属性评价论文

2024-12-13

属性评价论文（精选10篇）

属性评价论文篇1

0 引言

多属性综合评价是指根据不同的评价对象和目的, 把量纲不同的统计标准转化为无量纲的相对值, 并根据结果进行综合评价的系统。目前我国企业绩效评价中运用的多属性综合评价方法可分为静态和动态两类, 每种方法各有优缺点, 选择何种方法需根据评价目标和评价方法的特点。

1 静态综合评价方法

静态综合评价方法包括定性分析和定量分析。常用的定性分析法有专家评分法、德尔菲法等, 定量分析法有主成分分析法、灰色系统综合方法等。

(一) 定性分析方法

(1) 专家评分法

专家评分法是让专家对企业各项目的评价指标进行评分并对结果统计分析的一种方法。裴学军 (2000) 将专家评分法运用于铁路医院的绩效评价中。常娜娜 (2010) 利用专家评分法对供应链相关具体指标进行评定打分, 以此建立物流企业绩效评价的模型。

(2) 德尔菲法

20世纪中旬, 为了避免集体讨论存在的屈从于权威或盲目服从的缺陷, 哈默等首创德尔菲法, 以匿名方式向专家发放问卷轮流评价。李延瑾 (2001) 指出德尔菲法存在的不足并讨论了带确信度的德尔菲法的基本原理。赵立果等 (2008) 指出企业绩效评价中传统德尔菲法由于时间和费用的限制无法应用于日常决策, 对其进行改进, 在每一轮评价中引入专家权重, 使调查轮次减少, 并证明了其有效性。

(二) 定量分析方法

(1) 主成分分析法

主成分分析法是霍特林首先提出, 旨在利用降维的思想, 把多指标转化为少数几个综合指标的多元统计分析方法。董波 (1992) 认为综合分析以及评价企业经济效益的问题一直没有得到解决, 因而提出使用PCA来综合评价企业经济效益, 并论述了其基本原理和步骤, 对冶金企业绩效做了研究。朱顺泉 (2003) 认为PCA中传统指标标准化方法在消除量纲和数量级差异的同时, 也抹杀了指标差异性。因而改用了均值的方法对原始数据进行处理来消除了量纲不统一和数量级差别并保留了原始数据的全部信息, 以此为基础构建了上市公司财务状况评价模型并应用于具体企业中。张运生 (2004) 从主观和客观两方面指出主成分分析的弊端, 把PCA改造成定性和定量、主观与客观相结合的系统评价方法。

(2) 灰色关联度分析

灰色系统是邓聚龙年提出的, 应用最广泛的是关联度分析方法。张绍斌 (2003) 认为传统灰色模型通常采用简单算数平均法来确定权重, 在一定程度上影响计算的结果, 因而提出加权灰色关联度分析, 根据各项指标的变异程度, 利用信息熵计算出各指标的权重, 评价各地区国有及规模以上非国有工业企业的绩效。董春游 (2006) 针对企业评价中已有评价方法中权数分配不合理、指标权数测定困难等现状, 采用粗糙集理论和加权灰色关联度结合的方法测定指标权数, 对煤炭上市公司进行综合评价, 证明其能够克服传统评价指标权数确定的主观偏好。赵顺娣 (2007) 提出将层次分析法、灰色关联分析法和因子分析法相结合的绩效评价方法, 克服了三种方法中主观因素对绩效评价结果的影响, 还可以将不能进行多元统计分析的问题转化为能进行多元统计分析的问题。

3 动态综合评价方法

企业绩效是个动态变化的过程, 因而出现了动态指标评价法。动态多指标综合评价问题是具有时间、指标、评价对象的三维综合评价问题, 包括时序多指标综合评价法、纵横向拉开档次法和动态集对同一度分析法。

(1) 时序多指标综合评价

时序多指标综合评价法是动态综合评价的一种主流方法, 它是毛定祥 (2000) 在上市公司绩效评价中提出的, 应用主成分分析方法, 将时间、指标、评价对象的三维评价问题降为二维评价问题, 用理想点法得出最终综合评价结果。

时序多指标综合评价方法在企业绩效评价方面有着广泛应用。王欣荣 (2002) 在毛定祥所提出方法的基础上考虑了指标的增长情况, 提出了理想矩阵法, 对每个指标的增长情况和好坏程度都进行了考虑。王璐 (2005) 在此基础上增加了对各个静态评价结果的考虑, 提出了改进后的时序多指标综合评价的新模型, 将静态综合评价矩阵和增长变化矩阵加权综合, 得到最终结果。薛利民 (2011) 以熵值法作为上市公司综合评价指标体系的赋权方法, 同时采用等差数列对时间维度进行赋权, 建立了上市公司的动态绩效评价模型, 并结合理想解法, 对上市公司的经营业绩进行动态综合评价。刘鸿雁 (2008) 认为前人的研究忽视了连续期间指标所处时期不同, 对当期评价结果的影响程度也是不同的, 因而采用移动加权平均法对考虑到了增量因素的被评价动态指标矩阵赋予时间权重值, 得到动态指标加权矩阵, 并利用TOPSIS法对其进行评价得到综合动态业绩评价结果。史小康 (2011) 指出时序多指标绩效评价法虽然考虑了动态的增长或减少过程, 但没有说明这种增长或者减少应该以怎么样的程度去影响绩效, 因而考虑了奖优罚劣的因素, 构建了动态绩效评价模型对企业绩效进行综合评价。张济建 (2013) 作了更进一步的改进, 他认为我国关于绩效评价的动态研究多是在静态时间点的指标基础上引入时间维度进行绩效评价, 因而对上市公司每一年的指标体系逐一进行筛选, 继而对时间维度运用德尔菲法进行赋权, 把绩效评价指标的动态选择和时间维度结合在一起综合考虑, 做出客观更为真实的评价。

(2) 纵横向拉开档次法

郭亚军 (2002) 针对由时序立体数据表支持的综合评价问题的特殊性, 提出了纵横向拉开档次法来确定权重系数。其原理是在时序立体数据表上最大可能地体现出各个被评价对象之间的差异, 而各个对象在时序立体数据表上的整体差异采用总离差平方和来描述。

马军杰 (2011) 率先采用纵横向拉开档次评价法, 动态地评价电力企业的经济效益, 选取利润总额、净资产收益率和资产负债率三个经济效益指标, 应用Matlab计算了不同时刻三家电力企业经济效益的评价值, 证明了该方法的科学性。董军 (2011) 根据多层次系统的特点, 采用逐层纵横向拉开档次评价法确定评价对象在不同时刻的评价值, 并应用于电力企业中。卢方元等 (2012) 首次将纵横向拉开档次法应用于银行绩效评价中, 对我国16家上市的商业银行的经营效率进行综合评价和排序。

(3) 动态集对同一度分析法

集对分析是赵克勤提出的一种系统分析方法, 在科学研究与工程技术领域、哲学和社会经济等领域得到广泛应用。张瑞兰 (2006) 指出赵克勤的集对分析是在评价对象和评价指标基础上进行的二维综合评价, 没有考虑时间因素, 因而引入时间因素, 进行动态化处理, 并首先运用在政府绩效评价中。胡旺盛 (2006) 将动态集对同一度分析首先运用到电力行业上市公司绩效评价分析中。周业旺 (2012) 构建了基于动态集对同一度分析的物流商评价模型, 评价了企业物流供应商的绩效。

3 综合评价方法的分析比较

(1) 静态综合评价方法的优缺点

定性分析方法的最大优势是在难以掌握全部原始资料的情况下, 可以依据专家的经验做出定量的估计。但评价结果主观性比较强, 当多人评价时, 容易造成结论难收敛的情况。PCA法把多项指标合成少数的几个指标, 在模型生成过程中赋予指标的权重, 这样既可以消除指标之间的相关影响, 减少了工作量, 又具有客观性。但是所提取的主成分没有原指标准确, 指标的过于客观往往忽视了指标的实际重要性。灰色关联度分析法可以在很大程度上减少由于信息不对称带来的损失, 并且对数据要求较低, 工作量较少;但需要对各项指标的最优值进行先行确定, 有一定的主观性, 同时部分指标最优值难以确定。

所有的静态综合评价法忽视了时间因素的影响, 没有动态变化地看待企业的经营绩效。

(2) 动态综合评价方法的优缺点

动态综合评价法都引入了时间维度, 动态地考察公司经营绩效, 能为投资决策者提供更加可靠的保证。时序多指标综合评价方法考虑到了在某一时间段内评价指标的权重会随时间改变而改变, 这更符合事物发展变化的规律。但对于时间的赋权大多采用主观赋权的方法, 缺乏客观性。纵横向拉开档次评价法既能在横向上体现不同时刻各公司之间的运营状况的差异, 又能在纵向上体现随时间的变化公司在运营上的变化, 没有丝毫的主观色彩, 但权重确定过程中将指标以同等地位处理, 动态的特点没有体现出来。动态集对同一度分析法将各指标与一个指标最优值进行比较计算, 消除了指标之间量纲不统一的问题, 但正因为在计算过程中不需要标准化处理, 使得结果可能缺乏客观真实性。

4 总结和展望

总结前人的研究文献, 我们可以发现, 多属性综合评价在企业绩效评价中的应用非常的多, 但仍有需要进一步改进和研究。

第一, 目前我国进行企业绩效评价多数仍然采用的是静态的定量综合评价方法。但仅靠静态的综合评价方法进行企业绩效评价是远远不够的, 因为企业的发展是一个动态的过程, 不应局限于定点上的评价。这应当是企业未来进行绩效评价的主要方向。

第二, 动态绩效评价的关键是引入时间权重, 如何确定时间权重是应该解决的一个重要问题。目前我国对企业进行动态绩效评价时, 多采用等差数列或德尔菲法等定性分析法来时间进行赋权, 具有一定的主观性。如何更加客观更加合理地对时间赋权, 有着重要的意义。

第三, 现今的时代是一个计算机的时代, 如何利用现代信息技术的强大功能将绩效评价和企业的内部系统相融合, 动态、实时地从内部信息网络和互联网上获取最新数据, 构建一个实时的动态评价模型, 是未来研究的一个热点。

摘要：文章通过对国内近年来多属性综合评价运用于企业绩效评价的研究成果进行回顾, 系统总结和评述了常用多属性评价方法的优缺点, 阐述了企业绩效评价运用多属性评价方法的发展趋势。

关键词：多属性综合评价,企业绩效评价,述评

参考文献

[1]邱东.多指标综合评价方法的系统分析[M].北京:中国统计出版社, 1991.

[2]董波.运用主成分分析法综合评价企业经济效益[J].华东经济管理, 1992, (3) :49-52.

[3]张绍斌.基于加权灰色关联度模型的各地区国有及规模以上非国有工业企业经济效益评价方法[J].科技与管理, 2003, (4) :25-27.

[4]陈共荣, 凌志雄, 曾峻.企业效绩的模糊综合评价法[J].财经问题研究, 2004, (9) :76-78.

[5]王璐.上市公司经营业绩的时序多指标综合评价[J].数理统计与管理, 2005, (2) :84-87.

[6]郭亚军.一种新的动态综合评价方法[J].管理科学学报, 2002, (2) :49-54.

[7]董军, 国方媛.多层次系统的动态评价研究[J].运筹与管理, 2011, (5) :176-184.

[8]卢方元, 李小鸽.我国商业银行经营效率的动态综合评价[J].金融理论与实践, 2012, (5) :70-74.

[9]胡旺盛.我国家电行业上市公司竞争力的动态分析[J].财贸经济, 2006, (1) :89-92.

属性评价论文篇2

基于属性区间识别理论的地下水开采评价模型

从属性区间识别理论的角度,探讨了地下水开采安全评价方法.并通过对哈尔滨市地下水开采的安全评价验证了此方法的.可行性,为地下水开采的安全评价提供了一种科学、实用的评价方法.

作者：阮万清 RUAN Wan-qing 作者单位：黑龙江科技学院,哈尔滨,150027 刊名：煤炭技术 PKU英文刊名：COAL TECHNOLOGY 年，卷(期)： 27(2) 分类号：P641.2 关键词：地下水开采安全评价体系属性区间识别理论

基于属性一致度的属性约简算法篇3

摘要：在属性一致度的概念和性质基础之上，提出一种基于属性一致度的属性约简算法。利用一致度构造属性间模糊相似矩阵，并用模糊聚类分析方法对属性重要性作了分类，从而得到动态属性分类图，得到了与粗糙集属性约简方法完全一致的结果。最后，用实例表明算法的有效性。

关键词：属性一致度；属性约简；模糊聚类分析

中图分类号：TP182 文献标识码：A

1引言

粗糙集在处理不精确、不相容、不完备数据中具有明显的优势。粗糙集理论在模式识别、决策分析、数据分析处理、机器学习以及数据库中知识发现等多个领域得到了广泛应用。在当前的粗糙集理论中，知识约简算法主要有三种：一种是按定义求解，而按照这种方法计算所有的约简已被证明是NP一完全问题，无法实际中得到应用。另一种是1991年分辨矩阵求解，而这种方法在求解过程中，需要两个不同决策对象的所有属性值进行逐一比较，这样会产生海量矩阵元素，既占用非常大的存储空问，且时空性能又差。近年来，很多学者对此方法作了大量改进，但还是存在一定的缺陷。2008年孟庆全，金传山等从传统的属性依赖度概念出发，对属性集和属性集依赖度两个概念进行了扩展，提出了独立于定义求解分辨矩阵法之外的新方法，即通过属性依赖度求解属性约简和知识核的新方法。而第三种属性约简算法基本都是基于属性重要性为主的一种算法，这类方法通常都会遇到如下两个问题：

第一，属性的重要性没有统一的定义，使得约简结果存在一定的差别，甚至会使约简结果出现相互矛盾的情况；

第二，在约简属性得重要性相等的情况下，其相对约简很难确定。

属性相似度反映着粒度的相似程度，也反映着属性之问的相似关系。为了解决以上存在的问题，夏克文博士从属性相似度出发，提出了一种基于属性相似度的属性约简算法，该算法不仅计算简便，同时还能区分不同约简的优劣性，克服传统的粗糙集属性约简算法存在的缺点。

文献虽然给出了一种基于属性相似度的属性约简算法，但该文只考虑了决策属性与条件属性之间的相似度问题。本文将定义条件属性之间相似度及条件属性与决策属性问的一致度，利用一致度构造属性问的模糊相似矩阵，并用模糊聚类分析方法对属性重要性做出分类，从而得到属性的动态分类图，得到了与粗糙集属性约简方法完全一致的结果。

2属性一致度的概念与性质

定义1 在一个信息系统（U，C，D）中，U为论域，即U={x₁，x₂，…，x_n}，C为条件属性集，P，Q∈U，D为决策属性集，定义属性问的一致度（consistent degree）如下：

上述公式（1）对于条件属性集C中的任意属性与决策属性问的一致度计算也适用。

条件属性子集P∈C与D为决策属性集的一致性σ（P，D）也可类似定义。

命题1在一个信息系统（U，C，D）中，U为论域，即U={x₁，x₂，…，x_n}，C为条件属性集，且P，Q∈C，D为决策属性集，属性的一致度具有如下性质：

3一种基于属性一致度的属性约简算法

1）依据信息表，计算属性的一致度。

2）依据属性一致度，构造属性问关系模糊相似矩阵。

3）依据属性问关系模糊相似矩阵，进行模糊聚类分析。

4）依据聚类分析求属性约简，并确定核。

根据基于属性一致度的属性约简算法，通过表1样本信息表，先给出对象集的按各个属性的等价分类。按照定义1可得：

根据以上3.2给出的属性问的一致度，可以构造属性问模糊相似矩阵：因为R²≥R，因此R不是模糊等价矩阵。容易求得模糊相似矩阵R的传递闭包

这是一个模糊等价矩阵，求t（R）=R^*的水平截集，得到动态分类：

通过上面的例子，可以看出，条件属性c₂，c₃与决策属性D的一致度偏低，它们是必要属性，构成约简的核，c₁，c₄与决策属性D的一致度高，在属性约简时，可以把条件属性集中与决策属性D一致度高的条件属性约去，构成最简属性约简。

不难看出，{c₁，c₂，c₃），{c₄，c₂，c₃）是信息表1的两个约简，由于σ（c₁，D）=0.8，

σ（c₄，D）=1.0，因此{c₄，c₂，c₃}是比{c₁，c₂，c₃}更好的约简，这与属性分类动态聚类图是一致的。

4结束语

属性评价论文篇4

带钢是钢铁的主要产品之一,其质量的优劣对最终产品的质量和性能有着非常大的影响。带钢质量的影响因素包括带钢的表面质量、工艺性能、力学性能、板形、尺寸精度以及与产品特性相关的其他因素[1]。传统的带钢质量综合评价由质检人员通过概率统计和经验形成带钢质量报告。这种评价方法得到的评价结果主观性强、评价结果一致性难以保证,不能真实合理地反映带钢质量等级的分布情况。针对该问题的研究工作较少,吴艳萍等[2]应用模糊综合评判法对该问题进行了研究,建立了多级模糊评价模型,该模型复杂且模糊数学的取大取小运算会损失大批中间值的信息,因而限制了其应用。为了客观地对带钢综合质量进行评价并避免模糊运算所导致的大批中间值损失的问题,本文将广泛地应用在人工智能领域的属性识别理论,如模式识别、聚类分析、决策系统和质量评价[3,4,5,6,7,8,9]引入到带钢质量的评价中,建立质量等级属性集,由影响带钢质量的各个指标的单指标属性测度计算出多指标综合属性测度,最后根据置信度准则对带钢质量进行分级,并依据评分准则对同一质量等级的带钢质量进行排序。

1 属性识别理论模型

1.1对象空间和属性集

将研究对象的全体称为对象空间,记为X。在对象空间X中取n个样本x1,x2,…,xn。对样本测量m个指标I1,I2,…,Im。样本xi的指标Ij的测量值为xij,可得测量矩阵[xij]n×m。对象空间X中样本所具有的某类属性的集合称为属性空间,记为F。属性空间F中的任何一种情况都可称为一个属性集。

1.2属性空间的分割与有序分割类

设F为X上某类属性空间,C1,C2,…,Ck为属性空间F中的k个属性集。如果C1,C2,…,Ck满足

$F = \cup_{i = 1}^{k} C_{i}, C_{i} \cap C_{j} = \emptyset i \neq j$

则称C1,C2,…,Ck为属性空间F的分割[10,11,12]。

属性集之间可以建立强序或者弱序关系,属性集的强序关系记为C1≻C2≻…≻Ck,属性集的弱序关系记为C1≺C2≺…≺Ck,满足强序或者弱序的属性集C1,C2,…,Ck为有序分割类。如果指标Ij的分类标准已知,则分类标准矩阵可记为

$S = \begin{matrix} \begin{matrix} C_{1} & C_{2} & \dots & C_{k} \end{matrix} \\ \begin{matrix} Ι_{1} \\ Ι_{2} \\ ⋮ \\ Ι_{m} \end{matrix} & [\begin{matrix} s_{11} & s_{12} & \dots & s_{1 k} \\ s_{21} & s_{22} & \dots & s_{2 k} \\ ⋮ & ⋮ & ⋮ \\ s_{m 1} & s_{m 2} & \dots & s_{m k} \end{matrix}] \end{matrix}$

1.3属性测度

设A为一个属性集,“x∈A”表示“x具有属性A”。“x∈A”是一种定性描述,为了定量描述x∈A的程度,用一个具体数字μ(x∈A)或μx(A)表示,称之为x∈A的属性测度[10,11,13]。方便起见,要求属性测度在[0,1]之内取值。

1.3.1 单属性测度

单属性测度即样本xi的指标Ij的测量值xij具有属性Cp的属性测度μijp=μ(xij∈Cp),且满足 $\sum_{p = 1}^{k} μ_{i j p} = 1$ 。假设sj1>sj2>…>sjk,则单属性测度可由以下公式计算。

当xij≥sj1时,取

当xij≤sjk时,取

当sjt≥xij≥sj(t+1)时,取

样本xi的各指标的单属性测度确定之后,便可得到单指标属性测度矩阵[μijp]m×k(i=1,2,…,n)。

1.3.2 综合属性测度

已知样本xi的单指标属性测度矩阵,采取加权和的方法可计算出样本xi的综合属性测度。设指标权向量w=(w1,w2,…,wm),其中,wj≥0且 $\sum_{j = 1}^{m} w_{j} = 1$ 。样本xi的属性Cp的综合属性测度μip=μ(xi∈Cp),且满足 $\sum_{p = 1}^{k} μ_{i p} = 1$ 。综合属性测度

$μ_{i p} = μ (x_{i} \in C_{p}) = \sum_{j = 1}^{m} w_{j} μ_{i j p}$ (4)

1≤i≤n;1≤p≤k

所有样本的综合属性测度确定之后,便可得到综合属性测度矩阵[μip]n×k。

2 权重向量的确定

权重向量的确定方法很多,如专家打分法、层次分析法、主成分分析法、灰色分析法等[14,15,16]。本文将评价指标分别进行两两比较,得到相应的对比矩阵,然后进行权重向量的求解[17,18]。采用对比判断标度法建立对比矩阵的方法如下:①若指标Ik比Il更重要,则排序标度ekl=1,elk=-1;②若指标Il比Ik更重要,则排序标度ekl=-1,elk=1;③若指标Il和Ik同等重要,则排序标度ekl=elk=0。

由上述对比判断标度法可得到对比矩阵E′=[eij]m×m。根据最优传递矩阵原理,构造对比矩阵E′的传递矩阵S′=[s′ij]m×m,其中

$s^{'}_{i j} = \frac{1}{m} \sum_{k = 1}^{m} (e_{i k} + e_{k j})$ (5)

由传递矩阵S′得到相应的判断矩阵C′=[c′ij]m×m,其中

c′ij=exp(sij) (6)

对C′的每一行求和得到向量D=(d1,d2,…,dm),其中

$d_{i} = \sum_{j = 1}^{m} c_{i j} i = 1, 2, \dots, m$ (7)

然后,对向量D进行正规化,得到m个指标的权重向量w,其中

$w_{i} = d_{i} / \sum_{j = 1}^{m} d_{j} i = 1, 2, \dots, m$ (8)

3 属性识别准则

当综合属性测度矩阵确定之后,应用属性识别准则中的置信度准则判别样本xi属于哪一类,并应用属性识别准则中的评分准则对判别为同一类的不同样本进行排序[10,11,19]。

3.1置信度准则

引入置信度λ,取值范围通常为0.5≤λ≤1,一般取0.6与0.7之间。当C1≻C2≻…≻Ck时

p0=min{p: $\sum_{i = 1}^{p} μ_{x} (C_{i}) \geq λ, 1 \leq p \leq k}$ (9)

当C1≺C2≺…≺Ck时

p0=max{p: $\sum_{i = p}^{k} μ_{x} (C_{i}) \geq λ, 1 \leq p \leq k}$ (10)

根据属性集之间的强序和弱序关系,来选择式(9)或式(10)进行计算得到p0。根据p0可判断样本x是否属于Cp0类。

3.2评分准则

用分数来表示属性集之间的强弱关系,即强属性集的分数大于弱属性集的分数。属性集Ci的分数记为ni。当C1≻C2≻…≻Ck时,有n1>n2>…>nk;当C1≺C2≺…≺Ck时,有n1<n2<…<nk。样本x的分数为

$q_{x} = \sum_{i = 1}^{k} n_{i} μ_{x} (C_{i})$ (11)

若qx1>qx2,则认为x1比x2强,记为x1≻x2。

4 应用实例

已知某企业钢卷的主要质量指标是表面质量、板形、尺寸精度、机械性能。本文选取带钢表面质量、衡量板形的板形值、衡量尺寸精度的厚度公差和宽度公差、衡量带钢工艺性能的应变强化指数n、塑性应变比r和杯突值,以及衡量带钢力学性能的屈服强度σs、抗拉强度σb和伸长率δ为带钢质量的评价指标。其中,表面质量由专家或检测人员根据经验给出表面质量分值(百分制),分值越大代表表面质量越好,其他9个指标可以通过试验或者使用仪器直接测量的方式来进行检验。本文以相关研究[2]为基础,并对其中的评价指标及与质量等级的关系进行必要的扩充和调整,假设某企业某种型号厚度为a的带钢的上述10个评价指标与质量等级的关系如表1所示。

在一批产品中抽出4卷钢卷,质检人员通过检测得到的钢卷质量记录如表2所示。

由专家根据比较法对各个指标影响带钢质量的重要程度进行两两比较,得到对比矩阵:

$E^{'} = [\begin{matrix} 0 & 1 & 1 & 1 & 1 & 1 & 1 & 1 & 1 & 1 \\ - 1 & 0 & 1 & 1 & 1 & 1 & 1 & 1 & 1 & 1 \\ - 1 & - 1 & 0 & 1 & 1 & 1 & - 1 & 1 & 1 & 1 \\ - 1 & - 1 & - 1 & 0 & 1 & 1 & - 1 & - 1 & - 1 & - 1 \\ - 1 & - 1 & - 1 & - 1 & 0 & 1 & - 1 & - 1 & - 1 & - 1 \\ - 1 & - 1 & - 1 & - 1 & - 1 & 0 & - 1 & - 1 & - 1 & - 1 \\ - 1 & - 1 & 1 & 1 & 1 & 1 & 0 & 1 & 1 & 1 \\ - 1 & - 1 & - 1 & 1 & 1 & 1 & - 1 & 0 & 0 & 1 \\ - 1 & - 1 & - 1 & 1 & 1 & 1 & - 1 & 0 & 0 & 1 \\ - 1 & - 1 & - 1 & 1 & 1 & 1 & - 1 & - 1 & - 1 & 0 \end{matrix}]$

E′的传递矩阵为

$\begin{array}{l} S^{'} = \\ [\begin{matrix} 0 & 0.2 & 0.6 & 1.4 & 1.6 & 1.8 & 0.4 & 0.9 & 0.9 & 1.2 \\ - 0.2 & 0 & 0.4 & 1.2 & 1.4 & 1.6 & 0.2 & 0.7 & 0.7 & 1.0 \\ - 0.6 & - 0.4 & 0 & 0.8 & 1.0 & 1.2 & - 0.2 & 0.3 & 0.3 & 0.6 \\ - 1.4 & - 1.2 & - 0.8 & 0 & 0.2 & 0.4 & - 1.0 & - 0.5 & - 0.5 & - 0.2 \\ - 1.6 & - 1.4 & - 1.0 & - 0.2 & 0 & 0.2 & - 1.2 & - 0.7 & - 0.7 & - 0.4 \\ - 1.8 & - 1.6 & - 1.2 & - 0.4 & - 0.2 & 0 & - 1.4 & - 0.9 & - 0.9 & - 0.6 \\ - 0.4 & - 0.2 & 0.2 & 1.0 & 1.2 & 1.4 & 0 & 0.5 & 0.5 & 0.8 \\ - 0.9 & - 0.7 & - 0.3 & 0.5 & 0.7 & 0.9 & - 0.5 & 0 & 0 & 0.3 \\ - 0.9 & - 0.7 & - 0.3 & 0.5 & 0.7 & 0.9 & - 0.5 & 0 & 0 & 0.3 \\ - 1.2 & - 1.0 & - 0.6 & 0.2 & 0.4 & 0.6 & - 0.8 & - 0.3 & - 0.3 & 0 \end{matrix}] \end{array}$

从而得到相应的判断矩阵C′,进而计算出指标的权重向量w=(0.2219,0.1802,0.1182,0.0487,0.0384,0.0300,0.1461,0.0775,0.0775,0.0613)。利用单属性测度计算公式,计算得到4卷钢卷10个评价指标的单属性测度矩阵:

$μ_{1} = [\begin{matrix} 0 & 0.90 & 0.10 & 0 & 0 \\ 0 & 0.80 & 0.20 & 0 & 0 \\ 0.33 & 0.67 & 0 & 0 & 0 \\ 0 & 0.33 & 0.67 & 0 & 0 \\ 0 & 0 & 0.60 & 0.40 & 0 \\ 0 & 0.50 & 0.50 & 0 & 0 \\ 0.60 & 0.40 & 0 & 0 & 0 \\ 0 & 0.17 & 0.83 & 0 & 0 \\ 0.80 & 0.20 & 0 & 0 & 0 \\ 0.33 & 0.67 & 0 & 0 & 0 \end{matrix}]$

$μ_{2} = [\begin{matrix} 0 & 0 & 0.75 & 0.25 & 0 \\ 0 & 0 & 0.40 & 0.60 & 0 \\ 0 & 0 & 0 & 0.67 & 0.33 \\ 0 & 0 & 0 & 0.75 & 0.25 \\ 0 & 0 & 0 & 0.60 & 0.40 \\ 0 & 0 & 0.20 & 0.80 & 0 \\ 0 & 0 & 0.80 & 0.20 & 0 \\ 0 & 0 & 0.27 & 0.73 & 0 \\ 0 & 0.31 & 0.69 & 0 & 0 \\ 0 & 0 & 0 & 0.80 & 0.20 \end{matrix}]$

$μ_{3} = [\begin{matrix} 0 & 0 & 0 & 0.90 & 0.10 \\ 0 & 0 & 0 & 0.80 & 0.20 \\ 0 & 0 & 0.67 & 0.33 & 0 \\ 0 & 0 & 0.75 & 0.25 & 0 \\ 0 & 0.60 & 0.40 & 0 & 0 \\ 0 & 0 & 0 & 0.80 & 0.20 \\ 0 & 0 & 0.10 & 0.90 & 0 \\ 0 & 0 & 0 & 0.46 & 0.54 \\ 0 & 0 & 0.27 & 0.73 & 0 \\ 0 & 0 & 0.67 & 0.33 & 0 \end{matrix}]$

$μ_{4} = [\begin{matrix} 0.60 & 0.40 & 0 & 0 & 0 \\ 0.80 & 0.20 & 0 & 0 & 0 \\ 1.00 & 0 & 0 & 0 & 0 \\ 0 & 0.67 & 0.33 & 0 & 0 \\ 0.20 & 0.80 & 0 & 0 & 0 \\ 1.00 & 0 & 0 & 0 & 0 \\ 0.30 & 0.70 & 0 & 0 & 0 \\ 0.40 & 0.60 & 0 & 0 & 0 \\ 0 & 0.89 & 0.11 & 0 & 0 \\ 0.67 & 0.33 & 0 & 0 & 0 \end{matrix}]$

利用综合属性测度计算公式,计算得到的综合属性测度矩阵:

$μ = [\begin{matrix} 0.2089 & 0.5823 & 0.1932 & 0.0154 & 0 \\ 0 & 0.0240 & 0.4358 & 0.4612 & 0.0788 \\ 0 & 0.0230 & 0.2077 & 0.6630 & 0.1061 \\ 0.5491 & 0.4261 & 0.0246 & 0 & 0 \end{matrix}]$

取置信度λ=0.7,因本例中质量级别之间的关系属于强序的属性集关系,故由置信度准则计算公式(式(10))对每卷钢卷的质量级别进行计算。应用评分准则计算每卷钢卷的具体分数时,取ni=6-i(1≤i≤5),按 $q_{x} = \sum_{i = 1}^{5} (6 - i) μ_{x} (C_{i})$ 来进行计算。每卷钢卷的质量级别及具体分数见表3。由表3可知,通过置信度准则可以判定,钢卷1和钢卷4的质量等级均为Ⅱ级,钢卷2和钢卷3的质量等级均属Ⅳ级,同属一级的钢卷的质量差别可以通过评分准则来进行判别,钢卷4的质量优于钢卷1,钢卷3的质量优于钢卷2。

文献[2]应用模糊综合评判法对带钢质量进行分级。应用模糊综合评判法进行带钢质量分级会出现分级不清、结果不合理的问题,其原因是模糊数学的取大取小运算损失了大批中间值的信息,而最大隶属度原则也不适用于带钢质量评价,同时,应用模糊综合评判法进行带钢质量分级不能进行更加细致的分级,即不能对质量级别相同的带钢质量进行进一步的区分。带钢质量评价是有序分割类的识别问题,因此本文建立的带钢质量评价属性识别模型很好地解决了模糊综合评判法所导致的问题,并且相对于传统的质量等级的离散判别来说,本文方法所给出的判别结果可以做到质量等级的连续判别。

5 结语

针对钢铁企业对钢卷质量评价过于简单粗糙的现状,本文在属性集和属性测度理论的基础上,以置信度准则和评分准则为判别准则,建立了带钢质量评价模型。在带钢指标权值及带钢指标值确定之后,应用判别准则对属性测度矩阵进行处理便可得到钢卷的质量等级,并对同一级别带钢质量进行排序。实例表明,该模型评价结果合理可信,计算过程简便,实用性强。

摘要：针对带钢质量评价属性多、指标多的特点,提出了带钢质量综合评价的属性识别模型。依据属性识别理论中有关属性集、属性测度、有序分割类等基本概念,建立了质量等级属性集并计算出带钢质量影响因素的单属性测度和综合属性测度。以置信度准则和评分准则为判别准则,根据置信度准则进行带钢质量的等级评定。同一等级的带钢质量差别由评分准则来区分。实例表明,该模型计算简便,易于计算且具有一定的推广性。

属性评价论文篇5

近年来提出的属性识别理论模型已在环境质量评价中有所应用.现将该模型引用到湖泊水质富营养化评价中来,并用此模型对福州市山仔水库的水质进行评价,其评价结果与运用模糊隶属函数法得到的结果进行比较,其结果令人满意.此模型为湖泊水质的`富营养化评价提供一种简便实用的评价方法.

作者：孔健健张江山作者单位：福建师范大学环境科学研究所,福州,350007 刊名：环境工程 ISTIC PKU英文刊名：ENVIRONMENTAL ENGINEERING 年，卷(期)： 22(5) 分类号：关键词：属性识别理论湖泊水库富营养化评价模型

属性评价论文篇6

1 梯形模糊数

梯形模糊数的表示为:设a, b, c, d是x轴上的点值, 表示形式为。L-R梯形模糊数的表示形式为, 其中α, β是梯形模糊数的左右扩散, 它们之间的关系可表示为:α=a-c, β=d-b。L-R梯形模糊数具有良好的运算性质, 两个梯形模糊数之间的加、乘运算为[1]:

设是梯形模糊数, 则根据扩张原理:

2 模糊多属性决策原理

设给定一个方案集A= (A1, A2, …, m) , 决策者对每个方案进行考察, 形成相应于每个方案的属性集C= (C1, C2, …, n) , 表示各属性重要程度的权重集表示为w= (w1, w2, …, wn) 。其中, 属性指标和权值大小的表示方法可以是数字的, 也可以是语言的;涉及的数据结构可以是不精确的, 也可以是精确的。模糊指标值矩阵可表示为:

对模糊决策向量元素比较排序, 即可选出方案集中的最优方案, 记为Amax。

3 模糊加权平均决策方法

可以采用模糊加权平均型决策方法进行评价, 方案Ak的效用价值计算过程如下:

式中, wj, xij分别是经过归一化处理后具有可比性的权值和指标值[4]。

式中, 。在积空间R2n上, 定义下面的隶属函数:

影射产生的模糊效用集具有隶属函数

模糊效用函数采用简单加权平均形式, 即

式中:wj和xij是梯形模糊数或普通的实数。装备运用方案的评价采用最大化的模糊效用值:

4 装备运用实例分析

假定某装备运用方案集为A={A1, A2, A3}。建立属性集C{C1, C2, C3, C4, C5}。经指挥员及作战人员进行评定, 可以得到装备运用和决策属性的评价结果, 如表1所示。

为确保装备运用的有效性, 将上述定性描述指标转换为梯形模糊数表示的定量指标。对应关系如表2所示。

采用简单加权平均法, 经计算可得到各个维修行为的模糊效用值如下:

用模糊集排序方法进行比较得到:。可得出A3>A2>A1, 即运用方案A3效能最好。

参考文献

[1]张市芳.几种模糊多属性决策方法及其应用[D].西安:西安电子科技大学, 2012:12-18.

[2]周林, 赵杰, 冯广飞.装备故障预测与健康管理技术[M].北京:国防工业出版社, 2015:170-189.

[3]袁志坚, 孙才新, 李爱华, 等.模糊多属性决策方法评价变压器状态维修策略[J].高电压技术, 2004, 30 (8) :33-35.

[4]许大伟, 刘守生.直觉模糊多属性决策熵排序法在武器方案规划中的应用[J].四川兵工学报, 2012, 33 (3) :131-132.

高科技项目的复杂多属性评价篇7

在实际决策中,由于决策问题的复杂性和不确定性,受一些主、客观的因素制约,决策矩阵中各方案关于诸属性的评价值通常不是确定的,而是以模糊语言(或语言变量)、偏好序等方式表达的[3]。虽然对不确定环境下的多属性决策问题的研究已经取得了丰硕的成果,复杂多属性决策问题的研究仍然是人们关注的重要课题[4,5,6]。本文就具有偏好排序(或称偏好序)、语言短语(或语言变量)类型属性评价值的高科技项目的选择问题展开了研究,提出了不同类型属性评价值的规范化方法,建立了方案综合评价值的计算公式,并给出了算例说明。

1 问题描述与语言评价基础

1.1 问题描述

为了方便问题的表述,本文采用下面的符号来描述具有不同类型评价值混杂多属性决策问题:

记S={S1,S2,…Sm}为m个方案的集合,m≥2。

记R={R1,R2,…Rn}为n个属性的集合,n≥2。

记W=(w1,w2,...,wn)为属性的权重向量,其中,wj为属性Rj的权重,0≤wj≤1,且。。

记为混杂型决策矩阵,其中,表示方案Si关于属性Rj的以各种形式表示的属性值,i=1,...,m,j=1,...,n,这里,可以是偏好序、语言短语(或语言变量)类型的属性评价值。

1.2 语言评价的有关概念

1.2.1 语言短语

在复杂的或模糊不定的经济决策环境中,语言短语能够更准确地表达出人们的主观感觉或判断。

定义1实数集合上的一个语言短语T軌被定义为三角模糊数(表示为(u,α,β),如果它的隶属度函数是如下定义的函数:

其中,α≤μ≤β,而且u为模值,α与β分别代表语言短语T軌的下界值和上界值。

1.2.2 语言评价集合

在进行各方案关于诸属性的评价时,需要事先确定各属性上所采用的语言评价集合。不同的属性可以采用不同的语言评价集合。下面简要说明语言评价集合的有关性质。假设TERMSET={t0,t1,…,tg}为一个语言评价集合,它是一个由奇数个(g+1)元素构成的有序集合。例如,考虑一个由7条语言短语构成的集合TERMSET,即TERMSET={t0=“极差”,t1=“很差”,t2=“差”,t3=“一般”,t4=“好”,t5=“很好”,t6=“极好”}。语言评价集合TERMSET满足如下性质:

1)有序性。当i≥j时,有ti≥tj,这里符号“≥”表示“好于或等于”。

2)存在逆运算算子“Neg”。当j=g-i时,Neg(ti)=tj,这里g+1为语言评价集合TERMSET中元素的个数,且语言评价集合TERMSET中的最大短语为tg。

3)极大化运算和极小化运算。当ti≥tj时,有Max{ti,tj}=ti;Min{ti,tj}=tj。

1.2.3 语言变量

定义2称term=[tα,tβ]为一个不确定语言变量,如果tα和tβ为上述语言评价集合中的语言短语,且tα和tβ分别表示其下限和上限。

定义3令term1=[tα1,tβ1]和term2=[tα2,tβ2]分别为两个不确定语言变量,则term1与term2的距离定义为:

2 提出的方法

2.1 属性值的规范化

由于不同的属性常常具有不同的特性和量纲,通常采用相应的规范化方法把不同类型的属性值转化为可比的数据。下面给出偏好序型评价值和语言变量型属性评价值的规范化方法。

2.1.1 规范化偏好序型评价值

假设关于属性Rj各决策方案的评价值是以偏好排序Oj=(oj(1),...,oj(m))的形式给出的,那么,决策方案Si的效用值可以由下式计算得到:

其中,oj(i)为在偏好序Oj=(oj(1),...,oj(m))中方案Si的排序位置。

2.1.2 规范化语言变量型评价值

给定混杂决策矩阵中的语言变量型属性Rj,其正理想属性值gteyj+定义为:

并且:

定义4给定具有偏好序和语言变量型属性评价值的混杂决策矩阵,关于语言变量型属性Rj,语言变量型评价值与其正理想属性值greyj+间的灰色关联度定义为:

其中,为由定义3给出的计算语言变量型属性评价值与正理想属性值greyj+间距离的函数。

这样一来,具有偏好序和语言变量型属性评价值的混杂决策矩阵转换为单点值型决策矩阵B=(bij)m×n。显然,bij的值越大越好。

2.2 方案综合评价值的计算与排序

基于由3.1得出的单点值型决策矩阵B=(bij)m×n,可以计算各方案的综合评价值。

其中,wj为属性Rj的权重,j=1,…,n。决策方案可以按照Overalli的值降序排列,i=1,...,m。

3 算例分析

考虑有5个备选方案(即,S1、S2、S3、S4、S5)针对4个属性(即,C1、C2、C3、C4)的混杂多属性评价决策问题。假设4个属性都是效益型的,并且,第一个与第二个属性采用偏好序的形式评价各决策方案,第三个与第四个属性采用语言变量的形式评价各决策方案,并且采用的语言评价集合均为{t0=“极差”,t1=“很差”,t2=“差”,t3=“一般”,t4=“好”,t5=“很好”,t6=“极好”}。具体的混杂决策矩阵如下所示:

根据第3节给出的方法,上述混杂多属性评价决策矩阵规范化为如下的单点值型决策矩阵B=(bij)m×n:

假设各属性的权重向量为w=(0.25,0.25,0.25,0.25)。相应地,计算得到方案的综合评价值分别0.3542,0.7917,0.9375,0.30830.35,因此,方案的排序结果为:

4 结束语

本文将高科技项目的评价问题归结为复杂多属性决策。在复杂的决策环境下,属性评价值决策信息不是以精确地实数表达的,而常常以偏好序和语言变量类型表达。本文针对具有偏好序和语言变量属性评价值的高科技项目的问题提出了一个解决方法。首先将不同类型的属性评价值规范化,进而将混杂决策矩阵转换为单点值型决策矩阵,由此计算方案的方案综合评价值,从而得出它们的排序。最后,采用一个算例说明提出的方法。本文提出的决策方法简单、可行并易于计算机实现,适合在复杂的决策环境下的将高科技项目的评价问题。

参考文献

[1]王明峰.科技风险投资项目评估指标体系的建立[J].现代商业,2010(05):120-121.

[2]Chen S C,Hwang C L.Fuzzy Multiple Attribute Decision Making Methods and Applications[M].Berlin:Heidelberg,1992.

[3]Zhang Q,An approach to linguistic multiple attribute decision making based on superiority possibility,2009 International Conferenceon Research Challenges in Computer Science(ICRCCS 2009),2009:28-31.

[4]徐泽水.不确定多属性决策方法及应用[M].北京:清华大学出版社,2004.

[5]徐泽水.基于语言评估标度中术语指标的多属性群决策法[J].系统工程学报,2005,20(1):84-88.

属性评价论文篇8

一、多属性决策方法

多属性决策问题是指决策问题中的变量是离散型的, 其中的备选方案数量为有限个的决策问题。多属性决策问题的特征包括:有多个决策者, 备选方案是离散的、数量有限的, 每个备选方案具有多个属性, 各个属性具有各自的权重, 权重表示各个属性的重要程度。

1. 多属性群决策过程。

在进行多属性群决策时, 一般先由多个决策者对不同备选方案的各项属性打分, 给出决策矩阵, 再根据影响因素确定权重向量, 然后利用选定的算子对群决策矩阵进行集结, 得出每个可选方案的综合属性值, 最后利用该值对各方案进行排序。具体步骤如下:

(1) 确定备选方案集和属性集。设X={x1, x2, x3, …, xi}为决策问题的备选方案集, Y={y1, y2, y3, …, yi}为决策问题相关的属性集。

(2) 确定属性权重。属性权重的大小反映了该项指标在所有指标中的相对重要程度, 越重要的指标对应的权重值也就越大。设w={w1, w2, …, wj}T为属性的权重向量, 则wj∈[0, 1], 且。权重的确定有多种方法, 由于这里的权重表示各指标在建设项目总效益中的重要性程度, 可以采用分配型判断构权法确定权重。

分配型判断构权法是对评价对象进行两两对比, 按其重要程度确定重要性分配比例, 构造判断矩阵, 进行归一化处理后, 确定评价对象权重。具体步骤如下:

首先构造判断矩阵, 对判断矩阵进行倒数化处理;然后, 利用公式计算绝对权值pi;再对pi进行归一化处理, 得到各指标的权重。

(3) 给出决策矩阵。设D={d1, d2, …, dp}为专家 (决策者) 集, 决策者dp对第l个方案评价时, 针对每个属性来打分, 如对方案xl的第wk个属性的属性值可记为a lk (p) , 则决策者dp对方案xl的决策矩阵可记为。

(4) 综合评价。选定一个数学模型 (或算子) 将多个指标评价值合成为一个可供比较的综合属性值。目前, 常用的算子主要有:极大 (Max) 和极小 (Min) 算子、加性加权平均 (AWA) 算子、加权几何平均 (WGA) 算子、有序加权平均 (OWA) 算子、有序加权几何平均 (OWGA) 算子。这些算子各有优缺点, 需要根据实际情况选择使用。

有序加权平均 (OWA) 算子和有序加权几何平均 (OWGA) 算子的特点都是把数据按从大到小的顺序重新进行排序, 再进行加权集结, 权重向量是根据打分的情况给出, 能消除分值偏差太大带来的影响, 得出的结果相对较为合理。

(5) 最后, 根据综合属性值的大小对方案群进行排序, 择优选择。

2. 有序加权平均 (OWA) 算子。

设f:Rn→R, 则:

其中:w={w1, w2, …, wn}T是与f相关联的加权向量, 其中wj∈[0, 1], ∑wj=1, 且bj是一组数据ai中第j个最大元素, 则称函数f是n维有序加权平均 (OWA) 算子。

wj的确定方法有很多, 为了消除决策者打分过高或过低而对决策结果造成的不良影响, 这里考虑给偏差较大的数据赋予较小的权重, 给接近平均值的数据赋予较大的权重, 具体计算方法如下:

设μ为一组数据 (a1, a2, …, an) 的算数平均值, (b1, b2, …, bn) 是 (a1, a2, …, an) 的一个置换 (bj-1≥bj, j=2, …, n) , 则第j个最大数据bj与μ之间的相似度记为:

3. 有序加权几何平均 (OWGA) 算子。

设f:R+n→R+, 则:

其中:w={w1, w2, …, wn}T是与f相关联的加权向量, 其中wj∈[0, 1], ∑wj=1, 且bj是一组数据ai中第j个最大元素, 则称函数f是n维有序加权几何平均 (OWGA) 算子。其中, wj的确定方法同上。

二、案例分析

假设某企业面临一个投资决策, 有六个商业项目可供选择, 用X={x1, x2, x3, …, x6}来表示, 为了评估每个项目的社会效益和经济效益, 需要考虑以下五个方面的因素:经济性、盈利性、功能、节能性、环保性, 以向量Y={y1, y2, y3, y4, y5}分别表示。

邀请三位决策者进行决策打分, 他们对项目xi (i=1, 2, 3, 4, 5, 6) 就因素yj (j=1, 2, 3, 4, 5) 来打分, 分值范围为0~100, 得出的评估矩阵如表1~3所示:

计算过程如下:

首先, 用分配型判断构权法确定评价指标的权重。经讨论确定, 本项目五个指标的重要程度为y1=y2>y4>y3=y5, 则得到构造判断矩阵A:

对其进行倒数化处理和归一化处理后, 得到各指标值的权重向量w={0.28, 0.28, 0.12, 0.2, 0.12}T。

然后, 利用有序加权平均 (OWA) 算子将3位决策者给出的决策矩阵的第j列的属性进行集结, 得出每位决策者对于项目xi的综合属性值Cl (p) :

再用有序加权几何平均 (OWGA) 算子对综合属性值Cl (p) 进行集结, 得到项目xl的群综合属性值Cl:C1=76.8, C2=76.3, C3=74.9, C4=75.9, C5=68.6, C6=76.6。

根据Cl的大小对方案进行排序:x1>x6>x2>x4>x3>x5。

三、结论

基于OWA算子和OWGA算子的项目投资决策方法, 考虑了项目投资决策过程中的多因素问题, 能从多个方面来综合评价各投资项目的优劣性, 进而择优选择。使用该方法时, 不是主观地确定各位决策者的权重向量, 而是通过决策者给出的决策矩阵来确定其权重向量, 对打分过低或过高的决策者赋予较小的权重, 从而使决策更为合理。

参考文献

[1].Yager R R.On ordered weighted averaging aggregationoperators in multicriteria decision making.IEEE transactions onsystems, Man, and Cybernetics, 1988;18

[2].Herrera F, Herrera-Viedma E, Chiclana F.Multipersondecision-making based on multiplicative preference relations.European Journal of Operational Research, 2001;129

属性评价论文篇9

美欧等发达国家早在20世纪60年代就开始重视公路养护质量管理,其中,美国在养护管理系统(MMS)中提出了公路养护质量的概念;1980年,英国运输部颁布了《干线公路管理和养护说明》,提及了公路养护质量评价方法。我国先后颁布并修订了《公路养护质量检查评定标准》和《高速公路养护质量检评方法》,建立了公路各组成部分的养护质量评价体系,但尚未形成一套完整的综合评价体系[1~3]。本文探讨了公路养护质量综合评价的指标体系,并以属性识别理论为基础,对公路养护质量的综合评价方法进行研究,为公路养护管理工作提供一些参考。

1 公路养护质量评价指标体系

1.1 指标体系的建立

公路养护质量评价是公路养护管理工作的重要组成部分,其评价结果直接影响公路管理、养护经费及养护对策的制定等多个方面。由于公路养护的对象有着广泛性的特点,除道路、桥涵、隧道之外,还包括交通工程及沿线设施,绿化以及环保等方面,因此建立一个全面、合理的多因素公路养护质量评价指标体系是十分必要的[4,5,6,7]。

本文通过对公路各组成部分的分析,采用层次分析法,构建了一个3层次的公路养护质量评价指标体系,分别为目标层、准则层和指标层,指标层中定量指标与定性指标相结合,各评价指标间相对独立。建立评价指标体系的层次结构见表1。

评价指标应尽可能通过资料调查进行量化,例如:横向力系数、车辙深度、桥梁承载力、绿化覆盖率等指标,可以根据评价指标的定义,按照公路沿线的实际调查情况确定相应的指标值。而各种桥梁构件的缺损状况、标志标线等指标难以直接客观量化,本文建议采用集体经验判断法来对指标进行量化。集体经验判断法是由一定数量的从事公路养护管理工作的技术人员在一起讨论,各抒己见,根据指标定量化标准,确定不同的指标得分值,然后求出相应指标值的平均值,作为评价指标定量化的最后结果。

1.2 指标权重的确定

指标权重的确定是在评价过程中对评价对象的不同评价指标的重要程度的定量分配,即对各评价指标在总体评价中的作用进行区别对待。公路养护质量综合评价系统是一个复杂的多指标体系,本文建议利用层次分析法确定公路养护质量评价中各指标的权重。

层次分析法能把复杂系统的决策思维进行层次化,把决策过程中定性和定量的因素有机地结合起来,通过调查评价指标对评价对象的贡献程度来确定评价指标的排序并建立判断矩阵,本文建议采用1~3标度法建立判断矩阵,比较标度表见表2。

对每一层次各元素的相对重要性给出判断,对各相关元素进行两两比较评分,可得到若干两两比较判断矩阵,构造判断矩阵A。矩阵中aij表示对A元素而言,ai与aj重要度的标值。例如aij=1表示ai与aj的重要度相等。

在判断矩阵的基础上,计算判断矩阵的最大特征根及相应的特征向量,即对判断矩阵A计算满足AW=λmaxW的特征根和特征向量。这里λmax为A的最大特征根,W为对应于λmax的规范化特征向量。

为防止判断矩阵偏离一致性影响,最终决策需要检验判断矩阵的一致性,当判断矩阵的随机一致性指标小于0.1时,矩阵具有满意的一致性,否则需要调整判断矩阵[8]。

显然,可以用wi作为评价指标Xi的权重。

2 公路养护质量评价模型

公路养护质量评价的目的是确定养护的目标是否达到,养护是否合理有效,通过分析评价找出成败的原因,总结经验教训,并通过及时有效的信息反馈,为进一步的养护决策提出建议,从而达到提高养护质量的目的。属性识别理论在工程建设、环境评价等项目中广泛应用,评价结果客观有效[9]。本文利用属性识别理论对公路养护质量进行评价。

2.1 单指标属性测度分析

设X为公路养护质量评价对象空间,对X中的每一个评价元素x要测量m个指标I1,…,Im。对X中元素的评价集为(C1,C2,…,CK),CK(1≤k≤K)为评价等级或评价类。单指标评价划分类别标准见表3。

设x的第i个指标值为t,由表3确定单指标属性测度函数μxik(t)。在表3中aik满足ai0ai1>…>ai K。

假定ai0

2.2 多指标综合属性测度分析

在公路养护综合评价中,每个指标所起的作用是不同的,参照上节层次分析法获取各评价指标的权重向量,假定利用单指标属性测度分析得指标xi的属性测度为(μx1,μx2,…,μx K),属性测度矩阵为

则多指标综合评价的属性测度向量为

2.3 属性识别及养护决策模型

属性识别分析的目的是由属性测度μxk,1≤k≤K,对x属于哪一个评价级别作出判断,进而做出相应的养护决策。本文利用属性识别准则确定养护质量评价等级及养护措施。

假设公路养护质量评价及养护决策的评价标准如表4所示。

则利用多指标综合属性测度分析子系统中计算出的综合属性测度及综合评价的评价标准,计算该评价对象的评分为:

公路养护评价标准等级与养护分级相对应,评分结果既可以为养护决策提供直观参考,又可以为下一层次的评价提供数据支持,方便进一步评价。

3 工程应用实例

国内某高速公路是我国的重点交通建设项目,双向4车道,路面结构类型为沥青混凝土路面,应用属性识别理论模型对其养护质量进行评价。限于篇幅,本文以路面养护质量评价为例,详细说明属性识别理论在公路养护质量评价中的应用。

路面状况指数PCI,即通过路面破损状况的调查全面掌握路面出现的病害情况,对其进行量化,具体PCI值可按照《公路养护技术规范》的相关要求进行调查计算得到。

路面强度指数SSI,为路面容许弯沉与实测代表弯沉之比,主要用于评价路面结构的承载能力,以确定必要的养护措施。

行驶质量指标RQI,行驶质量用纵向的平整度来评价,RQI=11.5-0.75×IRI,其中,IRI为国际平整度指数。

横向力系数SFC,是反映道路抗滑能力的一个重要指标,可采用横向力系数测定仪测定。

借鉴公路养护质量评价中常用的评价标准,本文制定了路面养护质量评价指标的分级标准,详见表5。公路养护质量其余各评价因子的评价标准的制定与之相近,在此不再赘述。

对评价路段的路面指标的实测数据计算结果见表6。

根据专家调查意见,利用3标度法建立路面养护质量4评价指标的判断矩阵,经检验,判断矩阵具有良好的一致性,计算得出指标权重向量为:

由公式(1)~(5)可求得多指标测度评价矩阵:

由公式(6)可求得评价路段公路养护质量的综合测度评价向量:

高速公路路面养护质量评价及养护决策标准如表7所示:

由公式(7)可求得评价路段公路养护质量的评价结果为81.4,评价等级为良好,需要进行预防性养护。由于评价得分为良好级中的较低值,需密切注意路面使用状况,及时采取有效措施,有力保障公路的良好使用性能。评价结果客观地反映了该段公路工程养护质量的实际情况,有效地指导了养护部门工作的实施。

4 结语

随着我国公路建设事业的发展,公路养护逐渐成为道路工作者认真对待和研究的重要课题。本文根据公路养护的特点,建立了公路养护质量评价指标体系,利用层次分析法确定公路养护质量评价中各指标权重,构建了公路养护质量评价体系的属性识别模型,通过工程实例验证表明,该模型可以有效地衡量评估公路的养护质量,为养护决策提供参考。

摘要：通过对公路养护质量要求的分析,建立了公路养护质量综合评价的指标体系,利用层次分析法确定评价指标权重。基于属性识别理论,构建了公路养护质量的综合评价模型,最后结合工程实例对该模型进行了验证。结果表明,属性识别模型能够客观有效地评价公路养护质量。

关键词：公路养护,养护质量,层次分析法,属性识别,评价体系

参考文献

[1]杨强,陈长,孙立军.高速公路沥青路面养护质量评价方法研究[J].交通标准化,2008,(Z1):76-80.

[2]徐强.高速公路沥青路面预防性养护评价体系研究[J].中外公路,2009,29(03):64-68.

[3]范跃武,李小重.英国公路养护规范及路况检测评价方法[J].中外公路,1999,19(04):51-55.

[4]崔亚萍,张捷,张江影.高速公路沥青路面养护质量评价方法的探讨[J].中外公路,2008,28(04):70-73.

[5]王芳,苏小军,胡兴华.高速公路养护及服务质量评价指标体系研究[J].重庆交通大学学报,2009,28(3):600-603.

[6]赵吉广,陆键,项乔君.高等级公路养护质量评价体系研究[J].公路交通科技,2006,23(04):1-6.

[7]JTJ073.2—2001公路沥青路面养护技术规范[S].

[8]王莲芬,许树柏.层次分析法引论[M].北京:人民大学出版社,1990.

属性评价论文篇10

一、多属性决策方法

水利工程项目一般都是关系国计民生的浩大工程, 甄选重要影响因素, 选择合适的方法进行量化, 应用数学模型, 建立水利工程综合影响评价指标体系。多属性决策问题又称有限方案多目标决策问题, 即在备选方案中进行方案的选择或评价, 而多目标决策分析问题是用来设计方案的, 并没有备选方案。多属性决策包括决策信息的收集和信息的集结并择优。

水利工程规划方案优选是水利开发的研究热点, 在经典的多属性决策方法中, 水利工程规划方案决策方法以可基于灰色关联的三角模糊、基于区间直觉模糊集, 所以多属性决策理论、方法、应用的研究具有重要的意义。

二、水利工程规划方案评价的基本理论

环境影响评价的根本目的是鼓励在工程规划和决策过程中考虑环境影响的因素, 水利项目社会评价是指分析评价项目为实现国家和地方的各项社会发展目标所做贡献与影响, 以及项目与社会的相互适应性的一种系统的调查、研究、分析、评价方法。

生态影响评价又称作非污染生态影响评价, 与现行的环境影响评价是有区别的是相对于污染生态影响所提出的, 是为了保护生态环境和自然资源, 对人类开发建设活动可能导致的生态环境影响进行分析与预测, 是为国家和区域的长远发展的利益而服务的, 以减少影响或改善生态环境的策略和措施, 对污染影响的范围和程度有明确的要求, 对生态环境影响进行分析与预测, 生态影响评价注重生态分析和保护措施。水利工程项目的经济评价包括企业经济评价和国民经济评价, 评价其目的就是最大限度地规避风险, 提出全面的评价报告, 提高投资的效益。

水利工程影响因素很多, 这表现为水利工程建设对水环境的影响, 如果调节不当, 会造成库盆内泥沙淤积, 导致水库库容减小, 不能发挥应有的效益;水利工程建设对土壤环境的影响, 可能会对现有的植被造成破坏;水利工程建设对环境地质的影响表现为可能会诱发各种地质灾害的风险会明显提高。水利工程施工对环境的影响表现为会造成对表土尤其是上坡上的土扰动较大。

水利工程对社会的影响表现为水利工程对地区发展的影响会明显拉动当地这些企业的发展;水利工程对原有社会环境的影响, 比如移民问题, 介水传染病、虫媒传染病的发病率也增加;水利工程对自然资源利用的影响, 如可能会引发土地资源使用权的争夺问题。

水利工程对生态的影响表现为对于水生动植物的生长是有影响的, 尤其是鱼类, 降低了生态群落的多样性;对气候的影响是水库蓄水后使河谷的狭管效应减弱;对景观生态体系质量的影响造成树木的砍伐、地面植被的破坏。另外, 水利工程对经济的影响可能会造成工程建设和投产后的生产经营浪费。

三、水利工程规划方案评价的指标体系

指标可以提供事物的状态和趋势信息, 只有科学合理的评价指标体系, 才能构建合理的水利工程实际的指标体系。

评价指标体系建立的原则包括代表性及独立性原则, 全面、系统、综合性原则, 科学及可行性原则, 简洁及实用性原则, 定性指标与定量指标相结合的原则及以人为本的原则。具体地说, 评价指标体系必须要全面衡量诸多因素, 确定的评价指标要具有一定的代表性, 设立及计算方法必须相对科学、合理、准确, 力求简洁, 便于应用操作, 具有实用性, 具有很强的现实操作性, 树立以人的全面发展为中心的发展观。

评价指标体系构建的方法。构建评价指标体系的总体框架, 将反复预选的指标进行多位专家的咨询, 对指标体系进行筛选、修改和完善, 能够从不同方面反应指标性质, 以最终确定指标体系。

然后进行评价指标数据的收集, 收集数据时还应注意评价的内容和要求, 寻找尽量可行、合理的定量计算方法, 最后建立评价指标体系。

四、水利工程规划方案多属决策方法

灰色关联的三角模糊。水利工程所涉及的指标有定量和定性描述两种, 我们可以采用三角模糊数进行指标量化处理。建立三角模糊数定性指标量化标准评定表, 根据不同人员对于不同指标的了解程度赋予其不同的重要性程度权重, 最终综合不同方面的意见, 综合各相关人员对同一定性指标的三角模糊数信息, 进行指标归一化处理;确定权重, 其方法可以有层次分析法、主成分分析法、灰色关联度法、熵值法、变异系数法, 建立基于灰色关联分析的三角模糊水利工程规划方案多属性决策模型。

区间直觉模糊集。区间直觉模糊集理论比较复杂, 包括基于集成算子的区间直觉模糊决策方法、基于理想点法的区间直觉模糊决策方法。将区间直觉模糊集与灰色理论结合, 进行指标量化, 具体方法如下:根据相关人员的重要性程度权重, 得到综合各方意见的指标数据, 根据文献区间直觉模糊集的运算法则, 计算各指标的区间直觉模糊数。结合理想点法对方案优劣进行排序, 以选择最优方案。接下来进行权重的确定, 并确定出方案。

从实际出发, 基于灰色关联的三角模糊决策方法可利用评价指标量化处理方法, 制定几套评价方案, 若干指标数据进行量化, 根据相应权重确定方法计算各指标权重, 法分别计算各方案与正理想法案及负理想方案的关联度, 根据基于灰色关联的三角模糊决策方法得到的计算结果。

另外, 还可采用基于区间直觉模糊数法, 其方法也是根据相关指标量化方法, 计算各指标权重, 得到权重矩阵, 计算各方案, 各指标与正负理想方案的距离, 并将备选方案进行排序, 选出最优。

参考文献

[1]陆孝平、徐世均:《水利工程对生态与环境形成负面影响的对策探讨》, 《水利发展研究》, 2005, 10

[2]宋力、孟仁富、周金山等:《基于层次分析的水利工程施工方案优选》, 《人民黄河》, 2009, 31。

【属性评价论文】推荐阅读：

多属性评价框架12-25

属性综合评价模型03-10

大气环境质量属性识别理论评价模型及应用03-06

属性文件论文08-14

价值属性论文08-30

自然属性论文01-02