模糊因素评价（通用12篇）
模糊因素评价 篇1
安全是船舶运输永恒的主题, 长期以来, 世界各海运国家为确保船舶安全已做了大量的工作, 但是各类事故仍时有发生。根据事故研究机构的分析, 80%以上的事故都涉及到人为失误, 说明人的因素在船舶安全营运中起着相当作用。机舱是船舶的心脏, 它为船舶提供动力支持, 其运行状况的好坏将直接决定着船舶运营安全与效率, 要做好轮机安全事故的预防和调查分析工作, 必须了解该类事故中人为因素的作用机理, 对其进行深入研究。
1 关于人为因素
人为因素, 一个影响海上安全和海洋环境的包含多方面的复杂概念, 是指直接或间接导致事故发生的人为方面的错误, 即错误地或不适时地对某个刺激做出反应, 从而违背设计、操作规程或船员的通常做法, 人为地使系统发生故障或发生机能不良的事件。
随着海上事故的不断增加, 这一问题越来越引起国际港航界的普遍关注。从“人—机—环境”三要素的安全系统角度出发, 经过对近10年来各类轮机系统运行安全事故的详细分析, 本文将 (1) 个体因素 (如生理素质、心理素质、业务素质等) ; (2) 管理因素 (如船员管理, 安全教育管理等) ; (3) 环境因素 (如工作环境和生活环境等) ; (4) 其他因素 (如政策法规等) 等四方面对船舶轮机系统运行安全事故中的人为因素进行分析与评价。
2 模糊综合评价
模糊综合评价是应用模糊变换原理和最大隶属度原则, 考虑与被评价事物相关的各个因素, 对其作的综合评价。该方法的优点是:数学模型简单, 容易掌握;对多因素、多层次的复杂问题, 评判效果比较好, 是别的数学分支和模型难以代替的方法。模糊综合评判涉及三个要素:因素集U={u1, u2, …, un};评判集V={v1, v2, …, vm};评判矩阵R= (rij) m×n。轮机安全事故中所涉及的人为因素包含众多, 并且具有一定的模糊性, 可以模糊数学为工具建立综合评判模型对其进行评价。
2.1 评价指标体系的建立
为了客观地选取能够真实反映评价对象的综合评判指标, 本文在综合分析轮机安全事故所涉及的人为因素的基础上, 通过对各航海院校轮机方面的学者、航运公司的机务管理人员及多年航海经验的船舶轮机长等等多方面的咨询、调查, 建立了相关评价指标体系, 如图1所示。
因此, 评判的因素集U={管理因素u1, 个体因素u2, 环境因素u3, 其他因素u4}, 其中u1={船舶管理u11, 船员管理u12, 法规管理u13, 安全教育管理u14, 组织培训状况u15};u2={思想素质u21, 生理素质u22, 心理素质u23, 专业知识技能u24};u3={工作环境u31, 生活环境u32};u4={法规政策u41, 监察力度u42}, 其他三级指标在此不作详细地分析。
对于评判集, 评语的个数不宜过少或过多。文中选用5个评语构成评判集, 即V={v1, v2, v3, v4, v5}={差, 较差, 中, 良, 优}。
2.2 各指标相对权重的确定
由于船舶轮机系统安全所涉及的人为因素较多, 在综合评价中, 为了突出主要的影响因素, 客观、合理地评价轮机系统安全事故, 利用层次分析法 (AHP) 来计算评价指标的权重, 其基本步骤是: (1) 层次结构的建立; (2) 判断矩阵的建立; (3) 依照判断矩阵进行权重计算, 即解特征根
W经正规化后为指标A1, A2, A3, …, 在准则Ck下的排序权重, 此法称为排序权向量的特征根法。计算一致性指标CI:
一般认为, CI<0.1时, A的一致性是可以接受的。
2.3 各指标的隶属函数的确定
隶属函数的构造通常有专家评分法、模糊统计法、可变模型法、滤波函数法等。文中将评判集中5个评语分别对应相应的数字级别 (如表1) , 在确定各个指标对应的各因素的隶属函数时, 通过问卷调查结果及各专家对子因素集中的因素评分, 可以认为隶属度是和分值成近似的线性关系, 隶属函数就可以用图2的隶属函数图来表达。
2.4 模型的建立
在确定了评价对象的指标体系、各指标的权重及其隶属函数后, 就可以建立模糊评价模型。由于涉及一级指标、二级指标, 需要先进行单因素评判建立单因素评价模型, 再在单因素评判的基础上, 对集合U中的因素进行综合评判 (二级评判) 便可得到最终结果。模糊综合评价模型的建立过程如下:
首先:对子因素集Ui={Ui1, Ui2, …, Uin} (i=1, 2, 3, 4) 进行单因素评判, 设V={v1, v2, v3, v4, v5}为评判集, Ui中各因素相对V的权重分配为:Ai= (ai1, ai2, …, ain) , 其中, 若设Ri为单因素评判矩阵, 则得出一级评判向量:
然后:对因素集U={U1, U2, U3, U4}进行二级评判, 将每个Ui视为一个因素, 其评判矩阵为:
每个Ui作为U的一部分, 反映U的某种属性, 按其重要性得到权重。
选择加权平均型M (·, +) 模糊算子进行计算:
于是得到二级评判向量:
根据所得的二级评判向量, 即所求的综合评价模型, 代入具体调查后所计算出来的指标权重与隶属度数据, 利用反模糊化方法, 可以得到评价对象所最终对应的等级。
3 结语
本文建立了船舶轮机安全运行中人为因素的模糊综合评价模型, 该数学模型建立的关键在于各评价指标权重的确定是否客观、合理, 通过建模可实现人为失误的风险预测, 达到潜在危险的预先识别, 使管理部门能主动采取相关的预防措施, 既可为船舶检验部门在对船舶、船员证书及船舶设备的检查中, 对人为因素进行检查, 对可能造成人为失误的对象采取必要措施提供了定量化的依据。实际应用中, 其评价指标体系有待进一步细化, 在其隶属函数的构造和模糊算子的选取有待进一步完善和研究。
摘要：对当前船舶轮机系统安全运行人为因素进行了深入分析, 借助模糊数学的方法, 在专家调查的基础上, 采用层次分析法 (AHP) 确立权重, 建立相关的综合评判模型, 为船舶轮机安全事故的预防和调查分析工作, 提供了定量化的科学依据。
关键词：安全运行,人为因素,模糊综合评判
参考文献
[1]张锦鹏.海上交通事故中的人为因素分析[J].上海海运学院学报, 1998 (1) .
[2]侯玉强, 等.船舶安全配员研究[J].大连海事大学学报, 2000 (1) .
[3]詹玉龙.现代轮机管理中人因工程理论的应用[J].上海海运学院学报, 2002 (1) .
[4]邹建军, 胡以怀.船舶机损事故中人为失误的分析[J].上海海运学院学报, 2003 (2) .
模糊因素评价 篇2
窝水库水质污染严重.为避免单指标评价结果不够准确,采用模糊可变综合评价方法,依据窝水库兰河断面2006年的水质资料,对窝水库的.水质进行了综合评价.结果显示:该水库水质为Ⅳ级.该方法使得水质评价结果更具稳定性和可靠性.
作 者：刘丹 胡娜 宫安 LIU Dan HU Na GONG An 作者单位：刘丹,LIU Dan(沈阳农业大学水利学院,辽宁,沈阳,110161)
胡娜,HU Na(大连市水利建筑设计院,辽宁,大连,116021)
宫安,GONG An(辽阳市水政监察支队,辽宁,辽阳,111000)
模糊因素评价 篇3
关键词：高校图书馆 绩效评价 模糊综合评价
绩效评价，又称绩效考核、员工考核，是衡量和评价员工在一定时期内的工作活动和工作成果与组织期望结果是否一致的过程。高校图书馆馆员绩效评价是对照统一的指标，采取一定的方法，对图书馆管理者和工作人员在一定时间内经营图书馆所取得的业绩和图书馆在一定时间内提供各种服务中所获得的效益进行评价的管理过程。高校图书馆馆员绩效评价的结果是确定员工晋升、薪酬福利、岗位轮换等人事决策的必要条件，同时也可以作为员工职业生涯发展规划与教育培训的客观依据。对馆员进行绩效评价的意义在于，通过制定有效、客观的考核标准来科学、动态地衡量馆员工作状况和效果，进一步激发馆员的工作积极性和创造性，提高馆员基本素质和工作效率，从而保证高校图书馆战略目标的实现。
一、目前高校图书馆馆员绩效评价中存在的主要问题
（一）绩效考核的定位存在模糊与偏差
考核定位的模糊主要表现在考核缺乏明确的目的，而考核定位的偏差则主要体现在片面地看待考核的管理目标，对考核目标的定位过于狭窄①。由于考核的结果是人员聘用、晋升、奖惩、职称评定的前提条件和重要依据，因此目前多数高校图书馆仅仅将绩效考核简单地定位成一种确定利益分配的方法和工具。这虽然对促进馆员的工作积极性起到一定作用，但势必会使馆员产生一种心理上的错觉，认为考核仅仅是为了发奖金、评先进，可以说是完全背离了管理者进行考评的初衷，也是对绩效管理工作的一种扭曲和误解。
（二）绩效考核指标的确定缺乏科学性
考核指标的科学确定是实现考核目标的基本前提，考核指标的选择是否全面、合理，会对绩效评价的结果产生巨大的影响。目前，在多数高校图书馆所制定的绩效评价指标体系中，仅仅局限于对德、能、勤、绩四个指标下面的若干个二级科目进行打分，然后根据分值的多少，单纯进行“优秀、良好、合格、不合格”的分级评价②，而很少从个人能力、服务质量、工作创新、学术科研等方面进行评价，绩效考核指标体系的主观性过强，考核指标缺乏针对性、明晰性和客观性。
（三）考核结果缺乏反馈沟通
绩效考核是一个持续的沟通过程，是领导者与馆员一起通过回顾和讨论考评的结果，发现馆员工作中出现的问题以及自身的不足，以便更好地改进工作并同时对考核方案进行调整和修改。应该说，整个绩效考核工作的核心环节就是沟通，沟通的效果将直接影响到绩效考核的效果。
（四）绩效评价方法使用不当
科学地选择评价方法、构建评估指标体系是高校图书馆馆员绩效评估的关键环节，也是确保得出准确评估结论的重要前提。目前常用的方法有KPI、平衡计分卡、360度绩效考核与评价法等。这些方法各具特色，也都有各自的适用性和局限性③。绩效评价方法选择的合适与否，将直接影响到绩效评价结果的准确性与客观性。因此对考核者使用和驾驭这些技术与方法的能力提出了很高的要求。
二、模糊综合评价方法的基本原理
模糊综合评价是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属等级状况进行综合评价的一种方法④。高校图书馆馆员绩效评价指标体系中的评价指标受众多因素影响，其中多数因素都具有模糊性或不确定性，采用经典数学方法难以处理。模糊评价方法正是处理这种不确定性问题的有效方法，其特点是评价结果不是绝对地肯定或否定，而是以一个模糊集合来表示⑤。
（一）建立评价对象因素集
对某一对象进行评价，若评价指标因素为n个，分别记为u1，u2，…，un，则构成了一个评价因素的有限集合U：
U＝{u1，u2，…，un}
（二）建立评价集
评价集是评价者对评价对象可能做出的各种总的评价结果所组成的集合，即将评语划分为m个等级，分别记为v1，v2，…，vm，则又构成了一个评语等级的有限集合V：
V＝{v1，v2，…，vm}
（三）确定权重
在因素集中，各评价因素的重要程度往往是不相同的。为了反映各因素的重要程度，对各个因素Ui应赋予相应的权数ai（i＝1，2，3，…n），由各权数组成因素集合U这一论域上的一个模糊集合A，即
A＝{a1，a2，…，an}，其中ai≥0,并满足。
（四）进行单因素模糊评价
设R是从U到V的模糊逻辑关系，即对单因素进行评价，令rij为从第i个评估因素对被评估对象给出的第j种等级评语，即（vi1，vi2，…，vim）是V上的一个模糊集合，表示从第j个评估因素对评估对象所作的单因素评价，由此确立一个单因素模糊评价矩阵R＝（rij)n*m，即
（i＝1，2，…，n；j＝1，2，…，m）
（五）模糊综合评价
设A为U中各元素的权重集合，即A＝{a1，a2，…，an}，设综合评价结果为B，则
三、建立高校图书馆馆员绩效评价指标体系
高校图书馆馆员绩效评价指标体系的建立，必须要综合考虑诸多因素的影响，分清主次，抓住主要指标，剔除次要指标。笔者结合国内高校图书馆绩效管理工作的实际情况，根据客观公正原则、可行性和实用性原则、模糊和精确相结合原则⑥，构建出高校图书馆馆员绩效评价指标体系的基本框架（见表1）。随后采用模糊综合评价方法，对哈尔滨工业大学（威海）图书馆工作人员的综合绩效进行了定量考核和评估。
（一）基本素质指标
基本素质指标建立的目的是评价馆员是否具备完成相应工作的基本素质，主要选定了道德修养、知识水平、心理素质和团队合作意识这4个子因素指标来考核。道德修养是指馆员在从事图书馆各项工作中所必须遵循的服务道德规范和准则；知识水平是指每个员工的基本学历、外语、计算机和语言表达的能力；心理素质是指馆员在工作和生活中表现出来的相对稳定的人格特征，如认知态度、情感特征、气质性格特点等；团队合作意识是指馆员为了实现组织的利益和目标而相互协作、尽心尽力的意愿和作风，并与他人建立起一种和谐的人际关系。
（二）业务能力指标
业务能力指标主要评价的是每个馆员完成其工作所应具备的专业技能、学习能力、管理能力和创新能力。专业技能是指图书馆员根据业务工作实践中积累起来的经验，有效运用这些经验和专业知识执行一定业务活动的能力；学习能力是指馆员学习新知识、掌握新技术，发现、分析和解决实际工作问题的能力；管理能力是指馆员对组织中的人或设备进行管理，提高组织效率的能力；创新能力是指提出创新性建议并将创新方案付诸实施的能力。
（三）工作行为指标
工作行为是指组织成员直接或间接影响组织绩效的行为模式。对工作行为的考核关注的是馆员的具体行为，包括工作作风、工作纪律、工作效率和工作积极性。通过对这些指标的评价，能够反映出馆员在组织中的实际工作状态、遵守组织规章制度的情况以及对工作的使命感、责任心和积极性。
（四）工作业绩指标
工作业绩是馆员通过合理行为取得的业绩状况或工作结果，体现了馆员在本岗位上对组织的贡献程度或在本组织中的相对价值，子因素指标主要选择了工作数量和质量、工作成果、学术论文发表、科研水平等。
四、模糊综合评价方法的实证分析
以哈尔滨工业大学（威海）校区图书馆年终绩效考核为例，运用模糊综合评价方法，从基本素质、业务能力、工作行为、工作业绩这四个方面对本馆两名工作人员（如王某、刘某）进行考核和评估，具体步骤如下：
a、建立评估对象集：F＝{王某f1，刘某f2}
b、建立总目标集U＝{基本素质u1，业务能力u2，工作行为u3，工作业绩u4}，子目标集u1＝（u11，u12，u13，u14），u2＝（u21，u22，u23，u24）， u3＝(u31，u32，u33，u34），u4＝（u41，u42，u43，u44）。
c、设评语等级V，V＝{优秀v1，良好v2，合格v3，不合格v4，较差v5}，为了便于理解和进行比较，可以进一步用百分制量化等级划分为优秀（100，86），良好（85，75），合格（74，60），不合格（59，41）和较差（40，0），取其中间值得出量化评价集G⑦：
G＝{93，80，67，50，20}
d、确定权重集A。选取本馆30名普通工作人员作为民主评议小组，并由馆长、副馆长和其它具有副高级职称以上的3名部门主任组成专家评估小组，确定权重集：
A＝（0.15，0.35，0.2，0.3）
A1＝（0.1，0.4，0.2，0.3）
A2＝（0.4，0.20，0.25，0.15）
A3＝（0.25，0.25，0.3，0.2）
A4＝（0.2，0.3，0.25，0.25）
e、设计评估调查表。评估调查表是出现在评估者面前的唯一书面材料，并且将作为馆员绩效评估的基本依据，通常可以参照表2的样式进行设计。
f、建立评价矩阵。由专家评估小组和民主评议小组，根据本文所构建的高校图书馆馆员绩效评价指标体系，对王某f1、刘某f2分别投票，最后得出两者的评价矩阵。
王某f1的评价矩阵如下所示：
刘某f2的评价矩阵如下所示：
由于已知权重集A，可进一步得出：
e、计算综合绩效，得出：
B王某＝（0.15，0.35，0.2，0.3）·R王某·G
＝（0.2103，0.2493，0.2410，0.1715，0.1280）
·G＝66.78
B刘某＝（0.15，0.35，0.2，0.3）·R刘某·G
＝（0.2158，0.2483，0.2285，0.1898，0.1178）
·G＝67.09
由最终结果可知，王某和刘某的综合绩效评价均属于合格，但刘某的综合绩效要高于王某的综合绩效，若在评优中应该优先考虑馆员刘某。
五、结束语
建立高校图书馆馆员绩效评价指标体系，是一项相当复杂、技术性强的系统工程，需要馆领导、各部门、馆员等多方面的支持和配合，并需要在馆内外建立起一系列的管理制度与之配套。除此之外，在绩效评价指标体系建立之后，绩效管理工作也并不意味终结，考核者应当建立及时有效的反馈沟通机制，进一步改进和完善绩效评价指标体系。只有通过积极探索、不断学习成功的绩效评价理论和实践方法，建立科学的绩效评价指标体系，才能使绩效评价的作用真正地显现出来，进而促进高校图书馆管理水平的提升，推动整个高校图书馆事业的发展。
参考文献：
①储冬红，姜鲲，陈丽华，喻萍萍．图书馆绩效考核存在的误区及对策[J]. 科技创业月刊，2010(2)：111—112
②崔梅芳. 图书馆绩效考核四大误区[J]．新世纪图书馆，2005（3）
③龙嘉陵. 完善图书馆绩效管理的思考[J]．贵图学刊，2010（3）：65—66
④隋佳，赵雪红．图书馆员绩效考核的模糊综合评价[J]. 现代情报，2010（4）：103—105
⑤陆康，刘慧，王圣元．基于模糊评价方法的高校图书馆绩效考核设计[J]．内蒙古科技与经济，2010（22）：153—154
⑥邱薇. 构建高校图书馆绩效考评指标体系的研究[J]. 情报杂志，2006(8)：135—137
⑦郝桂荣. 基于模糊评价判断的高校图书馆人力资源绩效评价体系[J]．现代情报，2010（3）：95—99
（赵龙刚，1982年生，黑龙江省哈尔滨市人，哈尔滨工业大学威海校区图书馆馆员。研究方向：高校图书馆馆员绩效评价。林洪进，1964年生，辽宁省大连市人，哈尔滨工业大学威海校区经济管理学院副教授。研究方向：企业管理）
模糊因素评价 篇4
猪肉的自然属性及特点给物流安全带来了极大的隐患,所以研究猪肉的物流安全具有重要的现实意义。目前还未见有学者对河北省猪肉的物流安全风险进行分析和评价。基于此,笔者采用层次分析法,对河北省猪肉销售物流安全进行评价分析,根据指标的组合权重确定影响物流安全风险水平的关键因素,并提出控制和降低风险水平的相应对策和措施。
层次分析法(The Analytical Hierarchy Process,AHP)是一种定性和定量相结合的、系统化、层次化的分析方法。由于它在处理复杂决策问题上具有实用性和有效性,其应用已遍及经济计划和管理、运输、农业、教育和环境等领域[1]。
1 建立河北省猪肉销售物流安全风险评价指标体系
总体目标为A层,将影响河北省猪肉销售物流安全的主要方面设定为7个一级指标,下设二级指标[2]。评价指标见表1。
2 分层次构造判断矩阵及层次单排序
2.1 专家评分
采用专家咨询调查的方式,请10位物流领域的专家对各指标的重要程度进行评分,汇总后,选取各个指标重要程度最多的1项,得出各层指标的判断矩阵。
2.2 构造两两比较判断矩阵
通过对单层次下的元素进行两两比较,可得到判断矩阵A={aij}。判断矩阵中的值应满足下列条件:aij>0,aji=1/aij,aii=1。aij的确定采用1~9标度法,见表2。
2.3 计算指标权重(见表3、表4)
先计算判断矩阵的每一行元素的乘积,;再计算Mi的n次方根,;再将归一化,即得各指标的权重,
对于A~B判断矩阵,B1~B7的权重W=(0.312 9,0.256 7,0.147 6,0.101 8,0.072 6,0.059 5,0.048 8);对于B3-C判断矩阵,C31-C34的权重W=(0.466 8,0.277 6,0.160 3,0.095 3)。类似的,对于B1-C,B2-C,B4-C,B5-C,B6-C,B7-C判断矩阵,权重分别为W=(0.466 8,0.277 6,0.160 3,0.095 3),W=(0.750 0,0.250 0),W=(0.390 2,0.231 9,0.162 0,0.122 8,0.093 1),W=(0.376 8,0.247 3,0.155 8,0.110 2,0.061 3,0.048 6),W=(0.625 0,0.238 5,0.136 5),W=(0.455 3,0.246 9,0.127 7,0.096 8,0.073 3)。
2.4 一致性检验
首先计算判断矩阵的一致性指标CI=(λmaxn)/(n-1),其中n为判断矩阵的阶数,为判断矩阵A的非零最大特征根,(AW)i,Wi分别为向量AW,W的第i个分量;其次计算矩阵的随机一致性比率CR=CI/RI,其中RI是平均随机一致性指标,见表5。当CR=0时,A具有完全一致性;CR<0.1时,A具有满意一致性;CR≥0.1时,就需要调整判断矩阵,直到满意为止,见表5。
A~B判断矩阵λmax=7.306 7,CI=0.051 1,RI=1.32,CR=0.038 7<0.1;B3-C判断矩阵;同理计算可得笔者给出的判断矩阵均具有满意一致性。
2.5 层次综合排序(见表6)
将二级指标相对于一级指标的权重乘以一级指标相对于总目标的权重,得到二级指标相对于总目标的权重。
其中WC31=0.147 6×0.466 8=0.068 9,WC32=0.147 6×0.277 6=0.041 0,WC33=0.147 6×0.160 3=0.023 7,WC34=0.147 6×0.095 3=0.014 1;其他同理可得。
从表3可以看出,猪肉品质、管理、保鲜技术和清洁这4项一级指标的权重均超过了0.1,是影响猪肉销售物流安全的主要因素。由表6可知,组合权重排在前6位的指标有:C21管理绩效、C11猪肉感官状态、C12供应商能力信誉、C31控温设备、C22制度完善程度和C13零售商检测能力,它们的权重均超过0.05,其对猪肉销售物流的安全有着重要的影响。
3 对策分析
近年来,猪肉的物流及物流安全的研究刚刚起步,而且河北省猪肉物流系统还存在着一些问题和安全风险。比如,兽药使用不规范以及传统的市场流通模式使得猪肉品质堪忧;冷藏设备的缺乏导致冷藏保鲜效果差;市场流通过程中监管监督不到位等。针对存在的安全风险问题,提出如下应对措施。
1)管理绩效方面。管理人员自身首先应该加强卫生、温控和产品检测意识,并制定规范的操作程序,通过培训提高操作人员的操作技能和熟练程度;建立并定期进行内部审核和管理评审;采取各种激励或惩罚措施,减少或杜绝员工因违规操作而造成的对猪肉产品的损害。
2)猪肉感官状态方面。通过加强卫生、温控和检测以保证猪肉有上乘的品质和感官状态。
3)供应商能力信誉方面。销售商应选择具备营业执照、税务登记证、卫生许可证、生产许可证、动物产品检疫合格证明、肉品品质检验合格证明、瘦肉精检测合格证明、非疫区证明、运载工具消毒证明、生猪定点屠宰证等的供应商。同时销售商在选择供货商时还应实地考察供货商的生产能力、加工条件、卫生状况和质量管理能力等。
4)温控设备方面。要配套发展储藏、运输、销售不中断的“冷链化”物流。一要加大猪肉产地贮藏库和冷藏库的建设和改造,积极采用新型的保鲜技术,延长储藏时间,扩大销售半径;二要大力提倡使用冷藏集装箱等专业冷藏运输工具,以提高猪肉物流效率,保证产品质量,减少损耗,防止变质或受污染;三要加强物流基础设施建设,缩短运输时间。
5)制度完善方面。应建立以HACCP为基础的全程质量控制体系,制定与国际接轨的冷链物流操作规范和技术标准,补充完善检测项目和内容,建立全程质量检查与监管机制,防止问题猪肉流入市场。
6)零售商检测方面。零售商应加强采购猪肉和销售一段时间以后猪肉的检测。除了采用最基本的感官检查方法对猪肉的色泽、黏度、弹性、气味等指标进行检测外,还应采用理化检验、微生物学检测、电子鼻装置、猪肉新鲜度智能检测、快检仪等方法对猪肉进行检测,以提供更加可靠的猪肉品质判断依据。
摘要：结合猪肉销售物流安全风险评价体系,运用模糊数学中的层次分析法实证评价了影响河北省猪肉销售物流安全的指标,提炼出了影响安全风险水平的关键因素。最后针对存在的安全风险问题提出相应的对策分析,旨在为进一步提升河北省猪肉销售物流安全提供理论指导。
走出课堂评价的模糊性 篇5
走出课堂评价的模糊性
吴 刚
课堂评价是在具体的教学过程中，教师对学生的学习状况表现出来的高超的评价艺术，是教学过程中必不可少且非常重要的一个组成部分。教师的课堂评价对学生的情趣和情感影响很大。可是，自从实施新课标以来，有很大一部分教师似乎走进了一个模糊性的怪圈。表现之一，为了保护学生的积极性，采取一味鼓励的评价手段；于是，“很好”、“很棒”这些单一肯定的评价语言充斥了课堂。表现之二，为了达到让学生畅所欲言的目的，采取滞后评价的方法；于是课堂上又出现了少评价，甚至不评价的现象。这种做法极易使学生形成模糊的知识概念，客观上造成了知识误区。
其实，新课标的实施，使学生的主体地位得到了提升。这并不意味着评价功能的削弱；相反地是从评价方式、评价时机、评价艺术等方面对教师提出了更新、更高的要求。要求我们教师在鼓励、引导学生“有创意的表达”的同时，也要让教师的评价闪现出智慧的光芒。那么，如何正确地进行课堂评价呢？笔者在教学中进行了一些有益的尝试。
一、 鉴赏性评价
曾在一本资料中看到对姚竹青老师的介绍：他的作文评语以其个性化、人文化的特点，深入人心。其中就不乏对学生作文优点的.欣赏，如：“你出手不凡，想不到你竟然写得如此情趣盎然；语言美极了，谢谢你使我有幸读到了这样每秒精巧的文章；此文寓意深长，值得反复吟咏。”读到这样充满赞美和肯定且极富人情味的评语，我们可以想见作为学生那幸福高兴的表情和成功的愉悦感。
同样，在课堂教学中有针对性的赞美语言，不仅是对已经回答问题的学生的极大鼓舞，也会激发其他学生思想的火花。
“你考虑得真仔细！”“你的回答准确而有深度，语言精练。老师真为你说得这么好感到高兴！”“哦，多么美妙的比喻呀！”，听你声情并茂的朗读真是一种享受！“你对问题的回答显出你高超的概括能力，真棒！”诸如此类的评价语言，能最大限度的激发学生参与表达的热情，促进学生养成踊跃发言的好习惯。
二、 引导性评价
传统教育对于学生的一些不正确的观点和看法往往立即予以否定，甚至批评，而素质教育则不然。为了鼓励学生畅所欲言，培养学生创造性思维能力，教师都力求在课堂上建立一种和谐、愉悦、轻松的民主教学氛围，于是延迟评判原则逐渐被引入课堂。但是，延迟评判并不等于不评判，更不能为了保护学生的“积极性”而故意含糊其词，混淆是非。如果对学生得出的错误结论不加以匡正，模糊的概念不置可否，这样学生就会误以为得到了老师的默认，“其为惑也，终不解矣”。结果只能是误人子弟，为害不浅。
笔者在教学的尝试中认识到，对于学生的一些片面的、偏激的、甚至错误的观点和看法，宜采取“主动的”延迟评判方式，即实施引导性评价。请看下面两个教学镜头的处理。
镜头一：《陈太丘与友期》教学片断
老师问：假如你是元方，你会原谅那位客人吗？
学生答：我不会原谅他，谁让他骂我的父亲呢？
镜头二：《伟大的悲剧》教学片断
老师问：假如你是斯科特，你会给阿蒙森作证给挪威国王捎信吗？
学生甲：不会给他捎信，因为斯科特没有这个义务。
学生乙：不会给他作证，因为他们是竞争对手，代表两个不同的国家。
学生丙：可以把挪威人所有的痕迹抹掉，插上英国的国旗，并向全世界宣布是他们第一个到达南极的。
面对学生如此偏激、甚至错误的回答，我是这样引导他们的。
镜头一：你的回答有一定的道理，不过换一个角度想想，假如你和同学或者朋友闹了矛盾，你在非常生气的情况下骂了对方，事后你认识到了自己的错误，你希望得到对方的谅解吗？
镜头二：这样做，行吗？同学们，请大家想一想，如果真的照大家说的去做，
那么我们就是怎样的人呢？
通过引导，我自然地纠正了学生思维上的偏差，同时也培养了学生的思辨能力，并把思想教育融入了课堂。
模糊因素评价 篇6
关键词：智慧社区；评价研究；模糊综合评价
自从2009年IBM公司提出了智慧城市的理念，国际上涌起了城市“智慧化”的浪潮，2014年八部委联合发布的《关于印发促进智慧城市健康发展的指导意见的通知》中指出城市管理精细化的建设目标，而智慧社区在城市建设中处于一个相对合适的实践空间，在保障和改善民生服务、创新社会管理中具有举足轻重的地位，现有的研究从社区治理[1]、服务体系[2]、建设与运行模式[3]的角度来研究智慧社区。笔者借鉴北京市智慧社区指导标准的定义[4]，阐述智慧社区的概念是：利用物联网、互联网、云计算、数据仓库、移动互联网等新一代信息技术，将社区居民通过无处不在的感知器联接起来，以实现社区内信息资源共享最大化，从而发现知识，创新服务模式，实现对社区居民生活要素的数字化、网络化、智能化、互动化和协同化。为了能准确地把握智慧社区，本文构建智慧社区指标体系进行评价研究，并结合实例进行分析，根据评价结果提出推动智慧社区更好发展的建议。
1 智慧社区评价指标体系
1.1 智慧社区评价指标的选取
2013年国家住建部发布的《智慧社区建设指南（试行）》（下称《指南》）提出了一个完整详细的评估体系，它涉及了六个领域，87个底层指标，同时也指出了每个底层指标的评价标准。由于《指南》中评价结构繁杂，在实际评价工作中不易操作，本文在其基础上将相近指标融合一起形成一个新的智慧社区评价指标体系。
1.2 智慧社区评价指标体系的构建
根据智慧城市社区指标的选取，构建一个层次指标体系，见表1。
2 AHP-模糊综合评价法
模糊综合评价法是一种基于模糊数学的综合评价方法，它是一种针对多元素影响的决策做出定性与定量结合的方法。本文采用的AHP法与模糊综合评判法相结合的方法来评测智慧社区，具体步骤是：①模糊评价指标的确定，将指标按层级分布整理；②根据评价对象的性质设置评语集，本文中所有评价指标的评语集设置为5个评语元素的集合；③运用AHP法来确定指标的权重，将二级指标按上层层次关系划分为4个矩阵，通过计算这4个矩阵和1个一级矩阵中每一行的特征向量W，使用特征向量做归一化作为指标权重；④对矩阵进行一致性检验，当偏差一致性指标与平均一致性指标的比值小于0.1，则接受判断矩阵的一致性；⑤对指标进行模糊综合评价，将评价矩阵R和权重集A通过模糊算子M（
3 智慧社区实例评价过程
3.1 数据收集 本文的实证研究选取湘潭市的“智慧九华”园区作为研究对象。2014年国家住建部和科技部联合发布第三批国家智慧城市试点名单，湘潭九华经济开发区入选名单，园区实施了“智慧九华”工程成功通过国家验收，其智慧社区的建设也惠及了九华居民的衣食住行，渗透到了社区服务中多处环节上。针对指标判断矩阵，笔者通过德尔菲方法将一级指标与二级指标分层进行两两比较，建立9分比例标度的判断矩阵，本次调研中共发放612份问卷，回收306份，最终有效问卷283份，将统计数据与问卷结果综合起来提交给专家，通过德尔菲法最终确定客观的因素集对评价集的隶属程度。
3.2 数据处理 对智慧九华的数据收据完成后，接下来需要针对判断矩阵计算权重集，并通过权重集对智慧九华指标单因素隶属程度的数据进行模糊计算。第一步，计算指标判断矩阵的特征向量，并做一致性检验，一级指标U1～U4判断矩阵A、二级指标U11～U43的4个判断矩阵A1、A2、A3、A4的特征向量计算结果如下：
WA=（0.072，0.159，0.317，0.351）；WA1=（0.641，0.359）； WA2=（0.352，0.296，0.176，0.176）；WA3=（0.637，0.258，0.105）；WA4=（0.163，
0.297，0.54）。
它们的随机一致性比率计算结果分别为：0.037、0、0.057、0.037、0.01，各值均小于0.1，因此我们承认判断矩阵之间有非常好的适应度，从而接受特征向量值作为智慧九华评价指标的权重值。
4 智慧社区建设与发展建议
本文借鉴了已有研究的智慧社区内涵，构建了一个智慧社区评价指标体系，运用AHP-模糊综合评价法，基于智慧社区实例进行评价研究。研究结果发现当前智慧社区建设发展良好，基本上充分考虑到了国家指南的指标要求，并结合本地特色满足了居民智慧化的需求。然而，现有的智慧社区建设过于的依赖于政府的干预，注意力过多的集中到了物联网、云计算、互联通讯等信息技术的部署上，淡化了智慧社区以人为本的内在意义，在下阶段的智慧社区建设发展中应该更多的关注到居民参与上来，让智慧社区更好地为社区群众服务。
参考文献：
[1]宋煜.社区治理视角下的智慧社区的理论与实践研究[J].电子政务，2015，06：83-90.
[2]郑从卓，顾德道，高光耀.我国智慧社区服务体系构建的对策研究[J].科技管理研究，2013，09：53-56.
[3]吴胜武，朱召法，吴汉元，段永华.“智”聚“慧”生——海曙区智慧社区建设与运行模式初探[J]. 城市发展研究，2013，06：145-147.
[4]北京市社会办，北京市经信委，北京市民政局.北京市智慧社区指导标准（试行）[Z].2013.
模糊因素评价 篇7
随着信息化时代的到来，越来越多的企业准备实施企业资源计划(Enterprise Resources Planning, ERP)系统或类似的信息系统，以合理计划与配置所有资源，提高企业竞争力。据美国生产与库存控制学会(APICS)统计，企业成功应用ERP后库存下降30%～50%;延期交货减少80%;采购提前期缩短50%;生产能力提高10%～20%[1]。到2003年为止，我国已有千余家企业购买了MRPⅡ/ERP或类似的信息系统，但应用成功率只有10%～20%，局部应用成功率为30%～40%。信息系统供应商选择是企业信息系统建设项目至关重要的环节[2]。只有采用科学合理的决策方法，才能避免盲目选型，为项目成功打下良好的基础，所以对信息系统供应商选择方法的研究很有必要。
本文将三角模糊层次分析法和模糊评价方法结合，建立综合评价模型，并应用于企业信息系统供应商选型。本文提到的模糊层次分析法仅指三角模糊层次分析法。
2 模糊层次分析法和模糊评价法的在信息系统供应商评价中的适用性
2.1 常用的供应商评价方法
常用的供应商评价方法有线性规划法、决策树法、经济批量法、数据包络分析法等[3]，这些方法要么主观性太强，要么需要大量的先验数据，计算过程过于复杂。故本文使用一种新的综合评价方法。
信息系统供应商是一种特殊的供应商，他们不仅供应产品，而且侧重在供应前后的相关服务，还有企业自身和供应商等多方面内容，既有内外部因素，也有短期目标和长期规划，而且有些因素很难直接进行量化评价。对于信息系统的评价，出现了不少的方法，有的学者提出基于熵权的TOPSIS评价方法[4]，文献[5]利用了层次分析法(AHP)方法，还有学者结合AHP和DEA方法进行选型[6]，还有人利用模糊积分给出了评价框架来计算排名[7]。此外有学者结合了TOPSIS和ANP方法进行了评估[8]，但操作比较复杂，不易理解和处理。
2.2 本文提出的方法在信息系统供应商评价中的适用性
T.L.Saaty在20世纪70年代提出层次分析法(Analytic Hierarchy Process, AHP)[9]，AHP法由于理论简单，操作容易，且具有实用性，应用领域广泛，因此，Narasimhan认为[10]AHP法非常适用于解决供应商评价问题，可用于确定准则权重与供货商排序。它有以下优点： (1) 一般评估准则的系统方法使采购经理人员更易产生主观性; (2) 使按步循序的方法量化，使供货商评选问题简化; (3) 虽然主观性不能避免，但可通过评选来降低主观性; (4) 供货商准则权重与排序可由计算机运算得到。
AHP方法作为一种定性与定量结合的决策方法，得到了迅速的发展。由于客观事物的复杂性和人们对事物认识的模糊性，如何使AHP方法更客观、更确切地反映所研究的问题，一直是大家关注的课题。1983年荷兰学者Van Loargoven提出了用三角模糊数表示Fuzzy比较判断的方法[11]，并运用三角模糊数的运算和对数最小二乘法求得元素的排序。1994年我国的常大勇教授提出了利用模糊数比较大小的方法来进行排序[12]。模糊评价法是以模糊数学为基础，应用模糊合成的原理，将一些边界不清、不易定量的因素定量化，进行综合评价的一种方法。
本文从实际应用出发，采用的模糊AHP方法保留了AHP方法的优点，对文献[12]提出的方法进行了一些补充，并结合文献[13]和模糊评价方法，运用到多层(两)层指标体系中，提出了一个多级综合模糊评价模型。先利用三角模糊AHP方法给出各级指标的权重，再利用模糊评价方法，通过相关专家对某个待评信息系统供应商各指标进行打分，得到一系列评价矩阵;最后用模糊评价法来处理评价矩阵，得到某个待评信息系统供应商的评价结果。
3 基于模糊层次分析和模糊评价的多级综合评价模型
3.1 模糊层次分析法
3.1.1 准则指标评价体系
由于供应商选择所涉及的因素很多，使得供应商评选成为一项多准则决策。Mohanty和Deshmukn[14]认为影响供货商评选决策的主要准则是价格、质量、交期与服务。具体到信息系统供应商选择的问题，信息系统的选择涉及多方面内容，既有内部、外部因素，也有短期目标和长期规划等众多指标因素的影响。本文据此进行了综合分析，并参考有关文献[2,5,7]，给出6个一级准则，每个一级准则还有3～4个二级准则，基本概括了各个方面的因素，最终建立了层次模型(见图1)ㄢ
3.1.2 三角模糊数概念、隶属度及其运算
定义1设M为三角模糊数，记为M=(l, m, u)，则M的隶属度函数um (x), R→[0, 1]可以表示为：
三角模糊数的运算有加法、乘法、倒数、数乘运算等，这里不多叙述，详见文献[12]。
定理1:M1=(l1, m1, u1), M2=(l2, m2, u2)为两个三角模糊数，则有M1≥M2的可能性程度定义为：
d为M1, M2交点横坐标。可以证明其等价于：
3.1.3 模糊判断矩阵建立
对于k-1层次的某一因素(准则)，与之相关的第k层全部个因素进行两两比较时采用三角模糊数定量表示，即模糊判断矩阵中的元素是，一个以mij作为中值的闭区间，而mij就是AHP方法中比较判断所采用的1～9中的整数[9]。模糊矩阵A仍为正负反矩阵，即。令mij-lij=uij-mij=δ, δ为常数, 则根据定理1不难证明, 当0<δ<1/2时, mij取相邻两级标度时, μ (d) =0, 没有完全反映人们认识上的模糊性;当δ>1时, 模糊度过大, 置信度下降;常大勇证明1/2<δ<1比较适宜[13]。
关于三角模糊数判断矩阵的一致性检查问题，目前在相关文献中无行之有效的方法，本文采用一种近似方法[15]加以判定。
3.1.4 计算模糊综合程度值和指标权重值
为第t个专家给出的模糊数, nk为第k层的因素个数。根据公式:
求得第k层次的综合三角模糊数，由此得到第k层全体因素对第k-1层次的所对应因素的综合判断矩阵。再根据公式(3)求出模糊综合度值：
再根据定理1计算：
然后计算指标Ci的权重：
可得各指标权重，之后再对以上的权重向量进行归一化即可，仍记为Wi (Ci)ㄢ
3.2 模糊层次分析法与模糊评价法结合
模糊评价方法，即：, W为各因素的权重，E为根据相应因素集和评语集由专家评价得到的评价矩阵。
由上节模糊层次分析法可得到各个指标的权重。建立评语集G(很满意，满意，一般，不满意)，可以运用Delphi法等调查统计方法，对各个(比如4个)方案的相应指标评价得评价矩阵，然后采用模糊评价方法：，相当于利用Ei对权重进行修正。再将各因素的隶属度组成的关系矩阵Bi组合，得B=(B1, B2, B3, B4, B5, B6) T。其中W (k) i上标表示层次码, 下标表示相对上一层次中的因素码。再参照前面由模糊AHP法确定的一级指标权向量并进行模糊合成, 即可得到该供应商的最后评价结果:
G是一个向量，其4个分量均在0～1间，分别表示(很满意，满意，一般，不满意)的程度。最后可以利用最大隶属度原则来判断选择供应商。
4 信息系统供应商评价方法实例计算
4.1 实例简介
国内某中型企业要购买和实施信息系统，有包括SAP、Oracle、用友、金蝶等4家国内外软件公司的信息系统供应商可供选择，企业聘请了有关专家、咨询顾问，加上企业自身技术骨干组成了信息系统选型小组，负责选型工作，分为3组，给待选4个供应商打分。
4.2 指标体系
由以上3.1.2的分析，可得指标评价体系(见图1)ㄢ
4.3 计算指标权重
以功能满足程度指标为例，其4个二级指标的三角模糊判断矩阵见表1ㄢ
利用(2)式求出模糊综合度矩阵(见表2)ㄢ
利用MATLAB编程求解，易得：CR=CI/RI=0.051 9<0.1，通过一致性检验。
再用(3)、(4)、(5)式计算各指标权重。归一化得到4个评价指标相对功能满足程度的权重：W=(0.534 3 0.280 90.163 0 0.021 8)即W1 (2)。同理不难得出：W2 (2), W3 (2), W4 (2), W5 (2), W6，其中，Wi (k)上标表示层次码，下标表示上一层中的因素码。
4.4 模糊合成矩阵
由10个专家给待选4个供应商打分，评判对6个一级指标的各个因素的满意程度，得到由各二级指标隶属度组成的模糊评价矩阵：
已经计算出第i个指标的权重。然后利用Bi=W2 (2)塥Ei, i=1，…，6，可得Bi，令：B=(B1, B2, B3, B4, B5, B6) T，将各因素隶属度组成的关系矩阵E1～E6与利用模糊AHP求得的权向量W2 (2)分别按照上述合成方法进行模糊合成，即可得评价结果：
以上结果表明，该待选信息系统供应商对于本企业而言，评价很满意的占48.27%，评价满意的占23.98%，评价一般的占20.91%，评价不满意的占6.86%，根据最大隶属度原理可得结论：该待选信息系统供应商最后评定等级为“很满意”。同理可依次对其他待选供应商进行评判，确定它们对评语集G的隶属度，最后根据最大隶属度原理比较确定最终方案。
5 总结
基于模糊评价的营销力评价模型 篇8
自20世纪90年代营销力的概念被提出以来，以促进和改善企业营销力为目的的企业评价活动日益引起企业及学术界的高度重视。然而,目前对企业营销力评价的研究，大多停留在定性分析，在对客体进行评价时往往根据个人主观经验和直觉进行哲学的思辩，而后提出一些看法，因此无法避免的带有主观性信息(如偏好、要求、满意、评价、习惯等)，难以将复杂流动的营销力简单数量化和标准化，无法从微观层面进行细致准确的评价。威廉·汤姆森先生曾经说过:“不能量化,就不能很好的认识。”而运用定量的分析方法，可以了解企业自身的优势和劣势，为企业的发展提供客观依据，同时为企业自身营销力进行战略性管理提供数据支持，对培育和提升企业营销力具有重要意义。
2 营销力评价指标体系
2.1 营销力的概念及内涵
对于营销力评价模型的探讨首先必须严格界定营销力的概念，根据营销力内涵和营销力构成的要素的分析，再建立可识别的评价指标体系。本文从资源与竞争这两个理论基点出发，认为营销力是企业有效整合内外资源，在市场营销层面上加以优化配置和高效运用，并在动态环境中不断强化和提升，进而转化为企业竞争力，并最终依靠这种竞争力获得市场竞争优势、支撑企业可持续发展的合力。
2.2 营销力评价指标体系的构建
构建科学合理的指标体系是选择有效营销力评价模型的另一个重要条件。目前，由于对营销力界定不同，因而不同学者提出了不同的指标体系，至今仍未形成统一的认识。本文根据对营销力界定，认为企业营销力由文化力、渠道力、品牌力、产品力、协同力、销售力、价格力和执行力这八大基本力构成，即企业营销力的测评也须以八大基本力作为评价指标。由于所处的环境不同、行业不同、企业发展阶段不同，企业八大基本力的指标权重在进行测评时各有不同。
3 营销力的评价模型
对企业营销力测评的各项具体指标中，一部分可以定量计算，一部分难以定量且具有“模糊性”。一是企业营销力的分类具有模糊性，类属标准不明确;二是企业营销力的影响因素具有模糊性，因为企业营销力受多种因素影响，有些因素不能简单地用一个数值来评价，难以用一般数学方法来处理。考虑到以上原因，运用模糊理论和采用模糊数学方法对企业营销力进行测评。
模糊理论(Fuzzy Theor y)是由美国自动专家、加里福尼亚大学教授查德(L.A.Zadeh)于1965年创建的，它是用数学方法研究和处理具有“模糊性”现象的数学，对无法用通常的简单数字来表达的客体用模糊数学来处理，模糊数学法是对模糊性问题进行定量处理的一种方法。模糊理论的原理即，首先考虑到影响营销力的量是模糊的，也就是在确定了营销力指标体系之后，由评估专家对各因素指标进行模糊选择，然后统计出专家群体对评估因素指标体系的选择结果，再按照所建立的数学模型进行计算。
3.1 营销力构成各要素的权重分析
比较法的基本思想是：每两个指标进行比较，根据其相对重要程度给出估计分值，得出判断矩阵，求出指标的权系数。运用对比评分法进行评分，即把某个评价指标同其它评价指标逐个进行对比，按对比分值进行评分，然后计算该指标同其他指标两两比较时的评分之和，取得该评价指标的评分。为了充分反映指标重要性的差别，环境不同，营销亚力的重要性程度也不同。实际操作中，可以选定某一个参照性企业作为基础，假定为5，运用9∶1、8∶2、7∶3、6∶4和5∶5等多种比例，拉开评分差距，突出各亚力的重要性，使评分结果更加客观。在该评分方法中，重要性相等记为5∶5,一方比另一方略微重要就记为6∶4，依次上推，差距很大就记为10∶0。
决策者经过次n(n-1)/2比较，得到判断矩阵：
在A中，显然有ai i=5,i=1,2,…,n。
其中wi,wj分别为第i,j个指标的权重。设
若满足则称ai j(i=1,2,…,n)是一次性估计值。
实际上，决策者对指标进行比较时，其重要程度很难精确把握，当ai j不满足一致估计值，故A≈B，亦即
专家评分法的机理是:某个效益型指标值增加,方案值增加,指标越重要,所对应的分值越大;某个成本型指标值增加,方案值减少,所对应的分值越小。因此权系数的计算公式为:
表一以营销亚力权重的评价为例进行说明,而对于营销亚力的分力权重的评价可以采用同样的方法。见表一(其中，营销力包括文化力C1、渠道力P2、品牌力B3、产品力P4、协同力H5、销售力S6、价格力P7、执行力E8)。
假定某企业的营销亚力重要性如下表所示，可以求得相应的指标权重(如表一)。
设营销力(Mar ket i ng For ce)中各个营销亚力的权重可以表示为：
其中,C1,P2,B3,P4,H5,S6,P7,E8分别为文化力、渠道力、品牌力、产品力、协调力、促销力、价格力和执行力在营销力MF中所占权重:
且再设营销亚力中各个要素(影响营销亚力的因素)的权重分别为：
xi=(xi 1,xi 2,…,xi J),其中J表示各营销亚力中三级指标的个数。
表示各营销亚力三级指标在各营销亚力中所占的比重。
如假定企业文化力的四要素为：导向力、组织力、凝聚力和领导力，则(c11,c12,c13,c14)分别为在文化力中所占的比重，企业文化力的各要素的权重分别c1=(c11,c12,c13,c14)。
3.2 评分
在确定构成企业营销力的各要素权重的同时，专家还对企业的营销力进行评分，对营销各个亚力进行具体的量化。对于定性指标，可以根据指标的不同特点分别采用德尔菲法和问卷调查法给它们打分。对于涉及特殊指标诸如文化力的情况、企业的协调能力等指标宜采用德尔菲法，请专家和专业人士进行评分。而对于其他诸产品力等指标则可采用问卷调查法。将营销亚力进行评分，可以假定各个营销亚力满分均为100分，首先确定本行业最好水平的营销亚力数值，然后以此为参照确定本企业营销亚力水平。
3.3 企业营销力的评价
对于企业营销力的评价采用加权平均的方法，由表一可知不同营销亚力在企业营销力中所占的权重，由专家打分法可知不同营销亚力各自的分值，因而用加权平均的方法可确定企业营销力的分值。
设Xi为第i个营销亚力(二级指标)的权重，为该营销亚力对应的评价分值，则企业营销力的分值为：
而企业营销亚力的评价可以采用同样的方法，分析各个要素权重并确定各自的分值，然后求得，如对文化力的评价：
依此类推……
企业渠道力的评价：
本文认为企业营销力是文化力C1、渠道力P2、品牌力B3、产品力P4、协同力H5、销售力S6、价格力P7和执行力E8八个变量的函数，即营销力显然，无论忽略那一个变量，营销力分析都不可能反映企业的真实情况。
这种基于模糊评价的营销力的评价模型，从定性的模糊选择入手，通过模糊变换原理进行运算取得结果，再将定量的数据和定性评价相结合进行综合评价，比一般的线性加权评价方法更为合理，能使企业管理者客观、正确地认识和评价自己的市场竞争力，了解和掌握企业的优劣势，为企业进一步提高自己的经营管理水平提供科学有效的理论依据，对企业合理运用自身资源，提升整体竞争优势具有重要意义。
摘要：在全球竞争和世界经济一体化的浪潮下,任何企业单是依靠外在的或显性化的职能战略,只能获得暂时的优势。营销力作为整合企业内部资源和提升竞争能力的合力,已成为现代企业获取竞争优势的重要因素。本文通过对营销力概念的界定,提出了营销力测评指标体系,并运用模糊评价原理,探讨了基于该指标体系的营销力评价方法,进而在此基础上提出了营销力评价模型。
关键词：模糊评价,营销力,指标,模型
参考文献
[1]Philip Kolter.How to Create,Win and Dominate Markets[M].Simon & Schuster Adult Publishing Group,1999,(3).
[2]Philip Kolter.Mar keting Management.(11thed.)[M].Prentice Hall Inc.,2002.
[3]Brandenburger,A.M.,Nalebuff,B.J.,Co一oPeration,Doubl eday[J].New York,1996.
[4]Herman,M.,Intelli gence Power in Peace and war,Canl bridge[J].Cambr idge University Press,1996.
地下水水质评价可变模糊评价法 篇9
地下水水质现状评价是地下水资源评价和保护的重要内容,通过对地下水水化学资料的分析,可以科学地评价区域地下水体的质量状况。可为防治评价区内水质恶化和制定水资源管理决策方案提供科学依据,对评价区内地下水资源的可持续开发利用和综合管理有很好的指导作用[1]。目前地下水水质评价的方法有很多,主要有属性识别、综合指数法、人工神经网络模型、模糊综合评判法、灰色聚类法等。由于受到诸多因素的影响和制约及方法自身存在的不足,至今仍没有一个广泛认可的评价模型。如综合指数法中权重不好确定和忽略了水质分级界线的模糊性;人工神经网络需要的样本数多, 网络结构的优劣因人而异;模糊综合评判中隶属函数和权重矩阵的构造;灰色聚类法中白化函数的选择和聚类权的确定往往因人而异,造成评价模式难以通用。本文在陈守煜教授可变模糊集理论基础上[2,3,4,5],提出地下水水质评价的可变模糊评价方法。该方法能够科学、合理地处理水质分级界线的模糊性,确定样本指标对各级指标标准区间的相对隶属度,为了增强二元比较分析法确定权重的可操作性,使其应用更为便捷,提出二元比较模糊决策分析简捷方法,以此确定各指标权重;此外,该方法能够通过变化模型及其参数,全面地给出样本的评价等级,提高对样本等级评价的可信度。
1 相对差异函数模型
设X0=[a,b]为实轴上模糊可变集合
根据模糊可变集合
x落入M点右侧时,其相对差异函数模型为:
x落入X区间外时
公式(1)、(2)中β为非负指数,常取β=1,即相对差异函数模型为线性函数。
从以上分析可知,当x=a、x=b时,
2 二元对比确定指标权重方法
二元对比模糊决策分析法是以我国语言与思维习惯为基础,以模糊集的余集定义为求解手段,严格遵循一致性检验条件,针对无结构决策问题而提出的一种有效简便的求解方法。该方法数学理论严谨,多次试验数据表明确定的权重有代表性,依据专业知识确定指标重要性二元对比后即可进行权重的确定。为了增强二元对比分析法确定权重的可操作性,使其应用更为便捷,本文在系统介绍二元比较模糊决策分析基础上,引申出其简捷方法。
2.1 一致性检验
二元比较判断矩阵的一致性问题是非结构决策合理与科学性的基础,被研究的对象组,若在属性排序明确的前提下不需要进行一致性检验;在最重要指标明确时,为简化操作,可以不进行一致性检验,直接按简化方法求解;若各研究对象属性排序模糊不定的情况下,必须进行一致性检验,具体的检验原则可参考文献[6]。
一致性检验后,所得模糊标度矩阵各行和数由大到小排列,此排序即为指标集在满足一致性条件下关于重要性的排序,具体证明可见[7]。
2.2 定性指标权重的确定
指标集D就模糊概念
B称为指标集D关于A对重要性二元比较定量排序一致性模糊标度矩阵,bkg表示指标g与指标k相对于重要性的二元比较。
由于对重要性二元比较定量排序矩阵一致性模糊标度矩阵的对角线元素表示自身的比较,其元素值为0.5,它将元素分为上下两个三角,上三角中的元素值从对角线元素0.5开始,每行元素值自左向右递增,每列元素自下向上递增,因此上三角矩阵自对角线元素0.5开始的每一行元素满足:
由互补性条件[8]得到下三角矩阵,见式(7)。
根据矩阵B构造相及矩阵Φ:
重要性的相对比较是权重的一种测度,按照模糊集的特点测度上限为1,故有序相及矩阵Φ的上三角元素均定义为1,对矩阵Φ每一行取小,即Φ的第一列元素。
式(9)给出了指标集对重要性的相对隶属度向量即非规一化权向量。对其规一化处理,得指标权向量:
按照我国的思维习惯确定语气算子,根据公式(6)的两个边界值0.5与1,在同样与无可比拟之间插入语义逐渐加重的语气算子,相应模糊标度在0.5与1.0之间以线形增值0.05插入模糊标度值。已知模糊标度根据式(9)计算可得相应相对隶属度,为便于应用模糊概念语气算子与模糊标度值、相对隶属度间的关系归入表1。也可根据实际情况,将表1进一步细化。相对隶属度即非规一化权重已知的前提下依据式(10)确定指标权重。
3 地下水水质模糊可变评价方法
3.1 方法的建立
设有n个待识别的水质评价对象
评价对象j的特性用m个指标特征值来表示
则n个评价对象的全体指标特征可用m×n阶矩阵表示
式中:xij为第j个评价对象第i个指标的特征值;i=1,2,…,m;j=1,2,…,n。评价对象依据m个指标按c个级别的指标标准特征值进行识别,则有m×c阶指标标准特征值矩阵
式中:yih为级别h指标i的标准特征值,h=1,2,…,c。
参照指标标准值矩阵和实际情况确定水质评价可变集合的吸引(为主)域矩阵与范围域矩阵
根据各级别的实际情况确定水质评价吸引域[aih,bih]中
根据式(1～3)计算相对差异度,再由式(4)计算指标对h级的相对隶属度矩阵
设m个指标的权向量为
满足
参考连续统上任一点x指标特征值i的相对隶属度
模糊可变评价模型为:
式中:iu′h为评价对象关于等级概念A对吸引性质
通常情况下模型(21)中α和p有4种搭配:
(1)当α=1,p=1时,式(21)变为:
式(21)为一模糊综合评价模型,是一个线性模型,属于模糊可变评价模型的一个特例。
(2)当α=1,p=2时,式(21)变为:
此时式(21)为理想点模型,属于模糊可变评价模型的又一个特例。
(3)当α=2,p=1时,式(21)变为:
式(21)为Sigmoid型函数,可用以描述神经网络系统中神经元的非线性或激励函数。
(4)当α=2,p=2时,式(21)变为:
此时模糊可变评价模型变为模糊优选模型。
由此可见,模糊可变评价模型是一个变化模型,在可变模糊集理论中是一个十分重要的模型,可广泛应用于模糊概念的识别问题。通过不同参数组合,可对评价成果的可靠性进行验证。
由可变评价模型可得非归一化的综合相对隶属度矩阵
将式(30)归一化处理得到综合相对隶属度矩阵
式中:
级别特征值公式为:
3.2 求解步骤
(1)根据已有观测资料及评价标准(依据),确定待评价对象现状指标特征值与指标标准值矩阵X、Y;
(2)参照指标标准值矩阵Y结合实际情况确定水质评价可变集合的吸引(为主)域矩阵与范围域矩阵Iab、Icd;
(3)结合实际情况确定水质评价吸引域Iab中
(4)根据式(1)～(3)计算相对差异度矩阵,再由式(4)计算指标对h级的相对隶属度矩阵Uh;
(5)通过二元比较法确定指标的权向量;
(6)采取不同的参数准则,利用模糊可变评价模型(21),求得综合相对隶属度矩阵并作归一化处理;
(7)求级别特征值矩阵,并据此做出评价。
4 应用实例
4.1 实例应用1
以邯郸市化工区地下水水质资料为例[9],该区主要有镀锌厂、树脂厂和磷肥厂等,共有7个水井测点,每一测点测量水的硬度、SO
mg/L
根据表2可得邯郸市化工区地下水水质的现状指标特征值与指标标准值矩阵X、Y,结合各指标物理意义确定吸引(为主)域矩阵Iab、Icd,其中指标为开区间的吸引域与范围域的确定以相邻指标区间距离作为参考距离。点值矩阵M为吸引域矩阵Iab中相对差异度等于1的点组成的矩阵,按物理意义分析可得。
五项指标重要程度与研究区域厂区结构有关,综合考虑各项因素确定CL-最为重要,以其作为标准与其他各指标进行二元比较分析,得到二元比较判断矩阵并作一致性检验,氟与磷均处于“同样”与“稍稍”边缘,硬度与SO
判断矩阵Iab、Icd与M判断样本特征值xij在Mih点的左侧还是右侧,据此选用不同公式计算差异度矩阵及相对隶属度矩阵,采用不同参数组合根据模糊可变评价模型计算级别特征值,为增强结果的可比性,本次计算考虑了二元比较确定的权重及文献[9]中指标权重两种情况,分别为权重1权重2,取各次评价结果平均情况进行等级评价,等级判断标准H<1.67为I级,1.67≤H<2.5为II级,H>2.5为III级。评价结果见表3。将计算所得级别特征值从大到小排序,邯郸市化工区地下水水质污染程度排序依次为:测点3、测点2、测点5、测点1、测点6、测点4和测点7,可见测点3污染情况最为严重,测点7污染程度较轻。从表中可以看出,两组权重计算所得4组评价结果基本一致,级别特征值稳定在一个范围内,波动较小。不同参数组合下的评价结果稳定,从而说明了可变模糊评价法具有较高的可靠性。
将上述评价结果与文献[10]所采用的属性识别法及综合评价法,文献[9]所采用的改进TOPSIS评价法的计算结果进行比较,比较结果见表4。可变模糊评价法采用4种类型的结果均值作为评判标准,采用该法评价地下水水质是可行的、可靠的。另外,可变模糊评价法用级别特征值体现污染情况,有利于确切掌握水质污染的具体情况,以量化概念表征模糊事物进展程度,更加直观表征水质污染动态。
4.2 实例应用2
基于德州市水利局2004 年对德州市德城区地下水的监测数据[11],选取代表性的3个监测井观测数据进行水质评价,为增强可比性,水质标准分级延用原文中GB/T 14848-93标准,水质相关评价数据见表5。
利用地下水可变模糊评价法进行综合评判,评价结果及结果合理性比较见表6。可变模糊评价法采用4种类型的结果均值作为评判标准,该方法能够通过变化模型及指标权重,合理地确定出样本的评价等级,提高了样本等级评价的可信度。
mg/L
5 结 语
本文利用相对差异函数表征地下水水质样本与评价等级间的吸引特性与排斥特性,系统分析二元对比模糊决策分析法特点的基础上引申出二元对比确定指标权重的简捷方法,使权重确定更简便易行,增强了可操作性,将以上理论与可变模糊集相结合提出了地下水水质评价的可变模糊评价方法,该方法集成理论的严谨性及操作的简捷性于一体。实例应用结果表明,可变模糊评价法在地下水水质评价中的评价是合理的,方法灵活性较强,评价结果可信度高。最后以量化的形式表征水质污染这一模糊事物的进展,有助于管理人员及时掌握水质动态,做出科学决策。该方法计算简便、思路清晰、计算结果合理,可推广到项目决策、识别和各种资源评价等方面,具有广泛的应用前景。
摘要：在可变模糊集理论基础上,结合二元比较确定指标权重方法,提出地下水质评价可变模糊评价方法,该方法能够合理地确定样本指标对各级指标标准区间的相对隶属度,并且能够通过变化模型及指标权重,确定出样本的评价等级,提高对样本等级评价的可信度。将该方法应用于地下水水质综合评价,评价结果表明,由于考虑了模型参数与权重的可变性,评价结果可信度高。
关键词：可变模糊评价,地下水,水质评价
参考文献
[1]苏耀明,苏小四.地下水水质评价的现状与展望[J].水资源保护.2007,23(2):4-9.
[2]陈守煜.工程模糊集理论与应用[M].北京:国防工业出版社,1998.
[3]陈守煜.工程可变模糊集理论与模型-模糊水文水资源学数学基础[J].大连理工大学学报,2005,45(2):308-312.
[4]陈守煜.水资源与防洪系统可变模糊集理论与方法[M].大连:大连理工大学出版社,2005.
[5]陈守煜.复杂水资源系统优化模糊识别理论与应用[M].长春:吉林大学出版社,2002.
[6]陈守煜.求解系统无结构决策问题的新途径[J].大连理工大学学报,1993,33(6):705-710.
[7]陈守煜.复杂水资源系统优化模糊识别理论与应用[M].长春:吉林大学出版社,2002.
[8]陈守煜.符合我国语言习惯的决策思维模式[J].大连理工大学学报(社会科学版),1999,20(2):8-10.
[9]张先起,梁川,刘慧卿.基于熵权的改进TOPSIS法在水质评价中的应用[J].哈尔滨工业大学学报,2007,39(10):1 670-1 672.
[10]舒军龙,潘仲麟.属性识别理论模型在环境质量评价中的应用[J].干旱环境监测,1998,14(4):224-227.
模糊因素评价 篇10
关键词：建筑节能,层次分析法,模糊综合评价,原则
近年来,随着我国建筑规模迅速扩大,建筑能耗问题也日益突出,据统计,我国每年城乡新建房屋的建筑面积达2×109 m2,高耗能建筑就占80%以上;既有房屋的建筑面积约为4×1010 m2,其中95%以上为高耗能建筑[1]。
为加强建筑节能工作的开展,我国政府制定和颁布了一系列新标准和新规范,并采取了相应的措施,但由于缺乏一套行之有效的评价指标体系及评估方法,致使在建筑设计完成后,无法对其节能水平进行综合评价,极大地制约了建筑节能理论和技术的进一步发展。
1 建筑节能效果评价指标体系构建的原则
1.1 目的性原则
指标体系要紧紧围绕系统合理这一目标来设计,并由代表系统合理各组成部分的典型指标构成,全面反映系统的准确性。对于涉及到的相关主体而言,要科学、规范地评价采用的建筑节能措施是否能迎合我国市场经济运行机制、是否能有效提高经济效益、提高能源利用效率、减少环境污染、促进社会进步、切实推动我国建筑节能及能源的可持续发展。
1.2 科学性原则
指标体系的构建、指标的舍取、公式的推导等都要有科学依据。只有坚持科学性原则,获取的信息才具有可靠性和客观性,评价的结果才是可信的。由于建筑节能涉及众多生产、消费环节和领域,且与建筑物所处地区的自然、经济、社会条件等因素密切相关。因此,评价指标必须能准确适时地反映建筑节能措施所产生的经济效益、能源效益、环境效益和社会效益等。
1.3 系统性原则
指标体系包括系统合理所涉及到的众多方面,使其成为一个完整的系统。系统性原则体现在以下3个方面:
1)相关性:要运用系统论的相关性原理(资源学、能源学、环境学、经济学、财政学、管理学和社会学等相关理论)不断分析,而后组合设计建筑节能效果评价指标体系。
2)层次性:指标体系应具有递阶层结构,层次之间要互相适应并具有一致性,要具有与其相适应的导向作用,即每项上层指标都要有相应的下层指标与其适应。
3)整体性:不仅要注意指标体系整体的内在联系,而且要注意整体的功能和目标。
1.4 可操作性原则
指标的设计要求概念明确、定义清楚,能方便地采集数据与收集情况,要考虑现行科技水平,并且有利于系统安全的改进。而且,指标的内容不应太过繁琐,否则会影响政策评价工作的顺利进行。
2 建筑节能效果评价指标体系的构建
根据建筑节能过程中的问题和指标体系设计的原则,设计的节能效果评价指标可从横向和纵向两个方向设计,横向的评价指标包括节地、节水、节能、节材等多方面;纵向的评价指标则贯穿于投资策略、规划设计、工程建造、使用维护直至报废拆除的全生命周期。文中所构建的建筑节能效果评价指标体系是一个纵向的指标体系,主要从过程性指标和结果性指标两个方面考虑:
1)过程性指标由设计阶段、施工阶段、运行维护阶段组成,其中,设计阶段的指标包括节地、改善维护结构热工性能、提高设备效率、节能投资、贴现的投资回收期和建筑研究开发经费;施工阶段的指标包括内含能量的降低和建筑造价降低;运行维护阶段包括空调采暖能耗占建筑总能耗的比重、可再生能源的利用率、能效指标、减少耗能设备的容量所降低的设备投资、减少的耗能设备维护费用。2)结果性指标包括节省的总能源费用、节省投资的能源节省率、节省投资收益、降低环境污染带来的效益。
3 基于模糊数学的建筑节能效果评价
在采用模糊综合评价方法之前,首先要确定各指标的权重,可以通过层次分析法实现。根据层次分析法的基本思想,对同层次的元素两两比较,设置1～9的标度,“1”表示两元素同等重要,“3”表示一个元素稍微比另一元素重要,“5”表示一个元素的重要性明显高于另一元素,“7”表示一个元素的重要性强烈高于另一元素,“9”表示一个元素的重要性绝对高于另一元素,“2,4,6,8”为相邻判断的中间值。若元素i,j比较得aij,则元素j,i比较得1/aij。根据矩阵A,解特征根问题AW=λmaxW,对结果进行一致性检验,将满足一致性检验条件的W作为元素的权重。
在建筑节能效果评价指标体系中,有些指标的评价有很大的模糊性,因此无法采用精确的数学方法。根据文中构建的建筑节能效果评价指标体系,可采用多级模糊综合评价,具体方法如下:
1)建立因素集U,令U={U1,U2,…,Um},其中每个因素又可进一步分解,即U1={U11,U12,…,U1q},…,Um={Um1,Um2,…,Ump}。将文中所构建的指标体系带入该模糊综合评价过程,则有因素集U={过程性指标U1,结果性指标U2},其中过程性指标U1={设计阶段U11,施工阶段U12,运行维护阶段U13},而对于结果性指标U2,有U2={节省的能源费用U21,能源节省率U22,节省投资收益U23,环境污染降低效益U24}。进一步分解U11,U12,U13,有U11={节地U111,热工性能改善U112,提高设备效率U113,节能投资U114,贴现的投资回收期U115,建筑研究开发经费U116},U12={内含能量的降低U121,建筑造价降低U122},U13={空调采暖比重U131,可再生能源的利用率U132,能效指标U133,降低的设备投资U134,减少的耗能设备维护费用U135}。
2)建立因素权重集A。采用层次分析法确定权重,取各因素的权重分别为A1,A2,…,An,其中,Ai>0,且
3)建立评语集V。评语集是评价者对评价对象可能做出的各种评价结果组成的集,这里对建筑节能评价效果设定评语集V={优,良,合格,不合格},打分后取平均值,算出最后得分。
4)对U的每个因素进行评价,建立模糊评价矩阵R,R=(rij)mn,其中,rij为专家对评价指标的评分值。
5)对U评价,可得模糊综合评价Q=AR,得到综合评价结论。
4 结语
建筑节能效果评价是一个涉及多因素的系统工程,文中针对当前建筑节能效果评价多从定性角度研究的现状,构建了建筑节能效果评价指标体系,建立了基于层次分析法和模糊数学的数学模型,从定量的角度对建筑节能效果进行了综合评价。与已有的其他评价方法相比,模糊综合评价方法抓住了建筑节能效果评价的模糊特征,吸取多个专家的意见,将定性的判断转化为定量的形式,克服了定性评价的不足。
参考文献
[1]刘爱芳,张彩庆,段铷.建筑节能指标体系的构建[J].电力需求与管理,2006(1):39-42.
[2]秦寿康,傅荣林,粱达宏,等.综合评价原理与应用[M].北京:电子工业出版社,2003.
悦达投资投资价值模糊综合评价 篇11
一、模糊综合评判基本方法介绍
（一）单目标单级模糊综合评价步骤如下：
（1）建立影响评价对象的n个指标组成的集合，称为指标集U＝（u1，u2，…，un）；
（2）建立有m个评价等级的评价集V＝（v1，v2，…，vm）；
（3）对各指标分配权值， 建立权重集A＝（a1，a2，…，an）；
（4）求出单指标评价矩阵R＝（rij）n×m，其中rij 为股票评价指标对各等级的隶属度；
（5）求得模糊综合评判集：
F＝A·R＝（ a1， a2，…，an）· ＝（f1，f2，…， fm）
（二）多目标多级模糊综合评价完成单级子目标的综合评价之后，由同一级子目标的评语集为Fij（ i 表示第i 层， j 表示同一层中第j个子目标）又可构成新的模糊矩阵Ri:
Ri＝Fi1Fi2Fi3 ＝Fi1 Fi1 ... Fi1Fi1 Fi1 ... Fi1 Fi1 Fi1 ... Fi1
式中，下标k 指第i 层子目标的个数。给定各层子目标的权重集Ai＝（ai1，ai2，…，aik）， 由此可得上一级子目标的综合评判为：
Fi- 1＝Ai·Ri＝（fi- 1， 1，fi- 1， 2，…，fi- 1，m）
下标i- 1表示i层的父层，由此从低层逐层向上评价， 最后可求得总目标的综合评价集为：
F0＝（f01，f02，…，f0m）
二、运用模糊综合评价方法评价“悦达投资”投资价值
（一）建立评价指标 结合证券投资理论，从基本面和技术面两角度，建立细化指标，具体如表1所示：
注：技术指标分为三类：一类是体现价格趋向的技术指标；二类是买卖强弱的技术指标；三类是随机买入的技术指标。这三类当中，前两类体现了股价的长期趋势，一定程度上是投资价值的体现，第三类反映了买点和卖点，体现了股价的短期趋势，和炒作有一定关系，和投资价值的关联性不大，所以不纳入到投资价值的考察指标体系里。前两类也包括多种指标，为达到结论科学、分析精辟、计算简单的效果，优选人气、移动平均线两集中体现类别特征的指标。
（二）确立评价集 建立评价集：V＝（V1，V2，V3，V4）＝（投资价值高，投资价值良好，投资价值一般，投资价值差）。对于评价集中每一个评价结果Vk（k＝1，2，…，p）设定一个分值Wk，即对评价集V设定分值集为W＝（W1，W2，W3，W4） ＝（100，80，60，40）。
（三）确认权重 如表2所示：
注：目前，我国宏观经济整体向上，所以一般情况下，行业都有生存和发展的空间， 但各行业盈利水平不一样，或者说差异较大，真如严介和所述“产业决定未来”，而不管哪个行业，都有领导者、强者、优秀者，他们的发展有时就代表行业的未来，所以，权重的分配采取公司大于行业和行业大于宏观经济的格局。技术面当中，相关指标容易受市场交易控制，存偶然性可能，而公司的投资价值是一种长期指标、稳定概念，所以，从整体角度，基本面权数大于技术面，在技术面中，人气指标体现了市场的认同度，是各种复杂因素综合作用的结果，而且一般情况下，投资者为降低进入成本，会慢慢进入，这样人期指标产生长期性特征，“相信群众”有合理性，所以确定“人气指标”的权数高些。
（四）确定模糊评价子矩阵R 按照以上评价模型，根据上市公司披露的有关资料对其综合市场竞争力进行模糊综合评价，可以确定各项二级评价指标对评价集V的隶属度，从而可确定模糊评价子矩阵R，如表3所示：
具体分析过程为：
一是宏观经济角度理解：投资价值良好。浏览宏观经济研究结果，认为中国宏观经济会下降的学者及研究机构近乎没有，研究展开的内容多是增长目标及前进中应该注意的问题。具体分析经济“三套马车”，出口受金融危机影响，但投资及消费在现阶段仍有大的潜力，工业现代化及信息化的事情还有很多事可做，配以积极财政政策和宽松货币政策，经济能活跃起来，在避免通货膨胀前提下，经济会良好运转。
二是行业发展角度理解：投资价值高。目前，贡献最大的业务是汽车、公路通行费收入，未来公司业务有望继续向交通、汽车、煤炭方向集中。汽车，最大的消费概念行业，随着经济增长，其市场潜力将充分挖掘，同时，国家对汽车消费、农机的优惠政策在 2010 年还会持续，将给公司的汽车、拖拉机生产经营产生有利影响；公路行业将充分保证公司现金流，降低公司财务风险，带来稳健收益；煤炭是稀缺资源，随着经济的发展，其升值潜力和行业发展能力具有可观性，有利于增加公司价值。
三是从公司角度理解：投资价值一般。公司背靠“江苏悦达集团”，后续发展具有良好条件；江苏沿海开发战略纳入长三角一体化体系，并上升为国家战略，将对公司发展起到很好促进作用；公司治理方面，总体运行科学稳定，但财务期间费用太大，加大财务风险，影响盈利水平；经营方面，竞争策略主要是运用资本战略，投向优势行业，业务比较分散，核心竞争力难以体现；治理方面，关联交易太多，存有转移利润的空间。
四是人气指数角度理解：投资价值高。。公司目前的盈利能力和发展潜力均居行业前列，从09年开始，平均持股数大幅增长：截至2009年06月30日，股东总户数:84281 户均流通股5052股；截至2009年09月30日 ， 股东总户数:79791 户均流通股5336股；截至2009年12月31日 ，股东总户数:51977， 户均流通股10470股；截至日期2010年03月31 日，股东总户数42450， 户均流通股12820股。
五是移动平均线角度理解：投资价值良好。截至2010年5月6日，日K线击穿30期均线，周K线站在30期移动平均线上，月K线站在5周期均线上，长期向好趋势未遭到破坏。
（五）模糊综合评判集与结论 公式为：
B1= ［0.2，0.3，0.5］ ·0.10.8 0.1 01 0000.050.2 0.6 0.05 = ［0.345，0.26，0.32，
0.025］
B2＝［0.6，0.4］·10 0 00.1 0.80.10＝0.64，0.32，0.04.0
B=［0.8，0.2］·0.345 0.26 0.32 0.0250.64 0.32 0.040 =［0.404，0.272，0.264，
0.02］
由于0.404＋0.272＋0.264＋0.02＝0.96≠0，所以需对B归一化，则：
B＝［0.421，0.283，0.275，0.021］
那么，综合评价得分＝0.421×100＋0.283×80＋0.275×60＋0.021×40＝82.08，所以悦达投资具有良好的投资价值。
三、结论
近年来，有关股票投资价值模糊综合评价的研究为数不少，但其思路往往是在财务管理理论的基础上进行分析，而在证券投资理论基础进行分析还是新尝试，衷心希望文章所述能对大家有所启发、有所帮助。
参考文献：
［1］杨伦标、高英仪：《模糊数学原理及应用》，华南理工大学出版社2000年版。
［2］张根明：《证券投资学》，中南大学出版社2006年版。
［3］许宗燕、黄东卫：《基于模糊综合评价方法的股票投资价值研究》，《天津工业大学学报》2008年第4期。
模糊因素评价 篇12
关键词：迷彩伪装,效果评价,模糊综合评价,相似度
迷彩伪装主要应用于军事作战等活动中,可分为保护迷彩、变形迷彩、仿造迷彩等多种迷彩,其中变形迷彩主要用于伪装多色背景上的活动目标,它是由与背景颜色相似的不规则大斑点组成的多色迷彩。大量战争经验与研究结果表明:实施多色变形迷彩伪装的车辆装备比不实施迷彩伪装的车辆装备的生存率在白天目视条件下能提高1/3至1/2,在夜间微光夜视观察下能提高1/2以上。因此通过评价迷彩的伪装效果并进一步提高迷彩伪装效果,能对我国军事事业发展起到一定的推动作用。
1综合评价低能见度效应
1.1迷彩的主要特征
由于各种迷彩图案对能见度的影响主要体现在其本身特征与背景的对比效果上,故本研究采用控制变量法,在大气透明度和观测者的视力不变的条件下,从迷彩的主要特征着手来研究迷彩对能见度的影响。目标物与背景融合的程度越高,说明伪装的效果越好。另外,度量各种迷彩的低能见度需要区分各种迷彩的样式。在伪装迷彩的使用过程中,影响不同样式迷彩特征的主要因素包括迷彩的强度、颜色、纹理、 边缘形状、斑点尺寸等。本研究分别选取目标物与背景的亮度对比、目标物的颜色特征、斑点尺寸三个特征构建度量指标,确定权重,建立模糊综合评价模型对问题进行分析求解。
1)目标物与背景的亮度对比[1]。亮度是人眼所直接接触的最刺激的重要影响因素之一。自然界中所有色彩都可以在Lab空间中表达出来,Lab空间可以将人的视觉感应数字化、具体化。设L为亮度,其取值范围为0~100(纯黑~纯白),设a表示从红色至绿色的范围,正半轴代表红色,负半轴代表绿色;b表示从黄色至蓝色的范围,b的正数代表黄色,负数代表蓝色,则Lab颜色模型取坐标L×a×b。
令Y0为参考白色光的辐射亮度,Y为CIEXYZ颜色空间的三刺激值亮度,在Lab颜色空间里,则可以单独对亮度L进行调节,亮度L的转换关系为:
在标准光源照明的条件下,取Y0=100。依据亮度来计算亮度对比,进而求出图像之间的亮度差异。 亮度对比公式为[2]:
公式(2)中L1是背景的亮度值,L2是迷彩服目标的亮度值。
2)目标物的颜色特征。本研究选择接近人眼视觉感知的HSV颜色空间,利用颜色直方图来表征图像的颜色特征。按照目标伪装的颜色特征要求及人眼视觉特性,将颜色空间的值域h、s和v分别按照区间进行量化,量化后的色相、饱和度和明度值分别为H、S和V。在色调、饱和度及明度量化完成后,根据人眼对颜色特征的不同敏感程度,采用近似的处理方法将颜色的三个特征分量H、S和V综合成一个特征量。由于色调对人眼感觉程度的影响最大,明度其次,饱和度最小,所以颜色指标可通过以下指标求得:
在公示(3)中,Q =0,1,2,…,299,共300个区间。
本研究通过2个颜色直方图的交来度量伪装目标和背景颜色特征的相似性。假设在同等亮度条件下伪装迷彩和背景图像分别为A和B,相应的颜色直方图特征矢量为RA[i]和RB[i](i=1,2,…,L), 利用直方图的交进行图像相似度度量可表示为:
3)斑点尺寸。迷彩斑点的尺寸必须要在预定的观察距离上可以被观测者看见,从而将各种颜色斑点产生空间混色现象避免。根据斑点亮度对比的不同, 在迷彩伪装相关军用标准中,给出了斑点的可见尺寸的计算公式。设A为斑点的可见尺寸,K为斑点亮度对比,D表示观测者距离目标的观察距离,则
公式(4)中:k1和k2为距离系数,k1∈[2.5,3], k2∈ [3,4]。(4)式是在K ≥0.4的前提下取上式的较大值得到的,故当地面装备变形迷彩的设计观察距离为800~3 000m时,对应的迷彩斑点尺寸应在0.7 ~2.7m之间。
1.2低能见度评价方案
设U = {u1,u2,u3,…,un}是n个待评价的迷彩图案的集合,V = {v1,v2,v3,…,vn}是评价因素集合,将U中的每个方案用V中的每个因素进行衡量, 便得到观测值矩阵:
aij表示第j种迷彩图案关于第i项评价因素的指标值。建立理想方案u= (u01,u02,u03,…,un0),当aij为效益型指标时,ui0= max{aij},当aij为成本型指标时,ui0= min{aij},建立相对偏差模糊矩阵
在综合评价方法中[3],利用了多项指标,因此用变异系数法计算各项指标的权数。首先计算各指标的变异系数:为第i项指标的平均值,是第i项指标值的标准差。对vi进行归一化,即得到各指标的权数:建立低能见度综合评价模型为:
且若Ft < Fs,则第t个迷彩图案的低能见度效应优于第s个迷彩图案。
2评价不同迷彩图案伪装效果
2.1研究准备
在评价各种图案的伪装效果时,以灰度直方图的相似性来衡量伪装图对背景图的伪装效果。用基于位置坐标的三维函数来表示自然界的图像,即[4]:
模型中λ表示空间坐标为 (x,y,z)位置点的颜色,λR,λG,λB分别表示该位置点的红、绿、蓝3原色的颜色分量值都是空间的连续函数,即连续空间的每一点都有一个与之相对应的精确的值。本研究主要讨论平面图像平面上每一点仅包括2个坐标值,则平面图像函数是连续的二维函数,表示如下:
对图像的量化处理的过程为将图像函数g(x,y) 通过成像系统相应的函数转换成连续的图像函数后, 再经过采样系统处理后转换为采样图像函数,由于采样图像函数是在离散空间上的离散-连续函数,采用量化器处理后就产生了离散空间上的值域离散函数。 对图像的量化处理的过程可概括为读取、采样和量化。这种将图像数字化的结果可由采样点的值所组成的矩阵来表示:
矩阵中X和Y分别为数字图像横、纵方向上的像素值,像素值是指各采样点的值,在计算机内采用二维数组来表示数字化矩阵。
2.2伪装效果评价模型
将背景图案数字化,水平和垂直方向上有x个和y个像元,该图像有Q个灰度等级Q = (0,1,2,…, 255),则图像的任一像素可表达为:
其中x,y为图像的坐标值,ω 为像素 (x,y)的灰度等级总计有256个等级。分析背景图像 ,可以统计灰度等级为i的像素点出现的次数ni,同时也可以确定所分析的迷彩伪装在各个灰度等级下出现的次数mi,以256个灰度等级为横坐标ni或mi为纵坐标可作出所分析图像灰度等级的离散函数gn(ni)和gm(mi),进行拟合后得到背景图像和迷彩伪装图像灰度直方图函数C(M)和C(N)。本研究中定义相似度C为:
公式(5)中N为迷彩图案灰度直方图,M为背景图像灰度直方图。当两者完全一致,即迷彩图案完全融合于背景图案中时,C =1时,伪装效果或低能见度效应达到最佳;当C接近于0时,迷彩图案与背景图案相差较大,即伪装效果较差。
2.3实例分析
本研究选取了丛林背景为背景图、对应的迷彩图案为丛林迷彩进行实例分析。通过灰度直方图的相似度将迷彩伪装图像与背景图像的相似性进行量化, 从而评价迷彩图案的伪装效果,运用Matlab编程,将丛林迷彩伪装图分别与对应的背景图进行灰度直方图分析比较,图1、2、3分别为两种丛林迷彩伪装图案 (1、2)和一种丛林背景图案(3)的灰度化后的图案、原图案的灰度直方图、均衡化后的灰度直方图[5]。
从图1中灰度化后的图案可直观看出迷彩图案和背景图案的相似性较高;从图2和图3中也可观察出原丛林迷彩图案和背景图案的形状相似性很高。 采用梯度积分法求的两个丛林迷彩图案和丛林背景图案的相似度依次为0.842 6和0.772 4,由此可看出两个迷彩图案的伪装效果均较高,且第一个迷彩图案的伪装效果比第二个图案的效果要好。
3总结