率、防守篮板、三分命中率、被侵、罚球命中率、助攻和犯规7项指标与得失分率、比赛名次关系最密切, 这7项指标成为影响本届奥运会男子篮球比赛成绩的最主要因素。

3.1.2 第30届奥运会男子篮球比赛各球队技术指标灰色关联分析的结果

(1) 命中率指标的分析

在2012年奥运会上投篮命中率成为影响篮球比赛成绩最重要的因素。表1中, 权重排序第1为二分命中率指标, 权重值为0.095, 关联度为0.6138;权重排序第3为三分命中率指标, 其权重值为0.0886, 关联度为0.5723;而且罚球命中率指标的权重排序也为5。在本届奥运会男子篮球比赛中, 美国队最终取得了冠军的成绩, 美国队的二分命中率场均为60%、三分命中率场均为42.63%, 为所有参赛球队中命中率最高的队伍, 罚球命中率场均为71.75%, 也达到了较高水平, 而且美国队的三分出手次数场均为36.63次, 远远领先阿根廷队场均三分出手次数25.25次, 美国队二分出手次数、罚球出手次数分别为42次, 23.88次, 也达到了较高的水平。通过美国队的命中率指标、出手次数指标可以发现, 美国队在保证较多出手次数的情况下, 仍然保持着较好的命中率、得分效率。由此可知:篮球运动的攻防转换速度越来越快, 球队的进攻次数、投篮次数不断增加, 在这种趋势下, 对篮球运动员的体能、技术和战术要求就会越高, 这也是本届奥运会男子篮球比赛的最大特点之一。

中国队在此次奥运会比赛中, 三分命中率场均为37.4%, 在所有参赛球队中, 命中率指标都处于较低水平, 而且中国队的出手次数都受到一定的限制, 特别是三分出手次数场均才13.8次, 本届奥运会比赛所有参赛球队的三分出手次数场均为21.868次。通过录像观察, 中国队的三分投篮机会不是很多, 拿球后投篮准备时间过长, 对手能够及时进行有效的防守。三分球出手机会、出手空间都是瞬闪即过, 美国队的三分球投篮机会大部分是通过快速传球、大范围转移球、突破分球、直接跳起投篮或者是更远距离的投篮获得机会。中国队在以后的训练中, 应该重点加强转移球、传球能力的训练, 完善三分球战术体系, 加强球队整体三分战术配合的训练, 中国队的个人远投能力要大幅度提高。随着篮球比赛攻防转换频率的加快、进攻节奏也随之加快, 三分球远投的要求就会越高, 中国队不应该丢失亚洲球队的基本特点, 快、准、灵, 学习韩国队的三分球投篮训练方法, 加快投篮出手节奏、投篮稳定性或者更远距离的投篮能力训练等。

在本届奥运会比赛中, 中国队二分命中率是12支参赛球队中最低的, 二分命中率场均为39.4%, 远远低于美国队, 二分命中率成为影响比赛成绩最主要的因素之一, 说明二分球是篮球比赛中最有效的得分手段, 充分体现篮球运动中离篮筐越近得分效率越高的规律。本届奥运会比赛中, 所有参赛球队的二分出手次数场均为42.505次, 二分命中率场均为48.995%。美国队在场均42的二分出手次数情况下, 二分命中率高达60%。通过录像观察发现, 美国队的二分得分主要来自防守反击、抢断快攻和直接冲击篮下得分等形式, 甚至在失去平衡、重心情况下投篮命中, 这一方面与队员的身体条件、身体素质有关, 也与队员的平时训练有关。在篮球最高水平的美职篮比赛中, 许多投篮、上篮都是在有干扰、高对抗、强身体接触下完成, 作为身体条件不太出众的中国队就更应该增加这方面训练, 越是接近实战, 甚至高于实战对抗下的投篮训练才能提高中国队员的得分能力。

在激烈的篮球比赛中, 罚球得分是最为稳定的一种得分方式, 罚球命中率一般是三个命中率当中最高的一种命中率。在本届奥运会男子篮球比赛中, 所有参赛球队的罚球出手次数场均为19.54次, 罚球命中率场均为69.76%, 美国队罚球出手次数场均为23.88次, 罚球命中率场均为71.75%, 而中国队的罚球命中率场均仅为60%, 罚球出手次数场均为21.4次。比较2010年世界男子篮球锦标赛中国队的罚球命中率61.76%, 2010年亚运会男子篮球比赛中国队的罚球命中率56.875%, 发现中国队在近几年的比赛中罚球命中率都不太理想, 这是中国队所有运动员面对的一个问题, 也是中国篮球值得思考的问题, 为什么一种最为稳定最高效的得分手段没有受到应有的重视?在篮球比赛中, 罚球机会也是来之不易, 关键时刻的罚球影响着比赛的胜负。中国队在以后的训练中, 一方面应该加强在体能消耗非常大、接近实战情况下的基本投篮能力训练, 另一方面加大接合技术、接合体能的心理训练。有目的地提高练习难度, 包括环境条件、人为障碍、疲劳状态、消极情绪等, 要求队员经过努力克服困难, 增加信心, 完成任务。目标设置训练是保证技术稳定提高的有效方法, 在平时训练中, 不仅要加强队员对技术和心理训练的深刻理解, 而且设置不同目标、不同压力条件下的各种投篮训练, 甚至是投篮次数1000次以上的意志力训练。

(2) 防守篮板球指标的分析

防守篮板球技术指标在2012年奥运会比赛中成为影响成绩的一个重要因素。从表1中可知:防守篮板球技术指标的权重排序2, 关联度为0.586。篮板球在比赛中的作用越来越大, 既可以增加球队的进攻次数, 又可以增加队员的投篮信心。防守篮板球既能体现个人争抢篮板球的能力, 又能体现球队的整体防守实力。在本届奥运会上, 美国队防守篮板球场均为29.88个, 进攻篮板球为14.75个, 中国队防守篮板球场均为25.8个, 进攻篮板球场均为6个, 所有参赛球队防守篮板球场均为26.46个, 进攻篮板球场均为11.38个。与之比较, 中国队的篮板球控制都不是很好, 特别是进攻篮板球的冲抢, 差距非常大, 由此说明, 中国队在以后的训练过程中, 一方面要提高保护防守篮板球的能力, 另一方面要重点训练冲抢进攻篮板球的技术, 包括队员冲抢意识、预判球路、提前要位的综合能力培养, 进一步缩小与世界强队之间的差距。

(3) 被侵指标的分析

被侵技术指标的灰色关联度为0.5433, 权重排序第4, 权重为0.0841。被侵在篮球比赛中是被犯规的意思, 被侵次数越多反映出球队的进攻能力越强。本届比赛中, 美国队被侵指标场均为20.88次, 中国队被侵指标场均为21次, 所有参赛球队被侵指标场均为20.07次, 这说明中国队在比赛中加强了个人的持球突破, 这是中国队一个好的方面。西班牙队被侵指标场均为24.13次, 场均比美国队多了将近4次, 综合三分出手次数、三分命中率指标, 可以推断, 在本届奥运会比赛中, 西班牙队是以内线进攻为主的球队, 主要依靠大、小加索尔两个高大中锋在内线的作用制定进攻战术, 而美国队主要依靠外线得分点多、远投能力强、射手多的特点制定进攻战术。

(4) 助攻指标的分析

助攻技术指标的灰色关联度为0.5054, 权重排序第6, 权重为0.0782。助攻能够反映篮球运动员组织比赛、阅读比赛、把握节奏、传球进攻的一项技术指标。传球质量直接影响篮球战术执行的成败, 准确、巧妙、快速的传球, 能够打乱对方的防守部署, 创造出更多、更好的得分机会。在本届奥运会男子篮球比赛中, 美国队助攻指标场均为25次, 中国队助攻指标场均为9次, 所有参赛球队助攻指标场均为16.44次, 美国队远远高于各参赛球队的场均水平, 助攻场均在20次以上, 而中国队的场均助攻低于10次, 这一项上可以看出中国队与世界强队之间的差距。美国队的助攻次数越多, 说明合理有效的得分越多, 美国队的球员个人突破得分能力非常强, 加上出众的身体素质, 很容易打扰对手的防守部署, 并从中找到最好的得分方式, 进攻效率非常高。中国队加强了个人突破能力的训练, 从被侵指标统计中可以看出, 但是队员突破后再合理分配球的能力有待提高。通过录像观察, 美国队在组织进攻时传球速度非常快, 突破后利用优秀的身体素质把球准确地传到同伴手中, 甚至传球时身体已经失去重心、平衡。中国队在以后的训练中, 除加强基本的传球技术、传球视野训练外, 还要完善球队的进攻战术体系。

(5) 犯规指标的分析

犯规的理解是对规则的违犯, 含有与对方队员的身体接触和违反体育道德的举止。犯规, 包括侵人犯规和技术犯规两大类。犯规技术指标的权重排序第7, 权重为0.0779。在比赛中, 过多的犯规能够给对手带来更多更好的得分机会, 毕竟罚球命中率是三个命中率最高的, 同时也说明队员合理利用防守技术的能力。在本届奥运会男子篮球比赛中, 美国队犯规指标场均为21.38次, 中国队犯规指标场均为17.8次, 所有参赛球队犯规指标场均为20.675次。在奥运会篮球比赛中, 无法定量分析出场均犯规多少次才算合理。在篮球运动中, 不仅要提高防守质量, 而且也要有效控制犯规次数, 过多、过早的犯规影响队员的上场时间、进攻情绪、防守质量等。

3.2 第30届奥运会男子篮球比赛重要技术指标与运动成绩的秩相关分析

本文7项技术指标为校标, 分别以二分命中率、防守篮板、三分命中率、被侵、罚球命中率、助攻和犯规7项指标值Y与名次进行秩相关分析, 验证这7项技战术指标与第30届奥运会男子篮球比赛成绩是否有显著性差异。根据相关系数矩阵表可知 (该表省略) :P二分命中率=0.924, P防守篮板=0.91, P三分命中率=0.896, P被侵=0.873, P罚球命中率=0.864, P助攻=0.851, P犯规=0.843, 两者之间存在线性关系, 结果呈高度显著相关。本研究结果能够较好地反映第30届奥运会男子篮球比赛各球队的比赛成绩、名次排名情况。

4 结论与建议

4.1 影响第30届奥运会男子篮球比赛得失分率、比赛成绩的重要指标有二分命中率、防守篮板、三分命中率、被侵、罚球命中率、助攻和犯规7项指标。

4.2 根据秩相关分析结果, 这7项重要影响指标与名次排名情况有非常显著性差异, 存在线性关系。

4.3 从7项重要影响指标中分析发现, 篮球运动的攻防转换速度越来越快, 进攻次数明显增加, 进攻效率越来越高, 稳定的投篮命中率成为影响本届奥运会篮球比赛的最重要因素。

4.4 美国队在这7项指标上表现都非常优秀, 美国队主要依靠外围得分点多, 投篮能力强, 通过合理、有效、快速的分配球, 组织进攻, 寻找机会, 果断、稳定地投篮, 加上凶狠、合理的防守, 篮板球的保障, 最终获得本届奥运会男子篮球比赛冠军。

4.5 中国队除被侵、犯规指标之外, 其他5项指标表现较差, 队员的突破能力虽然有一定提高, 但是突破之后处理球的能力较差, 队员组织比赛、阅读比赛的能力有待提高, 今后要重点提高队员冲抢进攻篮板球的意识和能力, 提升队员高强度、高对抗下的投篮能力, 解决罚球命中率不高的问题, 完善三分球的战术体系设计, 增加外线三分出手机会。

4.6 运用灰色关联分析法和秩相关分析法对研究篮球比赛技术指标具有实际意义, 有效性高, 是一种研究篮球运动的有效方法。

摘要：运用灰色关联理论, 通过文献资料、录像观察和数理统计等多种方法, 对第30届奥运会男子篮球比赛各球队的技战术指标进行统计与分析, 研究影响本届奥运会比赛成绩的主要因素及发展趋势。研究结果表明:第30届奥运会男子篮球比赛15项技术指标中有7项指标与得失分率、比赛名次关系最密切, 这7项指标与比赛成绩有非常显著性差异, 存在线性关系;本届奥运会男子篮球比赛的攻防转换速度进一步加快, 进攻次数明显增加, 进攻效率越来越高, 稳定的投篮命中率成为影响本届奥运会篮球比赛成绩的最重要因素;探讨了美国队和中国队成败的关键因素;运用灰色关联分析和秩相关分析研究第30届奥运会男子篮球比赛各球队技战术水平具有实际意义, 是一种研究篮球运动技战术水平的有效方法。

关键词：奥运会,第30届,篮球,男子,技术指标,灰色关联分析

参考文献

[1]薛薇.统计分析方法及应用[M].北京:电子工业出版社, 2009.246-276.

[2]王路德.体育统计方法与运用[M].北京:人民体育出版社, 2008.120-127.

[3]陈健, 姚颂平.关联分析在篮球技术统计数据分析中的运用[J].上海体育学院学报, 2009, 33 (5) :91-94.

[4]邓万金.中国竞技田径核心竞争力与其整体竞技水平的关联分析[J].哈尔滨体育学院学报, 2010, 28 (5) :1-6.

[5]孙民治.现代篮球高级教程[M].北京:人民体育出版社, 2004.

[6]宋晓芬, 曹竟成.第15届世锦赛中国男篮若干技术指标的灰色关联分析[J].体育科学研究, 2008, 12 (2) :53-55.

[7]中国篮协世锦赛官方网站:http//www.bsgb.com

[8]简涛.第25届亚锦赛男子篮球前八强若干技术指标的分析研究[J].贵州师范大学学报 (自然科学版) , 2011, 29 (2) :124-128.

应急物流系统的灰关联分析 篇2

应急物流系统是指为了完成突发性的物流需求,由各物流元素、物流环节、物流实体组成的相互联系、相互协调、相互作用的有机整体。通过应急物流系统的灰关联分析,对影响应急物流效益的要素进行准确定位,为快速优化应急物流系统提供一种科学合理的方法。

2 灰关联分析法

数理统计中有许多系统分析的方法,如回归分析、方差分析、主成份分析等,但这些方法都具有下述不足之处:要求有大量的数据,数据量少就难以找到统计规律;要求样本服从某个典型的概率分布,要求各要素数据与系统特征数据之间呈线性关系;计算量大,一般要靠计算机帮助;可能出现量化结果与定性分析结果不符的现象,导致系统的关系和规律遭到歪曲和颠倒。

灰关联分析的基本思想是通过确定参考数列和若干比较数列几何曲线的接近程度来判断其联系是否紧密,并用灰色关联度来反映曲线间的这种关联程度。实质上,关联分析就是以参考点和比较点之间的距离为基础的分析,从距离中找出各要素的差异性和接近性,也就是说,关联度是对离散函数空间的一种接近测度。灰色关联度有狭义灰色关联度和广义灰色关联度之分,广义灰色关联度又包括绝对关联度、相对关联度、综合关联度三种。对应急物流系统的分析是从多个系统中的相关数据的绝对量的关系出发的,我们在此采用灰色绝对关联度。

2.1 确定比较数列

对于参与比较的影响应急物流效益的不同要素,相互间是不可比和互补的,可能存在许多非量化的灰数。对于定量化的要素可以直接采用客观地数据,对于定性化的要素必须进行量化处理。

量化处理的方法很多,对于非量化的灰数,采用白化权函数处理的方法实现,其基本思路是:由应急物流方面的专家分别对影响应急物流效益的各个定性要素进行评分,而后建立相应的白化曲线,即将最高与最低评分的白化值顺序取为1或0(或反之),从而求出该指标的白化值。

设影响某个参与比较的应急物流系统的物流效益的要素j为定性指标,有p名应急物流专家对其进行不记名评分。第i个专家对第j个影响要素的评分记为u ij;为影响要素j得分的平均值。

可建立该指标的白化权函数为ν=αu ij+b(如图2)。

则如图3。

根据影响要素j的指标类型和得分平均值得出其相应的白化值vi,vi即为该系统第j个影响要素参与比较的值,在数列中表示为xi(j)。

2.2 求始点零化象

始点的零化象是通过引入始点零化算子实现的。零化算子可使应急物流系统原象无量纲化,且在数量上归一。

我们可以按照灰色绝对关联度的大小,对影响应急物流效益的要素进行优先次序的排列,得到快速优化应急物流系统的方法。

3 案例分析

人们分析应急物流系统建设中的问题,往往偏重于从一个应急物流系统自身找原因,这样做当然可以发现一些问题,提出有裨益的见解。但如果将一个应急物流系统与多个比较先进的应急物流系统进行横向的分析和研究,就可以找到差距,找到相对落后的症结所在,更有利于将有限的资金投入到关键的环节上去,获得较快的发展。这里我们从四个假想的应急物流系统A1,A2,A3,A4(其中A1发展较慢,A2,A3,A4发展较快)入手,通过对影响应急物流效益的相关要素进行横向分析和对比来探求A1发展较慢的原因,为研究实现应急物流振兴的启动机制提供一种方法。

3.1 影响应急物流效益的要素

考虑影响应急物流效益u1的影响要素主要从硬件要素和软件要素两个方面入手。

硬件要素主要包括应急资金u2、应急物资u3、应急设施u4、应急装备u5四个方面。应急资金是指系统中每年投入的救灾专项资金,通过人均占有资金数量的多少来考虑该指标的大小;应急物资是指系统中每年仓储的应急物资,通过人均占有物资量的多少来考虑该指标的多少;应急设施是指为应对灾害发生建立的各项基础设施,包括仓库、预警预报设施、交通设施、避难场所和物流配送中心,通过单位平方米应急设施的数量来衡量该指标的布局合理性;应急装备是指应对灾害的专有装备,包括运输工具和专业装备,通过应急装备的总量来衡量该指标的多少。

软件要素主要包括应急机构的完善度u6、应急法律法规健全度u7、社会动员力度8u、专业队伍的数量u9、应急预案的完善度u10和演练次数u11、应急物流的信息化水平u12和应急技术研发力u13。应急机构完善度主要是由应急物流专家对系统中现行设置的应急管理机构是否完善进行评判获得;应急法律法规健全度主要是由应急物流专家对系统中颁布的应急法律法规是否健全进行评判获得;社会动员力度是由应急物流专家对灾难发生时应急管理层动员社会以及社会自愿捐赠的资金和物资来衡量的;专业队伍的数量是由应急物流专业人数在每千万人中所占的比例;应急预案的完善度是由应急物流专家通过对系统中已经制定和实施的应急预案的完善程度进行评判获得的;应急预案的演练次数是指系统中一年里针对不同的灾害组织群众对不同的预案演练的次数;应急物流的信息化水平主要由应急物流专家通过衡量系统在历次灾难中情报获取手段、信息系统平台的使用和应急信息化的覆盖面获得的;应急技术研发力主要由应急物流专家通过对系统中各种隐患的探测手段和救灾过程中的机械化水平的高低进行评判获得的。

3.2 确定应急物流系统比较数列及始点零化象

在各种要素中,定量指标有应急资金的数量、应急物资的数量、应急设施的数量、应急装备的数量、专业队伍的数量、应急预案的演练次数等;定性指标包括应急物流效益、应急机构完善度、应急法律法规健全度、社会动员力度、应急预案的完善度、应急物流的信息化水平和应急技术研发力。对于定量化要素直接填充相应的数据即可,对于定性化要素需由专家评分,采用白化权函数处理的方法得到相关数据。6位应急物流专家对应急物流系统A1,A2,A3,A4的物流效益进行评分,评分结果见表1。

应急物流信息化水平对应急物流效益的影响最大,在系统的发展过程中应加大投入;应急装备总量对应急物流效益的影响投入,在该要素上的投资应暂时少些。

4 结语

运用灰关联分析法,对影响应急物流效益的相关要素进行准确定位,寻找不足,在共同发展的基础上突出重点,快速实现应急物流系统的优化。通过案例分析,证明该方法用在应急物流系统的优化上是合理的,也是可行的。这当然也为分析我国应急物流系统提供了一种科学的方法。

参考文献

[1]王丰,姜玉宏,王进.应急物流[M].北京:中国物资出版社,2007,1.

[2]马小平,高明波.军事物流系统工程[M].北京:中国经济出版社,2001,11.

[3]邓聚龙.灰预测与灰决策[M].武汉:华中科技大学出版社,2002.

[4]陶倩.应急物流亟待完善[J].中外物流,2008,(5):27—31.

湛江市住宅需求的灰关联分析 篇3

住宅产业作为房地产的重要组成部分, 在城市经济建设和社会发展中发挥着举足轻重的作用。过去的几年间, 湛江市住宅投资总额持续增长, 从2004年的7.04亿元上升至2008年末的17.67亿元, 年平均增速2.7个百分点。而2009年湛江的住宅销售总额更有突飞猛进的增速, 前三个季度房价环比涨幅位居全国第二。可见, 住宅投资和住宅消费的不断增长, 已成为推动湛江市国民经济快速发展的重要动力, 湛江市住宅市场的现状及前景已成为社会各界关注的焦点。

1 湛江市住宅需求的定性分析

住宅需求是指在一定时期、一定区域范围内, 在某一价格水平下, 人们对住宅愿意并有能力购买的数量。形成住宅需求必须同时具备两个条件:其一是消费者的有效需求即购买能力;其二是消费者购买意愿。凡是影响上述两个条件形成的因素都是住宅需求的影响因素。一般地, 将影响住宅需求的因素分为经济性因素和社会性因素两大类[1,2,3]。

1.1 经济性因素

1.1.1 居民收入水平

住宅购买力是影响居民住宅需求最主要的因素, 通常购买力与居民收入水平直接相关, 居民收入水平与住宅需求基本上呈正向变动关系。目前湛江市普通工薪阶层购房需求很大, 但相对购买能力较小, 这与工薪阶层收入水平相对低下不无关系。

1.1.2 居民储蓄总额

居民储蓄总额可以间接的反映利率的高低。利率变化对住宅需求的影响主要体现在短期:当利率降低时, 居民存款利率也降低, 人们会减少储蓄, 转向其他投资, 从而考虑增加住宅消费或者进行住宅投资, 在短期内增加对住宅的需求;反之, 当利率升高时, 居民的短期住宅需求减少。而利率对住宅需求中长期的影响, 一般认为较微弱。

1.1.3 居民的住宅消费倾向

居民的住宅消费水平也是影响住宅需求的关键因素, 居民消费中用于住宅支出的比例, 是反映居民购房能力和购房水平的重要指标。一般来说, 城市居民对住宅的需求与居民收入成正比例。

1.1.4 住宅价格

住宅商品与其他商品一样, 价格的高低对于住宅的需求有着一定的反作用影响。但与普通商品的影响程度不一样, 住宅需求的价格弹性是比较缺乏的, 这是因为住宅商品的自身特殊性, 住宅既是高价值不动产, 又是城镇居民的基本必需品, 无论住宅价格如何变化, 人们总需要居住, 不可能在住宅总体价格上升时纷纷退出住宅消费领域, 或在住宅总体价格下降时大量增加住宅消费。住宅价格对需求的影响又是复杂多变的。例如, 在投机性需求占主导地位时, 住宅需求与住宅价格往往呈现出一种正向变动的关系, 人们像投资股票一样, 对住宅的需求买涨不买跌, 住宅价格越上升, 对住宅的需求反而越大。

1.1.5 住宅竣工面积

住宅竣工面积反映一个地区住宅的市场供应量。当供小于求时, 市场需求不能满足将引发房价上升, 受高利润的吸引房地产投资商将加大投资力度, 从而供应量上升, 市场需求得到充分满足。若房价上升到一个消费者无法承受的不合理的价位则会导致住宅滞销。当供过于求时, 市场无法消化掉多余房源, 引发房屋空置率上升, 导致市场混乱。

1.1.6 社会经济发展水平

社会经济发展水平是决定住宅需求的最主要、最基本的影响因素。只有经济发展, 国民收入水平提高, 才能使一国或地区的经济步入良性循环, 从而不断提高对住宅的生产性需求和消费性需求。住宅需求与社会经济发展水平呈正相关关系, 一个国家或地区的经济发展迅速, 则房地产需求水平就高, 反之则低。经济发展水平对住宅的影响是通过住宅的价格水平和居民的收入等因素体现出来的。

1.2 社会性因素

1.2.1 人口数量和人口结构因素

宏观上, 住宅需求量最终都与人口的数量、年龄结构、分布以及人口增长率等因素有着相当大的关系。家庭结构也会影响住宅需求的结构, 如家庭逐渐小型化、结婚年龄降低或离婚率提高等原因造成家庭户数增加时, 必将增加住宅的需求量。但2008年湛江市区总人口增速同比上年降低了0.4个百分点, 城市人口的增长速度的减缓势必对住宅需求量有所影响。

1.2.2 人均建筑面积

随着人们生活水平的提高、居民购买能力的增强, 人们对居住条件开始提出更高的要求。根据发达国家的经验:在人均住宅建筑面积达到35m2 (户均100m2) 之前, 会保持较旺盛的住宅需求;湛江市2008年人均住宅建筑面积28.08m2, 还不到饱和值, 湛江市的住宅需求还有较大的空间。

1.2.3 消费者预期

一般而言, 对非收益性物业如住宅的消费性需求或投资性需求, 主要取决于消费者对未来住宅价格走势的预测。如果预测未来住宅价格升高, 对住宅的现实需求就会增加, 反之则会减少。当住宅作为一种投资品特别是投机对象时, 对未来住宅价格的预期成为决定当前住宅需求的最主要因素。在住宅市场常常出现这样的情况, 在住宅价格下跌时, 即使跌幅很大, 如果消费者预期还会跌, 则他们会持币待购, 迟迟不买;当住宅价格上涨时, 如果消费者预期还会涨时, 即使价格偏高, 也可能形成现实的住宅需求。

1.2.4 政府的住宅政策

政府的住宅政策对住宅需求有着重大而复杂的影响。一般说来, 当政府采取比较宽松的住宅政策, 即推动居民扩大居住消费、有利于居民得到住宅时, 对住宅的需求就会上升;当政府采取紧缩的住宅政策时, 即由于土地资源的紧缺等原因, 不利于居民得到住宅时, 对住宅的需求就会下降。但政府的政策对住宅需求的影响是不能量化的。

1.2.5 城市化水平

城市化水平对房地产需求的影响表现在城市数量、规模的扩大以及城市人口的增长两个相互关联的方面。城市数量的扩大表现为新兴城市的建立和发展, 城市规模的扩大表现为原有老城市范围的扩大。城市数量和规模的扩大必然表现为需要更多的工厂、商店、银行、学校、医院以及城市基础设施, 就必然的会增加对房地产的需求;城市人口数量的增加除了大大增加对房地产的投资需求, 也大大增加了对城市住宅的消费性需求。

1.3 影响湛江市住宅需求的因素的归纳整理

根据前面对影响住宅市场需求的一般因素及其影响机理的分析, 住宅市场需求的影响因素具体可以归纳为11个因素。根据可量化性, 统计资料的可获得性和完整性, 本文确定了7个因素作为湛江市住宅市场需求的一般性影响因素, 并统计了2004-2008年各因素的数据[4], 见表1。

2 湛江住宅需求影响因素的灰关联分析

2.1 灰关联概述[5]

灰色关联度是分析系统中各元素之间关联程度或相似程度的方法, 其基本思想是依据关联度对系统排序[3]。从而判断引起该系统发展的主要因素和次要因素为其主要内容。它以系统内各因子间的关联系数和关联度作为依据, 用比较关联度的大小来确定主要因素和次要因素。

衡量因素间关联程度大小的量化方法有绝对关联度和速度关联度。前者是反应事物之间关联程度的一种指标, 能指示具有一定样本长度的给定因素之间的关联情况;后者则是从另外一个角度来定义关联度的, 它反映的是两个事物在发展过程中相对变化速率的关联程度。本文采用第一种衡量关联度大小的方法——绝对关联度。

作关联分析先要制定参考的数据列 (母因素时间序列) , 参考数据常记为x0, 一般表示为:

x0={x0 (1) , x0 (2) , ……, x0 (n) }

关联分析中被比较数列 (子因素时间数列) 常记为xi, 一般表示为:

xi={xi (1) , xi (2) , ……, xi (n) }, i=1, 2, ……, m

对于一个参考数据列x0, 比较数据列为xi, 可用下述关系表示各比较曲线与参考曲线在各点的差:

$\xi {}_i(k)=\frac{\underset{i}{{\displaystyle \min }}\underset{k}{{\displaystyle \min }}|x{}_0(k)-x{}_i(k)|+\xi \underset{i}{{\displaystyle \max }}\underset{k}{{\displaystyle \max }}|x{}_0(k)-x{}_i(k)|}{|x{}_0(k)-x{}_i(k)|+\xi \underset{i}{{\displaystyle \max }}\underset{k}{{\displaystyle \max }}|x{}_0(k)-x{}_i(k)|}$

式中, ξi (k) 是第k个时刻比较曲线xi与参考曲线x0的相对差值, 这种形式的相对差值称为xi对x0在k时刻的关联系数。ξ为分辨系数, 一般取ξ≤0.5最为恰当。

若记:$\Delta \min =\underset{i}{{\displaystyle \min }}\underset{k}{{\displaystyle \min }}|x{}_0(k)-x{}_i(k)|$, $\Delta \max =\underset{i}{{\displaystyle \max }}\underset{k}{{\displaystyle \max }}|x{}_0(k)-x{}_i(k)|$

则Δmin与Δmax分别为各时刻x0与xi的最小绝对差值与最大绝对差值。从而有:

$\xi (k)=\frac{\Delta \min +\xi \Delta \max }{|x{}_0(k)-x{}_i(k)|+\xi \Delta \max }(1)$

如果计算关联程度的数列量纲不同, 要转化为无量纲。另外, 就是还有我们经常使用的规范化处理。

关联系数只表示各时刻数据间的关联程度, 由于关联系数的数很多, 信息过于分散, 不便于比较, 为此有必要将各个时刻的关联系数集中为一个值, 求平均值便是作为这种信息集中处理的一种方法。于是, 绝对关联度的一般表达式为:

$r{}_i=\frac{1}{n}\underset{k=1}{\overset{n}{{\displaystyle \Sigma }}}\xi {}_i(k)(2)$

或者说ri是曲线xi对参考曲线x0的绝对关联度。

对ri进行排序, 则得到xi对x0的影响程度的大小关系。

2.2 关联度计算

首先, 选取母序列, 即表1中的X0列为参考序列, 并将X1 ～X7列分别作数值变换, 得到表2。

之后分别计算各因素与销售面积 (X0) 在对应期的间距 (绝对差值) , 结果见表3。

利用公式 (1) 和 (2) 求得各因素的绝对关联度, 见表4。这里分辨系数ξ=0.5。

从表4的结果来看, 影响湛江住房销售面积的因素排序情况依次为:房屋竣工面积>住宅平均售价>城镇人口>人均可支配收入>城镇人均住房面积>居民储蓄总额>GDP。

3 结论

在以上影响因素中, 关联度最大的是房屋竣工面积, 这说明为很好地满足市场的有效需求必须保持住宅的供给充足。其次是住宅平均售价, 这表明湛江消费者对住宅的需求并非一般性消费需求, 而是价格敏感的投资性 (投机性) 需求。第三是城镇人口, 一个城市要想保证住宅市场的稳步发展, 必须综合考虑当地人口规模的影响, 避免由于开发规模过大而超过当地的有效需求。第四是人均可支配收入, 随着居民收入的增加, 人们的生活水平已得到了很大提高, 其消费结构也随之发生了变化, 已由传统的吃、穿等消费转向改善居住条件、提高居住水平上来。第五至第七分别是城镇人均居住面积、居民储蓄总额和GDP, 这三个要素在影响湛江售房面积中的关联性最小, 表明湛江住宅的购买者并非是需要改善居住环境的居民, 而多为投资者, 这里面不乏有外地来湛江购房进行投资的人群。因此, 本地的人均面积和GDP都不是影响本地住宅销售面积的重要影响因素。而在购房这样一种长期的投资行为中, 居民的储蓄总额的多少并未产生太多的影响, 这也恰恰印证了湛江的购房消费群体中更多的是将购房作为一项储蓄投资, 而不是自己居住。

参考文献

[1]简德三, 王洪卫.房地产经济学[M].上海:上海财经大学出版社, 2002:61-67.

[2]包宗华.住宅与房地产[M].北京:中国建筑工业出版社, 2002:61-73.

[3]关柯, 芦金锋, 曾赛星.现代住宅经济[M].北京:中国建筑工业出版社, 2002:112-115.

[4]广东省统计局.广东统计年鉴2009[M].北京:中国统计出版社, 2009.

灰关联分析理论 篇4

1 倒装式路面结构疲劳分析

1.1 模型建立

(1) 路面结构参数确定

为了分析路面结构各层厚度及模量对路面结构疲劳性能的影响程度, 指导以优良抗疲劳性作为设计目标的路面结构设计与施工, 本文采用路面结构各参数如表1。

(2) 有限元模型建立

以一个路幅宽度为长, 建立3.75m×3.75m×3.75m的立方体路面结构模型, 如图1。

模型假设X轴方向为行车方向, Z轴为路面横断面方向, Y轴为垂直路面方向。边界约束 (如图2) , X轴面 (即前后两个面) 上约束X方向位移及绕Y轴、Z轴的转动位移;Z轴面 (即左右两个面) 上约束Z方向位移及绕X轴、Y轴的转动位移;模型底面设置全约束。

由于路面结构模型的路表受力比较复杂, 为了提高计算精度在模型网格划分时上面层采用C3D4自由单元划分, 其余采取C3D8R结构单元划分。网格划分详见图3。

1.2 材料疲劳参数确定

由于倒装式路面结构各层材料中会形成疲劳破坏的只有沥青混合料和水泥稳定碎石材料, 所以本文只给出这两种材料的疲劳特性。

(1) 沥青混合料疲劳性能

沥青混合料的疲劳寿命除了受荷载条件的影响外, 还受材料性质和环境变化的影响。本文为了研究倒装式路面结构各结构参数对倒装式路面结构抗疲劳性能的影响程度, 暂不考虑影响沥青混合料疲劳性能的影响因素, 假设这些影响因素对各路面结构都是相同的。沥青混合料采用的是同济大学“沥青混合料动态性能参数标准”研究报告中, 中粒式沥青混合料50%保证率的疲劳方程:

$\lg \text{Ν}=5.978-4.158\left(\frac{\text{σ}{}_{\text{f}}}{\text{σ}{}_{\text{s}}}\right)(1)$

式中:σf—沥青混合料实际所受循环应力;

σs—沥青混合料抗拉强度, 本文取1.5MPa。

(2) 水泥稳定碎石基层疲劳性能

水泥稳定碎石的疲劳性能同样受到诸多因素的影响, 本文不考虑影响水泥稳定碎石疲劳性能的影响因素, 假设这些影响因素对各路面结构都是相同的。

水泥稳定碎石疲劳性能采用我国“七五”期间对5%水泥稳定的砂砾基层材料进行的梁式试件弯曲疲劳试验得到50%保证率的疲劳方程表征, 如式 (2) 。

$\lg \text{Ν}{}_{\text{f}}=12.114-10.091\frac{\text{σ}{}_{\text{f}}}{\text{σ}{}_{\text{s}}}(2)$

式中:σf—水泥稳定碎石基层材料实际所受循环应力;

σs—水泥稳定碎石基层材料抗拉强度, 本文取2.0MPa。

1.3 模型疲劳分析

(1) nsoft软件

我们采用ncode公司开发的Nsoft进行计算, 该系统专门为材料的S-N曲线, 根据具体情况选取疲劳分析方法以及疲劳损伤模型, 然后结合疲劳损伤理论进行疲劳寿命预测。

(2) nSoft软件疲劳分析步骤及结果

将按式 (1) 、式 (2) 计算得到数据输入到nsoft材料数据文件中, 数据见表2。

通过nsoft软件计算, 得到表3结果:

2 倒装式路面结构的灰关联分析

2.1 灰色关联分析理论

灰色系统理论是以灰微分方程为基础, 对在一定幅值内、一定时间内变化的随机过程, 通过某种生成变化, 可以弱化其随机性, 强化其规律性, 一般原始数据经过有限次累加即可生成可达到光滑条件, 这也是符合建模的唯一条件。灰色关联度分析是灰色理论提出的一种系统分析方法。灰色关联分析的基本思想是根据各参数几何曲线的相似程度来判断其联系是否密切;曲线的形状越接近, 相应序列之间的关联度就越大, 反之就越小;相似程度应用关联系数和关联度描述, 关联度描述了各个因素对结果的影响程度, 关联度越大, 影响程度越大[7,8]。其分析步骤如下:

(1) 选定参考数列, 记为$\text{X}{}_0\left(\text{t}\right)$, 被比较数据列则记为:

$\text{X}{}_{\text{i}}\left(\text{t}\right)\left(\text{t}=1,2,3\cdots ,\text{n};\text{i}=1,2,3,\cdots ,\text{m}\right)(3)$

每个数列在各个t值构成一个n维向量, 如$\text{X}{}_{\text{i}}\left(1\right),\text{X}{}_{\text{i}}\left(2\right),\text{X}{}_{\text{i}}\left(3\right),\cdots ,\text{X}{}_{\text{i}}\left(\text{n}\right)$;

(2) 数列初始化处理, 使数列元素无量纲。

参考数列:$\text{y}{}_0\left(\text{t}\right)=\frac{\text{X}{}_0\left(\text{t}\right)}{{\displaystyle \sum _{\text{t}=1}^{\text{n}}\frac{\text{X}{}_0\left(\text{t}\right)}{\text{n}}}}\left(\text{t}=1,2,3\cdots ,\text{n}\right)(4)$

比较数列:$\text{y}{}_{\text{i}}\left(\text{t}\right)=\frac{\text{X}{}_{\text{i}}\left(\text{t}\right)}{{\displaystyle \sum _{\text{t}=1}^{\text{n}}\frac{\text{X}{}_{\text{i}}\left(\text{t}\right)}{\text{n}}}}(\text{t}=1,2,3\cdots ,\text{n}$;i=1, 2, 3, …, m) (5)

(3) 关联系数的计算

$\begin{array}{l}\text{ξ}{}_{\text{i}}(\text{t})=\frac{\underset{\text{i}}{{\displaystyle \min }}\left(\underset{\text{t}}{{\displaystyle \min }}\left|\text{y}{}_0\left(\text{t}\right)-\text{y}{}_{\text{i}}\left(\text{t}\right)\right|\right)+\text{α}\underset{\text{i}}{{\displaystyle \max }}\left(\underset{\text{t}}{{\displaystyle \max }}\left|\text{y}{}_0\left(\text{t}\right)-\text{y}{}_{\text{i}}\left(\text{t}\right)\right|\right)}{\left|\text{y}{}_0\left(\text{t}\right)-\text{y}{}_{\text{i}}\left(\text{t}\right)\right|+\text{α}\underset{\text{i}}{{\displaystyle \max }}\left(\underset{\text{t}}{{\displaystyle \max }}\left|\text{y}{}_0\left(\text{t}\right)-\text{y}{}_{\text{i}}\left(\text{t}\right)\right|\right)}\\ (6)\end{array}$

式中:α为分辨系数, 一般在0～1之间选取, 多数情况下取0.5;关联系数$\text{ξ}{}_{\text{i}}\left(\text{t}\right)$表征的是第i个因素在第t个点的比较曲线$\text{y}{}_{\text{i}}\left(\text{t}\right)$与参考曲线$\text{y}{}_0\left(\text{t}\right)$的相对差值, 这种形式的相对差值称为yi对y0在第t个点的关联系数。

直接引用关联系数数据较多, 信息过于分散, 不便于比较, 为此有必要将各个时刻的关联系数集中为一个值。求平均值便是对这种信息进行集中处理的一种方法。

(4) 灰关联度的计算

灰关联度的计算公式为$\text{r}{}_{\text{i}}=\frac{1}{\text{n}}{\displaystyle \sum _{\text{t}=1}^{\text{n}}\text{ξ}}{}_{\text{i}}\left(\text{t}\right)\left(\text{t}=1,2,3\cdots ,\text{n};\text{i}=1,2,3,\cdots ,\text{m}\right)$

式中:ri为曲线yi对y0的关联度。

关联度ri构成的序列描述了各因素对结果的影响情况。

2.2 灰关联分析

根据对疲劳寿命影响因素的分析选定的参考数据并将试验结果初始化处理见表4;对于灰关联度的计算, 首先要进行各影响因素的求差计算, 结果见表5;各影响因素的灰关联系数、灰关联度计算结果见表6。

从表6、图4可以看出, 各因素对倒装式路面结构疲劳性能的影响程度由大至小依次为级配碎石层模量、面层厚度、级配碎石层厚度、面层模量、水泥稳定碎石层模量、砂垫层厚度、砂垫层模量、水泥稳定碎石层厚度、土基模量。这说明在进行以较长疲劳寿命为目标的倒装式路面结构设计和施工时, 我们可以首先考虑在施工过程中通过合理的施工方法提高级配碎石层的模量并且严格控制级配碎石层的模量确保倒装式路面结构的抗疲劳性能;其次通过在设计过程中在合理面层厚度范围内选择小值, 以确保较高的疲劳寿命。

3 结语

(1) 灰关联分析法用于分析诸因素对倒装式路面结构抗疲劳性能的影响能获得较好的结果, 这说明对于数据离散性大、相关因素很多的研究对象, 灰关联分析法是一种较为理想的数学分析法。

(2) 由灰关联分析法获得各影响因素对空隙率影响程度的排序结果由大到小依次为:级配碎石层模量、面层厚度、级配碎石层厚度、面层模量、水泥稳定碎石层模量、砂垫层厚度、砂垫层模量、水泥稳定碎石层厚度、土基模量。

(3) 由排序结果可知级配碎石层模量是倒装式路面结构参数中影响路面结构抗疲劳性能的最主要因素;面层厚度、级配碎石层厚度对倒装式路面结构抗疲劳性能的影响程度也很高, 因此在以较长疲劳寿命为目标的倒装式路面结构的设计和施工时, 建议首先考虑在施工过程中通过合理的施工方法提高级配碎石层的模量并且严格控制级配碎石层的模量确保倒装式路面结构的抗疲劳性能;其次通过在设计过程中在合理面层厚度范围内选择小值, 以确保较高的疲劳寿命。

摘要：利用有限元软件建立多个不同的倒装式路面结构模型进行计算, 并将计算结果导入到nSoft软件进行疲劳分析, 得到不同倒装式路面结构模型的抗疲劳性能。根据灰色关联分析理论, 对得到的不同倒装式路面结构的抗疲劳性能进行灰关联分析, 得出各倒装式路面结构参数对倒装式路面结构抗疲劳性能影响程度的依次顺序。研究结论对以提高倒装式路面结构抗疲劳性能为目标的路面结构调整有一定的指导作用。

灰关联分析理论 篇5

近年来,对沥青稳定碎石、级配碎石等柔性基层路面结构的研究逐渐成为热点。然而由于我国目前普遍采用的规范和设计指标主要适用于半刚性基层沥青路面,已铺筑的一些级配碎石基层沥青路面主要参照国外的路面结构,设计方法和指标仍然采用现行规范值得商榷。因此,柔性路面设计应加强结构受力分析和研究,以便设计合理的结构形式,确保路面结构不发生结构性破坏。

本文利用KENLATER软件对2种路面结构进行力学分析,采用灰关联分析方法,对比分析了路表弯沉、沥青层底拉应变、土基顶面压应变等力学指标,并采用灰关联法分析了各力学指标对结构影响的显著程度,可为我国级配碎石基层沥青路面结构的合理选择提供一定参考。

1 路面结构力学分析

计算中选取2种典型级配碎石基层沥青路面结构进行分析。结构I(级配碎石柔性基层):沥青面层+级配碎石基层+土基;结构II(倒装结构):沥青面层+级配碎石基层+二灰碎石基层+土基。如图1、图2所示。

1.1 计算参数

KENLAYER非线性分析方法的模型使用常用的k-θ模型,其关系式如下:

E=k1θk2 (1)

力学分析采用如图3所示的计算图式,计算参数设置为:

(1)标准轴载采用BZZ-100,双圆均布荷载半径δ=10.65 cm,接地均布压力为0.7 MPa;

(2)路面力学响应指标选择:沥青层底的水平拉应变εt、土基顶面的垂直压应变εc、半刚性基层的层层底拉应力σm以及碎石层内部应力与模量、半刚性基层内部应力等;

(3)泊松比:路基取0.4,其余各结构层取0.35,层间接触完全连续;

(4)路表弯沉取双圆荷载的轮隙中心点C点的弯沉;

(5)对半刚性基层和沥青层层底拉应力进行验算时,应对单轮荷载中心A点、轮隙中心C点的拉应力进行计算,并取二者的大值[3]。

1.2 结构参数

由于粒状材料和地基土均属于非线性材料,其弹性模量大小与应力水平有关。沥青混合料是粘弹性材料,其力学性质与荷载作用时间有关,在移动载荷作用下,采用粘弹性理论分析更符合实际[1,4]。因此计算时将沥青面层看作是线性粘弹性层,将基层和路基作为非线性弹性层来考虑。

根据Hompson和Elliot[5]对土类的定义,取半刚性基层模量E=1.2×106θ0.6 kPa(E=1.739×105θ0.6 psi);土基模量 E0=5.3×104θ6.2 kPa(E0=7.680×103θ6.2 psi)。对于级配碎石层,参照AI设计方法,系数k1选用的范围在55.2～82.8 MPa(8 000～12 000 psi);幂指数k2=0.5,以每5 cm划分为1个细层,E=8.280×104θ0.5 kPa(E=12 000×θ0.5 psi),代入KENPAVE程序进行计算。根据KENPAVE程序坐标系统:Z轴方向应力值正值为压力、负值为拉力。计算时采用了如表1所示的6种结构形式。

以四川盆地、云贵高原东部地区、长江中下游平原作为研究对象[6],将粘弹性层温度分为4个季节阶段进行计算,温度选取如表2所示;计算得出不同时间的蠕变柔量如表3所示[1]:

1.3 沥青路面结构受力分析

将以上设定的参数代入KENPAVE软件进行分析,力学指标响应结果如表4所示。

2 结构层影响因素灰关联分析

2.1 模型简化

路面结构性能受多种因素影响,如果能把各种影响因素归结为一个参量从整体上进行综合评价,将非常直观地得出结论。灰关联分析方法正是一种被广泛接受的对受多种因素影响的事物和现象从整体上进行综合评价的方法[7]。

首先需要对指标进行无量纲化处理,常用的方法有均值化法(见公式2)、初值化法(见公式3)和undefined变换等,也可采用内插法使各指标数据取值范围(或数量级)相同,其中i=0,1,…,n;k=1,2,…,m。

undefined

当采用各指标的最优值(或最劣值)构成参考数据列计算关联系数时,可用如公式(4)所示改进的方法,该方法更为简便:

undefined

k=i,1,…,m (4)

关联度是表示2个数据列之间关联程度的量,如果在图形上表示,就是2条曲线的靠近程度,当2条曲线在任何一点的距离相等(即曲线“平行”)时,关联度即为1。若曲线具有一样的出发点(参考点),即各数据列有一样的首项,则能更直接地体现其靠近程度。

本文用初值化法对模型进行无量纲化,由公式(2)和(3)可得知:

x0(1)=xi(1)=1 (5)

则

undefined

公式(4)可简化为

undefined

2.2 灰关联分析

采用灰关联方法分析不同力学响应指标的显著程度,对拟定的6种结构进行整体分析和评价。对表4所示的力学计算结果进行灰关联分析,各指标灰关联系数如表5所示。

根据表5,各结构每个指标关联系数的均值(关联序)为rⅠ-1=0.761 2,rⅠ-2=0.765 7,rⅠ-3=0.775 5,rⅡ-1=0.861 4,rⅡ-2=0.895 3,rⅡ-3=0.856 6。

分析时认为各指标同等重要,即不考虑权重,则6个评价对象由优到劣排序为:

Ⅱ-2>Ⅱ-1>Ⅱ-3>Ⅰ-3>Ⅰ-2>Ⅰ-1

通过以上灰关联的计算和分析,可以看出:对于Ⅰ类3种不同厚度的级配碎石基层路面结构,随着碎石层厚度增大,关联序呈升高趋势,结构的整体评价也趋好。但Ⅰ类结构综合评价不如Ⅱ类结构。对倒装路面结构,结构Ⅱ-2的评价最优。

由于碎石材料承受弯拉应力的能力非常弱,只有当其处于3向受压的条件下,才能发挥最大性能[8]。如果级配碎石的厚度过薄,将不能有效发挥它的隔温、排水、防止裂缝等方面的作用。对于倒装结构的碎石夹层,应考虑到选取一个合理的厚度,以便充分发挥其性能。根据灰关联的分析结果,碎石夹层厚度应选择15 cm左右为宜。

3 结论

通过对2种级配碎石基层沥青路面结构的力学指标影响进行了分析,得出以下结论:

(1)对2种路面结构进行灰色关联分析法进行整体分析和综合评价得知:倒装结构明显优于级配碎石基层结构。

(2)根据倒装结构的灰关联分析结果,当碎石夹层厚度为15 cm左右时,结构最优。

摘要：文章采用美国KENPAVE软件对比分析了2种典型级配碎石基层路面结构在不同厚度条件下的路表弯沉、沥青层底拉应变、土基顶面压应变等力学指标,并采用灰关联法分析了各力学指标对结构影响的显著程度。研究表明:倒装路面结构形式优于柔性基层路面结构形式,且碎石夹层厚度为15cm左右时,结构形式最优。

关键词：沥青路面,柔性基层,级配碎石基层,灰关联分析,力学响应

参考文献

[1]黄仰贤.路面分析与设计[M].余定远,等译.北京:人民交通出版社,1998:14-19,55-74.

[2]黄卫,钱振东.高等沥青路面设计理论与方法[M].北京:科学出版社,2001.

[3]尤晓伟.现代道路路基路面工程(第二版)[M].北京:清华大学出版社,北京交通大学出版社,2004.

[4]Vincent C Janoo,John J Bayer.The Effect of Aggregate Angularity on Base Course Performance[R].US Army Corps of Engineers Cold Regions Research&Engineering Laboratory2000.

[5]Hompson M R,R P Elliot.ILLI-PAVE-Based Response Algorithms for Desigh of Conventional Flexible Pavements[R].Transportation Research Record1043,Transportation Research Board:50-57.

[6]宋艳华,马金辉,刘峰.基于GIS的中国气温空间分布与分区初探[J].干旱区资源与环境,2007,20(4):16-21.

[7]傅立.灰色系统理论[M].北京:科学技术文献出版社,2000.

灰关联分析理论 篇6

1 研究方法

根据邓聚龙教授1982年提出的灰色系统理论[5],通过对灰色系统动态过程(即系统历年有关统计数据)发展态势的量化比较分析,将系统有关因素之间的各种关系展现在人们面前,为系统预测、决策、控制提供有用信息和比较可靠的依据。由于这种方法能使灰色系统各因素之间的“灰”关系“白”化(清晰化),所以称为灰关联分析。灰关联分析法的具体步骤如下。

1.1 确定参考系列和比较序列

参考序列就是作为比较的“母序列”,记作X0(k),它是由不同时刻的统计数据构成的,一般选取最优指标集X0(k)={x0(1),x0(2),…x0(n)}(k=1,2,…,n)作为关联分析的原始参考序列,其中x0(n)为第k个指标在各个样本中的最优值。比较序列是与参考序列作为关联程度比较的“子序列”,记为:Xi={Xi(K)|K=1,2,…,n}(i=1,2,…,m)。

1.2 计算关联系数

关联程度实质上是曲线间几何形状的差别,因此曲线间差值的大小可以作为关联程度的衡量标准。一般而言,一个参考序列X0有若干个比较序列X1,X2,…,Xn。各比较序列与参考序列的关联系数可用下式计算,即:

undefined

式中,ρ∈[0,1]为分辨系数,一般取0.5;undefined成为两个层次(即两级)的最小差,undefined为两个层次的最大差。

1.3 求取关联度

由于关联系数的数值比较多,可能会造成信息过于分散,不利于比较分析,为此有必要将各个时刻的系数集中为一个值。本文在对各指标层求取平均值的基础上,再对各准则层以德尔非法赋权重来计算关联度。关联度的计算表达式为:

undefined

2 应用研究

2.1 评价标准的确定

根据文献[6]中的评价标准,将土地可持续利用水平划分为3个等级,即Ⅰ级(不及格),A<60%;Ⅱ级(良好),60%≤A<80%;Ⅲ级(满意),80%≤R<100%,以反映城市土地可持续利用水平。

2.2 数据来源

本研究的数据以江阴市的资料数据为例[6],分别选取1991年、1994年和1997年的25个评价指标数据的标准化数值,见表1。

2.3 求取差序列

用差序列公式计算差序列,计算数值见表2。将文献[6]中的目标值作为参考序列数值。为了与标准化后的原始数据一致,将其标准化处理,得:X0=(1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1,1)。

2.4 计算关联系数

采用文中的公式(1)计算关联系数,其中ρ的值按一般贯例取0.5,结果见表3。

2.5 确定关联度

根据文献[6]中确定的资源、环境、经济、社会四大分类指标系统的权重值,分别为0.2106、0.2106、0.3137、0.2651。根据公式(2)计算关联度,可得到江阴市1991年、1994年和1997年的土地可持续利用程度(表4)。将计算结果与文献[6]相比较,发现评价结果1991年有较小出入,1994年和1997年的评价结果均一致,并且评价结果的趋势都表明江阴市的土地资源可持续利用水平呈上升趋势。由表5可知,灰关联分析法用于土地可持续利用评价是合理可行的,并且计算简便、实用。

4 结语

从上述评价结果的对比分析可见,将灰关联分析法用于土地可持续利用评价,可从错综复杂的众多数据中整理出一个比较清晰的结构,有效保证多指标的信息量在分析过程中不被丢失。同时,灰关联分析对数据分布类型以及变量之间的相关性无特殊要求,适用于信息不完全确定的小样本系统,将其应用于土地可持续利用评价有一定优势,为土地可持续利用评价提供了一种新方法。经验证,该方法思路清晰、计算结果合理可信,适宜于土地可持续利用评价,是一种有效的评价方法。

摘要：土地既是一个社会经济综合体,又是一个自然历史综合体。土地可持续利用评价必然涉及社会、经济、资源、环境等方面。鉴于土地可持续利用评价的灰色性和不确定性,建立基于灰关联分析模型,将灰关联分析应用于土地可持续利用评价中。该模型以一种新的方法进行土地可持续利用评价,并结合实例进行应用。通过与综合指标法相比较,进一步验证该模型在土地可持续利用评价中的合理性和可行性,在实践上具有一定的应用价值。

关键词：土地可持续利用,灰关联分析,评价

参考文献

[1]张荣群.白洋淀周边地区土地持续利用状态评价研究[J].农业系统科学与综合研究,2002,18(3)∶206-209.

[2]陈百明.区域土地可持续利用指标体系框架的构建与评级[J].地理科学进展,2002,21(3)∶204-215.

[3]黄娟,刁承泰,刘雪,等.城市土地持续利用评价指标体系与方法——以重庆市为例[J].中国国土资源经济,2007,(3)∶20-23.

[4]袁俊,卢励夫.基于人工神经网络的城市土地可持续利用评价研究——以武汉市为例[J].国土资源科技管理,2004,(5)∶21-25.

[5]邓聚龙.灰色系统基本方法[M].武汉:华中理工大学出版社,1987∶17-42.

灰关联分析理论 篇7

关键词：科技,经济增长,灰色关联

科技进步与经济增长之间的关系是互动的:科技进步促进经济增长, 经济增长推动科技进步。在世界各国的经济增长中, 科技进步发挥着越来越重要的作用。目前, 世界各发达国家的经济增长中, 技术进步份额大都超过50%, 且呈递增趋势, 而资本与劳动力的作用在递减。据S.Kuznets测算, 1889—1929年, 美国经济增长中科技进步的作用份额只有33.5%;在1929—1967, 科技进步的作用份额达到78%, 正是在这一时期, 美国由于重视和大力推进技术进步, 奠定了其世界科技大国和经济盟主地位。反之, 经济发展也促进科技进步。一个国家的研究与开发活动, 需要有巨额的科技资金作为支撑, 经济的发展为科技进步提供科技投入, 从而促进科技进步。

从广义上讲, 科技投入分为直接投入和间接投入。直接投入通常指人力、物力、财力的投入, 其中, 人力的投入最终表现为科技人员的投入, 其对科技及经济的长期持续发展起着能动作用, 财力的投入最终表现在科技经费的投入。间接投入是指政府财政的一系列税收优惠政策, 从而间接地投向科技创新和高新技术产业。R&D活动是科技活动中最具有创造性和创新性的部分, 对科学技术由知识形态的生产力向现实的生产力转化起到了至关重要的作用。R&D经费支出是科技投入经费的核心部分, 因此国际上通常用R&D经费的支出作为科技经费投入的重要指标进行国际比较。本文从R&D经费支出和科技人员投入两个方面, 运用灰色系统理论中的灰色相对关联度的方法, 根据襄樊市近6年的统计数据分析科技投入与经济增长和经济发展质量的关系, 其中经济增长主要根据国内生产总值数据进行衡量。

1 1997—2004年襄樊市科技投入情况分析

数据来源:襄樊市统计年签, 根据1998—2005年相关数据整理得。

单位:万元, 人

数据来源:襄樊市统计年签, 根据1998—2005年相关数据整理得。

由表1可知, 襄樊市R&D经费投入总额呈增加态势, 但中间略有波折, 表现在 (1) 2002年和2003年R&D经费投入总量相比, 增加不大。 (2) 1999—2000年R&D经费投入名义增长额67.08%;2003—2004年R&D经费投入名义增长额89.76%, 增长幅度比较大。 (3) 1997—2004年间, 襄樊市R&D经费投入的年平均名义增长率34.86%, 远高于GDP的年平均增长率, 这是一个良好的发展势头, 因为R&D活动是科技活动的核心, 按照国际惯例, R&D经费投入的增长率应当高于GDP的增长率, 只有这样, 一个国家和地区科技发展的后劲和实力才能得到长期保持和不断加强; (4) 襄樊市R&D经费与GDP比值总体呈增长状态, 但2002年和2003年同2001年相比, 略有下降.特别是2004年比值达到1.14%, 与前期相比增长幅度非常大, 这也说明襄樊市科技投入的强度非常大。但襄樊市R&D经费投入占GDP比重比较偏小, 长期低于全国水平, 与沿海城市相比, 差距更大.特别是R&D/GDP比重从1997年的0.28%增加到2004年的1.14%, 从发达国家走过的历程来看, 研究开发投入强度 (R&D/GRP) 达到1%左右时, 正好是科技创新的转型期, 即由引进技术为主开始向改进技术为主过渡。根据《洛桑报告》, 2000年该指标最高的瑞典为3.782%, 日本为3.118%, 美国为2.68%, 韩国为2.653%。襄樊市目前尚处在全面发展的关键时期, 更应重视科技投入, 提高经济增长的质量, 增强经济发展的后劲。

1.2 科技人员投入分析

科技人员始终是科技过程中最直接最积极的因素, 科技人员潜力的发挥, 关系到一个地区技术进步和自主创新能力以及高新技术产业化的发展。在科技投入的人力资源方面, 整体上稳步上升后出现了下滑状态, 1997年为49 426人, 到2000年上升为83 116人, 2001年为63 896人, 2001年减少了大约20 000人.从2001年到2004年一直在呈下滑的状态, 应该引起有关单位重视.科技活动人员数呈现波动性的特点反映了我国人才配置逐步走向市场化。但作为政府有关部门, 应该考虑如何充分利用科技活动人员具有流动性的特点, 更为合理地配置人力资源, 促进科技发展、经济增长, 是值得思考和注意的问题。

2 科技投入与经济增长的灰色关联性分析

灰色关联分析是灰色系统理论的主要内容之一, 主要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, 相应序列之间的关联度就越大, 反之则小。与数理统计方法相比, 对样本量的多少和数据分布没有特殊要求, 而且计算量小, 易于编程实现。

灰色关联度可分成局部性灰色关联度与整体性灰色关联度两类。主要的差别在于局部性灰色关联度有一参考序列, 而整体性灰色关联度是任一序列均可为参考序列。鉴于局部性灰色关联度分析的计算量相对较小, 本文采用局部性灰色关联度分析方法对襄樊市R&D经费内部支出、从事科技活动人员数与GDP的相对关联度进行分析。灰色关联分析是灰色系统分析的主要内容之一, 用来分析系统中母因素与子因素的关系密切程度, 从而判断引起该系统发展的主要因素和次要因素。其关联度主要计算步骤如下:

2.1 确定分析序列

设参考序列 (又称母序列) 为x′0={x′0 (1) , x′0 (2) … , x′0 (k) k=1, 2, …, n

其影响因素为比较序列 (又称子序列) x′i={x′i (1) , x′i (2) , …x′i (k) i=1, 2, …, m}

2.2 变量因素的无量纲化

由于系统中各因素列中的数据可能因为计算单位的不同, 不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析的时候, 一般都要进行无量纲化的数据处理[5]。

undefined

则无量纲化后相应的参考序列与比较序列分别为x0 (k) , xi (k)

2.3 计算关联系数

x0 (k) 与xi (k) 的关联系

undefined

undefined

ρ∈ (0, +∞) , 称为分辨系数, ρ越小, 分辨率越大, 一般ρ的取值区间为[0, 1], 具体取值可视情况而定, 当ρ≤0.5463时, 分辨率最好, 我们通常取ρ=0.5.据此可求出xi (k) 与x0 (k) 的关联系数为ξ=ξ (k) k=1, 2…, n

2.4 计算关联度

参考序列与比较序列的关联度为undefined

2.5 关联性判断

将m个子序列对同一母序列的关联度按大小排列起来, 若有γ1>γ2则子序列{xa (k) }比子序列{xb (k) }对母序列{x′0 (k) }的影响较大;若γ1<γ2, 则子序列{xa (k) }比子序列{xb (k) }对母序列{x′0 (k) }的影响较小;若γ1=γ2, 则子序列{xa (k) }和{xb (k) }对母序列{x′0 (k) }的影响相等。

3 科技投入与经济增长灰色关联模型应用

根据灰色系统分析方法的思路和要求, 以及襄樊市现有科技投入及相关经济指标, 采用1997—2004年序列资料作为基础, 建立了两个相关模型, 对襄樊市科技投入对经济增长的关联性作定性判断。为了便于分析, 保证各因素具有等效性和同序性, 因此需要对原始数据进行处理, 使之无量纲化和统一化, 因此首先要将序列数据进行变换, 将5个序列的数据均分别用其第一个数去除, 从而得到一个新的数列。

R&D经费投入、科技人员投入与经济增长灰色相关模型。其中, x0表示国内生产总值 (亿元) , x1表示R&D经费投入 (万元) , x2表示科技人员数量 (人) 、x3表示大、中型企业科技投入, x4高等院校科技投入, x5表示R&D人员数投入, x6表示科学家与工程师人员投入 (人) 。根据上述公式得出结论:

γ01=0.7145, γ02=0.7641说明襄樊市国内生产总值与R&D经费投入、国内生产总值与科技人员之间存在着一定的正相关性, 后者略大于前者, 说明, (1) 襄樊市科技人员投入对经济的作用要高于科技投入的作用没有; (2) 这2个相关系数均在0.7—0.8之间, 没有到达0.9以上, 说明襄樊市科技水平还不高, 科技没有完成发挥其应有的作用, 进一步提高科技对经济的贡献空间依然很大;

γ03=0.713, γ04=0.691。这说明国内生产总值 (GDP) 与大中型企业科技投入及高等院校科技投入均存在正相关性 (见表2) , 二者均促进了襄樊的经济增长.但大中型企业的研发经费投入产生的成果能迅速转化成生产力, 具有技术转化的便利, 能更好促进经济的繁荣.加大企业科技投入和中小企业的科技进步的支持是政府工作的重点。同时如何更好地加强企业与高校在科技发展方面的合作是一个重要环节。

γ05=0.7048 , γ06=0.7237。这说明R&D人员数和科学家与工程师与GDP都表现为正相关 (见表2) 。这一方面说明R&D人员投入是一种更具战略性和前瞻性的投入, 不可能起到“立竿见影”的效果, 具有一定的时滞性。另一方面也应看到襄樊市R&D人员队伍的科技创新能力还是比较欠缺的。在与R&D人员数相比, 科学家与工程师对科技产出的影响相对要高, 这说明在R&D人员中, 科学家与工程师是其中重要的力量。

4 结论

通过对襄樊市R&D经费支出、从事科技活动人员数与国内生产总值数据进行灰色相对关联分析, 可以看出: (1) R&D经费投入、科技人员投入与经济增长具有着正相关性; (2) 在R&D经费支出、从事科技活动人员数两个因素中, 科技人员投入对经济增长的影响更为重要。另外, 科技活动人员数有着很强的年波动率, 这将对襄樊产生一定的影响。

在经济发展过程中, 政府有关部门应该从以下几方面引起重视:

(1) 注重提高科技人员数量和质量, 保持科技人才拉动经济增长的相对优势

湖北科教实力雄厚, 聚集了师资力量强大的大学校园和一大批各级各类科研机构, 襄樊市应充分利用自己优势, 不断注重扩充科技人员数量, 提高科技人员质量;并将产学研有机结合, 在企业内大力开展科研活动, 增强企业活力, 激发科技原创力, 调动企业科技人才的积极性保持科技人员拉动经济快速增长的相对优势。

(2) 加大R&D经费投入力度, 有效挖掘科技经费投入促进经济增长的巨大潜力

襄樊市R&D经费投入的严重不足直接影响了科技人才潜力的发挥, 抑制了技术进步和自主创新能力以及高新技术产业化的发展, 降低了整体科技竞争实力, 影响了其经济增长的速度。襄樊市应继续加大科研经费投入强度, 调整科技经费投入结构, 增强科技创新能力和科技竞争力, 充分发挥科研经费投入促进经济增长存在的潜力。

(3) 襄樊市应加大对创新人才和高层次人才的培养和引进力度

建立开放的人才流动机制, 营造宽松的人才引进政策, 提供优厚的待遇, 大力吸引科技人才, 同时要创造良好的尊重知识和人才的社会环境, 创建资源共享的科技基础条件平台, 充分调动人才存量的积极性, 充分发挥科技人员带动经济增长的促进作用。

参考文献

[1]襄樊统计局.襄樊统计年鉴 (1998—2005) [M]:襄樊:襄樊统计出版社, 2006.

[2]刘思峰, 郭天榜.灰色系统理论及其应用[M].开封:河南大学出版社, 1991.

[3]连燕华, 石兵, 等.国家科学技术投入与产出评价[J].中国软科学, 2002 (1) :35-37.

[4]陈冬生, 魏建国, 严琼芳, 等.武汉市科技投入与经济增长灰色关联研究[J].科学学与科学技术管理, 2003, (3) :45-47.

[5]高艳, 胡树华.中部区域科技投入对经济增长的灰色关联度分析[J].科技与经济, 2004 (3) :50-57.