灰色加权关联法

灰色加权关联法（通用8篇）

灰色加权关联法 篇1

1 基本理论方法

由于对原始数列进行开方变换或对数变换后再对GM (1, 1) 模型进行预测, 能增加预测的精度, 因而对于数列yt>0, 令:

y0 (t) =[y (t) ]1/2 (1)

或当yt≥1时令:

y0 (t) =[lny (t) ]1/2 (2)

按灰色预测法, 令undefined, 即:

y1 (1) =y0 (1) , y1 (t) =y1 (t-1) +y0 (t) , t=2, …, n (3)

因y0 (t) >0, 故{y1 (1) , …, y1 (n) }为递增数列。以下对此数列建立三个预测公式。

(1) 灰色预测公式

建立GM (1, 1) 模型

undefined (4)

其中, undefined

undefined

方程 (4) 的解:

undefined (7)

为数列{y1 (1) , …, y1 (n) }的灰色预测公式。

(2) 基于C2GS2型加性DEA模型 (G1) 的预测公式

有n个决策单元:[t, y1 (t) ], t=1, …, n。取[n, y1 (n) ]为被评价的单元, 有问题 (G1)

max (s-+s+)

undefined

undefined

undefined

s-≥0, s+≥0, λt≥0, t=1, …, n

由于{y1 (1) , …, y1 (n) }为递增序列, 由文献1的定理3.9的 (c) 知, [n, y1 (n) ]对应的DMU必为DEA有效 (C2GS2) 。由文献1的定理3.3可求出ω0, μ0, 然后由

ω0n-μ0y1 (n) +β0=0 (8)

求得β0, 于是有前沿线方程

ω0t-μ0y1+β0=0

故取{y1 (1) , …, y1 (n) }的预测公式为

yD (t) =y1= (ω0t+β0) /μ0 (9)

用来确定y1 (n+1) 可能取值的上界。

(3) 确定y1 (n+1) 取值的下界的预测公式。若:

min{y1 (1) , …, y1 (n) }=y0 (t1) (10)

由undefined可知y1 (t) ≥ty0 (t1) , 故取{y1 (1) , …, y1 (n) }的预测公式

yR (t) =ty0 (t1) (11)

用来确定y1 (n+1) 可能取值的下界。

对{y1 (1) , …, y1 (n) }, 在预测公式 (7) 、 (8) 及 (9) 的基础上用加权预测法, 即由

y1 (t) =c1yG (t) +c2yD (t) +c3yR (t) +εt

用最小二乘法求c1、c2、c3的估计值得

(1, 2, 3) T= (BundefinedB1) -1BundefinedY1 (12)

其中

于是有回归方程

1 (t) =1yG (t) +2yD (t) +3yR (t) (14)

由此可以求1 (n) 与1 (n+1) 。

由 (3) 可知y0 (n+1) 的预测值为

0 (n+1) =1 (n+1) -1 (n) (15)

若yt>0, 由y0 (t) =[y (t) ]1/2可知, 可以取预测值

undefined (16)

若yt≥1, 由y0 (t) =[lny (t) ]1/2可知, 可以取预测值

undefined (17)

2 应用举例

由《中国财政年鉴》可知, 我国的消费者价格指数 (CPI) 在2003—2009年的值分别为:

y (1) =101.2

y (2) =103.9

y (3) =101.8

y (4) =101.5

y (5) =104.8

y (6) =105.9

y (7) =105.2

现要预测2010年的CPI值, 本文先根据前面六年的数据预测2009年的CPI值, 并用此值与真实值做比较以得出此法是否可行, 再预测2010年的CPI。

由于yt≥1, 由 (2) 求得:

y0 (1) =2.1487

y0 (2) =2.1549

y0 (3) =2.1501

y0 (4) =2.1494

y0 (5) =2.1569

y0 (6) =2.1593

由 (6) 求得:

y1 (1) =2.1487

y1 (2) =4.3036

y1 (3) =6.4537

y1 (4) =8.6032

y1 (5) =10.7600

y1 (6) =12.9193

将y0 (t) 及y1 (t) 的数据代入 (6) 中, 由 (5) 求得undefined, 于是由 (7) 得:

yG (t) =2969.3623e0.0007 (t-1) -2967.2137 (18)

将y1 (t) 的数据代入问题 (G1) 中, 求得其最优解对应的单纯形表, 可知s-、s+及λ6对应的检验数为零, 由文献1中的定理3.3求得ω0=1, μ0=1。由 (8) 得6-12.9193+β0=0, 即β0=6.9193, 于是由 (9) 得:

yD (t) =t+6.9193 (19)

根据y0 (t) 得已知数据, 利用 (10) 与 (11) 得:

yR (t) =2.1487 (20)

将y1 (t) 、yG (t) 、yD (t) 及yR (t) (t=1, …, 6) 的数据代入 (13) , 由 (2) 与 (14) 求得1=1.1238, 2=0.0005, 3=-0.1246, 即:

1 (t) =1.1238yG (t) +0.0005yD (t) -0.1246yR (t) (21)

然后按照 (18) 、 (19) 、 (20) 及 (21) 求得1 (6) =12.9180, 1 (7) =15.0768。于是由 (15) 求得0 (7) =2.1587, 最后由 (17) 求得7=105.6, 这是利用上述公式对2009年的CPI做的预测值, 与实际值105.2比较, 尽管有一定的偏差, 但偏差不大, 且与2008年相比其下降趋势是对的。

现利用2003—2009年的数据对2010年的CPI值做预测, 重复各步骤得2010年的预测值为2010=106.5。

3 结束语

由于2010=106.5, 即2009年的物价还会有所上升, 由于超过5%的通货膨胀属于严重的通货膨胀, 希望政府部门能够采取妥善的措施, 并加大实施的力度, 以控制好通货膨胀。

摘要：C2GS2型加性DEA模型可预测有效输出, 因而可用来研究数列变化的上界。本文通过采用C2GS2型加性DEA模型GM (1, 1) 模型、以及对数列变化下界的研究, 用加权法对我国CPI进行预测, 预测结果较为准确。

关键词：DEA,GM (1, 1) ,C2GS2,预测

参考文献

[1]吴文江.数据网络分析及其应用[M].北京:中国统计出版社, 2002.

[2]邓聚龙.灰色预测与决策[M].武汉:华中工学院出版社, 1986.

[3]陈涛捷.灰色预测模型的一种拓展[J].系统工程, 1990 (4) .

[4]于德江.灰色系统建模方法的探讨[J].系统工程, 1991 (5) .

[5]王小川, 吴文江.基于加性DEA模型与灰色模型的加权预测法[J].武汉工业大学学报, 2000.

灰色加权关联法 篇2

灰色关联综合评价法在投资项目决策中的运用

作者：冯 伟

来源：《沿海企业与科技》2006年第02期

[摘 要]在企业的经营活动中，投资往往是企业形成新的利润增长点，增强市场竞争力过程中重要的一环。如何准确地评价各种方案的优劣是项目投资决策的成败关键。文章运用灰色关联分析方法对项目投资方案进行了综合评价并得出结论，认为灰色关联分析方法能够更好地对各种方案进行综合评价比较。

[关键词]项目；灰色系统；关联度；综合评价

[中图分类号]F830．59

灰色加权关联法 篇3

本文建议在招标评审过程中, 采用灰色关联系数方法, 其原理及步骤如下。

1 原理

设某一工程项目招标, 前来投标的有n家单位, 评标专家依据国家有关招投标管理规定及自身项目的特点, 设定一组衡量各投标方案优劣的评价指标序列, 各评审专家对前来投标的各方案按预先设定的评审指标序列对号入座, 并量化打分。同时, 据本次前来参加投标的各方案, 预先确定一组最理想的方案, 并将其量化为一组数据序列。然后, 计算各投标方案数据序列与理想方案数据序列进行关联度计算, 关联度最大的投标单位表明该方案与理想投标方案最相似, 为最优秀单位, 即为中标单位。

2 步骤

2.1 确定评价指标体系

本文假定评价指标体系由2个一级指标和14个二级指标组成, 如图1所示。

2.2 将评标指标量化

令:很好=1, 好=0.8, 一般=0.6, 差=0.4, 较差=0.2。则有n个指标, m个投标单位, 并邀请有关专家对m个单位的n个指标进行打分。则参评数据序列为:

为了对参评对象数据序列进行评价分析, 需确定评价标准数据序列进行参考。笔者将其中的最大值作为标准数据进行参考, 这样就形成一个标准数据序列, 记为:

x0={x0 (1) , x0 (2) , …, x0 (k) , …, x0 (n) } (2)

2.3 数据的初始化处理

评价过程中, 由于评价指标的量纲不同, 数据在数量上差异性很大, 无法进行关联评价计算, 需要对各指标的数据进行归一化处理。归一化处理模型为:

经评审的最低投标价法是国际上通行的惯例, 在我国的工程建设项目中应用, 尤其是在以国有资金投资为主的项目上推行, 将是不可逆转的发展趋势。在开始阶段出现一些问题, 遇到一些困难是暂时的, 也是正常的, 随着该方法在越来越多的地区和项目上运用, 将日益得到完善和成熟, 并将在工程建设管理体制改革的进程中, 逐步得到社会的认同。

2.4 灰色关联系数

定义标准数据序列中的任一指标数据x0 (k) 与参评数据序列中对应的指标数据x′i (k) 的灰色关联系数γ0, i (k) 为:

其中, |x0 (k) -x′i (k) |=Δi (k) ;$\underset{k}{{\displaystyle \min }}|x{}_0(k)-x^{\prime }{}_i(k)|$为第一级最小差;$\underset{i}{{\displaystyle \min }}\underset{k}{{\displaystyle \min }}|x{}_0(k)-x^{\prime }{}_i(k)|$为第二级最小差;$\text{m}\text{a}\underset{i}{{\displaystyle \text{x}}}\text{m}\text{a}\underset{k}{{\displaystyle \text{x}}}|x{}_0(k)-x^{\prime }{}_i(k)|\text{为}\text{第}\text{二}$级最大差;ζ为分辨系数, 是为了削弱最大绝对差因过大而失真的影响, 以提高灰色关联系数之间的差异显著性而人为给定的系数, 取值范围为0.1～1.0, 一般取0.5。

2.5 灰色关联度

由于关联系数γ0, i (k) 数目较多, 信息不集中, 不能够进行单元比较, 为此将x0与x′i关联系数取平均值γi, γi定义为x0与x′i序列之间的关联度, 即:

2.6 确定中标单位

关联度最大的投标单位即为中标单位。

3 算例分析

设有某一个工程, 有甲、乙、丙、丁、戊五家单位前来投标, 依据有关招投标法规, 需从五家单位中择优选一家单位为中标单位。依据前面叙述的有关原理, 主要如下:

1) 建立评价指标体系及将评价指标量化。

由18个评价指标组成评价指标体系, 对于每一个评价指标, 令:很好=1.0, 好=0.80, 一般=0.60, 差=0.40, 较差=0.20, 由评标专家对五家投标单位进行量化后的数据序列为:

另外, 对每一个具体指标, 选取各投标方案的最大值 (最理想值) 作为理想投标数据序列x0, 则理想数据序列x0为:

2) 数据的初始化处理。

3) 计算灰色关联系数γ0, i (k) 。

4) 计算关联度γi。

γ1=0.536 5;γ2=0.609 5;γ3=0.785 8;γ4=0.791 8;γ5=0.536 5。

5) 确定中标单位。

γ4最大, 说明丁单位与理想投标方案最接近, 为中标单位。

4 结语

1) 应用关联系数方法, 与现行实际工作中应用的招标评审方法相比, 该方法概念清晰、科学量化。

2) 必须指出的是, 限于篇幅, 本文设立的两个一级指标和14个二级指标体系, 只是为了介绍该方法的应用, 在实际应用中必须据国家有关规定和招标项目实际情况设立评价体系。

3) 若评价指标体系较多, 则计算量较大, 编制计算程序更加具有优势, 这方面有待进一步研究开发。

摘要：提出应用灰色关联系数法, 建立招标评审综合评价模型, 指出该方法具有理论与经验互补、可操作性强、科学定量化的优点, 以推广灰色关联系数法在建设项目评标中的应用。

关键词：灰色关联系数法,建设项目,评标

参考文献

[1]河北省建设工程招投标管理办公室.河北省建设工程招标投标资料汇编[G].2008.

[2]邹增家.应用模糊数学[M].长春:东北师范大学出版社, 1996.

灰色加权关联法 篇4

为了加快与公路网规划的衔接, 推动综合运输的发展, 2007年, 交通部公布了《国家公路运输枢纽布局规划》, 共确定179个国家公路运输枢纽, 全国196个城市列为国家公路主枢纽城市。

公路运输枢纽的总体规划是1个多因素的决策过程, 枢纽的现状评价作为1个多因素的决策分析是枢纽规划的基础环节, 为规划布局合理的运输枢纽奠定基石。

本文提出了将灰色关联投影法应用于枢纽综合评价的思路, 以资丰富可供选择的公路运输枢纽综合评价方法。结合河南省驻马店市客运枢纽现状, 建立了客运枢纽综合评价指标体系并应用灰色关联投影法对其客运枢纽现状进行了综合评价, 揭示了地区内客运枢纽发展的现状。

1 公路运输枢纽规划评价技术

1.1 灰色关联投影法

灰色关联投影法是1种多因素统计分析方法, 建立评价模型简单易用。本文将灰色关联投影法用于公路运输枢纽综合评价, 原因是:对公路运输枢纽进行综合评价时, 待评价的公路运输枢纽本身就是1个多因素的灰色系统。系统中既有已被了解的白色信息, 又有尚未被发现的黑色信息, 而更多的是一般定性了解的灰色信息。各种因素之间并不是相互独立的, 尽管它们之间的关系不明确, 但实际上确是存在的, 从本质上讲, 这是1种灰色关联关系。所以, 对这样的系统进行评价, 实际上是1个灰色多目标决策问题。运用灰色关联投影法对其实施综合评价更具有针对性和灵活性。

1.2 评价技术对比

目前, 用于公路运输枢纽规划评价的技术方法主要有模糊综合评价法、层次分析法 (AHP) 等[1,2,3,4], 本文将其与灰色关联投影法进行了分析对比, 如表1。

2 灰色关联投影法原理

灰色关联投影法是在矢量投影原理和灰色系统理论基础上衍生的1种数学模型[5]。目前, 该方法被应用于综合经济效益评价、工程项目评价和公路网综合评价, 评价效果较好[6]。本文采用此方法进行公路运输枢纽综合评价。该方法的基本原理如下:

考虑多指标决策域的集合:

$\begin{array}{l}\mathit{A}=\left\{\text{方}\text{案}1‚\text{方}\text{案}2‚\cdots ‚\text{方}\text{案}n\right\}=\\ \left\{A{}_1,A{}_2,\cdots ‚A{}_n\right\}\end{array}$

记V是因素指标的集合:

$\begin{array}{l}\mathit{V}=\left\{\text{指}\text{标}1‚\text{指}\text{标}2‚\cdots ‚\text{指}\text{标}m\right\}=\\ \left\{V{}_1,V{}_2,\cdots ‚V{}_m\right\}\end{array}$

方案Ai对指标Vj的指标值记为Yij (i=1, 2, …, n;j=1, 2, …, m) 。通常, 指标有“效益型”指标、“成本型”指标的区别。效益型指标是属性值愈大愈好的指标, 成本型指标是属性值愈小愈好的指标。

定义1 记最佳决策方案A0的因素指标为Y0j, 且满足:

当因素指标为效益型指标:

$\begin{array}{l}Y{}_{ij}^{´}=Y{}_{ij}/Y{}_{0j}\\ i=1‚2‚\cdots ‚n；j=1‚2‚\cdots ‚m(1)\end{array}$

当因素指标为成本型指标:

$\begin{array}{l}Y{}_{ij}^{´}=Y{}_{0j}/Y{}_{ij}\\ i=1‚2‚\cdots ‚n；j=1‚2‚\cdots ‚m(2)\end{array}$

经过初值化处理以后, 显然Y′0j=1 (j=1, 2, …, m) 即为理想方案, 以Y′0j为母因素, 以Y′ij=1 (i=1, 2, …, n;j=1, 2, …, m) 为子因素, 就可以得到其他方案与理想方案的关联度。

定理1 记 (S, Γ) 为灰色关联空间;ξ为特定关联映射, rij为子因素Y′ij (i=1, 2, …, n;j=1, 2, …, m) 关于母因素Y′0j (j=1, 2, …, m) 的关联度, rij=ξ (Y′0j, Y′ij) , 则有:

$\begin{array}{l}r{}_{ij}=\\ \frac{\min \underset{n}{{\displaystyle }}\underset{m}{{\displaystyle \min }}|Y{}_{0j}^{´}-Y{}_{ij}^{´}|+\lambda \underset{n}{{\displaystyle \max }}\underset{m}{{\displaystyle \max }}|Y{}_{0j}^{´}-Y{}_{ij}^{´}|}{|Y{}_{0j}^{´}-Y{}_{ij}^{´}|+\lambda \underset{n}{{\displaystyle \max }}\underset{m}{{\displaystyle \max }}|Y{}_{0j}^{´}-Y{}_{ij}^{´}|}(3)\end{array}$

常数λ称为分辨系数, 它的作用在于调整比较环境的大小, 即将比较环境缩小改变, 当λ=0时, 环境消失;通常, 取λ=0.5。

定义2 称由 (n+1) m个r组成的矩阵为多目标灰色关联度判断矩阵F。

$\mathit{F}=\left|\begin{array}{ccc}r{}_{01}& \cdots & r{}_{0m}\\ ⋮& & ⋮\\ r{}_{n1}& \cdots & r{}_{nm}\end{array}\right|$

显然, r01= r02=…= r0m=1。

设评价指标间的加权向量为W= (w1, w2, …, wm) T>0。

定义3 将每个决策方案看成1个行向量 (矢量) , 则称每个决策方案Ai与理想方案A0之间的夹角θi为灰色关联投影角, 如图1所示。

且满足决策方案Ai与理想方案A0之间的夹角余弦为:

$\begin{array}{l}r{}_i=\cos \theta {}_i=\frac{\mathit{A}{}_i\cdot \mathit{A}{}_0}{\parallel \mathit{A}{}_i\parallel \cdot \parallel \mathit{A}{}_0\parallel }=\\ \frac{{\displaystyle \sum _{j=1}^{m}w}{}_{j}F{}_{ij}\cdot w{}_j}{\sqrt{{\displaystyle \sum _{j=1}^m[}w{}_{j}F{}_{ij}]{}^2}\cdot \sqrt{{\displaystyle \sum _{j=1}^m[}w{}_j]{}^2}}\\ (i=1,2,\cdots ‚m)(4)\end{array}$

显然, 夹角余弦0<ri≤1, 且总是愈大愈好, ri愈大, 表示决策方案Ai与理想方案A0之间的变化方向愈一致。

定义4 称决策方案Ai的模数为di

$d{}_i=\sqrt{{\displaystyle \sum _{j=1}^m[}w{}_{j}F{}_{ij}]{}^2}(5)$

将模的大小与夹角余弦的大小结合考虑, 就可以全面准确地反映各决策方案与理想方案之间的接近程度。

定义5 称决策方案Ai在理想方案A0上的投影为灰色关联投影值Dj, 且满足:

$\begin{array}{l}D{}_j=d{}_i\cdot r{}_i=\sqrt{{\displaystyle \sum _{j=1}^m[}F{}_{ij}w{}_j]{}^2}\times \\ \frac{{\displaystyle \sum _{j=1}^{m}w}{}_{j}F{}_{ij}\times w{}_j}{\sqrt{{\displaystyle \sum _{j=1}^m[}F{}_{ij}w{}_j]{}^2}\times \sqrt{{\displaystyle \sum _{j=1}^m[}w{}_j]{}^2}}=\\ {\displaystyle \sum _{j=1}^{m}F}{}_{ij}\omega {}_j^2\sqrt{{\displaystyle \sum _{j=1}^m[}\omega {}_j]{}^2}(6)\end{array}$

经过上述步骤, 就可以得到各比选方案的投影值。根据这些投影值的大小, 对多指标的比选方案做出科学的排序比较和分析。

3 实例分析

应用灰色关联投影法对驻马店市公路客运枢纽现状进行评价, 以揭示各地区客运枢纽建设的均衡性, 为在未来的客运枢纽规划中能有所侧重, 体现枢纽规划的公平原则, 为公路运输的均衡发展提供决策服务。

3.1 评价实施步骤

依据灰色关联投影法原理, 划分评价步骤如图2。

3.2 建立方案集和因素指标集

已知方案集为驻马店辖区内的一区九县, A={驿城区, 西平县, 上蔡县, 平舆县, 正阳县, 确山县, 泌阳县, 汝南县, 遂平县, 新蔡县}。

因素指标集为与客运枢纽属性相关的各因素集合。在遵循科学性、可操作性和综合性的原则上, 参考相关文献[3,4,5,6], 本文建立的客运枢纽综合评价指标体系从技术、需求和社会评价三方面考虑, 共10个因素指标, 如图3所示。

3.2.1 技术评价指标

技术评价指标反映了客运枢纽的现状及其与城市规划的协调性。由于本文旨在评价各地区客运枢纽建设的均衡性, 不同于枢纽规划评价。采用C1和C2能够直接反应出客运枢纽的规模和生产能力。

C3可考虑2个主要指标的协调:①与总体规划中用地规划协调C31;②与城市道路网协调C32。

$C{}_3=aC{}_{31}+(1-a)C{}_{32}(7)$

C31=总体规划中客运枢纽用地与现状客运枢纽用地重合的面积C′2/C2

C32:可将城市客、货专用道路类同于城市道路等级, 分成快速、主干和次干3种专用等级的道路, 出入通道如选择其一, 可给一定的值。选快速:C32=1, 主干:C32=0.9, 次干:C32=0.8。 是表征与城市用地规划协调的重要性系数, 可取0.5～0.6。

3.2.2 需求评价指标

需求评价指标从客运需求和经济发展两方面反映了对客运枢纽规模的需求情况。C6为客运枢纽的现状需求, 与C1相比可反映出现状枢纽生产饱和状态;C4、C5可反映出客运枢纽的潜在需要。

交通运输与经济发展有着密切关系, 经济的快速增长往往促进出行需求的增长和运输枢纽的建设。C7、C8可反映出地区间经济发展的不均衡性以及对运输需求的刺激作用。

3.2.3 社会评价指标

社会评价指标综合考虑了客运枢纽对社会与经济公平发展的影响程度, 对环境的适应性。这2个指标为灰色信息, 通过综合分析考察意见对其量化。

根据图3建立的评价指标体系, 统计分析驻马店各县区经济发展和交通运输方面的历史数据[7], 得到驻马店各县区现状客运枢纽评价单项指标汇总情况, 如表2所列。

3.2.4 确定评价指标权重集

调查并整理专家意见, 得到1组权重加权系数, 见表3。

则权重集矩阵W= (0.234, 0.126, 0.09, 0.094 5, 0.063, 0.157 5, 0.074 25, 0.060 75, 0.05, 0.05) 。

3.3 计算程序

显然, 指标集中C4、C5、C6、C9、C10为成本型指标, 依据定义1选取最佳方案, 建立决策矩阵X。根据灰色关联投影法评价步骤, 采用Matlab软件编制计算程序, 图4为计算程序的流程图。

表4为计算得到的多目标灰色关联度矩阵, 表5为灰色关联投影值。

3.4 评价结果

根据灰色关联投影值 (见表5) , 可以得出各县区客运枢纽现状的排序结果, 接近最优值的地区客运枢纽现状良好, 依次排序为:驿城区>确山县>遂平县>西平县 (平舆县、正阳县) >上蔡县 (泌阳县、汝南县) >新蔡县。从排序结构可以看出驻马店市各县区客运枢纽在一定程度存在不均衡性。由此评价结构可知, 为了体现客运枢纽规划的“效率优先, 兼顾公平”的原则, 在对驻马店市进行客运枢纽规划时, 各县区客运枢纽需改进的顺序依次为:新蔡县、上蔡县、泌阳县、汝南县、西平县、平舆县、正阳县、遂平县、确山县、驿城区。

注:C1～C10的最优值为1.00。

注:最优值为0.36

4 结束语

公路运输枢纽总体规划作为一个多因素作用下的综合规划过程, 运输枢纽的现状评价为规划布局合理的运输枢纽奠定基石。本文通过分析运输枢纽评价系统的特点, 揭示其实质为灰色系统, 指出了运用灰色关联投影法对其实施综合评价较其他评价方法更具有针对性和灵活性。

在分析灰色关联投影法的原理上, 运用此方法对驻马店市客运枢纽现状进行了综合评价, 得到了各县区客运枢纽现状的排序结果, 量化显示了各县区客运枢纽发展的不均衡性, 对未来客运枢纽规划作为导向。

本文采用灰色关联投影法仅进行了枢纽现状的综合评价, 此方法还可以用于其他规划方案评价, 关键是建立因素指标集, 本文建立的客运枢纽综合评价指标体系可能有不完善之处, 还需进一步研究。

参考文献

[1]Racunica I, Wynter L.Optimal location of inter-modal freight hubs[J].Transport Research PartB, 2005, 39 (5) :453-477

[2]Ackchai S, Koen H van Dan, Iuis Ferreira.Optimi-zing the location of intermodal freight hubs:An o-verview of agent based modelling approach[J].Journal of Transportation Systems Engineering andInformation Technology, 2007, 7 (4) :71-81

[3]陈大伟, 张鸽, 李旭宏.城市对外客运枢纽综合评价研究.交通与计算机, 2007, 25 (1) :4-8

[4]邓聚龙.灰色系统理论教程[M].武汉:华中理工大学出版社, 1990

[5]朱辉.灰色关联投影法在公路网综合评价中的应用[J].公路交通科技, 2005, 22 (2) :90-94

[6]刘伟华, 晏启鹏, 龙小强.公路主枢纽站场布局评价指标定量化研究[J].2003, 16 (2) :86-89

灰色加权关联法 篇5

文中利用灰色关联法评价公路景观,首先分析系统的层次结构,确定影响评价结果的各个因素,以此建立指标体系。对指标体系中定性指标进行无量纲化处理后,可以得出关联分析的最优指标,即参考数列,并以此建立数学模型,计算一级、二级最小差及最大差。然后通过邓聚龙教授的计算方法计算评价体系的关联度,对公路景观进行评价。

1 灰色关联度法

根据灰色理论(Grey System Theory),如果一个系统中含有信息完全明确称为白色系统,信息完全不明确称为黑色系统,信息部分明确部分不明确称为灰色系统。公路景观评价系统既包含了定性指标,如气候与气象,地域特色,人文景观丰富度等,又包含定量指标,如道路平纵线形、道路交通设施、各种技术参数等,因此它是一个灰色系统。

灰色关联法是根据因素之间发展态势的相似或相异程度,来衡量因素间关联程度的方法。它通过对统计数据列几何关系的比较,认为诸多统计数据列所构成的几何曲线形状越相近,则变化态势越接近,关联度越大[2]。计算关联度的步骤如下:

1)确定反映系统行为特征的参考数列和影响系统行为的比较数列。

影响系统行为的因素组成的数据序列称为比较数列xi,有N个比较序列,且它们的长度均为n,则xi为:

2)对参考数列和比较数列进行无量纲化处理。3)求关联系数中的两极差。4)求关联系数。

参考数列x0与比较数列xi在第k点的关联系数可以通过邓聚龙教授的计算方法计算:

其中,ρ为分辨系数,0<ρ<1,ρ越小,分辨率越高。一般工程中ρ取0.5。

5)求关联度。

综合各点的关联系数,得到xi曲线和参考曲线x0的关联度,即:

其中,Wk为指标权重。

2 灰色关联分析法在公路景观评价中的应用

公路景观评价体系是一个既包含定性又包含定量指标的灰色系统,同时它也是一个可以分为目标层、准则层及指标层的层次结构系统。文中利用层次分析法先对系统结构进行层次分析,确定系统目标层、准则层、指标层及各层的具体指标和指标权重。这样可以清晰全面地表达公路景观系统的结构特点,明确分析内容和相关指标,方便决策者比选、计算。

灰色关联法计算步骤如下:

1)利用层次分析法对公路景观评价系统进行结构分析,列出目标层、准则层、指标层及具体指标,满足下一步分析需要。

2)以指标层各个指标的评价因子为基础建立比较数列,确定参考数列x0,计算指标层各个指标的一级、二级最小差和最大差。

3)计算准则层各个指标关联度γ0 i(i=1,2,3,…,k)。

4)计算目标层的关联度。

3 实例分析

以京珠国道主干线粤境高速公路中的一段实际工程为背景,介绍灰色关联法评价公路景观的具体过程。

京珠国道主干线粤境高速公路小塘至甘塘段F标段附近,取K67+000～K76+000段为本研究项目的评价工程。取1 km～2 km为评价路段,该段分为A,B,C,D,E 5个评价路段。

3.1 选取评价指标

从资料给出的信息,建立该路段景观评价体系指标如图1所示[4]。

3.2 计算关联度

3.2.1 确定参考数列和比较数列

表1为京珠国道主干线粤境高速公路小塘至甘塘段F标段评价因子的结果。

无量纲化处理后,由表1可知,参考数列为x0(t)={9,9,9,9,9,9,9,8,9,9,9,9,9,9,9,8,7,9,9,9,9,9},其中,N=22。

3.2.2 求关联系数中的两极差

由式Δi(k)=x0(k)-xi(k)及两极差的定义可得二级最小差为:minimink=0,maximaxk=3。

3.2.3 求关联度

由式(2)可求得各路段的关联系数ζ0 i,然后通过式(3)可知,关联度受系统中各指标权重Wk的影响,即由层次分析法的过程可知,指标层的指标映射到上层准则层受上层准则的约束,所以在关联度计算中不仅要考虑指标层指标的权重Wk1,也要考虑准则层指标的权重Wk2,否则将无法映射到目标层[5]。这不仅体现了灰色关联度法关联度与指标权重间的关系,也体现了层次分析法中层次结构的特点,将公路景观系统层次分剥,准确而直观地表达客观状况。

指标层指标的权重Wk1见表1,准则层指标的权重Wk2见表2。

由式(3)可得最终目标层的关联度γ0 i如表3所示。

3.3 景观分析

将表3排序得:0.94(E)>0.82(C)>0.62(D)>0.54(B)>0.49(A)。根据灰色关联法的原理,关联度越大表示其对应的比较数列越接近最优数列,可知F路段的5个小路段中,E段景观状况最好,A段景观状况最差,其中C,E两段景观状况基本相同。将该结果与层次分析法计算的结果比较,如表4所示,可见两种方法得出的结果相同。

4 结语

公路景观评价体系是一个既包含定性又包含定量指标的灰色系统,同时它也是一个可以分为目标层、准则层及指标层的层次结构系统。利用层次分析法可以分析系统结构,明确评价指标,利用灰色关联度法可以对系统量化分析,得出分析结果。基于层次分析的灰色关联法能客观、精确、动态的分析公路景观系统。

参考文献

[1]史文中,贺志勇,张肖宁.公路景观设计与评价[J].中外公路,2002(3):33-34.

[2]何本贵,刘芳,于德水.关联分析方法在公路边坡设计中应用[J].西部交通科技,2007(2):15-16.

[3]方守恩,王俊骅.主成分分析法在道路设计方案比选中的应用[J].道路工程,2003(3):20-21.

[4]贺志勇.公路景观评价与3S技术应用[D].广州:华南理工大学交通学院,2003.

[5]李昆仑.层次分析法在城市道路景观评价中的应用[J].武汉大学学报(工业版),2005(1):27-28.

灰色加权关联法 篇6

广西是一个农业大省,农产品资源丰富,是我国面向东盟的桥头堡,自中国一东盟自由贸易区全面建成启动后,双方90%的产品实行了零关税,给东盟进入中国市场提供了巨大机遇,同时也加快了广西农产品出口东盟市场的步伐。但是总体而言,广西农产品物流发展仍处于低级阶段,现代化的物流体系尚未形成,无法有效满足广西农产品流通的需要。突出表现在:沿用传统低效农产品物流模式,农产品物流基础设施落后,致使流通不畅,大大增加了农产品物流成本和经营风险。农产品物流各环节中损失率高,由于广西农产品的物流投入不足,对农产品的鲜活性保障性很难满足。缺乏专业的技术人才,广西农产品运输缺乏强有力的第三方物流企业支持,当前由于种种条件的限制,广西的农产品主要依靠小规模的物流企业来完成,难以适应农产品流通的要求。

2 灰色关联法的理论概述

灰色关联分析是灰色系统理论中重要理论应用方法之一,它的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,相应序列之间的关联度就越大,反之就越小。灰色关联分析方法则弥补了采用数据统计方法作系统分析可能出现的缺憾。对样本量的多少和样本有无规律都同样适用,计算量小,更不会出现量化结果与定性分析结果不符的情况,对研究我国各个系统领域有着重要的意义和作用。其具体计算步骤如下:对评价指标体系基础数据进行整理,构建原始矩阵。为了使指标数据之间具有可比性,保证系统分析的准确性,需要对整理的原始数据进行无量纲化处理,然后求差序列,计算关联度系数,最终计算关联度。

3 广西农产品物流业发展影响因素分析及指标选取

根据广西农产品物流影响因素的分析及结合广西这个地区的特色,以及相关文献的参考,本文将参考李献士撰写的《影响河北省物流业发展因素分析——基于灰色关联法》的选择方向,选取交通运输、仓储和邮政业生产总值近似作为衡量广西农产品物流业总体发展水平的指标,记为X0;而影响因素的选取则参考杨文凤撰写的《西藏农产品物流需求研究》,选取X1置外贸进出口总额(亿元),X2社会消费品零售总额(亿元),X3农业机械总动力(千瓦),X4农业商品产值(万元),X5乡村从事交通运输、仓储和邮政业(万人),X6货运量(亿吨),X7货物周转量(亿吨/公里),X8城镇居民消费水平(元),X9城镇居民人均可支配收入(元),X10城镇化率(%)这10个指标进行分析。

本文选取了广西2005年至2014年共10年的统计数据来进行灰色关联分析。文中的相关数据主要选取于广西统计局出版的相关年份的《广西统计年鉴》。原始数据如下:

3.1 无量纲化处理

根据采用初始值进行无量纲化处理。

3.2 灰色关联系数计算

求差序列。找出两级最大差Δmax和两级最小差Δmin。首先计算各比较序列与参考序列间的绝对差序列,公式为,k=1,2,…,n,i=1,2,…,p。其中,,(K)表示无量纲化后的数值。

求差序列可得:Δmin=0,Δmax=2.898

根据关系系数计算公式,其中,p为分辨系数,0<p<1,一般情况下取0.5。可得出以下数据:

根据可求出关联度:

由此可见γ7>γ2>γ9>γ4>γ8>γ6>γ3>γ1>γ10>γ5

4 结果分析

上述结果只有γ1,γ5,γ10处在0.7以下,这表明各影响因素与广西农产品物流业发展水平均存在较强的关联性。而物流作为生产服务业,有着较强的经济敏感性,它的发展不仅与支撑环境相关,更与国民经济的运行密切相关,从而使交通运输、仓储和邮政业生产总值由2005年的214亿元发展为2014年末的734亿元,比2005年翻了三番还多。

(1)货物周转量X7和货运量X6一定程度上代表着物流市场容量,其关联度较高,一定趋势上反映了广西农产品物流业发展受物流市场容量的影响,因此可以通过对物流市场容量的分析来促进广西农产品物流业的发展。

(2)社会消费品零售总额X2、城镇居民人均可支配收入X9、城镇居民消费水平X8是影响广西农产品物流业发展水平的另外三个重要因素。其中,社会消费品零售总额是衡量一个地区消费能力的重要指标,简单地说,消费、投资、净出口是经济增长的“三驾马车”,其中消费是经济增长的一个重要动力,同时它又加快了物流业的发展。城镇居民人均可支配收入和城镇居民消费水平可以看出居民对农产品物流的实际需求情况。

(3)农业商品产值X4与物流业的相关度为0.845,排名第四。说明广西农产品的产量对发展广西农产品物流具有重要影响,因此完善农产品流通体系,打造特色的农产品物流,对于促进农产品物流的发展具有重要意义。

(4)农业机械总动力X3与物流业的相关度较高,说明广西农产品物流的发展离不开先进技术和设备的支持,因此应该增加相关的投入,保障农产品产量的提高。

(5)外贸进出口总额X1对广西农产品物流业的发展影响十分有限。这一方面反映了广西贸易发展中心的定位没有很好地带动其农产品物流业的发展进步;另一方面则反映了广西农产品物流运输过程中的标准化和信息化水平较低,物流现代化和社会化程度都还存在提升空间。

(6)城镇化率X10与乡村从事交通运输、仓储和邮政业X5的关联性最小。虽然近年来广西地区在物流建设方面对专业技术人才需求确实在不断增加,但总的增长幅度并不高,与快速发展的物流行业并不匹配,因此相关从业人员和物流业发展的灰色关联度不高,这说明人才因素对物流业的促进作用不充分,还有发展空间。

参考文献

[1]杨文凤.西藏农产品物流需求研究[D].咸阳:西北农林科技大学,2012.

灰色加权关联法 篇7

关键词：城市道路交通安全,灰色关联分析,数据包络分析,层次分析法,综合评价

1 灰色关联分析

灰色关联系统分析方法是非常典型的系统分析方法。自20世纪80年代初由邓聚龙教授[1]提出以来, 已成功地应用于许多领域, 而且形成了自己的理论体系。灰色关联系统分析方法的基本原理是先计算各点的关联系数, 然后采用算术平均的手段得到各子因素相对于母因素的关联度[1]。假设一个评价系统由m个子因素、母因素Y以及n个点构成, 其中, m个子因素记为Xi (i=1, 2, …, m) , 而母因素一般取各子因素的标准值或者相对最优值。假设已经得到子因素和母因素的观测数据为

$\begin{array}{cccc}x{}_{11}& x{}_{12}& \cdots & x{}_{1n}\\ x{}_{21}& x{}_{22}& \cdots & x{}_{2n}\\ ⋮& ⋮& ⋮& ⋮\\ x{}_{m1}& x{}_{m2}& \cdots & x{}_{mn}\\ y{}_1& y{}_2& \cdots & y{}_n.\end{array}(1)$

将以上数据重新处理, 并引入新的记号为

$\begin{array}{c}x{}_1^{(0)}(k)=x{}_{1k}/\overline{x}{}_1,(k=1,2,\cdots ,n)\\ x{}_2^{(0)}(k)=x{}_{2k}/\overline{x}{}_2,(k=1,2,\cdots ,n)\\ ⋮\\ x{}_m^{(0)}(k)=x{}_{mk}/\overline{x}{}_m,(k=1,2,\cdots ,n).\end{array}(2)$

式中:$\overline{x}$i为第i个子因素的n个观测数据的平均值。

于是得到m个序列

$\begin{array}{c}x{}_1=\{x{}_1^{(0)}(1),x{}_1^{(0)}(2),\cdots ,x{}_1^{(0)}(n)\}\\ x{}_2=\{x{}_2^{(0)}(1),x{}_2^{(0)}(2),\cdots ,x{}_2^{(0)}(n)\}\\ ⋮\\ x{}_m=\{x{}_m^{(0)}(1),x{}_m^{(0)}(2),\cdots ,x{}_m^{(0)}(n)\}.\end{array}(3)$

这一过程称为数据的均值化。同样, 对母因素的n个数据也需要均值化, 可得一个序列, 记为

$X{}_0=\{x{}_0^{(0)}(1),x{}_0^{(0)}(2),\cdots ,x{}_0^{(0)}(n)\}.(4)$

式中:$x{}_0^{(0)}(k)=y{}_k/\overline{Y}‚(k=1,2,\cdots ,n),\overline{Y}$为母因素n个点的数据平均值。

令M={1, 2, …, m}, N={1, 2, …, n},

$\begin{array}{l}\text{Δ}{}_1=\underset{i\in {\rm M}}{{\displaystyle \min }}\{\underset{k\in {\rm N}}{{\displaystyle \min }}|x{}_0^{(0)}(k)-x{}_i^{(0}(k)|\},(5)\\ \text{Δ}{}_2=\underset{i\in {\rm M}}{{\displaystyle \max }}\{\underset{k\in {\rm N}}{{\displaystyle \max }}|x{}_0^{(0)}(k)-x{}_i^{(0)}(k)|\},(6)\\ \text{Δ}{}_i(k)=|x{}_0^{(0)}(k)-x{}_i^{(0)}(k)|,(7)\\ d{}_{0i}(k)=\frac{\text{Δ}{}_1+\lambda \text{Δ}{}_2}{\text{Δ}{}_i(k)+\lambda \text{Δ}{}_2}(k=1,2,\cdots ,n).(8)\end{array}$

式中:d0i (k) 为第k个点的子因素Xi与母因素X0的相对差值;λ为分辨系数, 一般在0～1间选取, 常取λ=0.5。

从式 (8) 中可以看出, 每个元素的绝对差值Δi (k) 越大, d0i (k) 越小;反之则d0i (k) 越大。d0i (k) 的大小描述了Xi对X0的影响程度, 称之为Xi与X0在k处的点关联度。为求总的关联度, 需要考虑不同观测点在总体观测中的重要性程度。假定已经给出各点的权重

ωi= (ωi1, ωi2, …, ωin) ,

满足$\omega {}_{ik}\ge 0,k\subset n,{\displaystyle \sum _{k=1}^n\omega }{}_{ik}=1,$

则令

$r{}_{0i}={\displaystyle \sum _{k=1}^n\omega }{}_{ik}d{}_{oi}(k),(i\in {\rm M}).(9)$

即为子因素Xi对母因素X0的关联度, 它反映了因素之间的关系密切程度。将关联度按大小排列就可以看出子因素对母因素的影响程度。

2 结合AHP与DEA方法综合确定权重值

2.1 AHP确定指标权重

AHP法是一种定性与定量分析相结合的多目标决策分析方法[2]。该方法将决策总体分解成目标层、主准则层和分准则层, 将描述评价对象的多项指标信息加以汇集, 进而从整体上认识评价对象的优劣。AHP解题思路是:①将问题分层, 建立层次结构模型;②利用数学方法确定每一层次全部因素的排序, 确定权值, 再进行总排序确定组合权值;③进行一致性检验[3]。为了使各因素之间进行两两比较得到量化的判断矩阵, 常采用T. L. Saaty[4]教授提出的1～9标度法来构造判断矩阵。根据心理学家的研究, 人们分析信息等级的极限能力为7±2, 所以引入1～9标度。专家所做出的预测以1～9标度为基准。对于m个评价指标, 记J={1, 2, …, m}为下标集合, 指标两两比较得到判别矩阵M= (aij) m×m, 如表1所示。

权重计算步骤为

1) 计算判断矩阵每一行元素的乘积Mi

${\rm M}{}_i={\displaystyle \prod }c{}_{ij},(i,j=1,2,\cdots ,m).(10)$

2) 计算Mi的方根$\overline{W}$i

$\overline{W}{}_i=\sqrt[m]{{\rm M}{}_i}.(11)$

3) 对向量$\overline{W}{}_i=(\overline{W}{}_1,\overline{W}{}_2,\cdots ,\overline{W}{}_n)$作归一化处理, 即

$W{}_i=\frac{\overline{W}{}_i}{{\displaystyle \sum _{i=1}^n\overline{W}}{}_i}.(12)$

则Wi= (W1, W2, …, Wn) 即为所求权重向量。

4) 一致性检验公式为

$CR=C{\rm I}/R{\rm I}.(13)$

式中:CI为矩阵一致性指标, RI为平均一致性指标, 如表2所示。

$C{\rm I}=\frac{1}{n-1}(\lambda {}_{\max }-n).(14)$

其中:λmax为最大特征根

$\lambda {}_{\max }=\frac{1}{n}{\displaystyle \sum _{i=1}^n\frac{{\displaystyle \sum _{j=1}^{n}c}{}_{ij}W{}_j}{W{}_i}}.(15)$

当CR<0.1 时, 即认为判断矩阵的一致性可以接受;反之, 对其进行修正。

2.2 DEA确定指标权重

DEA是以相对效率概念为基础发展起来的一种新的评价方法, 第一个DEA模型是由著名的运筹学家A.Charnes等于1978年提出的[5]。DEA对每一个评价单元建立数学规划, 通过其最优解来确定指标间的权重和优先顺序, 不同的评价单元可能拥有不同的权重向量, 而且都相对最优, 因此, DEA评价属于“非均一”评价, 从而具有客观性和最优性。最常用的DEA模型是C2R模型[6]。其基本原理为:设有n个DMU, 每个DMU都有m种类型的输入 (表示对资源的耗费) 以及s种类型的输出, 即每个DMU输入均可用向量Xj = ( x1 , x2 , …, xm ) T, 相应输出可用向量Yj= (y1, y2, …, ys) T, j=1, 2, …, n。令yjk (k=1, 2, …, s) 为第j个布局方案第k个产出型指标值, xji (i=1, 2, …, m) 为第j个布局方案第i个投入型指标值, uk为第k个产出型指标值权重;vi为第i个投入型指标值权重。

则评价决策单元具有非阿基米德无穷小的C2R的模型表示为

$\begin{array}{l}\min [\theta -\epsilon (\widehat{e}{}^{\text{Τ}}s{}^{-}+es{}^{+})]=V{}_D.(16)\\ \text{s}.\text{t}.\{\begin{array}{l}{\displaystyle \sum \lambda }{}_{j}x{}_j+s{}^{-}=\theta x{}_{j0},\\ {\displaystyle \sum \lambda }{}_{j}y{}_j-s{}^{+}=y{}_{j0},\\ \lambda {}_j\ge 0,j=1,2,\cdots ,m,\\ s{}^{+}\ge 0,s{}^{-}\ge 0.\end{array}(17)\end{array}$

式中:θ为决策单元DMU0投入相对于产出的有效性系数;λj为相对于DMU0重新构造一个有效DMU组合时, 其中的j个DMU决策单元的组合比例;s-、s+为松弛变量。

利用MATLAB软件求解该分式规划问题, 得到由DEA模型确定的权重, U= (u1 , …, us ) T, V= (v1, …, vm) T, 权重归一化后满足u1+…+us+v1+…+vm =1, 记W′。其中, ε为一个足够小的正数。

2.3 AHP与DEA相结合确定综合权重

AHP方法能够充分利用专家的主观意见, 但是判断矩阵的一致性受到有关人员的知识结构、判断水平及个人偏好等诸多主观因素影响, 过分依赖于主观判断;DEA方法以各决策单元的输入输出指标权重为变量, 不受主观因素影响, 但无法反映决策者的主观判断[7]。本论文提出的方法, 将两者进行有效结合, 通过引入主、客观偏好系数的概念, 用线性加权方法结合AHP与DEA两种方法求得综合指标权重

$W{}^{*}=\alpha W+(1-\alpha )W^{\prime }.(18)$

式中:W*为综合权重;α为主观偏好系数, α∈[0, 1], 依据决策者偏好, 一般取α=0.5。

3 建立评价指标体系

根据我国的交通安全及管理特点, 从道路交通事故4项指数的角度考虑, 参考已有文献, 构造交通安全评价指标体系。以道路交通安全评价为目标层, 以城市总人口数、机动车保有量总数、事故次数、死亡人数、受伤人数、直接经济损失6项绝对指标为指标层, 构造层次分析模型, 如图1所示。评价系统指标值确定后, 选用标准化方法, 对每个子因素的各项指标值进行无量纲化处理, 表示为

$\begin{array}{l}{x}^{\prime }{}_{ij}=\frac{x{}_{ij}-\overline{x}{}_{ij}}{s}.(19)\\ \text{其}\text{中}\overline{x}{}_{ij}=\frac{1}{n}{\displaystyle \sum _{j=1}^{n}x}{}_{ij}‚\\ s=\sqrt{\frac{1}{n-1}{\displaystyle \sum _{j=1}^n(}x{}_{ij}-\overline{x}{}_{ij}){}^2}.\end{array}$

修正式为

$x{}_{ij}^{*}=\frac{x^{\prime }{}_{ij}+1}{\max \{x^{\prime }{}_{ij}+1\}}.(20)$

式中:xij为指标值;x′ij为处理后指标值。

4 实例应用

随着我国城市交通的发展, 道路交通安全的评价问题显得越发重要, 下面将采用上文所提出的方法, 选取5个城市进行道路交通安全的综合评价, 并给出这几个城市的排序结果。选取以下5个城市2008年年鉴以及2007年国民经济和社会发展统计公报数据, 如表3所示。

运用标准化方法, 对原始数据进行无量纲处理, 计算结果如表4所示。

灰色关联分析中, 确定每项指标的相对最优值为母因素, 计算得到子因素对母因素的关联度doi。再利用综合权重法确定权重:AHP法得到权重值W= (0.053, 0.072, 0.148, 0.409, 0.213, 0.106) , 计算得到CR=0.0426<0.1, 该判断矩阵的一致性可以接受;DEA方法构造5个城市为决策单元, 前3项指标为输入向量, 后3项指标为输出向量, 利用MATLAB仿真软件的线性规划模块, 计算得到有效性最优条件下输入输出指标的权重W′。取主观偏好系数α=0.5, 得到每个城市的综合权重值W*。综上所述, 加权求和得到综合评价值, 评价结果如表5所示。

由上述评价排序可以看出, 5大城市道路交通安全状况优先顺序为南京市、上海市、北京市、杭州市、广州市。该评价结果充分表明本文运用的综合评价方法的合理性和实用性, 同时与专家定性评价结论基本一致。

5 结束语

随着城市道路建设的发展和机动车保有量的不断提高, 开展交通安全方面的研究愈加重要。应用AHP、DEA和灰色关联分析相结合而形成的综合评价体系, 既可像本论文应用的对不同城市道路交通安全进行横向对比, 也可以对某一城市不同时间的道路交通安全进行评价。这种方法综合了AHP、DEA和灰色关联分析三种方法的优点, 权重确定时考虑了主客观因素, 对每一个评价对象都去寻求最有利的指标权重系数分配, 使得每一个评价对象对于标准对象的关联度都是相对最优的, 方法科学合理。运用该方法评价出的结果基本和实际情况相符, 证明该综合评价方法能够得到客观公正的评价结果。

参考文献

[1]邓聚龙.灰色系统基本方法[M].北京:华中工学院出版社, 1987.

[2]邵祖峰.城市道路交通安全综合评价[J].城市交通, 2004, 2 (2) :22-24.

[3]岳小泉, 丁艺.基于灰色理论和AHP的城市道路交通安全评价[J].森林工程, 2007, 23 (6) :64-68.

[4]杜栋, 庞庆华.现代综合评价方法与案例精选[M].北京:清华大学出版社, 2005.

[5]Charnes A, Cooper W W, Rhodes E.Measuring the effi-ciency of DMU[J].European Journal of Operational Re-search, 1978 (2) :429-444.

[6]魏权龄.评价相对有效性的方法[M].北京:人民出版社, 1998.

灰色加权关联法 篇8

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.