灰色聚类分析法

灰色聚类分析法（精选8篇）

灰色聚类分析法 篇1

0 引言

激光通信技术是近年来发展很快的一种新型通信技术,它以光纤通信技术和大气激光通信技术为代表。相对于微波通信来说,它的通信频带更宽,无需申请牌照,组网灵活简便,对于相同通信容量的场合,激光通信所需设备的体积更小,质量更轻。随着激光通信事业的发展,各种新型的激光通信系统和装置不断出现,实际的工程和决策部门需要不同激光通信系统的评价和分析方法。文献[1-2]提出了通信系统的马尔柯夫分析法;然而文献[3]指出,通信系统中实际信息流的统计特性并非都具有马尔柯夫性。另外,激光通信系统的分析还可以用排队理论以及系统工程中的一种方法—Delphi(德尔菲)法[3,4]。文献[5]就将Delphi法和层次分析法结合使用来评价通信系统。在评价指标方面,文献[6]提出了用误码率来衡量激光通信系统的性能。以上这些方法虽然实现的途径不同,但有一个共同点,即用定量分析代替定性分析。

目前还存在的问题是:各种评价方法的判断标准不同,有些评价方法不够全面,对于某些通信指标,例如抗干扰能力、调制方式、信息传递的隐蔽性等,具有模糊性和相对性,难以进行定量分析。灰色系统理论作为近年来一个新的数学分支,在解决多指标决策和分析模糊性对象方面,不失为一种有效的方法。灰色系统理论将系统看作一个具有部分明确信息和部分不明确信息组成的灰色系统[7]。文献[8]和文献[9]分别利用灰色系统理论来评价通信系统的综合抗干扰性能以及解决电子设备试验方案的综合评价,虽然研究目标不同,但都将多目标决策问题转换为单一目标决策问题。其中,针对具有模糊性的评价指标的量化和分析,灰色系统理论可以发挥其独到的优势。在分析通信系统的综合性能方面,灰色系统理论也证明了它是统计学方法的有效补充[10,11]。借鉴灰色系统理论中的灰色聚类法,采取聚类的方式来研究不同系统。本文提出将灰色聚类法用于激光通信系统的评价,即按照聚类指标将不同的系统进行灰色聚类,通过分析聚类效果来评价激光通信系统的优劣。这种方法可以为统计学的方法进行有效补充。

1 灰色聚类的基本概念和理论

在决定激光通信系统性能的许多有关因素中,有些因素是明确的,例如通信距离、通信带宽等,用灰色系统的角度看,可看作白化量;有些因素是不明确的,或者是模糊的、定性描述的,例如抗干扰性能、系统维护难度等,这些不明确的量可看作灰量,因此整个系统呈灰色。灰色系统理论是解决带有灰色特征问题的一种方法。对于激光通信系统来说,所有反应其特征的指标构成指标序列。利用灰色系统理论对激光通信系统进行研究,即研究它的指标序列。灰色聚类理论是灰色系统理论的一个重要分支。灰色聚类是将聚类对象对于不同的聚类指标所拥的白化数,按几个灰类进行归纳,通过计算所有指标的综合效果,判断聚类对象所属类型[8]。在本文中,聚类对象就是激光通信系统,聚类指标就是激光通信系统的评价指标。

设有N个聚类对象,M个聚类指标,S个灰类,dij为第i个聚类对象对于第j个聚类指标的样本,其中1≤i≤N,1≤j≤M。则样本矩阵为

设fjk(dij)为第j个聚类指标对第k个灰类的白化权函数,设σik为第i个聚类对象对于第k个灰类的灰色聚类系数。定义

式中:1≤k≤S,ηj为事先给指标j所赋权值。fjk(dij)的计算分三种情况,按照下列公式计算[8]:

σi为灰色聚类向量:

2 激光通信系统的评价指标

激光通信系统的许多指标,例如:天线效率、工作带宽、同步方式等,都从不同方面反映系统性能。面对评价指标的多样性和部分指标的模糊性,要分析系统的总体性能,从总体上进行系统之间的比较,需要将具有模糊性和相对性的指标,转换为具有可计算性(或可测量性)的形式,然后对所有的指标进行数学分析与处理[3]。只有在这样的基础上,才能定量分析系统的总体性能。

本文将激光通信系统的评价指标分为两级,一级(Level 1)指标实际是一个指标类,每个一级指标里又分为若干个二级(Level 2)指标。本文提出的激光通信系统的指标模型如图1所示。为了说明灰色聚类分析算法在激光通信系统评价中的运用过程,本文给出象征性的例子,列出某三种激光通信系统的通信指标。如表1所示。值得指出的是:1)所列数据及定性指标未必与实际系统的所有指标完全一致,但每项的具体值是在该指标的实际量值范围内的,其目的在于说明灰色聚类方法的运用;2)有些指标是某一系统有,而另一些系统没有,只列出共有的指标。由表1可见,三种激光通信系统可以得到三个指标序列,但这些序列中的元素有些是明确的数值,而有些是不明确的,可以将不明确的指标视为灰色量,因而可将研究对象视为灰色系统。

3 激光通信系统的灰色聚类评价法

对激光通信系统的性能进行灰色聚类评价,有如下步骤:

1)将各不同激光通信系统指标中的灰量(比如:强、弱、中,等)进行白化,得到其白化值[8]。以i表示第i个系统,j表示指标模型中第一层指标的次序,l表示第一层指标所属的第二层指标的次序,dij(l)表示对应指标值或灰量的白化值,1≤i≤N,1≤j≤M,l≥1。

2)由于各指标的量纲不同,需要将指标序列归一化,并计算一级指标类的综合值。若d1j(l)不为零,令dij′(l)=dij(l)d1j(l),i∈1(,,2,N),得到归一化序列dj′(l)=[d1′j(l),d2′j(l),,d′Nj(l)];若d1j(l)=0,则用各个dij(l)除以dij(l)中某个不为零的值。记dij为第i个系统、第一层中第j个指标类的综合值。设,式中αjl为相应二级指标的权值。在本文中认为各个二级指标的重要性相同,故各指标权值应相等,且。

3)确定灰类的白化权函数。由于共有N个系统,故将灰类分为N级,就足够将所有的激光通信系统规类。假定灰类1最好,灰类2次之,…,灰类N最差。记δjk为第一层第j个参数对于灰类k的阈值。将dij对每一列按大小排序,记为d ′ij。δjk由下式取得[8]:

4)确定系统i对灰类k的聚类系数。其中fjk(dij)由式(3)~(5)得出,ηj为相应一级指标的权值。在本文中认为各一级指标的重要性相同,故各权值应相等,且。

5)构造系统i的聚类向量σi=[σi1,σi2,…,σi N]。

6)判断、比较及结论,则该聚类对象为k′灰类,故可比较各无衍射激光通信系统之间性能的优劣。此方法也可推广到一般激光通信系统的定量评价中。

4 分析实例

针对表1列出的三种激光通信系统,采用灰色聚类法进行评价。步骤如下:

1)灰量白化。所有灰色指标均按照四个等级,以从优到劣的顺序进行白化,结果为:

信号保密性强1;中0.75;弱0.5;差0.25。

码间串扰弱1;中0.75;较强0.5;强0.25。

组网能力强1;中0.75;弱0.5;差0.25。

同步难度易1;中0.75;较难0.5;难0.25。

2)序列归一化,并计算dij的值,结果见表2。

3)确定灰类的白化权函数,阈值δjk的计算结果如表3所示。各激光通信系统的白化权函数的计算结果见表4~表6。

4)确定系统i对灰类k的聚类系数,见表7。

5)构造聚类向量,结果如下:

6)判断和比较。激光通信系统Ⅰ属于灰类2,激光通信系统Ⅱ也属于灰类2,而激光通信系统Ⅲ则属于灰类1。由此可见,激光通信系统Ⅲ是这三种系统中最佳的,激光通信系统Ⅰ和激光通信系统Ⅱ为次优。

本文所列举的三种激光通信系统,其参数源于国外的三种大气激光通信产品的性能。激光通信系统Ⅲ的参数以为某公司2003年的产品性能为原型,激光通信系统Ⅰ和激光通信系统Ⅱ均对应1999的两款产品。从实际使用结果来看,激光通信系统Ⅲ对应的产品最畅销,具有全天候工作能力,具有99.99%的可使用率和高度的信号安全性,综合性能最好;激光通信系统Ⅰ的对应产品具有相对较远的通信距离,但其安装不够便捷,灵敏度和信号功率较低,易受天气等环境因素影响;激光通信系统Ⅱ的对应产品多用于短距离的楼宇间的通信,其传输速率相对较高,但也存在连接便捷性问题。从出产年代来看,激光通信系统Ⅰ和激光通信系统Ⅱ均对应早期的激光通信产品,综合性能相对不够全面,适应性不够强,激光通信系统Ⅲ对应相对近期的产品,在技术上相对前两种产品有所改进,是在考虑用户需求和以前产品的缺点的基础上开发的。从实际使用的角度看,本文的分析结果和实际使用结果基本符合。

5 结论

本文将灰色聚类理论引入到激光通信系统的性能评价当中,主要用于多个激光通信系统之间综合性能的比较,为定量分析激光通信系统的总体性能开避了新途径。本文在介绍灰色聚类理论的基础上,首先建立激光通信系统的指标模型,之后将各方面性能表达为明确的可计算量,使其适合后续的灰色聚类系数的计算,最后通过比较聚类效果来进行系统优劣的评价。文章最后通过一个分析实例加以说明,并与实例所对应原型产品的实际使用效果进行了对比,验证了该方法的可行性。利用灰色聚类理论进行激光通信系统性能分析是一种新的方法,在某些方面还需要进一步完善,例如:不同指标权值的确定方法,但这些在本文中并未讨论。

灰色系统理论是十年来刚发展起来的一种新的数学理论,它已成功地运用于工程技术中的很多领域,取得了较好的效果。本文初步尝试将灰色系统理论引入激光通信系统,以分析系统的优劣。该方法作为一种新的评价方法,可以作为已有系统评价方法的有益补充,也可以为后续学者的研究提供新思路。

摘要：激光通信系统需要评价和定量分析,且存在多个评价指标。针对评价指标的模糊性、相对性和多样性,为了对激光通信系统进行定量评价,采用灰色系统理论中的灰色聚类分析法。首先对具有模糊性和相对性的评价指标进行灰量白化,然后将激光通信系统按照聚类指标进行灰色聚类,计算不同激光通信系统所有指标的综合聚类效果,最后以聚类类型作为各系统定量评价的依据。该方法将多指标决策问题转换为单一指标决策问题,它是一种定量评价激光通信系统的新方法。

关键词：激光通信系统,多指标决策,灰色系统理论,灰色聚类

参考文献

[1]STUCK B W.A Computer and Communication Network Performance Analysis Primer[M].New Jersey:Ellis Horwood Limited,l984.

[2]SEJDLER J.Principles of Computer Communication Network Design[M].New York:Prentice-Hill Inc,1983.

[3]姚富强,都基轰.通信系统的灰关联分析[J].电子学报,1994,22(7):61-67.YAO Fu-qiang,DU Ji-hong.Grey rational analysis on communication system[J].Acta Electronica Sinica,1994,22(7):61-67.

[4]林闯,李雅娟,王忠民.性能评价形式化方法的现状和发展[J].电子学报:A,2002,30(12):1917-1922.LIN Chuang,LI Ya-juan,WANG Zhong-min.Status and development of formal methods for performance evaluation[J].ActaElectronica Sinica:A,2002,30(12):1917-1922.

[5]汪泽焱,钱祖平.短波跳频通信系统抗干扰性能的综合评价[J].系统工程与电子技术,2002,24(10):21-24.WANG Ze-yan,QIAN Zu-ping.A synthetic evaluation for antijamming ability of the short-wave hopping communication system[J].Systems Engineering and Electronics,2002,24(10):21-24.

[6]DENG T,LU Y,XIAO X.Performance Evaluation of Free Space Optical Communication System[C]//2005International Conference on Wireless Communications,Networking and Mobile Computing,Wuhan,China,Sept23-26,2005,1:587-590.

[7]DENG J L.Introduction to Grey System Theory[J].The Journal of Grey System(S0957-3720),1989,1(1):1-24.

[8]王坤杰,肖立民,姚彦.通信系统抗干扰性能的一种新评价方法[J].通信学报,1999,20(s1):231-235.WANG Kun-jie,XIAO Li-min,YAO Yan.A new evaluation method of antijamming performance of communication systems[J].Journal of China Institute of Communication,1999,20(s1):231-235.

[9]柯宏发,陈永光,刘波.电子装备试验方案的灰色优选模型及算法[J].电子学报,2005,33(6):995-998.KE Hong-fa,CHEN Yong-guang,LIU Bo.Grey model and algorithm for the selection of electronic equipment test project[J].Acta Electronica Sinica,2005,33(6):995-998.

[10]SONG Q,JAMALIPOUR A.Quality of service provisioning in wireless LAN/UMTS integrated systems using analytic hierarchy process and grey relational analysis[C]//IEEE Global Telecommunications Conference,Dallas,TX,USA,Nov29-Dec3,2004:220-224.

[11]WANG H,LI C,JI Y.On demand data broadcast scheduling based on AHP and GRA methods in wireless broadcast/UMTS integrated systems[J].The Journal of China Universities of Posts and Telecommunications(S1005-8885),2007,14(4):1-6.

灰色聚类分析法 篇2

灰色聚类法评价淀山湖水质状况

逐月在淀山湖6个站点进行水质参数测定.水质参数在各站点的`月平均变化范围为DO 7.210～9.943(mg/L)、BOD5 3.810～4.940(mg/L)、CODMn 6.016～7.053(mg/L)、TP0.137～0.366(mg/L)、NH3-N 2.176～3.362(mg/L)、Chl.a 29.814～56.02(mg/m3).对各站点20水质参数的月平均测定结果应用灰色聚类方法进行富营养化程度和水环境质量等级评价,结果显示:调查的六个站点全部处于富营养化水平;六个站点的水质全部处于v类水等级.在灰色聚类法评价水质过程中,权系数最大的是氮、磷及叶绿素a.因此,在淀山湖人工栽植水草进行脱氮除磷、放养滤食性鱼类抑制藻类大量繁殖是改善淀山湖水质的有效途径.

作 者：王旭晨 王丽卿 彭自然 WANG Xu-chen WANG Li-qing PENG Zi-ran  作者单位：上海水产大学生命科学与技术学院,上海,90 刊 名：上海水产大学学报  ISTIC PKU英文刊名：JOURNAL OF SHANGHAI FISHERIES UNIVERSITY 年，卷(期)： 15(4) 分类号：S912 关键词：灰色聚类法   水体富营养化   水环境质量   评价  

灰色聚类分析法 篇3

1 材料

选取我国不同产地的甘草, 它们是新疆塔城栽培品 (编号1号) , 新疆塔城野生品 (编号2号) , 新疆塔城栽培品制霜 (编号3号) , 内蒙古杭锦旗野生品 (编号4号) , 新疆巩留野生品 (编号5号) , 新疆布尔津野生品 (编号6号) , 内蒙古额济纳野生品 (编号7号) , 吉林白城野生品 (编号8号) , 吉林白城栽培品 (编号9号) , 内蒙古赤峰栽培品 (编号10号) , 甘肃酒泉栽培品 (编号11号) , 山西古城野生品 (编号12号) , 山西古城栽培品 (编号13号) 。甘草中芹糖基甘草苷 (X1) 、甘草苷 (X2) 、芹糖基异甘草苷 (X3) 、异甘草苷 (X4) 、甘草査尔酮B (X5) 、甘草素 (X6) 、刺甘草査尔酮 (X7) 、异甘草素 (X8) 、甘草酸 (X9) 作为分析样本。

2 方法

2.1 灰色模式识别

灰色模式识别是灰色计量学中最常用的方法之一, 是求各个方案与由最佳指标组成的理想方案的关联系数, 由关联系数得到关联度, 再按照关联度的大小进行排序、分析, 最后得出结论。这种方法优于经典的精确数学方法, 经过把意图、观点和要求概念化、模型化, 从而使所研究的灰色系统从结构、模型、关系上逐渐由黑变白, 使不明确的因素逐渐明确。灰色模式识别分析是一种分析因素之间相互关系的方法, 对样本量的多少和样本有无规律都同样适用, 数据和样本可以不具有统计学意义, 不仅弥补了采用数理统计方法 (主成分分析、因子分析等) 进行系统分析所导致的缺憾, 而且计算量小, 十分方便。

2.2 灰色系统聚类分析

灰色系统聚类分析是对研究对象进行分类, 把所有的个案归类在不同类中, 使同一类中个体有较大相似性, 不同类中个体有较大差异。应用MATLAB2013软件对数据进行灰色系统聚类分析, 提取灰色因子后, 应用层次聚类方法分析灰色因子数据。

3 结果

3.1 灰色模式识别结果

3.1.1 参考序列的选择

设有n个样品, 每个样品有m项评价指标, 这样就组成了评价单元序列{Xij} (i=1, 2, …, n;j=1, 2, …, m) 。用灰色模式识别法作为评价测度, 首先要选择参考序列。设最优参考序列为{Xsj}, 最优参考序列的各项指标是n个样品对应指标的最优值或者最大值。

3.1.2 原始数据的标准化处理

对原始数据标准化, 即对同一变量减去其平均值, 再除以标准差, 以消除原始数据之间的量纲影响, 使标准化后的数据具备可比性。设在一个问题中有n个体, 对每个个体测定p个指标, 为避免指标量纲的影响, 对原始数据进行标准化处理:Yij= (xij-j) /sj, (i=1, 2, …, n;j=1, 2, …, p) 。式中:Yij为标准化处理后的数据;xij为原始数据;j为n个样本第j个指标的平均值;sj为样本的标准差。原始数据经标准化后的数据见表1。

3.1.3 关联系数[ζij (s) ]的计算

相对于最优参考序列, 关联系数:

3.1.4 关联度[Ri (s) ]的计算

相对于最优参考序列, 关联度:

根据评价序列相对于参考序列的关联度大小, 可给出各评价单元的优劣排序, Ri (s) 越大, 表明评价单元序列与最优参考序列的关联度越大, 评价单元越佳。某待评序列若比参考序列的关联度大, 则表明该序列与参考序列即质量最优序列最相似, 亦即质量最优, 这样最终可得到中药材质量优劣的综合评价结果。按照灰色模式识别步骤, 运用灰色计量学方法, 结合MATLAB 2013软件, 进行灰色关联分析, 计算出灰色关联系数和关联度。不同产地甘草相对于参考序列的关联系数、关联度及质量等级见表2。

3.2 灰色系统聚类分析结果

灰色系统聚类分析是在样品诸多性质的基础上, 按照样品性质的亲疏程度进行分类, 所有个案归类在不同类中, 使同一类中个体有较大的相似性, 不同类中个体有较大差异。它是研究“物以类聚”的方法, 找出它们之间的相近性 (即亲缘的接近程度) 。应用MATLAB 2013软件对数据进行灰色系统聚类分析, 按照聚类分析的相关程序选择观察对象聚类, 提取灰色因子后, 使用层次聚类方法分析灰色因子数据。本试验采用灰色因子聚类分析, 用欧氏矩离测量, 每2个样本间用Average linkage法连结, 按照顺序作图见图1。

4 分析与讨论

1) 由表2可知;新疆塔城栽培品制霜的关联度为0.86, 甘草质量最好;山西古城野生品、山西古城栽培品、新疆塔城野生品的关联度依次为0.57, 0.52, 0.51, 甘草质量较好;新疆塔城栽培品、内蒙古杭锦旗野生品、新疆巩留野生品、新疆布尔津野生品、内蒙古额济纳野生品、吉林白城野生品、吉林白城栽培品、内蒙古赤峰栽培品、甘肃酒泉栽培品的甘草质量一般。本研究以不同产地甘草药材中主要有效成分含量为药材质量评价指标, 较单纯以甘草中单一有效成分含量评价药材质量更为科学。

2) 由图1可知, 根据灰色系统聚类分析结果可以把不同产地甘草分为三类, 新疆塔城栽培品制霜甘草为一类, 含有的9个主要有效成分含量在所有的样品中最高, 质量最好;山西古城野生品、山西古城栽培品、新疆塔城野生品甘草为一类, 含有的9个主要有效成分含量在所有的样品中居中, 质量较好;新疆塔城栽培品、内蒙古杭锦旗野生品、新疆巩留野生品、新疆布尔津野生品、内蒙古额济纳野生品、吉林白城野生品、吉林白城栽培品、内蒙古赤峰栽培品、甘肃酒泉栽培品甘草为一类, 含有的9个主要有效成分含量在所有的样品中最低, 质量一般。通过灰色系统聚类分析可以粗略地寻找不同产地甘草间性质的相似程度及亲缘关系, 有利于更好地研究甘草。本试验的灰色系统聚类分析结果与灰色关联度分析结果一致。

5 小结

该研究建立的灰色计量学模型, 是以灰色关联度分析和灰色系统聚类分析为测度来综合评价不同产地甘草质量, 结果客观、科学, 与建立在多元统计分析基础上的统计模式相比, 灰色计量学模型因所需样本量少, 且不要求数据服从经典统计分布, 因而具有计算简便等特点。适和对多组分多指标的中药材质量进行综合评价, 具有推广应用前景。

参考文献

灰色聚类分析法 篇4

1 巷道安全性评价指标的建立

1.1 围岩应力

(1) 自重应力。巷道围岩移近量的大小与开采深度和巷道矿压呈正相关关系。

(2) 构造应力。构造应力是地壳构造运动引起的岩体应力, 地质构造不稳定的区域是其多发区。但测试较复杂费用高, 指标建立较困难, 只能用定性指标进行巷道安全性判断。

(3) 采掘应力。采掘应力分为三部分, 包括本区段回采工作面的超前支承压力, 相邻区段回采工作面的侧身残余支承压力, 以及在围岩中掘进产生的应力集中。

1.2 工程因素

(1) 巷道断面。巷道断面的大小直接影响巷道围岩的变形量, 用巷道净断面影响系数表示巷道净断面积与围岩变形量的定量关系, 巷道净断面积与围岩稳定性成正相关。

(2) 采动影响。采动影响, 会破坏岩体中原岩应力的平衡状态, 形成支承压力区和卸载区, 工作面推进顶板沉积岩层, 在煤壁前方支承压力作用下会产生压缩变形和沿层面方向的剪切滑移变形, 最后在采空区空间张力作用下沿水平分层损伤, 导致煤层顶板失稳。

(3) 巷道的顶高比。围岩的稳定性与巷道的高度呈负相关, 巷道的顶高比 (N) 值越小, 巷道受到的采动影响越大, 就越容易破坏巷道的稳定性。

2 灰色聚类法评价巷道安全性模型

评价对象为i, i=1, 2, 3, 4, 5, 6, 7, 8, 9, 10;

评价指标为j, j=1, 2, 3, 4……17;

聚类灰类为k, k=1, 2, 3, 4, 即分别对应很好, 良好, 较差, 很差四类。

记dij为聚类白化数, 是指第i个聚类对象的第j个指标所拥有的白化数。

(1) 聚类白化值 (dij) 的确定

选取的评价参数是基于煤矿巷道安全风险影响因素分析的结果, 评价参数主要包括巷道围岩应力、围岩性质及其构造特征、工程因素、和支护性能四个方面, 建立评价指标。

(2) 聚类白化函数的确定

对指标白化值 (样本值) 采用指标定权聚类 (即指标事先赋权) 表示不同指标因素对聚类过程的差异影响。记fjk为第j个指标属于第k灰类的白化函数。

(3) 聚类权ηjk的标定

各个指标对于不相同的灰类权值大小保持不变, 本次评价指标权值通过事先赋权的方式, 根据过往的相关经验和定性分析得出的各个指标的权重值。

(4) 聚类系数的求取和聚类

用表示第i个对象对第k个灰类的聚类系数。根据最大化原则即可得出煤矿样本巷道均属于容易发生安全事故的级别。

(5) 综合优度值 (分值) 的求取

为使评价对象不局限于分类, 将所有灰类的聚类系数在聚类的基础之上归一化, 同时将灰色聚类系数与定权系数相乘并且求和得出的值就是综合优度值, 使之具有排序功能。

3 巷道安全性控制

3.1 锚杆支护机理

煤层巷道开掘以后, 两帮与顶底板均出现了不同程度和范围的破坏, 为了保持破坏区范围内岩层的稳定性, 就需要进行锚杆支护, 锚杆支护设计根据悬吊 (组合梁) 原则:

(1) 当顶板一定范围内有稳定岩层时, 将破坏区载荷悬吊于稳定岩层上。

(2) 当顶板一定范围内不存在稳定岩层时, 将破坏区载荷悬吊于巷道两帮上部的岩层上。

(3) 如果锚杆在两帮上部岩层中的锚固力小于破坏区岩层重力时, 不能单独采用锚杆支护。

3.2 数值模拟

根据3上1105工作面巷道地质围岩结构特点和巷道的断面尺寸, 借鉴已有的支护经验, 运用定性和定量分析方法, 同时结合工程类比和理论计算等方法, 计算巷道支护的各项参数。初步提出三种不同排距的设计方案, 并运用数值模拟软件FLAC 3D对三种设计方案进行数值模拟, 模拟的内容为巷道未支护和三种方案的垂直位移、水平位移、垂直应力、水平应力以及弹塑性状态。对数值模拟结果进行分析、比较, 确定最安全可靠的支护方案。

4 结论

巷道安全性问题日益成为我国以及世界各采煤国家的主要问题, 本文首先建立安全评价指标体系, 运用灰色聚类分析法确定巷道的安全等级以及影响巷道安全的因素权重, 通过工程类别和经验公式选取合理的支护参数范围, 确定支护设计, 对巷道进行观测和数据采集, 对围岩变形、顶板离层及锚杆受力进行观察和分析, 最终确定均在安全范围之内, 还可以设计出更合理的支护设计方案, 有效的控制巷道围岩的稳定性和安全性。

摘要：巷道安全是煤矿安全系统中的重要组成部分, 也是制约煤矿经济的重要因素之一。本文就是通过运用灰色聚类分析法, 对巷道安全影响因素进行定性和定量分析, 对巷道安全性做出评估, 以采取合理的巷道支护方案, 控制安全事故的发生。

关键词：巷道安全,灰色聚类分析法,锚杆支护,数值模拟

参考文献

[1]张秀慧, 仲红军.煤矿安全事故分析原因与应对策略[J].煤炭技术, 2008, 08.

[2]杨大明, 尹贻勤.煤矿安全管理[M].徐州:中国矿业大学出版社, 2002.

[3]徐义勇, 戴广龙.基于灰色系统理论的矿井安全评价[J].矿业安全与环保, 2003, 04.

灰色聚类分析法 篇5

1 汽车产业链的界定

产业链的思想最早可追溯到亚当·斯密的分工理论, 他在《国富论》中指出“工业生产是一系列基于分工的迂回生产链条”, 但是这主要局限于在企业内部的分工。随着社会分工的不断细化, 任何一种产品或服务不可能由一家企业单独提供, 在这种环境下, 马歇尔把分工扩展到企业与企业之间, 强调企业之间分工协作的重要性, 这可以称为产业链理论的真正起源。

尽管产业链的思想来源于西方古典经济学家的相关理论, 但他们主要是从微观层面对价值链和供应链进行分析和研究, 对于中观层面的产业链研究不多。近年来, 国内学者对于产业链的研究越来越多, 通过总结现有的产业链概念的描述可以知道, 产业链是各个产业部门之间基于一定的技术经济关联, 并依据特定的逻辑关系和时空布局关系客观形成的链条式关联关系形态。

根据上述产业链的定义, 认为汽车产业链是指在汽车研发、制造、销售过程中, 从最初的研究开发到最终产品成型到达消费者手中, 包含的各个环节所构成的研、制、售生产链。本文研究的产业链主要包含与汽车生产直接相关的3个环节:技术环节、生产环节和市场环节。其中技术环节是指汽车零部件的研发以及整车设计等方面;生产环节包括零部件的生产和整车的组装;市场环节主要是指汽车的销售以及售后服务等方面。从汽车产业链的3个环节可以得出汽车产业升级的4个基本能力:技术升级能力、生产制造能力、市场盈利能力和产业配套能力, 如图1所示。

2 测评指标体系的构建

在构建汽车产业链升级能力测评指标体系时, 必须遵循一定的原则:第一, 科学性和完备性原则。选取的指标要能够充分涵盖测评的具体内容, 并且能够形成一个完整的体系结构, 避免过多的指标带来的数据重叠和冗余。第二, 可获得性和可比性原则。选取指标时, 必须充分考虑到指标数据的可获得性和同类数据的可比性。第三, 层次性和可诊断性原则。选择的测评指标要尽量合理分层以便简化测评过程, 并且选取的指标能够很清晰地分辨出测评对象的影响因素、映射测评、测评对象的能力。

依据这3个原则, 并结合汽车产业链各环节以及升级的目标和要求, 将汽车产业链升级能力划分为技术升级能力、生产制造能力、市场盈利能力和产业配套能力4个一级指标和8个二级指标, 如表1所示。

根据以上8个二级指标, 并通过对《中国汽车工业年鉴2006—2012年》相关数据的整理, 我们计算出了2005—2011年8个能力指标的数据, 如表2所示。

数据来源:由《中国汽车工业年鉴2006—2012年》整理得到。

3 评价模型的引入

考虑到汽车产业链的复杂性, 以及汽车产业中相关数据的获得性, 选用灰色聚类分析方法对汽车产业各环节进行评价分析。灰色聚类分析方法是根据灰色关联矩阵或灰数的白化权函数将一些观测指标或观测对象划分成若干个可定义类别的方法。灰色聚类分析是灰色系统理论的内容之一, 这种方法能在“部分信息已知, 部分信息未知”的“小样本、贫信息”的不确定系统中, 通过对部分已知信息的生成、开发, 实现对现实世界的确切描述和认识。

3.1 聚类样本的构成

设有n个聚类对象即评价对象;m个聚类指标, 即前面根据汽车产业链划分的8个二级指标;s个不同灰类, 将汽车产业链升级能力划分为强、一般、弱3个灰类;则第i (i=1, 2, …, n) 个对象关于j (j=1, 2, …, m) 指标的观测值为xij (i=1, 2, …n;j=1, 2, …, m) 。

3.2 确定聚类白化函数

要进行聚类分析, 首先需要确定各灰类的分类标准, 每一个评价指标都需要按照灰类的类型确定各个灰类的不同评价标准, 从而构成一个m×s的灰类评价标准矩阵。具体的评价标准参照国际的标准和汽车行业通用的标准来进行制定。

3.3 确定聚类指标的权重

3.4 确定灰色聚类系数

3.5 确定各聚类对象所属灰类

4 测评结果的分析

通过结合表2中的数据, 并运用灰色聚类评价方法进行分析测评, 得出2005—2011年这一时期汽车产业链升级整体能力3个灰类:强、一般、弱的聚类系数分别为0.429 8、0.500 1、0.320 0。由于0.500 1>0.429 8>0.3 200, 因此可以认为2005—2011年间, 中国汽车产业链升级能力尚处于一般灰类, 即中国汽车产业链升级能力表现一般。对于汽车产业链4种升级能力, 灰色聚类分析结果, 如表3所示。

从表3中可以看出, 制约我国汽车产业链升级的最主要因素就是技术升级能力薄弱。可以具体从以下4个方面进行分析。

4.1 技术升级能力

从技术升级能力的各聚类系数值可以看出, 弱灰类的系数值为0.871 7, 而强灰类的系数值仅为0.001 7, 两者相差甚远, 由此说明我国汽车产业技术升级能力非常薄弱。虽然近几年我国汽车工业发展迅速, 但是在技术研发方面, 无论是R&D经费的投入强度还是技术人员比例来看, 我国与美国、日本、德国等国家都无法相提并论。

一方面, 在R&D经费投入强度上, 近年来我国汽车整车企业R&D投入占主营业务收入的比例始终徘徊在1.4%~2.1%之间, 其中2011年下降到1.61%, 这个数值和全球主要汽车企业集团4%~5%的平均值存在较大差距, 如汽车巨头德国大众、美国通用研发投入占销售额的比重都常年保持在5%左右。另一方面从技术人员比例来看, 研发人才短缺成为制约我国汽车产业发展的一大瓶颈。据英国商业、创新和技能部统计, 全球主要汽车企业集团研发人员占职工人数的比例基本都在15%左右。目前, 我国仅有比亚迪公司、江淮汽车等少数企业在这个指标上能够接近国际先进水平, 专业人才短缺问题日渐突出。

4.2 生产制造能力

从生产制造能力的各聚类系数值可以看出, 一般灰类的系数值为0.792 9, 高于弱和强灰类的系数值, 由此说明我国汽车产业的生产制造能力表现一般。2012年, 我国全年累计生产汽车1 927.18万辆, 销售汽车1 930.64万辆, 连续4年产销量居世界第一。但是, 应该清楚地认识到“汽车大国”并不等同于“汽车强国”, 我们可以从产业集中度和产值比重两方面进行分析。

汽车产业是资金和技术密集型产业, 所以一般只有大集团、多角度生产, 形成规模经济才能提高汽车产业的竞争力。2012年, 中国汽车产业市场集中度CR4 (汽车产业中规模最大的前4位企业的市场集中度) 已达到62.89%, CR8 (汽车产业中规模最大的前8位企业的市场集中度) 已达到81.88%。根据贝恩 (1981) 对产业垄断和竞争类型的划分, 我国汽车产业属于中 (上) 集中寡占型产业, 产业中的企业数目依然较多。而在日本、美国、德国、法国等汽车产业发达的国家, 汽车产业市场集中度CR4均已超过75%, 在这些国家中, 汽车产业属于极高寡占型产业, 产业内的企业数量可谓屈指可数。相比于这些国家, 我国汽车产业的市场集中度还相对较低, 产出规模效应并没有充分显现。而在产值比重方面, 与德国和日本汽车产业发达的国家相比, 我国汽车工业产值占全国工业总产值的比重还较小。综上可以说明, 我国汽车的生产制造能力表现一般。

4.3 市场盈利能力

从市场盈利能力的各聚类系数值可以看出, 强灰类的系数值为0.662 1, 远远高于弱和一般灰类的系数值, 由此说明我国汽车产业的市场盈利能力非常强。尽管汽车产业市场内价格竞争激烈, 国内汽车市场价格不断下降, 但是市场盈利能力依然较强, 这主要是由于关税、投资限制等壁垒的存在导致国内汽车市场具有较强的封闭性和一定程度的相对垄断性, 这些条件就支撑起了价格相对较高的国内汽车市场。

较高的市场价格维持了汽车产业内较高的利润水平。2003年我国汽车工业的平均收入利润率为8.62%, 经过近几年的汽车销售高峰, 2012年我国汽车工业的平均收入利润率仍然有8%, 仍然高于正常年份国际汽车产业4%~5%左右的平均水平。而且, 在国际金融危机冲击下, 美国、日本等国的一些汽车企业已经出现了严重亏损甚至进行破产保护的局面, 利润率已降至历史低点;但相比之下, 我国汽车企业依然欣欣向荣, 效益状况总体较好, 除了因为刺激内需政策导致我国汽车市场一枝独秀外, 不完全竞争的汽车市场结构也对高利润率起到了一定的保护作用。

4.4 产业配套能力

从产业配套能力的各聚类系数值可以看出, 一般灰类的系数值为0.471 4, 略高于强灰类和弱灰类的系数值, 由此说明汽车产业的配套能力一般, 汽车产业的上下游行业并没有给予汽车产业的发展足够的配套支撑能力。

尽管纵观我国汽车产业零配件企业, 其数目繁多、种类齐全, 但是“大而全、小而全”现象还较为普遍。从产业配套能力看, 零部件的专业化配套率还较低, 整车企业零部件自制率依然偏高。目前, 我国零部件专业化配套率只有8%左右, 而发达国家的专业化配套率已经达到80%, 美国更是高达90%。同时, 在经济全球化背景下, 我国汽车整车零部件自制率仍然高达70%左右, 而国际汽车企业平均自制率只有30%左右。究其原因, 主要还是由于我国汽车零部件通用性差、专业化程度不高所导致的。专业化配套率低和零部件自制率高都可以在一定程度上说明我国汽车产业的配套能力还较弱。

5 汽车产业链升级的策略

5.1 技术环节:加大研发投入, 培养创新人才

一方面, 由于R&D能力薄弱, 我国汽车技术始终落后于世界发达国家汽车技术发展水平, 想完全不依靠外力的单个企业独立开发是不现实的, 在这方面, 政府应积极倡导大型汽车企业共同建立公共技术平台和研发基地, 实现技术、信息沟通, 而汽车企业自身也应当加大产品研发的资金投入力度。另一方面, 人才是企业最有力的资源, 实现汽车行业持续、快速、健康发展, 必须依靠科技进步, 所以培养创新型人才, 提高汽车行业技术人员的比例是关键之举。

5.2 生产环节:推进兼并重组, 加强精细生产

我国汽车产业市场集中度与发达国家相比还存在一定的差距, 兼并重组是提高汽车产业集中度、优化产业组织结构的重要途径, 通过强强联合、强弱兼并能够进一步提高产业集中度、增强规模效益, 这样就能进一步提高生产效率。同时, 也要促进产业的整、零分离, 集中精力重点发展企业自身的核心业务, 把非核心业务外包给专门的公司, 精简管理环节, 加强精细化生产, 降低运营成本, 提高资本与人力的产出效率, 进而提高汽车企业的产出能力。

5.3 市场环节:放宽准入制度, 改善销售模式

一方面, 由于存在关税、投资限制等壁垒, 我国汽车产业的市场盈利能力相对来说较强, 但是这在一定程度上限制了汽车产业的发展。汽车工业投资应实现多渠道筹措和集中投入, 而民营资本的主要进入障碍是我国的汽车产业政策和公告目录。因此必须实现公正、公开、公平的投资政策, 进一步放宽民营资本投资的产业进入限制, 积极鼓励相关产业和有实力的民营企业通过收购、兼并、控股、参股等多种形式来参与国有汽车企业的改革和结构调整。另一方面, 销售模式的改善也是十分必要的。在制定具体的销售模式时, 应结合中国的国情和消费群体的特征, 合理的设置消费网点, 制定统一或略带差异的销售价格和符合当地的促销手段等多种销售策略, 以此保证汽车产品消费市场的开发。

5.4 配套能力:统一技术标准, 创建共享平台

由于技术标准的不统一, 导致我国汽车产业的专业化配套率偏低, 整车企业零部件自制率偏高。要建立汽车标准化体系既要充分学习、研究和借鉴发达国家的成熟经验, 有效转化和采用国际标准, 更要加强自主创新, 深入研究真正适合中国国情、促进先进汽车技术应用和发展的标准, 积极参与汽车国际标准的修订工作, 增强我国在国际汽车标准法规制定和协调工作中的话语权。另外, 汽车整车企业与零部件企业之间应创建生产内部网络共享资源平台, 实现网络化、信息化、绿色化的配套生产, 从而提高汽车产业的配套能力。

摘要：产业链升级就是高效整合整条产业链上的各个环节, 实现资源优化配置和效益最高的目标。在界定了汽车产业链的各个环节基础上, 构建了汽车产业链升级能力测评指标体系, 并通过考查中国2005—2011年这一时期汽车产业技术升级能力、生产制造能力、市场盈利能力和产业配套能力四个方面的数据, 运用灰色聚类分析法对中国汽车产业链的升级能力进行测评, 根据测评的结果, 提出了中国汽车产业链升级的对策建议。

关键词：产业链,汽车产业,产业升级,灰色聚类分析法

参考文献

[1]周煜, 聂鸣.基于全球价值链的中国汽车产业升级路径分析[J].科技进步与对策, 2007 (7) :83-87.

[2]焦媛媛, 范静燕, 李科.中国汽车产业的全球价值链治理模式及产业升级研究[J].科技管理研究, 2009 (6) :388-390.

[3]吴彦艳.我国汽车制造业产业链整合模式的研究[J].商场现代化, 2008 (9) :245-246.

[4]吴彦艳.产业链的构建整合及升级研究[D].天津:天津大学, 2009:60-63.

[5]徐剑, 张玉梅, 刘丹, 等.辽宁装备制造业产业链升级的路径及对策[J].沈阳工业大学学报, 2010 (10) :302-308.

[6]张丽芬.产业链视角下中国汽车产业国际竞争力的策略研究[D].武汉:武汉理工大学, 2010:3-4.

灰色聚类分析法 篇6

技术的进步、市场竞争的加剧及客户日趋多样化、个性化的需求, 迫使企业不断进行技术创新。而技术创新过程中会形成技术创新网络, 从而产生界面管理问题。尤其是技术创新网络中各企业的核心能力界面, 是影响技术创新网络效率的主要因素, 且该界面日趋模糊, 难以确定企业间联系的接口。因此, 如何对核心能力界面进行有效的管理是企业技术创新网络中迫切需要解决的问题。基于此, 本文应用灰色聚类分析对技术创新网络中的核心能力界面进行灰色聚类分析, 为核心能力界面的系统管理提供一种量化分析方法。

一、核心能力界面的灰色聚类分析

设技术创新网络中有n个企业, 第j个企业具有fj项核心能力, 即企业a1具有f1项核心能力, 企业a2具有f2项核心能力, 企业a3具有f3项核心能力, ……, 企业具有项核心能力, 则技术创新网络中共产生的核心能力界面的个数N=C n2

因此, 论域, “属于企业的所有核心能力界面”为U上n个Fuzzy集;

1. 技术创新网络中未产生新的核心能力, 即未产生新的核心能力界面。

灰色聚类分析是将聚类对象按不同聚类指标所拥有的白化值, 按n个灰类进行归纳, 从而判别聚类对象的类别。灰色聚类分析的步骤如下:

聚类对象记为, m个评价标准作为聚类灰类, k个评价指标作为聚类指标。设dbh为第h个评价指标所拥有的白化数, che为第h个指标对第e个评价级别的白化函数。

(1) 确定白化函数che

一般依据指标的类型有3类:

(2) 计算各指标在各类别中的权重 (5)

(3) 计算聚类系数, 并构造聚类向量。

(4) 在中求最大的元素。

2. 技术创新网络中产生新的核心能力, 重新计算核心能力界面的个数, 按上述方法重新对核心能力界面聚类。

根据核心能力界面整合的效果, 作者将核心能力界面分为集成型界面、倍增型界面、互补型界面, 其评价指标标准界限值如表所示。

三、核心能力界面的管理方式

1. 集成型核心能力界面的管理方式

集成型核心能力界面主要是核心能力作用的加强, 而信息沟通是反映界面集成度最重要的因素。因此, 在企业之间建立一个基于Internet/Intranet的沟通平台, 为企业信息交流提供了媒介, 促进企业加强沟通, 增进了解, 充分掌握相互的信息变化动态, 不断就市场需求、技术可行性等进行交流, 实现信息的同步传输, 避免信息延误, 从而实现信息动态化、可视化, 克服信息不对称和信息粘滞。

2. 集成型核心能力界面的管理方式

倍增型核心能力界面主要是企业之间核心能力作用的扩大, 对于这类核心能力界面, 应采用合作创新模式进行管理。即技术创新网络中的企业以共同的利益为基础, 以资源共享、优势互补为前提, 有明确的合作目标、合作内容、合作规划和合作期限, 合作方在技术创新的全过程或某些环节共同投入、共同参与、成果共享、风险共担[4]。以缩短技术创新的时间, 分散技术创新风险, 增强企业的竞争力。

3. 集成型核心能力界面的管理方式

互补型核心能力界面主要是企业核心能力的相互补充, 对于该类核心能力界面, 最好的方法是建立动态联盟, 充分利用联盟企业间的各种资源, 减少用于新技术开发和研究的资金和人力资源投入, 对市场作出快速反应, 扩大经营规模, 增强各个企业的核心能力。

三、结论

针对核心能力界面的相互渗透, 难以管理困难等问题, 本文将灰色聚类分析应用到核心能力界面管理中, 聚类后的核心能力界面具有相同的特征, 便于管理。该方法实用、有效, 为核心能力界面的系统管理提供了一种量化分析方法。

摘要：技术创新网络中会产生界面管理问题, 核心能力界面管理是影响技术创新的首要问题, 因此, 如何对核心能力界面进行有效管理成为技术创新网络迫切需要解决的问题。论文应用灰色聚类分析对核心能力界面进行聚类, 并制定每类核心能力界面的管理方法, 实现核心能力界面的分类管理。该方法对解决技术创新网络中企业核心能力界面日趋模糊、难以管理的问题具有较强的有效性, 为核心能力界面的系统管理提供了一种量化分析方法。

关键词：技术创新网络,核心能力界面,灰色聚类分析

参考文献

灰色聚类分析法 篇7

1 油库“三抢”装备的灰色定权聚类评估方法[1]

本文所采取的灰色定权聚类是根据灰数的白化权函数将一些经定权的观测指标或观测对象聚集成若干个可定义类别的方法。其评估步骤如下:

(1)根据定性分析,确定评估指标体系和各指标在综合聚类中的权重。

运用层次分析法[2]确定各指标的权重。该方法通过分析各评价指标的相对重要程度,利用1~9标度法构造判断矩阵,确定权重系数。具体步骤如下:(1)根据总目标建立递阶的层次结构模型;(2)运用1~9比率标度法,建立各阶层判断矩阵A,判断矩阵标度定义如右表所示;(3)进行层次排序及一致性检验。判断矩阵A的最大特征根的特征向量,经归一化后得到同一层各因素对于上一层对应因素的相对重要性权值。在此基础上再计算底层元素对目标层的合成权重:W=W1,W2,…,Wn誗誗,其中

(2)构造评估指标的样本矩阵。

令dij为第i个统计对象(或专家)对第j个指标所提出的白化值(评估值),其中,i∈,1,2,…,v,,j∈,1,2,…,m,,dij为无量纲分值,则构造出如下评估指标样本矩阵:

(3)确定各指标所属的评估灰类[3]。

设按照评估要求所需划分的的灰类数为s,将各指标的取值范围也相应地划分为s个灰类,例如将j指标的取值范围[a1,as+1]划分为[a1,a2],[a2,a3],…,[ak-1,ak],…,[as-1,as],[as,as+1],其中阀值ak(k=,1,2,3,…,s),的值可根据实际问题的要求或定性研究结果确定。

记j指标关于k灰类的白化权函数为fjkx,,j=,1,2,…,m;k=1,2,…,s,。常用的白化权函数有如下(上、中、下)3种形式:

(4)计算灰色评估系数、灰色评估权重和综合聚类系数,给出评估结果。

记njk为第j个指标关于第k个灰类的系数,各灰类的总灰色评估系数记为nj,属于第k个灰类的灰色评估权重记为rjk,第k个评估灰类的权向量记为Rjk,评估对象关于第k个灰类的综合聚类矩阵为σk,则:

由,可以判断评估对象属于灰类k*。

2 油库“三抢”装备的灰色定权聚类法效能评估应用

以油库三抢装备中的汽车油罐车野战发油装置为例,进行效能评估。

(1)建立装备效能评估指标体系。

汽车油罐车野战发油装置用于紧急情况下的油料发放,替代油库零发油站台功能。通过对该装备的广泛研究和分析,得出其效能评估指标体系如下:

(2)确定评估指标权重。

根据各要素的重要性,采用层次分析法计算出各指标的最终权重如下表。

(3)给出评估样本矩阵。

邀请4名油库三抢装备专家(装备科研教授两名、长期使用管理该装备的业务人员2名)分别就二级指标体系的指标对油库三抢装备效能实施打分(满分为100分,其中结构复杂程度和对使用人员技术要求程度两个指标评分数据越大表明程度越低),可有如下5个评估矩阵:

(4)确定评估灰类。

将评估指标分为“较好”、“一般”、“较差”三个等级,对应3个评估灰类。即k=,1,2,3,,j指标的白化权函数依次如下:各层次指标权重分配表

(5)计算二级评估指标的灰色评估系数和灰色评估权重。

对于评估指标A11,其3个灰类的灰色评估系数分别为:

(6)计算一级评估指标的灰色评估系数和灰色评估权重。

同理可得:

汽车野战发油装置保障效能综合指标权重为Rk:σk=W1,W2,W3,W4,W5k k·σ1,k,σ2,k,σ3,k,σ4,k,σ5,kk k=k0.3232,0.4277,0.2392k

(7)结果分析。

根据最大隶属度原则,1m≤ka≤x3kkσk=σ2=0.4277,可知汽车野战发油装置保障效能总体处于“一般”水平。同时可以看到,σ1>σ3,说明该装备的保障效能正由一般向较好方向发展;从R22,0=0和R42,1=0.01可以看到,该装备的越野性能和场地适应能力较差;从R52,2=R53,2=R54,2=0还可以看到,该装备的自动化、信息化等先进性程度很低。

3 结束语

由于油库三抢装备的保障能力不能定量的描述,装备好与不好很难界定,本文采取的灰色定权聚类方法充分考虑了油库“三抢”装备保障效能的灰色特征,通过层次分析法定权,利用灰色聚类方法对定性问题进行量化和比较,较为准确地分析了系统的性能,由该方法得出的评估结果也有利于指导油库“三抢”装备的改进和发展。但是,由于油库“三抢”装备实施保障的前提是油库收发油系统遭到破坏,具体破坏情况具有很大的随机性,要想非常准确地对油库“三抢”装备保障效能进行评估,还需要对影响装备保障效能的各要素作更加全面细致的分析。

摘要：针对油库“三抢”装备自身特点和发展现状,建立了效能评估指标体系,并引进灰色系统理论中的定权聚类分析方法运用于评估中,以“三抢”装备中汽车油罐车野战发油装置为实例,得到较为客观、可信的效能评估结果,为油库“三抢”装备的发展改进提供了决策依据。

关键词：油库“三抢”装备,灰色聚类,效能评估

参考文献

[1]朱柯,母元江,等.油料保障能力评估[M].重庆:解放军出版社,2004.

[2]汪应洛.系统工程[M].北京:机械工业出版社,2008.

灰色聚类分析法 篇8

由于建筑工程施工阶段周期长、多工种交叉作业、不可预见因素多等特点,导致建筑施工事故频发,形势严峻[1]。据不完全统计,仅2010年上半年,全国共发生建筑施工事故214起、死亡276人,其中:较大事故13起、死亡63人。随着大量建筑工程的建设,事故数据资料的数量和种类相应增加,数据间关系也日益复杂。面临复杂的地质、水文、自然和外部环境等,加上经验不足,管理不到位等诸多因素。如何从大量的建筑施工事故数据中筛选影响施工现场安全的因素,并对筛选出的影响因素进行重点监管,并采取应急措施是建筑施工安全管理中一个急需解决的问题[2]。

目前,我国学者对于建筑施工事故的聚类和灰关联度研究较少。周继忠[2]等用灰色关联理论,对影响工程事故的因素,进行关联度排序,找出事故发生的主、次原因。赵金娜[3]等以高处坠落事故的发生为研究对象,由层次分析法得出导致事故发生的各因素的相对重要度的排序向量。肖华德[4]等根据建筑施工过程中高处坠落的特点及造成高处坠落事故的影响因素,将事故的影响因素划分为作业者因素、物的因素、安全管理三类。张明轩[5]等运用故障树分析方法,确定了基本事件的结构重要度。通过相关文献可知,针对建筑施工事故影响因素学者们仅从分类或重要度的排序某一单一角度开展相关研究。因此,在筛选建筑施工事故影响因素的基础上,本文采用聚类和灰色关联度分析,确定影响因素重要度排序以期有针对性的组织建筑施工安全进行。

2建筑施工事故影响因素的筛选

2.1建筑施工影响因素初选

为了定量的研究和实证分析的需要,并力求较完善、全面、详细的反应建筑施工事故,本文通过相关文献[5,6,7,8,9]总结与分析,归纳出我国六大事故伤害的具体表现形式和初始影响因素,如表1所示。

2.2建筑施工事故的影响因素

由表1中建筑施工事故影响因素,可见各事故类型影响因素的结构庞杂,为了梳理、简化因素信息,本文将分三步[10]对初始影响因素进行处理:

第一步:拆分因素。施工事故的影响因素是在研究者多角度总结下合并得到的,涵盖的范围很广泛,需要对部分影响因素进行拆分,将含义界定不清的影响因素拆分为只包含单一含义的影响因素。

第二步:合并因素。对于拆分完的只包含单一含义的影响因素,对其中意思相同或相近影响因素进行合并。

第三步:剔除因素。经过以上的两个步骤处理后的影响因素,需要做出最后的剔除处理。不同的事故类型具有各自的特点,从事故类型的角度出发,针对具体的事故,剔除影响度小的因素。

根据统计资料显示,高处坠落死亡人数一直居于各类事故的首位。因此,本文将选取1997-2006年发生的建筑施工事故为样本数据,以多发事故高处坠落为例,通过以上三步对影响因素进行处理,最终筛选出10种主要的高处坠落事故影响因素:①操作工人的安全意识(x1);②个人的防护用品(x2);③操作技术(x3);④工人的生理问题(x4);⑤材料和设备问题(x5);⑥安全检查(x6);⑦安全教育(x7);⑧安全设施和措施(x8);⑨气候条件(x9);⑩劳动组织(x10)。

3聚类分析与灰色关联度结合运用的过程

运用聚类和灰色关联度对1997-2006年的全国高处坠落影响因素分析的主要步骤为[11,12]:①将影响因素和样本事故数据建立原始数据矩阵。②原始数据矩阵的标准化。③利用系统聚类方法中欧氏距离计算n个样本两两间的距离{dij},记作D=(dij)。④构造n个类,每个类只包含一个样本。⑤合并距离最近的两类为一新类,运用类平均法计算新类与当前类的距离。经过多次计算,最终得到一个包含全部影响因素的大类。⑥选取某一阀值,将得到一种分类结果。⑦针对上一步的分类结果,依次对每一类内的影响因素,进行灰色关联度分析,选取参考序列X0。⑧计算关联系数。比较序列Xi对于参考序列X0在k点的关联系数为:

$\xi \left(k\right)=\frac{\min {}_i\min {}_k\left|X{}_0(k)-X{}_i(k)\right|+\rho \max {}_i\max {}_k\left|X{}_0(k)-X{}_i(k)\right|}{\left|X{}_0(k)-X{}_i(k)\right|+\rho \max {}_i\max {}_k\left|X{}_0(k)-X{}_i(k)\right|}$

其中,ρ∈(0,+∞)为分辨系数,ρ越小,分辨能力越大。ρ∈(0,1),一般取ρ=0.5。(Xi是标准化处理过的数据)⑨计算灰色关联度。文采用的关联度计算方法为平均值法:$\gamma {}_i=\frac{1}{n}{\displaystyle \sum _{k=1}^n\xi }(k),\xi (k)(k=1,2,...,n)$为关联序列。⑩最后得到各类影响因素灰色关联度排序。

4建筑施工事故影响因素的聚类分析

(1)针对建筑施工事故的样本数据[13](数据来源于住房与城乡建设部公布的事故快报),将布尔型数据转化为数值型数据(如表2),对已筛选的10种影响因素频数的统计结果进行数据处理。

(2)经处理后的建筑施工高处坠落事故数值型数据如表3所示。

(3)运用统计软件SPSS13.0,对1997-2006年建筑施工高处坠落事故的影响因素进行聚类分析。聚类后的谱系图如图1所示。

由图1可知:

①阈值在0-2.5之间,影响因素分三类:{x1,x3,x4}为第一类,{x6,x7,x10}为第二类,{x2,x5,x8, x9}为第三类。

②阈值在2.5-20之间,影响因素分两类:{x1,x3,x4,x6,x7,x10}为第一类,{x2,x5,x8, x9}为第二类。

③阈值在20-25之间,所有的影响因素则归为一类。

(4)聚类结果评价

阈值在0-2.5之间,第一类影响因素为{x1,x3,x4},从意识、技术和生理三方面反映与人相关的属性特征;第二类影响因素为{x6,x7,x10},从安全教育、安全检查和劳动组织三方面反映与管理相关的属性特征;第三类影响因素{x2,x5,x8, x9},从防护用品、设备器具、施工材料和环境四方面反映与物相关的属性特征。

通过对阈值在0-2.5之间聚类结果的评价,建筑施工事故影响因素的聚类结果与事故致因理论对于事故影响因素的划分相一致,符合建筑施工实践[14]。

5建筑施工事故影响因素的灰色关联度分析

为了使建筑施工现场的安全管理人员采取针对性的施工管理对策,对阈值在0-2.5之间的影响因素聚类结果进行灰色关联度排序。由于篇幅有限,仅给出在EXCLE软件中对第三类影响因素{x2,x5,x8, x9}的灰色关联度分析过程。

(1)选取标准化处理后的x2、x5、x8、x9为比较序列,假设以每年出现概率为100%影响因素为参考序列X0,见表4。

(2)计算比较序列和参考序列在1997-2006年的差值。见表5。

(3)影响因素的灰色关联系数和灰色关联度的排序。见表6。

(4)各类影响因素的灰色关联度运算结果

第一类:r1=0.979, r3=0.988, r4=0.974, r3 >r1>r4

第二类:r6=0.991, r7=0.990, r10=0.985, r6 >r7>r10

第三类:r2=0.982, r5=0.989, r8=0.988, r9=0.979, r5>r8>r2>r9

(5)灰色关联度运算结果分析

根据广义权距离计算理论[15],如果比较序列与参考序列距离最近,即关联度最大,该指标对于参考序列的影响越大,反之影响就越小。据此,可以对指标进行排序。由于建筑施工事故的发生频率与影响因素的出现频率呈正相关,即影响因素出现的频率越大,说明这种影响因素对于诱导建筑施工事故的发生起的作用就越大,其关联度就越大。根据(4)中,三类影响因素的灰色关联度排序可以看出,对于预防建筑施工事故发生应该优先重点控制的对象是X3(操作技术)、X6(安全检查)、X5(材料和设备问题)三个影响因素。

6结论

预防和控制建筑施工事故是建筑业应解决的重要问题,加强对建筑施工事故影响因素的评价是预防与控制建筑施工事故的重要手段。其目的是提高对各类建筑施工事故的安全意识和安全管理水平,预防和控制事故的发生。本文主要是以高处坠落事故的影响因素为研究对象,运用聚类和灰色关联度对建筑施工事故影响因素进行分析,获得以下结论。

(1)选取1997-2006年发生的建筑施工事故为样本数据,以多发事故高处坠落为例,通过拆分、合并、剔除筛选出10种诱发高处坠落事故的影响因素。

(2)通过对10种诱发高处坠落事故影响因素的聚类分析,得出符合建筑施工实践的人、管理和物三类影响因素,并在此基础上运用灰色关联度对各类影响因素的灰色关联度进行排序,结果表明高处坠落事故的发生主要受到人员的操作技术、材料和设备问题以及安全检查三个因素的影响,因此,在施工过程中应该加强对这三个影响因素的监控。

(3)根据获得的各类建筑施工事故影响因素重要性排序,可以指导施工现场安全管理人员制定有针对性的控制方案和措施,有助于消除安全隐患和缺陷,提高建筑施工现场的安全管理水平。

摘要：建筑业是高危行业,其安全生产状况一直受到社会各界的关注。针对建筑施工过程中监管重点难以把握、施工事故多发的现状,选取1997-2006年发生的建筑施工事故数据,以多发事故高处坠落为例,通过拆分、合并、剔除筛选出10种引发高处坠落施工事故的影响因素;通过建筑施工事故因素的聚类分析,获得三类影响因素,即“人—管理—物;”应用灰色关联度分析,对各类影响因素的灰色关联度进行排序,从而找出建筑施工过程的薄弱环节,为指导施工现场安全管理人员制定有针对性监管措施和预防建筑施工事故的发生提供方法支持。