物元分析

2024-07-03

物元分析（共9篇）

物元分析篇1

摘要：针对民用机场安全评价方法中存在的不足, 分析影响机场安全的各主要因素, 建立机场安全评价指标体系;运用物元分析理论, 建立机场安全评价多级物元分析模型, 并阐述了物元分析的分析方法和过程;同时结合具体机场实际情况进行实例验证, 得到了客观合理的结果。

关键词：民用机场,多级物元,安全评价,指标体系

1 引言

随着民用航空运输业的迅猛发展, 航空运输的安全越来越受到人们的重视。机场作为航空运输的重要环节之一, 关系到整个航空运输业的发展, 其安全性有着举足轻重的地位。国内外对机场安全评价进行了多方面的研究, 其评价方法主要有层次分析法 (AHP) 和模糊评价法[1]。层次分析法适用于评价对象不是很多, 否则工作量太大, 且没有结合多方面的经验数据;而模糊评价法主观性大, 评价精度不是很高。由于机场的安全生产体系是一个复杂的多因素系统, 其评价内容是多方面的, 有些因素是难以度量的, 具有很高的灰色性。近年来, 物元分析法因其诸多的优点, 逐渐受到重视并得到了广泛的应用。例如, 在大坝安全度评价中, 利用物元模型分析大坝的强度条件和抗裂条件等对大坝安全度的影响[2];在机场环境影响因素的综合评价中, 利用物元模型分析噪声环境影响、生态环境影响等对机场环境影响因素的质量状况和超标情况进行分析评价[3]等等。物元分析法的优点包括:计算量小, 计算相对简单, 对于多指标的复杂问题, 可以编程, 由计算机进行处理, 能够把事物的质和量很好的结合等。本文针对民用机场安全评估方法中存在的不足, 采用多级物元分析模型, 对民用机场的安全进行评价, 可以将众多因素进行分类, 比较, 利用关联度进行分析, 使评价结果更加全面, 直观, 进一步提高评价结果的科学性、准确性。

2 建立评价指标体系

2.1 评价指标建立

机场安全评价是一个十分复杂的、系统的工作, 建立科学的指标体系, 是进行正确评价的先决条件。在对民用机场安全状况的分析原则上应能科学、全面、客观和公正地反映其真实的内涵和水平, 评价指标要有全面性、系统性、可比性和可行性。本文针对影响机场安全系统的各主要因素进行分析, 并对影响安全评价的因素进行筛选、整合, 从而构建了由飞行安全保障系统、航站安全保障系统、停机坪安全保障系统、空防安全保障系统、应急救援保障系统、指挥协调系统6个一级指标系统和21个二级指标组成的安全评价指标体系, 如图1所示。这些技术指标是保障机场安全的重要基础, 是完成机场复杂运营过程的必要条件。

2.2 指标权重确定

在民用机场安全评价指标体系中, 各指标对目标的重要度是不同的, 根据各指标的重要程度分别赋予不同的权重, 权重分配的合理与否将直接影响到评价结果准确性。本文采用AHP法[4], 求得专家的权重集, 将远离中心模式的孤立意见剔除后求均值, 使结果更接近民用机场安全生产的实际情况, 具体的计算过程就不再赘述, 权重的结果见表1。

3 多级物元模型分析[5]

机场安全评价指标体系中的6大类一级指标可用C= (C1, C2, …, Cf) (f=1, 2, …, 6) 表示, 每一类Cf有nf个评价因子, 即Cf= (Cf1, Cf2, …, Cfn) , 其中Cfi表示第f类中第i个评价因子, 见图1所示。

(1) 一级评价

对指标体系中的每一类别Cf进行一级评价。

①确定经典域 (即给出Cf关于各等级各特征的取值范围) 如下:

undefined

式中, Rfj为机场第j级安全状况的物元模型, Nfj为研究对象Cf (如飞行安全保障系统) 的第j个安全水平等级 (j=1, 2, …, m) ;Xfji为安全性属于第j级时的第i项指标的量值范围, 即各等级关于对应特征Cfj的经典域。

②确定节域, 节域指安全指标Cf各特征全部等级的值域。

undefined

Rfp为机场安全评价物元模型的节域, Nfp是机场安全等级的全体, Xfpi为Nfp关于特征Cfi的量值范围, 即。

③确定待评物元

待评对象为Nf (如飞行安全保障系统) , 将对其分析得到的数据用物元表示为:

undefined

式中Rf是机场安全的待评物元, Nf为待评价的对象, yfi为Nf关于特征Cfi的量值, 即待评价的对象经分析所得到的具体数据。

④单指标关联度

点与区间的距:点x0与有限实区间X=的距ρ (x0, X) 为:

undefined

设Nf与Nfj (j=1, 2, …, m) 关于特征Cfi的距为ρ (yfi, Xfji) , Nf与Nfp关于特征Cfi的距为ρ (yfi, Xfpi) , 则待评对象的特征Cfi关于第j个等级的关联度Kj (yfi) 为:

undefined

该式表示待评机场在第i个分项指标属于等级j的程度。

⑤多指标综合关联度

计算待评事物Nf (如飞行安全保障系统) 关于等级j的关联度Kj (Nf) 为:

undefined

wfi为Cfi的权值。

(3) 二级评价

计算待评事物N (机场安全) 关于等级j的关联度Kj (N) 为:

undefined

wf为Cf的权值。

(4) 评定等级

关联度的大小表示对象符合标准对象等级的程度, 其值越大, 符合的程度越高。由最大隶属度原则Kj0=maxKj (N) (j=1, 2, …, m) 可知, N属于j0等级。对于所有的j, 若Kj (N) ≤ 0, 则表示N的等级已经不在所划分的各等级范围之内, 应当重新加以识别。

令

undefined

则称undefined为Nf所属等级的特征值, 表示待评对象属于等级j0的程度。

4 算例分析

以南方沿海城市某一机场为例, 根据此机场的安全生产情况, 由机场的专家组人员通过打分的方法将机场中各个评价指标的安全水平划分为4个等级 (取m=4) , 分别为很安全、安全、较安全、不安全, 记为Ⅰ级、Ⅱ级、Ⅲ级、Ⅳ级。通过对专家打分的结果进行整理得出单项指标的原始数值。将机场的安全评价体系及相应指标的权值、经典域和得分列于表1中 (置信度为0.95) 。

4.1 单要素综合评价

应用上述理论和方法, 对机场安全水平进行单要素综合评价。由于单个要素综合评价方法基本类似, 现以飞行安全保障系统为例, 介绍其评价方法。

(1) 确定飞行保障区的经典域、节域、待评物元。

①经典域物元

undefined

②节域物元

undefined

③待评物元

undefined

(2) 计算待评物元的单指标关联度和多指标综合关联度, 采用层次分析法得到机场飞行安全保障系统各评价指标权重值后, 根据上述给出的经典域、节域、待评物元, 分别用式 (5) ～ (9) 计算待评物元关于各等级的单指标关联度、多指标综合关联度。结果见表2。

(3) 确定机场飞行区安全保障系统安全等级

根据表2数据和式 (6) 、 (8) 、 (9) , 由最大隶属度原则确定评价对象的等级为Ⅲ级, 等级特征值为2.9729。

4.2 整体综合评价

应用与上述相似的步骤, 完成同一层其他单要素对象的评价后, 得到各单要素的综合评价等级和等级特征值, 根据已确定的权重, 按从底层到顶层逐层递归的方式, 最终得到机场整体安全水平的综合关联度、安全水平等级及特征值, 结果如表3所示。从表3可以看出该机场安全等级为Ⅲ级, 即较为安全, 等级特征值为3.0047, 即准确的等级为3.0047级, 介于Ⅲ级和Ⅳ级之间, 更偏向于Ⅲ级。

针对此机场的安全水平处于较低安全等级的情况, 有关部门应加强对该机场的安全管理, 主要从完善信息化监管水平, 实现自动化动态管理;充分发挥安全监察部门的作用;建立危机管理系统, 增强机场应急处置能力和加大培训力度, 以人为本倡导企业文化建设等方面提升机场整体的安全水平, 从而能够杜绝隐患, 减少事故的发生。

5 结论

应用物元分析理论建立民航机场安全评价的多级物元分析模型, 对机场的安全水平进行综合评价, 能够得到客观合理的结果。物元分析法不仅给出了评价对象的定性和定量评价结果, 能全面、直观地反映出机场安全综合水平, 而且能明确机场安全状况需要改进的指标, 为改善和提高机场安全状况提供参考。把多级物元分析模型引入机场安全评价中, 为机场安全状况的评价提供了一种新思路。

参考文献

[1]刘刚, 朱金福.一种机场安全风险灰色多层次评价方法研究[J].人类工效学, 2008, 14 (3) :1~2LIU Gang, ZHU Jin-fu.A grey hierarchy risk evaluationfor civil airport operation security and safety[J].Chinesejournal of ergonomics, 2008, 14 (3) :1~2

[2]王志军, 汪亚超, 宋宜猛.物元模型在大坝安全度评价中的应用[J].水电自动化与大坝监测, 2008, 32 (1) :75~77WANG Zhi-jun, WANG Ya-chao, SONG Yi-meng.Ap-plication of matter element model to dam safety evaluation[J].Hydropower automation and dam monitoring, 2008, 32 (1) :75~77

[3]郑汝海, 杜浩, 蔡良才, 等.基于物元模型的机场环境影响综合评价[J].噪声与振动控制, 2008 (1) :121~123ZHENG Ru-hai, DU Hao, CAI Liang-cai, et al.Com-prehensive evaluation for airport environment impactbased on matter element model[J].Noise and vibrationcontrol, 2008 (1) :121~123

[4]高扬, 牟德一.航空安全评估中的层次分析法—AHP[J].中国安全科学学报, 2000, 10 (3) :39~40GAO Yang, MU De-yi.AHP method in assessment ofairline safety[J].China safety science journal, 2000, 10 (3) :39~40

[5]蔡文.物元模型及其应用[M].北京:科学技术文献出版社, 1998:21~25CAI Wen.Matter elements model and application[M].Bei-jing:Science and technology literature Press, 1998:21~25

物元分析篇2

熵权物元分析模型在海水水质评价中的应用

根据熵权法确定评价指标权重.利用物元分析方法对长江口及邻近水域渔业环境水质状况进行综合评价,评价结果与灰色聚类法进行对比.结果表明,利用熵权物元分析模型进行海水水质评价是合理可行的.,且评价结果分辨率更高.同时本研究为海水水质评价提供了新的思路和方法.

作者：余立斌张江山王菲凤 YU Li-bin ZHANG Jiang-shan WANG Fei-feng 作者单位：福建师范大学,环境科学研究所,福州,350007刊名：黑龙江水专学报英文刊名：JOURNAL OF HEILONGJIANG HYDRAULIC ENGINEERING年，卷(期)：35(2)分类号：X824关键词：物元分析熵权关联函数海水水质评价

物元分析篇3

1 试验设计

试验设备:G ZG P3-型不锈钢转鼓鞣制机;实验材料:猪皮酸皮 (削匀) , 单层厚度0.6~0.68m m, 面积0.25 m2;化工材料为:N a C l (6%) ;C2H5O N a;标准铬粉 (折算C r2O30.32%~1.54%) ;小苏打 (1.2%) ;测试仪器:M SW-Y D 4数字式皮革收缩温度测定仪;p H S-25酸度计, G T-303柔软度测试仪;A I-7000S电子拉力机。试验设置:H2O, 120%;p H=2.8~3.0。优化参数为转鼓转速、浴液铬含量、鞣制时间、浴液温度4个工艺工艺参数;优化目标为皮革鞣制后的收缩温度、C r2O3吸收率、抗张强度、柔软度4个质量指标, 试验和指标测量方法参照有关标准和文献进行[1,2]。试验设计如表1, 试验结果如表2。

2 转鼓工艺参数优化

2.1 模糊物元基本模型

2.1.1 模糊物元与复合模糊物元

给定事物的名称M, 它关于特征C有量值为x, 以有序三元组R= (M, C, x) 作为描述事物的基本元, 称为物元;如果其中量值x具有模糊性, 则称R为模糊物元。如果事物M有n个特征C1, C2, …, Cn和对应的模糊量值x1, x2, …, xn, 称R为n维模糊物元;m个事物的n维模糊物元组合在一起便构成m个事物n维复合模糊物元Rnm, 记作[3]:

其中, Rnm表示m个事物的n维复合模糊物元, 以Mi表示第i个事物i=1, 2, …, n) , Cj表示第j个特征 (j=1, 2, …, m) , xij第j事物的第i特征对应的模糊量值。

关联度分析是物元分析的核心, 是研究事物之间相互联系程度的主要手段。

2.1.2 隶属度的确定

各单项指标相应的模糊量值应符合从优隶属度原则, 从优隶属度包括两种情况, 即越大越优型隶属度和越小越优型隶属度。

对于越大越优型

对于越小越优型

在皮革鞣制4个质量指标中, 它们都属于越大越优型, 按式 (1) 计算的隶属度如表3。

2.2 权重的确定

传统的标度法确定权重粒度比较粗, 标度值最少相差一个数值, 容易导致指标间权重相差悬殊, 且需要进行一致性检验。文中采用比例标度法确定权重, 它既能使标度值细化, 也可以根据实际情况进行有效扩大, 并且不需进行一致性检验, 计算也比较简便[4]。对n个指标按照重要程度的不减方式排序, 比较相邻两个指标的重要性程度得到标度值ki, 然后按照指标重要程度的传递性得出判断矩阵K, 见图1。

其中, ki为指标i-1相对于指标i的标度值, 标度值的确定法则如表4。

矩阵K是完全一致的, 且最大特征值对应的特征向量为:

指标的权重为:

参照有关标准, 皮革鞣制4个质量指标的重要性程度由大到小的排序为:收缩温度、C r2O3吸收率、抗张强度、柔软度。根据表1标度值确定法则, k1=1.6, k2=1.4, k3=1.2, 则判断矩阵k见图2。

特征向量为:

指标的权重为:W= (0.357, 0.297, 0.212, 0.134)

2.3 关联度的确定

2.3.1 确定方案的正、负理想解

根据表3数据计算的隶属度结果, 优化目标的正理想解和负理想解分别:U={1, 1, 1, 1}, V={0.847, 0.838, 0.865, 0.889}。

2.3.2 确定各单项指标的关联度

各单项指标接近uj远离vj的联系度可按式 (5) 计算, 结果如表5。

2.3.3 确定各方案的关联度

各方案接近V远离V的联系度可按式 (6计算) , 结果如表5。

2.4 单工艺目标联系度分析

分别针对收缩温度W、C r2O3吸收率X、抗张强度Y、柔软度Z进行单工艺目标的联系度分析。

由表5中各单项指标不同水平对应的联系度求得针对各工艺目标的平均指标联系度, 如表6~9所示。

根据模糊物元联系度的概念, 联系度均值最大的值组成最优的参数组合。

对于收缩温度W, 由表6可以看出, 推荐的参数组合为A1B3C3D3, 影响由大到小的工艺参数依次为:鞣制时间、转鼓转速、浴液铬含量、浴液温度。

对于C r2O3吸收率X, 由表7可以看出, 推荐的参数组合为A1B2C3D3, 影响由大到小的工艺参数依次为:浴液铬含量、鞣制时间、转鼓转速、浴液温度。

对于抗张强度Y, 由表8可以看出, 推荐的参数组合为A1B2C3D2, 影响由大到小的工艺参数依次为:鞣制时间、转鼓转速、浴液铬含量、浴液温度。

对于柔软度Z, 由表9可以看出, 推荐的参数组合为A1B2C3D2, 影响由大到小的工艺参数依次为:鞣制时间、浴液铬含量、转鼓转速、浴液温度。

2.5 多工艺目标联系度分析

针对收缩温度W、C r2O3吸收率X、抗张强度Y、柔软度Z进行多工艺目标联系度分析分析, 分析结果见表10。

比较各个水平, 联系度分析度值最高的水平为对多工艺目标综合考量时的最优水平。从表10中可知, 最优参数组合为A1B2C3D2, 即转鼓转速A=10 r/m in、浴液铬含量B=15 g/L、鞣制时间C=18 h、浴液温度D=45℃。

对综合目标影响由大到小的工艺参数排序为:鞣制时间、转鼓转速、浴液铬含量、浴液温度。

3 试验验证

根据上述模糊物元法的联系度分析结果进行验证试验。即以综合目标优化组A1B2C3D2工艺参数进行试验, 并同联系度最高组 (第3组;联系度0.920;工艺参数组合A1B3C3D3) 试验数据进行比较, 结果如表11。

从表10可见, 优化组与联系度最高组相比, 收缩温度提高了3.1%, C r2O3吸收率提高了3.0%, 抗张强度提高了5.9%, 柔软度提高了3.3%, 证明优化了结果的有效性。

4 结语

皮革鞣制是酸皮与铬鞣剂结合生成蓝湿皮的过程, 是影响皮革成品质量的重要工序。皮革鞣制效果除了与设备性能及酸皮的品质水平有关外, 工艺参数的搭配是一个重要因素。文中以转鼓转鼓转速、浴液铬含量、鞣制时间、浴液温度4个主要工艺参数为优化对象, 以鞣制后皮革的收缩温度、C r2O3吸收率、抗张强度、柔软度4个蓝皮质量指标为优化目标, 在进行正交试验获得数据样本的基础上, 利用模糊物元对数据进行处理, 首先对工艺进行单目标, 然后对工艺进行综合目标优化, 得到了优化工艺参数组合。本方法解决了正交试验数据处理精确度低的问题, 使优化结果更加可靠。采用比例标度法确定指标的权重, 克服了传统标度法粒度过大、计算复杂的缺点。试验验证了优化结果的有效性。

参考文献

[1]刘海腾, 陈国平, 陈杰, 等.皮革鞣制机的铬鞣时间对皮革性能影响的研究[J].中国皮革, 2015, 44 (11) :34-37.

[2]陈杰, 杨承杰, 贾继章, 等.ND铬鞣技术参数的优化[J].中国皮革, 2011, 40 (23) :12-14.

[3]黄先军, 模糊物元模型在物流服务商评价与选择中的应用[J].统计与决策, 2015, 36 (12) :80-82.

物元分析篇4

根据企业贷款偿还能力的.评估指标体系,利用可拓工程方法,建立了企业贷款安全性的物元评判模型,并结合实例给出了评判方法.

作者：马有才郭玉江刘爱红石爱华作者单位：马有才(山东科技大学,经济管理学院,山东,泰安,271019)

郭玉江(泰山医学院,山东,泰安,271000)

刘爱红(泰安市公证税务师事务所,泰安,271000)

石爱华(曹庄煤矿,山东,滕州,277152)

物元分析篇5

电力是国民经济的基础,也是实现低碳经济的关键环节。电力企业的供电质量和供电服务的优劣直接影响供电企业的生存,而有效的供电服务质量评价是供电企业改进服务质量的重要前提。当前,供电企业尚未建立科学、长效的服务质量评价体系,质量评价工作是电力行业急需解决的问题之一。

目前常用的供电服务质量评价方法有层次分析法、服务蓝图法、模糊熵综合分析法等,这些评价方法对实际工作虽有一定的指导作用,但是普遍存在主观性过强的问题,而物元分析方法能够弥补这一缺陷。物元理论主要研究由事物、特征及特征值构成的3元素模型,该模型可以直接反映质量与数量之间的关系,并且可以把定性指标转化为定量指标[1]。物元理论已经广泛应用于水质评价[2,3]、人力资源管理[3,4]、企业竞争力分析[5,6]。

本文运用物元分析理论构建评价模型,以北京市电力公司为例,论证物元分析理论在供电服务质量评价中应用的可行性。

1 物元分析理论及其使用要点

物元分析是可拓学的核心,包括2个关键部分:一是研究事物(物元)及其自身变化,二是把物元作为基于可拓集合的工具(本文研究基于后者进行)。物元分析中,用P,C,V的3元素组合描述事物。P为被研究的对象,C为事物的特性,V为该特性的值,它们是物元分析模型的关键要素[7,8,9]。

用物元理论进行评价分析时需注意以下几点:

1)合理选择指标,全面获取数据。数据质量决定了评价结果的有效性和准确性,在构建指标体系时,需要涵盖业务中的各个方面。

2)正确划分评价等级。需要切合业务实际,以数据为基础,把指标值合理区分到各等级区间。

3)合理选择权重计算方法。权重计算方法多种多样,可以根据不同指标体系、不同评价对象采取相应的计算方法,并尽量做到权重计算准确。

2 构造物元分析模型

2.1 供电服务质量的评价指标体系

对供电服务质量进行分析评价,首要需要确定评价体系。参照文献[10]中基于服务承诺的评价指标,本文构建供电服务质量评价指标体系见图1。

该指标体系由供电企业服务承诺中的多项指标组成,涵盖了各方面的业务工作。计算中所使用的指标数据为企业年度平均数据,获取容易且较为全面。

2.2 指标等级划分

服务质量等级的划分一般来说应以计算过程的简便性和准确性为原则,避免分级过多导致计算量过大或分级太少导致计算结果偏差较大的问题。按照质量评价的常规方式,质量等级划分以5级为宜。以北京市电力公司为例,该公司供电服务质量水平可以划分为5个等级,从优秀等级到一般等级分别表示为Q1,Q2,Q3,Q4,Q5,见表1。

2.3 建立物元分析模型

2.3.1 基本域模型

以如下形式表示物元分析模型的基本域模型:

$R (Ρ ‚ C ‚ V) = (\begin{matrix} Ρ & c_{1} & v_{1} \\ c_{2} & v_{2} \\ ⋮ & ⋮ \\ c_{18} & v_{18} \end{matrix}) (1)$

式中:P为被研究的对象;cn为事物的特性;vn为相应的特性值;n=1,2,…,18。

2.3.2 经典域模型

经典域表示电能各属性变化的基本区间。经典域模型主要用于确定供电服务质量,其表达式如下:

$\begin{array}{l} R_{e j} (Ρ_{e j}, C, V_{e j}) = (\begin{matrix} Ρ_{e j} & c_{1} & v_{e 1 j} \\ c_{2} & v_{e 2 j} \\ ⋮ & ⋮ \\ c_{18} & v_{e 18 j} \end{matrix}) = \\ (\begin{matrix} Ρ_{e j} & c_{1} & 〈 a_{e 1 j}, b_{e 1 j} 〉 \\ c_{2} & 〈 a_{e 2 j}, b_{e 2 j} 〉 \\ ⋮ & ⋮ \\ c_{18} & 〈 a_{e 18 j}, b_{e 18 j} 〉 \end{matrix}) (2) \end{array}$

式中:Rej为第j个物元;Pej为j级供电服务质量;veij表示Pej关于特性ci的基本范围,即经典域,记为veij=〈aeij,beij〉;j=1表示服务质量优秀;j=2表示服务质量好;j=3表示服务质量较好;j=4表示服务质量尚可;j=5表示服务质量一般。

2.3.3 节域模型

节域表示供电质量的各水平下所有可能取值的范围,其表达式如下:

$\begin{array}{l} R_{p} (Ρ, C, V_{p}) = (\begin{matrix} Ρ & c_{1} & v_{p 1} \\ c_{2} & v_{p 2} \\ ⋮ & ⋮ \\ c_{18} & v_{p 18} \end{matrix}) = \\ (\begin{matrix} Ρ & c_{1} & 〈 a_{p 1}, b_{p 1} 〉 \\ c_{2} & 〈 a_{p 2}, b_{p 2} 〉 \\ ⋮ & ⋮ \\ c_{18} & 〈 a_{p 18}, b_{p 18} 〉 \end{matrix}) (3) \end{array}$

式中:P为供电质量的全部水平;vpi为特性ci的取值范围,即节域,记为vpi=〈api,bpi〉(i=1,2,…,18),显然,veij⊂vpi。

2.3.4 确定待评估物元

在指标体系中,数据的测量和分析的结果可用物元代表,即“待评估物元”,表达式如下:

$R_{0} (Ρ_{0} ‚ C ‚ V) = (\begin{matrix} Ρ_{0} & c_{1} & v_{1} \\ c_{2} & v_{2} \\ ⋮ & ⋮ \\ c_{18} & v_{18} \end{matrix}) (4)$

2.4 确定关联函数值

可拓集合通过关联函数进行描述。关联函数的取值范围为整个实数轴。

关联函数应用在可拓集合中,可以把定性问题转化为定量问题[11,12]。关联函数值的计算式如下:

$\begin{array}{l} Κ_{j} (v_{i}) = {\begin{cases} - \frac{ρ (v_{i}, v_{e i j})}{| v_{e i j} |} v_{i} \in v_{e i j} \\ \frac{ρ (v_{i}, v_{e i j})}{ρ (v_{i}, v_{p i}) - ρ (v_{i}, v_{e i j})} v_{i} \notin v_{e i j} \end{cases} \\ (5) \end{array}$

式中:

$\begin{array}{l} ρ (v_{i}, v_{e i j}) = | v_{i} - \frac{1}{2} (a_{e i j} + b_{e i j}) | - \frac{1}{2} (b_{e i j} - a_{e i j}) \\ ρ (v_{i}, v_{p i}) = | v_{i} - \frac{1}{2} (a_{p i} + b_{p i}) | - \frac{1}{2} (b_{p i} - a_{p i}) \\ i = 1, 2, \dots, 18 \\ j = 1, 2, \dots, 5 \end{array}$

2.5 权重计算

根据vij值,相应的权重计算表达式如下:

$w_{i j} = \frac{v_{i j}}{\sum_{i = 1}^{18} v_{i j}} (6)$

在服务质量评价中,权重的计算方法有专家赋权法等主观方法,以及直接求和法、比值法等客观方法。主观方法的优点是比较灵活,缺点是容易受到人为因素的干扰;客观方法的优点在于其完全基于基础数据进行计算,缺点是容易受指标数据质量的影响。

运用物元分析模型进行计算时,可以根据评价对象和内容的要求选择合适的方法。

2.6 确定质量等级隶属度

供电服务质量的隶属度计算如下:

$Κ_{j} (Ρ_{0}) = \sum_{i = 1}^{18} w_{i j} Κ_{j} (v_{i}) (7)$

式中:Kj(P0)表示P0对j级服务质量的隶属度。

若

$Κ_{k} = \max Κ_{j} (Ρ_{0}) j = 1, 2, \dots, 5 (8)$

则P0属于等级k。

3 实证分析

本文根据北京市电力公司的3个区供电公司的相关数据,研究其供电服务质量的优劣。

3.1 数据标准化

北京市电力公司3个区供电公司的各项指标如表2所示。

在供电服务质量评价指标体系中,并非所有指标的取值趋向都是一样的,有的是越小越优型,如到达城市事故现场时间;有的是越大越优型,如城市/郊区供电可靠性。因此,有必要对数据进行标准化运算。标准化运算过程参见文献[13,14]。数据标准化计算结果见附录A表A1。

为了计算和比较方便,同时对表1数据进行标准化运算,结果见附录A表A2。

3.2 确定经典域矩阵和节域矩阵并计算函数值

根据标准化数据,经典域矩阵和节域矩阵的确定步骤如下:

1)按照服务质量等级划分的边界,建立经典域矩阵R01,R02,R03,R04,R05和节域矩阵Rp。

2)确定待评估物元。

根据表2中评价指标的数据,3个区供电公司的待评估物元简化表示如下:

$R_{0} = (\begin{matrix} Ρ_{0} & Ι_{1} & 0.844 4 & 0.888 9 & 1.000 0 \\ Ι_{2} & 0.957 9 & 0.894 7 & 1.000 0 \\ Ι_{3} & 0.738 5 & 0.846 2 & 1.000 0 \\ Ι_{4} & 0.833 3 & 0.916 7 & 1.000 0 \\ Ι_{5} & 0.875 0 & 1.000 0 & 1.000 0 \\ Ι_{6} & 0.714 3 & 0.857 1 & 0.833 3 \\ Ι_{7} & 0.833 3 & 1.000 0 & 0.833 3 \\ Ι_{8} & 0.9994 & 0.999 8 & 1.000 0 \\ Ι_{9} & 1.000 0 & 0.999 8 & 1.000 0 \\ Ι_{10} & 0.993 7 & 1.000 0 & 0.994 8 \\ Ι_{11} & 0.989 6 & 0.996 9 & 1.000 0 \\ Ι_{12} & 0.600 0 & 0.900 0 & 1.000 0 \\ Ι_{13} & 0.571 4 & 1.000 0 & 0.714 3 \\ Ι_{14} & 0.666 7 & 0.833 3 & 1.000 0 \\ Ι_{15} & 1.000 0 & 1.000 0 & 1.000 0 \\ Ι_{16} & 0.636 4 & 0.909 1 & 1.000 0 \\ Ι_{17} & 0.977 1 & 0.984 0 & 1.000 0 \\ Ι_{18} & 0.694 4 & 0.986 1 & 1.000 0 \end{matrix})$

3)计算权重并给模型赋值,结果如表3所示。

4)通过式(7)计算出每个等级的隶属度:

$(k_{i j})_{3 \times 5}^{Τ} = (\begin{matrix} - 0.366 2 & - 0.675 9 & - 0.913 5 \\ - 0.212 7 & - 0.587 7 & - 0.886 1 \\ - 0.283 6 & - 0.386 8 & - 0.814 9 \\ - 0.261 3 & - 0.369 5 & - 0.817 2 \\ - 0.275 7 & - 0.100 8 & - 0.053 3 \end{matrix})$

式中:kij为i区供电公司对j级服务质量的隶属度。

由式(8)可得,3个区供电公司对各级供电服务质量的最大隶属度分别为k12=-0.212 7,k25=-0.100 8,k35=-0.053 3。

3.3 结果分析

可见,区供电公司1的服务质量属于2级,区供电公司2和区供电公司3的供电服务质量属于5级。同时,从关联函数值可以看出,这3个区供电公司质量优劣顺序为:公司1≻公司3≻公司2。该计算结果与相关研究[8]一致,这表明物元分析模型应用于供电服务质量评价是可行的。

4 结语

首先,通过以上分析可见,将物元分析模型应用于供电服务质量的评价,计算简便(可结合MATLAB软件设计算法,实现原始数据输入即得评价结果),数据获取容易,同时,采用定量的方法描述各评价指标值,并对各指标进行赋权后综合评分,计算结果的客观性较强。

其次,该方法不仅适用于供电服务质量的评价,同样也适用于评价电网公司其他业务,但需要因地制宜,根据问题特点选择合适的评价指标和方法。

物元分析篇6

1 物元分析理论

物元分析理论包括物元理论和可拓集合论, 由我国学者蔡文提出[4], 物元作为可拓学的逻辑细胞, 是描述事物的基本元, 物元分析理论作为系统科学、思维科学、数学交叉的边缘学科, 关注解决矛盾问题的规律和方法, 研究事物的可变性, 着重研究事物变化的条件、途径、规律和方法, 被广泛应用于工程各个领域。

1.1 物元分析模型

可拓扑学的逻辑细胞是物元、事元和关系元。物元是描述事物的基本元[5], 假设影响事物评价的因素有n个, 则评价可用下面n维物元描述:

其中, N为待评价单元;ci为待评价单元的影响因素;vi为数量化的量值域。

设评价等级为N1, N2, …, Nm, 则相应的物元为:

这里, Xij (j=1, 2, …, n) 为经典域。

构造经典域的节域:取RP∈Ri。

定义XPi=〈aPi, bPi〉 (i=1, 2, …, n) 为NP关于ci (i=1, 2, …, n) 的节域。显然有对于要评价的对象P, 已知其量测试结果为:

1.2 距的计算

1.3 关联函数

1.4 权系数

对于评价等级Ni (i=1, 2, …, m) 的门限值Xji (j=1, 2, …, n) , 权系数为:

1.5 确定待评单元的判定等级与关联函数

关联函数建立在“距”的基础上, 表示物元符合要求的范围程度, 由于可拓集合的关联函数能够用代数式表达, 使得不相容问题能够定量化。待评价单元的关联函数可表达为:其中, Kj (P) 为待评价单元P关于等级j的关联度。K (x) 的大小直接反映评价单元符合某标准范围的程度。当Kj 0=max{Kj (P) }时, j∈{1, 2, …, m}, 则此时P属于等级j0。

2 物元分析模型在砂土地震液化中的应用

为验证所建立评价单元模型的正确性, 本文利用物元理论建立了评价单元模型, 并对采样数据进行评价与验证。模型分析中所用数据来自《厦门市城市工程抗震土地利用评价研究》[6], 饱和砂土地层主要分布的某地段。通过工程地质调查, 影响该场地砂土液化的主要因素详见表1。本文以此为例进行分析, 说明可拓学理论在该方面的应用。

2.1 确定经典域和节域

在确定评价等级分类方案时, 根据规定的分类方案同时参考文献[7]~[9], 砂土液化势可分为4个等级, 即未液化 (Ⅰ) 、轻微液化 (Ⅱ) 、中等液化 (Ⅲ) 和严重液化 (Ⅳ) 。表2为砂土液化影响因素与液化等级划分的评价标准。

基于评价指标的量化值区间不完全相同的考虑, 比如有的评价指标类型是属于极大型 (如:震级, 最大加速度等) , 有的评价指标类型是属于极小型 (如:标贯击数、相对密度等) , 为便于把量纲不同的指标进行对比, 这里对极大型指标因素 (di= (xi-xmin) / (xmax-xmin) ) 和极小型指标因素 (di= (xmax-xi) / (xmax-xmin) ) 进行了归一化处理, 其评价标准见表3。

根据表3, 计算得到:

2.2 砂土地震液化等级的确定

表1中影响参数归一化处理后, 可确定待评价对象R0 (见表4) 。

2.3 权系数及关联度计算

表5中数据为根据式 (7) 计算的权系数, 根据式 (5) , 式 (6) 编程分析综合关联度以及评价结果, K1 (P) =-0.401 2, K2 (P) =-0.288 6, K3 (P) =-0.209 2, K4 (P) =-0.322 0, 评价结果为Ⅲ级, 即该场地属于中等液化, 与建筑规范经验法评价结果一致且与实际情况符合地很好[6], 这表明了砂土地震液化评价的物元分析模型是正确可行的。

物元评估模型计算流程图见图1。

3 结语

1) 物元分析方法在砂土地震液化评判应用中, 计算方法简便, 易于编程计算。

2) 评价结果与建筑规范经验法取得了比较好的一致性, 并且符合基本的概念认知, 这就表明物元分析理论在综合评价砂土地震液化问题方面是大有前途的, 为该领域的评价方法也开辟了新的思路。

参考文献

[1]任文杰, 苏经宇, 窦远明, 等.基于遗传神经网络的砂土液化判别模型[J].世界工程与工程振动, 2003, 23 (3) :145-149.

[2]马骥, 傅光翮, 罗国煜.基于MATLAB的BP神经网络在砂土液化评价中的应用[J].水文地质工程地质, 2004 (2) :54-58.

[3]宋建华, 王丰.砂土地震液化的可拓工程法预测研究[J].新疆水利, 2007 (2) :7-11.

[4]蔡文, 杨春燕, 林伟初.可拓工程方法[M].北京:科学出版社, 1997.

[5]蔡文.物元模型及其应用[M].北京:科学技术文献出版社, 1994.

[6]王威, 苏经宇, 马东辉, 等.饱和砂土地震液化判别的分形插值模型[J].世界地震工程, 2012, 38 (1) :118-214.

[7]章连洋, 杜坚.应用优选法预测场地砂土地震液化[J].工程抗震, 1998 (4) :34-38.

[8]刘勇健, 刘义健.人工神经网络在砂土液化评价中的应用[J].勘察科学技术, 1991 (1) :3-5.

物元分析篇7

在知识经济和全球化经济的发展进程中, 信息技术在全球范围内的迅猛发展极大地改变了服务性行业赖以生存的运作规则, 与传统制造型企业通过功能外包和机构虚拟方式形成虚拟制造企业相类似的是, 各新兴服务企业在当前的经营过程中已经通过模块和构件分工、服务技术标准共享等手段形成了一种互相依存、共同成长的新型竞合关系。这种新型企业间的耦合关系具有虚拟企业的一般特征, 可视为一种“虚拟服务企业”。

虚拟服务企业是由一些相互独立的服务流程、功能或企业等多个伙伴组成的暂时性联盟, 这种联盟主要针对服务型企业核心能力资源的一种外部整合, 其目的在于迎合快速变化的市场机遇。目前管理咨询和工程咨询、金融服务和贸易服务、移动商务和大型会展等知识密集型服务企业是虚拟服务企业的现实代表。这种虚拟服务企业, 通过信息技术整合企业网格上的各个服务企业, 发挥远程通信设施的功能, 为社会提供各种信息产品或虚拟信息服务产品。

与传统虚拟企业相类似的是, 虚拟服务企业的运作模式可以实现“风险分担, 利益共享”, 但与此同时也产生了其相应的内生性自稔风险。并且由于虚拟服务企业经营过程中的时效性、体验性、伴随性、交互性等显著特征, 使得虚拟服务企业的风险因素明显有别于传统意义上的虚拟企业和虚拟制造企业。

因此, 归纳出虚拟服务企业的经营风险因素, 并加以识别、评估与控制是非常必要的。据此, 本文将首先探讨虚拟服务企业组建与运作过程中的风险指标体系, 然后采取合理的定量化方法对虚拟服务企业的经营风险进行评估。面前用于评估虚拟企业风险的定量化方法较多, 比如神经网络法、因子分析、决策树法、蒙特卡洛模拟法、TOPSIS法、案例推理法、Var方法以及聚类分析等等。但是服务企业不同于制造企业, 其产品特征和服务流程具有明显的虚拟性、时效性、体验性、伴随性、交互性等特征, 使得虚拟服务企业风险指标的主观性特征和定性化趋势较强。因此, 虚拟服务企业风险的评估方法必须能够提高评价指标的客观性, 并能够解决定性指标值的合理表述问题。因此, 本文拟结合物元分析方法和10/10～18/2标度的层次分析法, 提出虚拟服务企业的风险评估模型, 该模型通过对权重进行修正, 可以较大的提高各指标权重的客观性;通过将传统的1～9标度修正为10/10～18/2标度, 使得定性指标值能够得到精确的权值计算。

2 服务企业风险指标体系的建立

与传统虚拟企业相类似的是, 影响虚拟服务企业组建和运作的相关风险因素相当多, 并且可以划分为数个层次。依据现有的相关文献资料并结合虚拟服务企业自身的特点, 笔者认为虚拟服务企业的风险指标主要应当包括:

2.1 市场风险A1

虚拟服务企业是根据市场机遇而组建的, 外部市场的不确定性会给虚拟服务企业带来风险, 具体包括如下指标: (1) 需求风险A11, 消费者需求发生变化; (2) 竞争风险A12, 外部市场上出现同类型服务或是其它服务企业潜在进入的可能性; (3) 替代品风险A13, 外部市场上替代型服务的出现; (4) 经济萧条风险A14, 行业整体容量下降。

2.2 协作风险A2

指盟主服务企业与伙伴服务企业之间由于协作而引起的风险, 具体包括如下指标: (1) 沟通风险A21, 伙伴服务企业之间及伙伴服务企业与盟主服务企业之间联络渠道的阻塞; (2) 组织与管理风险A22, 各成员服务企业的组织结构不适应, 在管理模式和工作方法上发生冲突; (3) 文化差异风险A23, 各成员服务企业文化不同, 使得不同成员企业员工产生冲突; (4) 道德风险A24, 由于信息不对称所造成的道德风险。

2.3 能力风险A3

指伙伴服务企业在服务质量、成本、时间及技术等方面所带来的风险, 具体包括如下指标: (1) 服务质量性风险A31, 服务流程设计有漏洞, 各伙伴服务企业提供的服务质量不能满足顾客需要; (2) 服务经济性风险A32, 各伙伴服务企业轻视服务成本管理; (3) 服务及时性风险A33, 各伙伴服务企业未能及时为顾客提供服务; (4) 服务技术风险A34, 各伙伴服务企业的服务标准不一致或是未能进行创新和改进。

2.4 信息沟通风险A4

指盟主服务企业与伙伴服务企业之间由于信息沟通不畅而出现的风险, 具体包括如下指标: (1) 服务标准外泄风险A41, 各成员服务企业的核心能力和商业机密泄密风险; (2) 信息系统安全风险A42, 各伙伴服务企业信息系统抗入侵能力引起的风险; (3) 信息共享与传递风险A43, 各伙伴服务企业之间的数据库标准与通讯协议的不一致导致的风险; (4) 信息技术衔接风险A44, 各伙伴企业服务技术标准未能及时有效衔接。

综上所述, 可建立如表1所示的虚拟服务企业风险分析指标体系如下:

3 基于物元分析方法的虚拟服务企业风险评估模型设计

在虚拟服务企业的风险评估过程中, 我们应当首先定性化归纳出虚拟服务企业的风险指标体系并分层, 然后确定同一层次中各风险因素的相对权重, 各风险因素的相对权重值就反映出了各类风险因素的重要程度。这种风险评估方法的关键和难点就在于相对权重定量化描述的准确程度。一般确定各风险因素相对权重最为常用的方法是层次分析法, 然而由于评价专家的知识结构, 个人偏好以及认识能力的差异, 往往会导致他们对各风险影响事件之间的重要性判断偏离客观实际。为妥善处理评价专家的主观感觉问题, 减少人为因素的影响。我们引进物元分析法, 它通过将各专家作为特征样本C, 将各评价指标作为事件M进行处理, 这样得出的修正权重可以较大地提高各权重指标的客观性。

物元分析是蔡文教授1983年创立的一门新学科, 是思维科学、系统科学与数学的交叉学科, 是贯穿自然科学和社会科学而应用较广的模糊学科。它用形式化工具, 从定量的角度研究解决复杂问题的规律和方法。其要点是:把事物用 (事物M、特征C、量值V) 三个要素进行描述, 即以有序三元R= (M, C, V) 作为描述事物的基本元, 这些要素就组成了物元。

基于物元分析的虚拟企业风险评估模型的具体步骤为:

(1) 定性化归纳出虚拟服务企业的风险指标体系并分层。

(2) 通过物元分析的基本原理构造各风险的权重复合物元矩阵R:收集评价专家对同一层次风险因素的两两比较值, 根据以上判断矩阵, 结合层次分析的原理计算得出它们的特征向量, 并做一致性检验, 得到各专家对风险因素值的权重值, 以他们各自得出的权重构造成复合物元矩阵R如下:

undefined

其中复合物元矩阵R中的特征ci 表示第i个专家对风险的判断;Mj表示该评价层次的第j个风险因素。

(3) 确定标准n维物元R0j, 节域物元Rpj

undefined

其中, aj=min (Xij) ;bj=max (Xij)

(4) 确定关联函数物元Ro, 这里计算得出的关联函数物元矩阵里的元素值表示各专家ci相对于该评价层次第j个风险因素Mj确定的权重值与Mj的关联程度大小。

undefined

K (Xij ) 为第j个事物i个特征的关联函数值。

undefined

(5) 确定各专家的效度矩阵, 计算专家效度物元Rv, 第i个专家的效度系数为:

undefined

其中, undefined

(6) 在得出专家效度的基础上重新对原权重复合物元矩阵进行修正,

undefined

(7) 最后根据修正后的各指标的权重物元Rω的大小得出各风险的重要程度, 其中ω的权重值越大, 则其对应的风险因素越需要进行重点控制。

4 虚拟服务企业风险评估的实例分析

笔者结合自己在从事管理咨询工作时所接触到虚拟服务企业为例, 将物元分析法应用到虚拟服务企业风险评估中。此处的风险评估的具体分析过程以表1中上层准则为例 (市场风险A1, 协作风险A2, 能力风险A3, 信息沟通风险A4) 。

(1) 定性化归纳出该虚拟服务企业的风险指标体系, 同于表1。

(2) 邀请五位专家采用Delphi法对上层准则中包括的风险因素进行重要性两两比较, 根据以上判断矩阵, 通过Matlab求矩阵的最大特征值及对应的特征向量。为避免专家主观判断所导致的信息失真情况, 此处的层次分析法采用10/10～18/2标度。在完成一致性检验后, 将各专家对风险因素值的权重值构造成为复合物元矩阵R如下:

undefined

计算标准物元R0j, 节域物元Rpj,

标准物元为:undefined

节域物元为: Rpj=[ (0.3812, 0.4696) (0.2028, 0.2813) (0.1734, 0.2047) (0.1367, 0.1481) ]

(4) 确定关联函数物元Ro,

undefined

确定各专家的效度矩阵, 计算专家效度物元Rv=[0.2172 0.2024 0.1915 0.1786 0.2104],

(6) 对原权重复合物元矩阵进行修正, 计算出最终各指标的权重物元Rω,

undefined

从以上计算结果中可以看出市场风险的权重最大, 因此在虚拟企业的运作过程中要加强对市场风险的管理, 其次是协作风险, 然后是能力风险, 最后是信息沟通风险。

采取相同的评估方式, 可得下层准则的相关权重值, 其计算结果如下:

(1) 市场风险层面下, 需求风险A11, 竞争风险A12, 替代品风险A13, 经济萧条风险A14的权重物元为:Rω=[0.3636 0.2521 0.2180 0.1670], 由此可见市场风险中最需要进行重点管理的是需求风险;

(2) 协作风险层面下, 沟通风险A21, 组织与管理风险A22, 文化差异风险A23, 道德风险A24的权重物元为:Rω=[0.2442 0.2745 0.2796 0.2016], 由此可见协作风险中最需要进行重点管理的是文化差异风险;

(3) 能力风险层面下, 服务质量性风险A31, 服务经济性风险A32, 服务及时性风险A33, 服务技术风险A34的权重物元为:Rω=[0.3036 0.1479 0.3460 0.2025], 由此可见能力风险中最需要进行重点管理的是服务及时性风险;

(4) 信息沟通风险层面下, 服务标准外泄风险A41, 信息系统安全风险A42, 信息共享与传递风险A43, 信息技术衔接风险A44的权重物元为:Rω=[0.3472 0.1754 0.2730 0.2052], 由此可见信息沟通风险中最需要进行重点管理的是服务标准外泄风险。

将所得的上层准则权重值和下层准则权重值按照表1中所设计的虚拟服务企业总风险指标体系结构, 计算所有下层风险因素的总权重值并进行重要性排序。总权重值越大, 排名越靠前, 也表明该因素的风险性越大。其结果列示于表2:

5 结论

虚拟服务企业组建和运作的过程中将会产生相当多的风险, 对这些风险进行定量化评估是有效防范这些风险的基本前提。本文结合物元分析方法和10/10～18/2标度的层次分析法, 对这一问题进行了模型设计, 并结合一个具体实例对这一方法进行了诠释。但是本文所使用的风险评估方法只能对虚拟服务企业的风险进行定量化描述, 不能对虚拟服务企业经营过程中的备选方案或模块组合进行评估, 这些将在笔者今后的研究工作中得到完善。

摘要：结合物元分析方法和10/1018/2标度的层次分析法, 定量化地系统评估虚拟服务企业各层面的风险因素, 为虚拟服务企业风险评估提供了一种新的模式。

关键词：虚拟服务企业,风险评估,物元分析

参考文献

[1]冯蔚东, 陈剑, 赵纯均.虚拟企业中的风险管理与控制研究[J].管理科学学报, 2001, 4 (3) :1-13.

[2]宋光兴, 杨肖鸳, 张玉青.虚拟企业的合作风险研究[J].软科学, 2004, 18 (3) :83-86.

[3]姜旺, 魏晓平.基于AHP法的虚拟企业风险评价实证分析[J].工业技术经济, 2007 (9) :63-67.

[4]冯蔚东, 陈剑.虚拟企业中的风险分析与监控[J].中国管理科学, 2001, 9 (5) :24-26.

[5]黄敏, 杨红梅, 王兴伟.基于模糊综合评判的虚拟企业风险评价[J].数学的实践与认识, 2004, 34 (6) :45-51.

[6]修国义, 齐攀.基于物元分析的虚拟企业风险评估模型[J].管理现代化, 2007 (3) :47-49.

[7]徐泽水.关于层次分析中几种标度的模拟评估[J].系统工程理论与实践, 2000 (9) :58-62.

[8]CHEN L H, LU H W.An approximate approach for ranking fuzzynumbers based on left and right dominance[J].ComputMath Appl, 2001, 41:1589-1602.

[9]LEE S, LEE K H, LEE D.Ranking the sequences of fuzzy values[J].Inf.Sci, 2004, 160:41-52.

物元分析篇8

我国农业节水灌溉项目关系到农民增收问题,而且影响因素较多,是一个多属性决策问题。因此,如何运用合理、科学的评价方法对农业节水灌溉项目进行综合评价是个非常值得研究的问题。孙士尉、张铁壁、王海松等将模糊控制算法应用在滴灌节水系统中,实践表明该算法有效［1］; 曹然、王会英、郭微建立了基于熵理论和遗传算法的优化模型,通过实例试验提出的模型用于作物灌溉决策优化,比基本遗传算法计算精度有了明显提高［2］; 陈娟、李杰将组合权的灰色关联理想模型应用到节水灌溉项目中的综合评价中,并取得了良好的效果［3］; 黄娅婷将熵值理论与模糊物元建模相结合,建立了节水灌溉项目的熵权的模糊物元节水灌溉项目综合评价模型,结果表明模型简单可行、方便实用［4］。本文对传统的熵权法进行了改进,克服其弊端,扩展其使用范围,对指标进行赋权, 在模糊物元分析理论的基础上,结合灰关联分析,建立了改进熵和灰关联分析的模糊物元分析模型。该模型综合了熵权法、灰关联分析和模糊物元分析的诸多优点,将该模型应用到农业节水灌溉项目的优选中,根据灰色关联度的大小对农业节水灌溉项目进行排序,从而得到最优的农业节水灌溉项目。

1模糊物元分析

1.1构造复合模糊物元

模糊物元分析［5－6］是指用“事物、特征、模糊量值”有序三元组来描述事物的基本元,用R = (M,C,V) 表示。如有i(i = 1,2,…,m) 个比较事物, 每个事物有j(j = 1,2,…,n) 个特征,则构成ii个比较事物j维复合模糊物元,用矩阵形式可表示为

其中,Mi为比较事物( 评价对象) ; Cj为比较事物的特征( 评价指标) ; vij为Cj相对应的量值,i为比较事物的序号; j为比较事物特征的序号。

1.2将复合模糊物元矩阵转换为隶属度矩阵

模糊物元矩阵转变为隶属度矩阵,要求引入从优原则。根据本文的指标的类型,指标分成正向指标、负向指标和适中型指标3类,则指标隶属度的计算也分成3类; 通过计算指标的隶属度,可以把复合模糊物元矩阵转换为指标的隶属度矩阵。

1) 正向指标隶属度计算。正向指标是指数值越大越好的指标。设xij为第i个评价对象第j个指标的隶属度,vij为第i个评价对象第j个指标的值,m为被评价对象的个数。根据正向指标的标准化公式［7］,则xij为

2) 负向指标隶属度计算。负向指标是指数值越小越好的指标。根据负向指标的标准化公式［7］,则xij为

其中,式( 3) 中各个符号的含义与式( 2) 相同。

3) 适中型指标隶属度计算。适中型指标是指数值既不太大也不太小的指标,取中间值。根据适中型指标的标准化公式［7］,则xij为

其中,vj为指标的适中值。式( 4) 中各个符号的含义与式( 2) 相同。

根据以上指标的隶属度计算,可将复合模糊物元矩阵转换为隶属度矩阵,用代表隶属度矩阵,则为

1.3构造最优模糊物元

根据式( 5) 的隶属度矩阵,可以构造最优评价对象M0的模糊物元R0n。根据本文的隶属度计算方式, 无论原始指标是正向指标还是负向指标,标准化后的指标都是正向指标,所以只需要取指标隶属度的最大值。最优模糊物元为

1.4改进熵权法确定指标权重

在综合评价中,评价对象指标的重要性一般是不同的。为了体现指标重要性的区别,对指标运用相关赋权方法赋予不同的权重,体现指标的不同重要性。熵权法［8－10］在指标赋权方面应用非常广泛,利用熵可以计算出指标的权重。为了克服熵值法的特殊约定的局限性,即当rij= 0、rijln( rij) = 0的特殊约定,这个假设很显然是不合理的。原因是当rij= 0和rij= 1时, rijln( rij) = 0。本文对其进行改进,不需要特殊假设, 扩展了其适用范围,使其使用更方便。利用此方法确定权重的具体计算步骤如下:

1) 各指标熵值确定方法。

2) 各指标差异系数确定方法。

3) 权重确定方法。对指标差异系数作标准化处理,可以得到权重。计算公式为

1.5构造改进熵和灰关联分析的模糊物元分析模型

灰色系统中的灰色关联分析［9－10］由于其使用方便、容易操作,因而在综合评价中经常使用灰色关联度体现两列数据间的误差程度。本文在原始灰色关联分析的基础上引入指标的组合权重,并结合模糊物元分析理论,得到改进熵和会关联分析的模糊物元分析模型。具体计算步骤如下:

1) 最优模糊物元序列。根据式( 6) ,得到一个最优模糊物元序列M0= (x01,x02,…,x0n) 。另外,有n个模糊物元序列Mi( i = 1,2,…,m) ,并且Mi= ( xi1,xi2,…, xin) 。

2) 计算灰色关联系数。灰色关联系数按照以下公式进行计算。

其中,i为第i个评价对象; k为第k个最优指标; β 为表示分辨系数,0 < β < 1,通常取 β = 0.5。

3) 计算灰色关联度。计算每个评价对象的每个模糊物元序列和最优模糊物元序列的组合加权灰色关联度,按照以下公式进行计算,即

2应用实例

2.1构造复合模糊物元

以农业节水灌溉项目优选为例: 首先建立包含每公顷投资、自筹投资、经济效益、节水率、内部收益率、益本比、投资偿还年限、工程寿命、缺水程度、节水措施、作物、社会效益、施工难易、示范作用,以及建设积极性共15个指标的农业节水灌溉项目评价指标体系。Ai(i = 1,2,…,15) 代表评价对象的15评价指标, Pi(i = 1,2,…,6) 代表备选的6个节水灌溉示范县。从6个县中选择2个作为建设节水灌溉项目的示范县,本文以文献[3]中的例子为研究对象,得到复合模糊物元矩阵Rmn。

2.2将复合模糊物元矩阵转换为隶属度矩阵

根据文中指标隶属度计算公式( 2) ~ ( 4) 计算指标的隶属度,得到复合模糊物元的隶属度矩阵

2.3构造最优模糊物元

根据式( 13) 的复合模糊物元隶属度矩阵,取式( 13) 中每一个指标( 也就是每一列指标隶属度) 的最大值,显然每一列的最大值都是1,则最优模糊物元公式为

2.4改进熵权法确定指标权重

以式( 13) 的隶属度矩阵中的数据为基础,根据文中的式( 7) ~ 式( 9) ,可以得到15个评价指标的熵权法权重,如表1所示。

2.5灰色关联度计算

结合式( 13) 和式( 14) 中的数据,根据文中式( 10) 和式( 11) 可以计算每一个备选县的灰色关联度。同时,根据灰色关联度的大小能够得到6个备选县的排序,如表2所示。

根据表2中的排序结果,6个备选县的排序为表示Pi优于Pj)。根据排序结果,很显然应该选择P1和P3。所得的结果和文献[3]的结果是一样的,说明此模型是有效的。

3结论

物元分析篇9

近年来, 为适应信息化战场的需要, 我军各基层部队汽车分队的训练量和任务量, 也随之明显增多, 加之任务繁杂、运输风险大、人员分散等因素影响, 事故发生率居高不下。据统计, 部队汽车分队发生的事故占全军总事故数的74.3%[1], 并且基于军事活动的特殊性, 一旦发生事故, 必将造成重大的人员和财产损失, 对正常的社会生产生活和部队战备训练产生巨大影响。因此, 在汽车分队中开展安全评价是提高其安全水平的有效手段之一。目前, 已有部分学者开展了相关研究工作, 如肖武[1]、韩思[2]、贺永杰[3]等, 运用层次分析 (Analytical Hierarchy Process, AHP) 、模糊综合评价、BP神经网络等方法对部队汽车分队陆路运输进行系统安全评价。但是, 一方面上述方法未充分考虑各评判专家因认知水平、主观偏好等主观因素而造成的评判水平差异性, 另一方面, 由于分队的安全评价是一项系统工程, 会造成评价指标数目较多且相互影响, 这些都会影响所建模型的准确性。

为了克服上述问题, 并鉴于BP网络具有高度的自学习、自适应及非线性映射能力等优点, 笔者采用一种结合了物元分析与主成分分析 (Principal Component Analysis, PCA) 的BP网络耦合模型, 对我军汽车分队进行评价和预测。即首先通过AHP和物元分析, 建立评价指标体系以及确定权重值, 再通过主成分分析, 在保留原指标主要信息的基础上, 实现数据降维, 提高数据输入质量, 以加快BP网络的训练速度, 提高网络预测精度。

1 基于物元分析与PCA的BP网络评价模型的建立

首先, 考虑到各评价专家对部队汽车分队评判水平的差异性, 在利用AHP建立指标体系的基础上, 结合物元分析, 两者联合确定指标权重, 进而得到相对客观的评价结果。其次, 我军基层部队汽车分队的评价工作是一项系统工程, 影响因素众多。这些影响因素虽从不同的角度反映了汽车分队的安全水平, 但它们之间信息相互影响、交错, 同时带来了问题复杂化、计算量增大等问题, 致使模型误差也偏大。而主成分分析, 能在尽量保持原变量中信息完整性的前提下, 通过线性变换的方法, 将原变量重新组合成含有其中主要信息且相互独立的数目较少的新变量。鉴于物元分析与PCA的上述优点能有效克服实际评价中的不足, 笔者建立了一种基于物元分析与PCA的部队汽车分队BP网络安全评价模型, 其评价过程如下:

(1) 建立部队汽车分队安全评价指标体系, 并利用物元分析, 计算各指标权重值;

(2) 结合量化的安全检查表对分队进行评价, 收集原始样本数据;

(3) 利用PCA, 提取主成分, 得到主成分评价指标和特征向量;

(4) 根据特征向量, 计算出以主成分评价指标表示的样本数据;

(5) 将转化后的样本数据作为BP网络的输入层数据, 对网络进行训练和仿真;

(6) 利用该模型, 将指标分值进行转化后, 即可为其它分队的风险分级及控制、日常管理、安全整改等提供决策依据。

2 模型在部队汽车分队安全评价中的应用

2.1 部队汽车分队安全评价指标体系的构建

美国国家航空航天局将事故发生的背景因素归纳为四项:人 (Man) 、物 (Machine) 、环境 (Media) 和管理 (Management) , 即“4M”因素[4]。笔者根据安全评价指标体系建立的原则, 结合我军汽车分队的实际安全状况, 并在参考军内外相关学者研究成果的基础上[5,6,7], 运用AHP初步建立指标体系, 然后结合专家意见最终建立了部队汽车分队安全评价指标体系, 如表1所示。

2.2 基于层次分析与物元分析的指标权重确定

鉴于AHP所确定的指标权重往往受专家主观因素影响较大[8], 笔者根据蔡文教授所提出的物元分析理论[9], 将专家作为样本, 构造以根据AHP所确定的指标权重值为因子的复合物元R, 对其进行物元分析, 得到能反判各专家判定水平的专家权重物元Rη, 其值反映了各专家的主观判断对评价对象的认知程度, 进而得到评价对象相对客观的权重值。该方法充分考虑了各专家对评价对象的认知水平的差异, 克服了传统AHP方法的片面性。下面以准则层指标权重的确定过程为例, 简要阐述该方法的运用过程。

1) 针对基层部队汽车分队的安全评价指标体系中安全管理、人员安全、车辆安全和道路与环境安全等四个准则层指标, 通过专家咨询, 可得到四位专家分别给出的判断矩阵。

2) 利用AHP计算各专家给出的指标权重值, 并经一致性检验后, 构造复合物元R= (N, C, θij) 。其中, 各量值θij (i=1, 2, …, m;j=1, 2, …, n) 为经过一致性检验后第i个专家给出的第j个指标的权重值, m为专家人数, n为指标个数。据此可构造如下复合物元矩阵R:

3) 确定经典域物元节域物元和待测物元Rj。

4) 确定关联函数复合物元RO= (N, C, K (xij) ) 。根据式 (1) ~式 (4) , 可计算RO。

5) 确定专家权重物元Rη= (N, η, γi) 。首先, 根据式 (5) 计算第i个专家的离散系数ki与专家权重γi。

6) 确定指标权重物元Rw= (N, W, wj) 。由式 (6) , 可得Rw。同理, 可得各指标层指标相对于准则层指标的单一权重, 结果见表1。

2.3 部队汽车分队安全评价样本数据的获取

在实际评价过程中, 为了将指标量化, 笔者设计了相应的安全检查表, 将评价指标分为“优秀、良好、中等、较差、危险”等五个等级, 并分别以“[10, 8) 、[8, 6) 、[6, 4) 、[4, 2) 、[2, 0]”来表示各等级的取值范围。同时, 将评价人员分为四个小组, 每个小组均由高校研究人员、机关干部、分队管理骨干等组成, 并使各小组分别进行评价。最终, 在选取的六个基层部队的汽车分队中, 共得到有效原始数据样本24份。

2.4 主成分分析

由于指标较多且彼此具有一定的相关性, 由于构建的评价体系中指标比较多, 会影响BP网络的收敛速度, 且尽管各指标都经过筛选, 但它们之间仍具有一定的相关性, 仍会影响BP网络的质量。因此, 可以通过PCA, 对样本数据进行降维, 并将得到的相互独立的若干个主成分Fj (j=1, 2, 3, …, n, 其中n≤21) 作为输入层数据, 以提高网络的输出精度。根据主成分分析的原理, 利用SPSS 19软件对24份样本进行主成分提取, 其具体步骤如下:

1) 样本数据标准化及分析指标间相关性。利用ZSCORE函数对样本数据进行标准化处理, 并利用SPSS对标准化后的数据矩阵进行分析, 可得相关系数矩阵, 鉴于篇幅所限, 其部分结果见表1。

2) 提取主成分。将标准化后的数据作为变量, 利用SPSS的分析功能, 可以得到主成分的累计方差贡献率、特征根及特征向量等, 见表2。由于前四个主成分的累计贡献率已达到84.295%, 根据提取的主成分的方差的提取原则 (提取的主成分的方差累计贡献率应达到80%以上的原则) [10], 提取前四个主成分代替原来的21个指标作为网络的输入层数据, 以降低了BP网络的复杂程度。

3) 由表2中各特征向量的值, 可以得出各主成分的数学表达式:

式 (7) 中, xi (i=1, 2, 3, …, 21) 为各指标标准化后的数值。同时, 由表2还可以看出, F1与x2、x3和x7相关性较大, 是反映部队汽车分队安全管理制度情况的指标, 且其方差贡献率最大, 因此, 是反映分队安全水平最重要的指标;F2与x5、x10和x14相关性较大, 是反映部队从业人员情况的指标;F3与x8和x18相关性较大, 是反映部队应急防护水平的指标;F4与x8、x10、x15和x20相关性较大, 是反映部队管理、人员、车辆和环境综合水平的指标。

4) 根据式 (7) , 用标准化后的数据进行计算, 部分结果见表3。

2.5 BP神经网络的设计、训练与仿真分析

将表3中主成分F1、F2、F3和F4作为网络的输入层数据, 评价得分作为输出层数据, 对BP网络进行训练和仿真。

1) BP网络的结构与训练参数设计。根据文献[11]和[12]提供的参考依据。笔者利用Matlab神经网络工具箱设计了一个三层BP神经网络。其中, 输入层神经元数目为4, 输出层神经元数目为1。经反复训练比较, 确定隐含层最佳神经元个数为10, 网络训练函数为TRAINSCG。性能函数为MSE, 目标精度为0.0001。隐含层和输出层激活函数则分别选择TANSIG和PURELIN。

2) BP网络的训练和仿真。在六个分队的评价样本数据中, 随机抽取四个分队的各一组评价样本作为测试样本 (编号21~24) , 其余20份样本作为训练样本 (编号1~20) , 以便网络能充分反映不同评价小组对不同分队的评价状况, 提高网络的泛化能力。据此对样本进行训练和仿真, 其训练和仿真结果与真实数据的对比如图1和图2所示。

3) 仿真结果分析。由图1、图2和表4可知, 在目标输出矩阵的影响下, BP网络的训练输出值与期望值拟合度较高, 而预测值与期望值虽有一定的偏差, 但都控制在4%以内。同时, 通过与未经主成分分析的BP网络模型对比可以发现, 该预测模型精度相对较高, 能较好地满足实际运用的需求。

3 结论

1) 将AHP在筛选指标上系统性的优势与物元分析能更加客观地确定指标权重的特点相结合, 得到了相对接近被评价分队真实安全水平的样本数据, 以此作为BP网络的训练样本能使模型更加客观真实。

2) 在获得相对客观的评价样本的基础上, 通过主成分分析剔除样本冗余信息, 据此训练的BP网络又能更加精确地预测其它分队的安全状况。该耦合模型相比于单一的BP网络模型, 预测精度高, 说明在利用BP网络进行训练和预测时, 要尽可能排除输入数据中的重复信息, 提高网络的质量。

3) 模型具有精度高、耗时短、评价客观、泛化能力强等优点, 在日后的研究过程中, 可不断扩充样本数量和类型, 改善模型预测效果, 并与计算机可视化程序相结合, 进一步提高其泛化能力和操作便捷性。

参考文献

[1]肖武.汽车分队运输安全评价研究[D].南京:南京理工大学, 2009

[2]韩思, 韩文涛.武警部队运输安全评价指标体系探析[J].现代交通技术, 2007, 4 (5) :70-72HAN Sai, HAN Wen-tao.Research on traffic safety evaluation index system of armed police force[J].Modern Transportation Technology, 2007, 4 (5) :70-72

[3]贺永杰.基于BP神经网络的军用车辆事故预测可行性分析[D].济南:山东大学, 2011

[4]TAKESHI Chiba, Shinichi A, TAKESHI Kusugami.Research on method of human error analysis using 4M4E[J].JR EAST Technical Review, 2005, (5) :59-65

[5]赵炳强, 李涛.基于ISM的汽车部队车辆安全评价研究[C]//Proceedings of International Conference on Engineering and Business Management:EBM2012, 上海:美国科研出版社, 2012:2395-2398

[6]黄飞.道路危险货物运输安全评价指标体系研究[D].武汉:武汉理工大学, 2008

[7]朱文艳, 蹇小平, 肖盼.山西省道路旅客运输企业安全评价指标体系研究[J].中国安全生产科学技术, 2012, 8 (4) :175-179ZHU Wen-yan, JIAN Xiao-ping, XIAO Pan.Research on safety evaluation index system of road passenger transportation enterprise in Shaanxi[J].Journal of Safety Science and Technology, 2012, 8 (4) :175-179

[8]蔚林巍.层次分析法的缺陷及其分析[J].管理工程学报, 1993, 7 (4) :221-226YU Lin-wei.On defects of method of analytic hierarchy process[J].Journal of Industrial Engineering and Engineering Management, 1993, 7 (4) :221-226

[9]蔡文.物元模型及其应用[M].北京:科学技术文献出版社, 1994

[10]陈建宏, 刘浪, 周智勇, 等.基于主成分分析与神经网络的采矿方法优选[J].中南大学学报:自然科学版, 2010, 41 (5) :1967-1972CHEN Jian-hong, LIU Lang, ZHOU Zhi-yong, et al.Optimization of mining methods based on combination of principal component analysis and neural networks[J].Journal of Central South University, 2010, 41 (5) :1967-1972

[11]张巍.基于BP人工神经网络的道路安全评价研究[D].西安:长安大学, 2006

【物元分析】推荐阅读：

调查分析分析06-11

分析5分析总结08-25