层次信息模型

层次信息模型（共10篇）

层次信息模型 篇1

随着统计机器翻译的不断发展,翻译模型经历了从最初的基于词的翻译模型,到基于短语的翻译模型,一直到基于句法甚至语义的翻译模型的演变。其中层次短语模型[1,2]是当今最好的基于句法的模型之一。层次短语模型脱胎于传统的短语模型[3],继承了短语模型鲁棒的优点,同时又具备较强的长距离重排序能力。然而,现有的层次短语模型存在严重的规则冗余问题。例如,给定汉英句对如下:

这星期它特价一百二十美元。

it's on sale this week for one hundred twenty dollars.

句对对齐结果由GIZA++从语料库训练得到。现给出平行句对的对齐矩阵,如图1所示:

根据该对齐矩阵,我们可以得到初始短语<一百二十美元;one hundred twenty>(为简洁,此处省略了对齐信息,下同),根据蒋伟的层次抽取算法,我们可以进一步得到如下含变量的规则集:

通过对上述规则集进行分析,我们发现规则集中存在大量冗余。冗余规则的的形式如下:

为什么这些规则是不合理的?如果我们把原句的韵律结构信息考虑近来就比较清楚了。假设现有句对源端的韵律结构,如下所示:

这y星期y它y特价y一n百n二n十y美元y。y

可以看到这些不合理的规则绝大多数其规则变量与两边终结符的边界,并不是韵律切分边界。可见韵律结构信息将可能对层次规则泛化通过指导性信息。

为此,该文将研究利用韵律信息对层次短语模型的改进。本章将从两个角度改进层次短语模型。首先利用韵律结构边界信息约束层次短语模型的抽取。另一种角度,增加模型的特征函数[5],利用韵律信息,改进层次短语模型的翻译模型,生成最优的译文。

1 层次短语模型

在层次短语模型中,对任意给定的源语言句子f,一般会存在多个推导得到f,从而得到许多可能的翻译候选项e。层次短语翻译模型通过计算推导过程的概率值确定最终的翻译结果,使用对数线性模型来进行推导,模型如下:

这里,ϕi是定义在推导的特征值,λi为这些特征值的权重。除了m元语言模型P(m),剩余的特征定义为上下文无关文法的推导过程中使用的规则的特征上:

进一步地,可以推导出P(D):

除了语言模型,将其他因子放在一起表示,如下表示:

且定义:

由以上公式,可以得到模型的最后表示:

而层次短语模型的规则集D是在训练过程中,从对齐的平行句对中抽取出来的,规则形式如下:

其中,X是N集合中的某个非终结符;γ,α分别为源语言端、目标语言端的终结符与N中的非终结符组成的串;~为γ,α中非终结符之间的对齐关系,在实际规则中可以通过变量的下标表示;w为规则的权值。

且短语规则利用了类似于Pharaoh的默认特征集相似的特征:目标语言与源语言之间的双向短语翻译概率、短语规则中词相互翻译的贴切度、每个短语规则的惩罚、胶水规则惩罚以及词惩罚。使用最小错误率对对数线性模型各特征的权值调整,并通过对数线性模型把上述特征组合起来。

层次翻译模型的解码器是一个CKY句法分析器,用CKY形式的算法使用学习得到的同步上下文无关文法的源端,对目标端进行同步句法分析,同时生成译文。

2 基于韵律的层次翻译模型改进

因改进需要用到韵律边界信息,因此本节首先介绍韵律边界的预测。然后根据概述,分析有效的韵律约束。本节最后一部分介绍韵律信息以特征的方式改进机器翻译模型。

2.1 韵律边界预测

韵律层次结构主要分为三个基本层级:韵律词、韵律短语和语调短语。从形式句法来看,语调短语往往可以被认为是由标点符号分开,比较容易识别。因此对韵律结构的预测问题可以认为是对韵律词和韵律短语的预测。而韵律层次的预测主要有两类[6],一类是基于规则的方法,另一类是基于统计学习的方法。因此韵律边界的预测可以利用韵律层次结构的预测方法。该文采用基于CRF的方法[7],预测韵律边界。

实验工具为CRF++工具包[8],实验的训练集和测试集来自于TH-Co SS[9],其中随机抽取80%为训练集,剩余20%为测试集。TH-Co SS为清华的语音合成语料,TH-Co SS包含韵律标记。训练数据格式如下:

其中第一列为语法词,第二列表示语法词的词长,第三列其词性,最后一列为韵律边界标识。所采用的特征模板是“4+1”的模板,即选取当前词的词性,当前词前面的两个词和后面两个词作为特征。因此特征模板的个数有15个一元特征和31个一元组合特征,共46个特征,详细特征列表请参考文献[4]。

韵律边界预测为分类问题,对其评价,不仅仅考虑精确率和召回率,还要考虑F值,通过CRF++训练,得到预测模型,再由测试集测试,测试结果为:准确率95.04%、召回率94.97%以及F值为95.00%。

2.2 基于韵律边界的规则抽取约束

与传统的短语模型相比,层次短语模型保留了传统的短语模型优势,又克服了传统短语模型的调序问题。但是层次短语模型带来了很大的计算代价,存在大量的冗余。对于解决规则冗余,其主要方法是利用语言知识约束规则抽取,比如利用浅层句法分析[10]的结果作为规则抽取的出发点、利用高频词短语搭配[11]约束规则抽取等。

由概述分析可知,韵律层次结构会对规则抽取起到约束作用,进而能解决层次短语模型的冗余问题。根据概述所发现的、不好的规则,与其变量的位置、韵律边界存在一定的关系。因此,利用变量的位置和韵律边界信息,制定如下约束策略:

1)规则含一个变量,考虑两边有终结符,若都不在韵律边界处,过滤此规则。

2)规则含一个变量,且位于末端,且变量前面的终结符不在韵律边界处,则过滤规则。

3)规则含一个变量,且位于首端,且变量后面终的结符不在韵律边界处,则过滤规则。

4)规则含两个变量,若变量位于规则的两端,过滤规则。

5)规则含两个变量,两个变量规则两边的非终结符都不在韵律边界处,则过滤规则;

其中约束2、3和4用于约束概述所总结的规则;而约束1和5,用于约束韵律切分比较严重的规则,因为这些规则的概率比较低、泛化能力不强,但又有可能过滤掉好的规则。

通过对上述五种约束的分析,从理论上来讲,约束2、3,和4会对规则过滤起到优化作用;而约束1和5需要通过实验证明;

2.3 基于韵律切分惩罚的机器翻译模型改进

文章2.2采用规则过滤的方式改进基于层次短语模型的翻译系统,这种方式是存在一定的风险,因此本节考虑增加特征函数的方式,将韵律信息添加到翻译模型中。现考虑对每条规则增加特征,惩罚规则中韵律切分的程度。而基本的层次短语模型使用了Pharaoh的默认特征集相似的特征。从双语训练语料中抽取到的规则有如下特征形式:

1)P(γ|α)和P(α|γ)是目标语言到源语言和源语言到目标语言的短语翻译概率。

2)Pw(γ|α)和Pw(α|γ)这两个特征是估计γ和α中词相互翻译的贴切度。

3)对每个抽取的短语规则的惩罚exp(-1),与Koehn's短语惩罚相似,可以使得模型学习到是长的推导还是短的推导。

4)对胶水规则的惩罚exp(-1),使模型学习到使用是使用传统的短语的顺序组合还是层次短语的顺序组合。

5)对每一个短语规则进行词惩罚exp(-#T(a)),其中#T(a)是对规则中的终结符的计数,这个特征来指导模型选择短的翻译还是长的翻译,控制翻译的长度。

增加特征-韵律切分惩罚,特征函数形式如下:

函数#TS表示规则X→<γ,α>中的源端变量与其两边非终结符之间的韵律切分次数,比如本文示例的规则表中的一条规则:

因变量X1和X2抽取时,与“百”之间的分割不在韵律边界处,因此规则的韵律切分次数为2。因增加特征方式引入韵律信息,同样也可用于传统的短语模型,所以这里同时给出基于韵律特征的短语模型改进。

3 实验与分析

3.1 实验设置

本节实验主要用到的语料来自IWSLT2006中的数据和2005年863评测任务的数据,其中IWSLT2006中的训练集和开发集(Dev1到Dev3)来自于BTEC。BTEC(the Basic Travel Expression Corpus)是多语言的平行语料,并且是旅游领域的对话语料。

其中训练集以IWSLT2006的训练集和从2005年863 MT评测中选取的100425句对作为实验的训练集,该数据共140378句对;以IWSLT2006中的测试集与开发集4分别为实验的测试集和开发集。所有数据的汉语句子经厦大自然语言处理实验室的分词工具分词,训练集的英语部分由moses自带的工具进行tokenize,大小写转换,最后再过滤长句;开发集合的英文部分需要tokenize,大小写转换;测试集英语部分tokenize。

使用开源工具IRSTLM工具训练5元的语言模型,使用改进的Kneser-Ney平滑策略;使用开源工具GIZA++工具训练处双语的词对齐,并采用“grow-diag-final-and”的启发式策略获得词对齐;翻译模型的权重参数使用moses自带的工具进行自动调参;评测方法使用moses自带的评测工具multi-bleu.perl进行Blue计算。

3.2 实验结果与分析

本节的实验主要是针对训练时加入韵律约束对规则规模的影响和对翻译性能的影响。文章所涉及的翻译模型有基本的短语翻译模型(PBTM)、层次短语翻译模型(HPBTM)、基于韵律约束策略2、3和4的层次翻译模型(HPBTM1)、基于韵律约束策略1、2、3、4和5的层次翻译模型(HPBTM2),添加韵律切分惩罚的短语翻译模型(PBTM+)和层次短语翻译模型(HPBTM+)。其中基本的短语翻译系统和层次短语翻译系统作为baseline。两个baseline系统即开源的moses系统,其余系统是在开源的moses系统上的改进。

表2给出加入韵律约束前后的短语表规模的对比;表3给出各个模型系统对翻译的质量进行了对比。

从表2、表3可以看出:加入限制2、3和4之后的层次短语模型,抽取到的规则表规模降低了40%多,但是Blue值相对于baseline2,降低了0.36个点;加入限制1、2、3、4和5之后,规则表规模大幅度降低50%多,同时Blue值相对于basline2降低了0.59.然而,加入韵律切分惩罚的短语模型和层次短语模型,相对于baseline1、baseline2,Blue值分别提高了0.23和0.19个点。

由此可以得出:虽然采用韵律信息约束层次短语模型的规则抽取,存在一定的风险,但是从运行代价上来讲,降低了层次短语模型的冗余问题;若在翻译模型中引入韵律信息特征,模型的翻译质量有一定的提高。因此从总体上来讲,引入韵律信息是有助于提高系统的翻译性能。

4 总结

本文针对韵律边界与句法边界之间的关系,通过理论和实验分析讨论了韵律的结构与层次短语模型规则之间的关系。实验证明,该文在只对翻译质量做了稍微牺牲的情况下,大幅度降低了层次短语模型的规则数,因此韵律信息有益于解决层次短语模型的冗余问题;而且以韵律切分惩罚的方式,增加规则的特征,模型的翻译质量得到了提升。该文最为重要的意义是,在现有的比较有限的语言学知识下,利用语言学知识,并且是语音学的韵律知识,改善翻译系统的性能。

因此本文的内容仅仅说明韵律对非语音领域的自然语言处理有一定的作用,迈出了第一步,还有很多不足和探讨的地方,比如韵律边界预测的准确率还有待改进;翻译模型中的韵律特征函数考虑的比较粗糙,是否可以根据具体的韵律层次结构类型,选择相应的特征函数;甚至研究利用韵律结构信息来指导机器翻译的解码过程。

参考文献

[1]Chiang D.A hierarchical phrase-based model for statistic machine translation[J].In Proceedings of ACL 2005:263-270.

[2]Chiang D.Hierarchical phrase-based translation[J].Computational Linguistics,2007,33(2):201-228.

[3]Koelhn P.Statistical Phrase-Based Translation[C].In Proceedings of the Human Language Technology Conference of the North American Chapter of the Association for Computational Linguistics(HLT/NAACL),Edmonton,Canada,2003:127-133.

[4]方李成.基于层次短语的统计翻译系统中规则冗余的高效约束方法[C].西安:2008:303-309.

[5]Richard Zens.Improvements in phrase-based statistical machine translation[J].In Proceedings of HLT-NAACL 2004:257–264.

[6]包森成.基于统计模型的韵律结构预测研究[D].北京:北京邮电大学,2009.

[7]Lafferty.Conditional Random Field:Probabilistic Models for Segmenting and Labeling Sequence Data.In ICML 18.2001.

[8]http://sourceforge.net/projects/crfpp/.

[9]蔡连红.汉语普通话语音合成语料库TH-CoSS的建设和分析[J].中文信息学报,2007(2).

[10]W.Wei.Hierarchical chunking phrase based translation.Natural Language Processing and Knowledge Engineering,2007.NLP-KE2007.International Conference on,pages 268-273.

[11]苏劲松.一种基于短语搭配和高频骨干词的层次短语约束抽取方法[J].中文信息学报,2011(3):118-122.

层次信息模型 篇2

电子政务所涵盖的信息系统是政府机构用于执行政府职能的信息系统。政府机构从事的行业性质跟国家紧密联系，所涉及的众多信息都带有保密性，所以信息安全问题尤其重要。例如敏感信息的泄露、黑客的侵扰、网络资源的非法使用以及计算机病毒等，都将对电子政务系统的正常运行构成威胁。为保证电子政务的信息安全，有必要对其信息和网络系统进行专门的安全设计。

电子政务的信息安全目标

信息系统信息安全的宗旨是通过在实现信息系统时充分考虑到自身、伙伴和客户的信息风险，确保组织能够完成它的全部使命和目标。进而言之，电子政务系统信息安全的宗旨就是通过在实现信息系统时充分考虑信息风险，从而确保一个政府部门能够有效地完成法律所赋予的政府职能。

为此，电子政务系统必须实现可用性、完整性、保密性、可记账性和保障性等信息安全目标：

◎可用性目标：是指确保电子政务系统有效率地运转并使授权用户得到所需信息服务。通常，可用性目标是电子政务系统的首要信息安全目标。

◎完整性目标：包括两个方面：数据完整性和系统完整性。通常，完整性目标是电子政务系统除了可用性目标之外最重要的信息安全目标。

◎保密性目标：是指不向非授权个人和部门暴露私有或者保密信息。通常，对于大多数电子政务系统而言，保密性目标在信息安全的重要程度排序中仅次于可用性目标和完整性目标。然而，对于某些特定的电子政务系统和数据，保密性目标是最重要的信息安全目标。

◎可记账性目标：是指电子政务系统能够如实记录一个实体的全部行为。通常，可记账性目标是政府部门的一种策略需求。可记账性目标可以为拒绝否认、威慑违规、隔离故障、检测和防止入侵、事后恢复和法律诉讼提供支持。

◎保障性目标：保障性是电子政务系统信息安全的信任基础。保障性目标突出了这样的事实：对于希望做到安全的信息系统而言，不仅需要提供预期的功能，而且需要保证不会发生非预期的行为。具体而言，保障性目标是指提供并正确实现需要的电子政务功能；在用户或者软件无意中出现差错时，提供充分保护；在遭受恶意的系统穿透或者旁路时，提供充足防护。

基于PKI的安全电子政务层次架构模型

在电子政务系统建设中，为全面实现可用性、完整性、保密性、记账性和保障性等信息安全目标，需要研究设计建立安全的电子政务系统架构模型。根据电子政务系统架构层次化特点，提出了图1所示的基于PKI的安全电子政务层次架构模型，主要从核心层、网络层、数据存储层、应用层、接口层以及物理和管理层等方面改进优化系统信息安全指标。

图1. 基于PKI的安全电子政务层次架构模型

1.核心层：是指基于PKI技术建立的整个电子政务应用的安全核心，该层次是电子政务安全的基础；

2.网络层：是指在网络接入的层面上建立整个系统的信任网络接入和网络管理，以及数据传输层的网络安全等；

3.数据存储层：是指整个应用的数据存储的可信任机制。

4.应用层：是指电子政务应用的安全、认证的应用接入、应用层的身份/权限以及授权服务、单点登录(SSO)以及应用的机密性和不可抵赖性等；

5.接口层：是指数据的交换和应用的交互的安全性的控制;

6.物理和管理层：是指整个安全体系的涉密设备和介质以及安全等级和规范的管理。其中包括人员的培训和涉密系统的管理，健全相应的管理措施，管理机构依据管理制度和管理流程对日常操作、运行维护、审计监督、文档管理进行统一管理等等。

核心层安全

图2. 核心层的PKI/CA的结构

核心层采用图2所示的PKI/CA结构实现。PKI是电子政务信息安全基础设施的重要组成部分，授权管理基础建设、可信时间戳服务系统、安全保密管理系统、统一的安全电子政务平台的构建都离不开它的支持。PKI主要分布在分布式计算环境中提供数据机密性、完整性、身份认证和行为的不可抵赖性等安全功能。

图3. PKI的实体模型

PKI信任服务体系主要由注册中心(RA)、认证中心(CA)、密钥管理中心(KM)、证书在线状态查询服务、证书目录服务、时间戳服务等组成，其中注册中心（RA）和认证中心（CA）又包含相应的模块，如图2所示。

具有完整的体系结构的PKI实现的可以包括以下功能模块:实体鉴别服务模块，包括智能卡接口等个人安全环境的API；核基于PKI技术的安全电子政务系统的设计心算法服务模块，包括基本密码算法如公钥算法、散列函数实现；高层密码服务模块，包括证书申请、签名、验证等函数实现；证书管理服务模块，向数据仓库增加或者撤消证书、密钥等函数实现；PKI访问服务模块，利用LDAP访问PKI完成证书查询等功能的函数实现。安全协议模块，提供安全访问通道的协议实现，包括IPSec、S/MIME等；安全策略服务模块，包括信息注册、访问控制、审计等功能实现:支持服务模块，LDAP目录访问API等相关功能实现，如图3所示。

核心算法服务是底层的密码安全模块，包括随机数产生、公钥对产生(RSA)、散列算法(SHA、MDS)、对称密钥加密算法(DES、AES等)，该模块可以用软件实现，也可以根据安全等级要求用硬件实现。

网络层安全

内部网络进行虚拟子网络隔离，边界接入网络采用物理隔离实现。包括对电子政务关键主机物理安全保障和机房安全建设。采用的操作系统、数据库系统及其他软件系统，建立一个可信的安全操作环境。

网络安全建设主要通过基于网络协议和服务的安全配置、网络安全防护网、基于PKI技术的安全电子政务系统的设计络实时监控等措施实现，所以尽量保证网络中采用的协议和提供的服务进行安全评估并根据具体网络应用重新配置，减少协议与服务本身存在的风险。可以采用安全网关或者防火墙系统实现网络隔离与防护，一些重要的子网络间采用基于密码设备的防护。对于关键网络或者边界网络采用网络实时监测与预警系统，监控网络流量并进行综合分析，根据安全规则对攻击行为、非正常或者可能的入侵行为进行告警、切断网络等响应。

数据存储层安全

在电子政务应用中，数据存储有两种不同的类型：一种是使用过程的运转数据；另一种是运转结束后的历史數据。即正在运行和流转的数据和历史档案数据及查询数据。根据不同的安全等级，数据的存储就相应的有两种方式：非密存储、加密存储。在系统中正在流转的数据，可以根据相应的密级进行加密或者不加密。而历史数据和档案要根据具体分析是否进行加密存放。可以将所有必要的数据进行加密存储，这样做就可以保证数据存储的安全和保密，但是加密存储数据会带来一些相应的问题和不便。

查询和全文检索的问题。历史数据之所以要保存，是因为这些数据的利用价值，没有价值的数据的保存是没有意义的。在电子政务系统中，数据的利用价值就是查询和参考，如果所有的数据都进行加密的存储，那么查询就会打折扣，很多加密的内容将不容易被查询，全文检索更难以实现，因为所有加密的数据直接检索几乎是不可能的。

加密存放时间问题。加密保存的历史数据具有比较长的时间存放时效，一般的公文都要保存几十年，但不论是基于什么加密体系的密钥的有效期都远低于这些数据的保存期限，这就带来加密存放的时间问题。

密钥问题。随着数据保存的时间的延长，以及单位人事的变动，加密的密钥管理也会带来相关的问题。目前的PKI体系主要采用双证书管理，但是档案的存放时间远远大于安全体系的有效期。

可以采用非密存储、存储服务器认证、加密存储和解密代理等方法解决上述提到的问题。可以采用加密/解密代理的方法解决密钥的问题，但是这种方式的查询还很困难，全文检索几乎不可能。但是电子政务应用的大量信息还不能脱离查询和全文检索。可以利用PKI的认证和权限的控制，进行存储服务的认证控制。系统的数据存取不加密，将存储的服务器置于一个逻辑的隔离区(其他的服务和用户不能直接访问)，用户或服务提交的存取或查询的请求都必须提交给存取/权限控制机构，而存取/控制机构根据身份认证和控制策略的判定结果与存储服务进行加密交互，最后将结果返回提交请求者。这些问题的解决方法还不是确定的，仍值得进一步讨论。

应用层安全

电子政务系统应用层的安全可以通过建设应用安全服务平台来实现，通过安全平台向各项应用提供统一的安全服务如数据加密/解密、数字签名/验证、数据完整性校验、密钥管理等功能。这个服务平台可以基于统一的身份鉴别和统一授权管理实现。这些安全服务主要包括身份认证、应用接入认证、数字签名、加密、权限控制/授权、单点登录和目录服务等。

身份认证、身份鉴别主要解决通信双方的身份问题，即“who are you”的问题，身份认证和身份鉴别时电子政务系统的重要核心内容之一。在应用接入认证中，主要解决应用和用户、应用和应用之间的认证问题。对于应用的接入认证，可以采用C/S和WEB方式。双向认证过程可以采用“三次握手协议”，该认证过程如图4所示。

数字签名技术是实现交易安全的核心技术之一，它的实现基础就是公开密钥加密技术。加密在电子政务的应用中解决的是数据的“机密性”的问题。访问控制机制包括自主访问控制和强制访问控制模式，一般有访问控制列表(ACL)、能力列表(CL)和权限关系表(AR)等。单点登录，就是通过用户的一次性鉴别登录，即可获得需访问系统和应用软件的授权，从而，管理员无需修改或者干涉用户登录就能方便的实施希望得到的安全控制。

图4.“三次握手”认证过程

接口层安全

电子政务安全的接口层是指数据的交换和应用的交互的安全性的控制。在电子政务的应用中，存在大量的数据交换，并且存在许多跨部门的数据交换。电子政务应用的接口层的安全对整个电子政务的安全具有深远的影响。

电子政务的接口层是与接口层需要的具体技术相关的，安全的Web Services技术是在Web Services基础上发展而来的。安全的Web Services通过安全的SOAP技术保证。消息的机密性、完整性和不可抵赖性，通过安全的WSDL描述可信服务组件，通过安全的UDDI发布可信服务组件。

政府信息的敏感性以及网络的虚拟性和开放性，决定了电子政务系统需要有强有力的身份认证手段和数据加密手段来保证电子政务系统的安全。从国外电子政务建设项目采用的主流身份认证技术分析，当前基于PKI体系进行身份认证是一种先进和通行的身份认证手段，而且PKI体系除了能实现身份认证功能之外還能提供数据加密、数字签名等多种功能。本文提出了一种基于PKI的安全电子政务层次架构模型，详细分析了保证核心层、网络层、数据存储层、应用层、接口层等各个层次应用安全的各种技术和可行性。

层次信息模型 篇3

企业在营运过程中信息管理系统是重要组成部分, 使企业管理者详细掌握企业信息。现代高科技技术不断完善的过程中, 企业经营过程中大量使用了电子计算机技术, 其重要目的是对企业信息进行统一管理与绩效, 任何企业在营运过程中将投入大量的人力与物力, 信息管理系统可完善企业信息管理[1]。然而许多企业在信息管理过程中仍然存在许多问题, 企业在营运过程中难以掌握该系统的使用方法, 因此不能为企业绩效带来有效评估, 企业也无法制定相应的动态持续措施来提高企业信息系统绩效。

二、模糊信息分析法在企业中营运中的重要性

模糊层次分析法是将模糊分析法与层次分析法结合起来的一种方法, 模糊层次分析法是一种多准则决策方法。模糊层次分析法是一种很容易通过编程实现的建模方式, 具有比较好的实用性, 能够有效的解决在设备选择问题中的定性与定量的抽象, 同时也能够避免在企业营运过程中存在的困难与人思维差异问题[2]。尤其对于含糊性和模糊性问题, 需要专家打分测评, 具有良好的应用前景。

先通过简单例子介绍模糊层次分析法的基本使用方法。例如某人面临单位选择, 现有三个单位可供选择分别是A1、A2、A3, 三个单位在员工待遇方面存在较大差异, 因此应从公司发展前途、工作环境、工资待遇、单位地址方面考虑, 用模糊层次分析法决策步骤如下:

第一步将选择单位定制为目标层, 将考虑因素定制为考虑层, 三个单位组织定制为方案层, 因此得出以下公式:

第二步通过以上公式进行公司评分, 各个单位在考虑层上互有优势, 因此将每个考虑层逐个进行比较, 按照条件越好打分越高的原则进行分析, 最后通过分数高低选择适合的工作单位。

企业信息系统绩效管理过程中存在定性指标与定量指标两种形式, 定性指标在量化过程中存在一定难度, 因此需要在工作过程中使用模糊层次分析法。模糊层次分析法是以模糊数学为基础, 应用模糊关系合成的原则, 将一些边界不清、不容易量化的因素定量化, 从多个因素对被评价数据进行综合性评价的一种方法, 从而能够较好地解决模糊的、难以量化的信息系统问题, 使得评价结果比较清晰且容易操作, 企业信息统计绩效过程中采用模糊综合评价法来评价可有效提升企业的业绩水平。

企业信息的不同, 考核目的的不同, 因此采用的指标体系也截然不同。企业信息系统绩效评估过程中应分析各个指标为企业带来的绩效影响, 为了反映出指标的科学性与客观性, 应采用模糊层次分析从而确定指标的权重, 并将分析中存在的定性、半定型问题有效转换为定量性计算方式, 使人们思维具有层次化, 进行逐层分析, 解决分析过程中半定型问题, 将半定型问题转化为解决行问题。此种方法特别适用于完全转化为定量进行分析的企业信息系统绩效评估工作中。

企业模糊层次分析首先应根据企业制定的招标建立调查表, 并将调查表发至相关组织与专家手中, 使资深专家对企业信息评估系统进行打分与评估, 从而得出企业制定指标评估项目的重要性。其次将企业系统绩效评估产生多元素进行一对一比较, 从而充分掌握企业制定指标的重要项目[3]。并将得出结果转化为定量性判断根据。

总结

企业在营运过程中, 信息系统管理是重要的工作之一, 然而企业信息系统绩效过程中模糊层次分析法可为企业提供方便、快捷、简单的工作方法, 因此我国相关企业在营运过程中应充分使用此方法进行企业信息绩效统计, 不仅提升企业经济效益, 同时也为社会经济发展提供方便服务。

摘要：目前我国企业信息系统绩效评估总体呈现出使用方法不够科学与缺乏全面考虑等问题, 企业信息系统整体效能体现出各个因素存在的问题及分析, 并由相关部门进行解决, 从而形成企业信息统计绩效整体评价指标。本文将对模糊层次分析法对企业信息系统绩效评价进行分析。

关键词：模糊层次分析法,企业信息统计绩效

参考文献

[1]刘显东.企业技术创新能力评价指标体系及其多级模糊评价方法[J].科学进步与科学, 2013, 8 (02) :125-320.

层次信息模型 篇4

摘 要：在借鉴国内外相关研究成果的基础上，从评估指标和指标权重两个维度构建油田板块高层次专业技术人才培训学用转化效果评估模型，评估指标的确定主要采用德尔菲问卷专家调查、通过Likert 五点量表法对其适合程度进行选择，评估指标的权重主要采用层次分析法、通过Expert Choice软件处理而确定的，该模型具有很强的实用性和可操作性。

关键词：高层次专业技术人才培训；学用转化效果；评估指标；指标权重；评估模型构建

中图分类号：G726 文献标识码：A

培训学用转化是指将培训中所获得的知识、技能、行为和态度在受训者的认知和行为模式中加以保存，当受训者遇到与学习环境类似但又不完全一样的问题和情景时，能够将这些知识、技能、行为与态度等进行调整应用于实际工作中，解决工作中存在的某些问题，从而使企业从员工的工作改善中获得益处，使培训真正创造价值、提高工作绩效。学用转化的实质是“学以致用、学以致变”。

学用转化效果评估是培训评估工作中非常重要的环节。它通过建立学用转化效果评估模型、确立评估标准、采用某些评估方法、通过可靠的数据来源获取评估所需数据资料来了解受训学员学用转化的实施情况以及取得的效果，是证明培训效果落地、体现培训价值的重要途径。在学用转化效果评估中，评估模型的构建是关键。模型构建恰当与否，对于评估工作的成败有着极大的影响。经过研究，笔者认为该模型主要由评估指标和指标权重两部分构成。

一、培训学用转化效果评估指标确定

进行评估指标筛选时，要遵循客观、可操作、动态与静态相结合、定性与定量相结合、独立性等原则。

（一）初始评估指标设计

在大量阅读、消化、吸收国内外相关文献资料的基础上，首先在专业技术培训部内部发放调查问卷，广泛征集各位项目负责人对培训学用转化效果评估指标的意见和想法，然后结合多年专业技术培训的实践，预设初步的评估指标。为进一步完善预设指标，项目组先后对油田企业人力资源管理的专家、油田专业技术领域的培训专家、油田企业的高级技术专家进行访谈，旨在了解三方专家所关注的培训学用转化效果评估指标，以便完善预设指标。最终提炼出初步的油田板块高层次专业技术人才培训学用转化效果评估指标，包括2个一级指标（定量指标、定性指标）和14个二级指标（问题解决、知识分享、技术攻关、提交建议、落实建议、论文专著、职务晋升、职称晋升、业绩考评、其它奖励、工作态度、工作能力、团队协作、绩效改进）。

（二）最终评估指标确定

对14项初始评估指标是否真正为油田板块高层次专业技术人才培训所关注以及这些指标的适合程度如何，我们采用半开放式的德尔菲问卷的形式进行了专家调查。问卷由三部分组成，其中，第一、二部分为封闭式，第三部分是开放式。第一部分是被测对象的基本信息，包括年龄、学历、职位等。第二部分采用了 Likert 五点量表法，分别对评估指标的适合程度进行选择，从“1”到“5”分别表示“不适合”到“非常适合”。为避免专家对指标项内涵产生误解，每个指标都配有指标说明。专家只需按项目勾选恰当的适切度值（1、2、3、4、5）即可。第三部分为评估指标设置的其他意见和建议。评估指标适切度统计结果见表1。

从 13 位专家对 14个二级指标的适切度评分结果我们可以看出，除了“职务提升、职称晋升”这两个指标均值小于3.5（分别为3.23和3.21）外，其余指标的适切度均值均大于4，说明所有专家认为这些评估指标在培训学用转化效果评估中都是比较适合的。

经过对第三部分专家提出的意见和建议进行归纳和筛选，最后采纳的意见或建议如下：一是根据指标选取的独立性原则，“绩效改进”“业绩考评”“其他奖励”都是衡量因学用转化效果取得的业绩，指标有些重复，所以合并修改为“业绩表现”；二是“提交建议”和“落实建议”合并为合理化建议；三是“职务提升”“职称晋升”与学用转化效果的关系不太密切，予以删除；四是“团队协作”属于工作能力中的一部分，合并到“工作能力”中。将修改后的评估指标再次征询专家意见并得到肯定，最终确定的评估见表2。

二、评估指标权重确定

权重是综合评价中的一个重要指标，是衡量各指标重要程度的评价指数，也是量化评估的关键。确定权重的目的是使我们建立的培训学用转化效果评估模型的实用性和可操作性更强。确定权重的方法有很多，如专家咨询法（德尔菲法）、专家排序法、层次分析法等。由于专家咨询法和专家排序法的主观因素影响太大，所以本文借鉴AHP提供的确定评估指标权重的方法，并使用Expert Choice 软件进行处理，计算权重，从而构建完整的油田板块高层次专业技术人员培训学用转化效果评估模型。

层次分析法（Analytic Hierarchy Process简称A H P）是由美国运筹学家匹茨堡大学教授（T.L.Saaty）于20世纪70年代提出的。他将决策总是有关的元素分解成目标、准则、方案等层次，按照问题要求建立一个描述系统功能或特征的递阶层次结构，通过两两比较评价因素的相对重要性，构成判断矩阵，根据矩阵特征向量及最大特征根的求解结果，最终得出低层因素相对目标层的相对重要性权重值。其中，AHP独有的一致性检验能够避免专家在确定权重过程中思维的一致性无法保证的问题，从而使得分配的结果更加合理。

（一）调查问卷设计

根据AHP法的权重确定方法，采用Saaty开发的成熟的问卷结构和9点量表法，设计模型中的一级准则层与二级准则层各指标重要性的两两比较调查问卷。

指标重要性的比较涉及由定性到定量的转化问题。在本问卷中对于该转化问题的解释是，以“A指标VS B指标”为例，“9：1”“7：1”“5：1”“3：1”“1：1”分别表示A指标的重要性“绝对强”“明显强”“强”“稍强”“等同”于B 指标，反之亦然。

（二）问卷发放

本阶段的问卷调查对象由对专业技术培训有深刻认识和体会的专家构成，共发放问卷18份，填写人员包括：专业技术培训领域的专家、项目负责人8人、总部职能部门和直属企业人力资源管理专家5人、专业技术领域专家5人。18份问卷均符合填写要求。

（三）数据分析

在使用Expert Choice软件进行一致性检验后，发现有4份问卷的一致性比率大于0.1，未达到AHP的要求，故将其删除，故有效问卷为14份。

根据14位专家给定的判断矩阵，运用几何平均法将专家意见综合平均，即得到最终的指标判断矩阵，然后应用Eepert Choice软件进行分析，即得到各级准则层的权重分布最终结果。

一级准则的两两对比矩阵和权重分布见图1和图2。

从上图可以看出，一级准则层中定量指标所占比重较大，约77.7%。定量指标层两两对比矩阵及指标权重分布见图3和4图。

定量指标层中，问题解决、技术攻关和合理化建议等三个指标比重较大，合占82.8%。软件分析定性指标层的两两对比矩阵及指标权重分布见图5和6。

定性指标层中，能力提升指标所占比重较大，约71.8%。

三、构建评估模型

根据软件计算结果，构建出油田板块高层次专业技术人才培训学用转化效果评估的完整模型，具体如表3所示。

至此，在确定油田板块高层次专业技术人才培训学用转化效果评估指标和指标权重的基础上，我们的评估模型正式建成。

除了需要建立评估模型之外，还需要建立合理的评估标准。依据此评估模型、按照评估标准、借助有效的数据收集方法、通过可靠的数据获取渠道收集评估所需的数据资料，就可以进行油田板块高层次专业技术人才培训的学用转化效果评估工作，用量化数据证明培训对受训学员实际工作的促进作用，真正把培训效果评估做到实处。

本项研究是针对油田板块高层次专业技术人才培训学用转化效果评估领域进行的一次尝试和探索，评估工作复杂，难以操作，存在一定的局限性。诸如指标的选择及权重的确定不可避免地带有一定的主观性、样本范围与数量问题、评估指标不够细化等，都需要我们在后续研究工作中进一步细化考虑、加以完善，力求使学用转化效果评估更全面、结果更准确。

参考文献

[1]周涛，宋亚男译.将培训转化为商业结果[M].北京：电子工业出版社，2013.

[2]周涛，宋亚男译.将培训转化为商业结果实践手册[M].北京：电子工业出版社，2015.

[3]奚卫华，林祝君等译.如何做好培训评估-柯式四级评估法[M].北京：机械工业出版社，2007.

[4]张少林，李元明，李洁译.如何评估培训效果-追踪六个关键因素的实用指南[M].北京：北京大学出版社，2007.

[5]D.L.Kirkpatrick.NewMcGraw-Hill《Evaluation in the ASTD Training and Development Handbook》，1996.

[6]Burke M.J.A cumulative study of the effectiveness of managerial training[J].Day R.R.Journal of Applied Psychology，1986.

[7]孔令启等.四层次培训评估实施中的问题探析[J].商场现代化，2008（8）.

[8]初娜.高星级酒店管理类培训效果评估的模型构建[J].首都经济贸易大学，2013.

层次信息模型 篇5

高校引进高层次科技人才的首要步骤是要了解人才的素质状况, 即做到“知人”, 就必须了解人才具备的各因素中有哪些是优势, 哪些是劣势。由于人才素质评价因为涉及人才的专业差异性、评价的结构复杂, 面对众多影响因素, 以往大部分高校都是选择名气大、高学历、高职称或发表论文多的科技人才, 对高层次科技人才只能凭主观意识进行定性的评价与判断, 当引进的人才不具有相似性时, 可以凭主观判断, 是否符合引进的标准。然而, 当引进的科技人才具有相似性时, 主观性就无法进行比较与判别, 就需要用客观的、可量化的方法对其进行比较与评价。[2]因此, 对于高校在引进人才时, 选择一个科学的、合理的、客观的评价方法至关重要。本文通过建立科学有效的素质评价体系, 采用层次分析法, 对高层次科技人才的素质进行定量化测算方法, 增强高层次科技人才引进工作的科学性、客观性和可操作性, 排除评价中的主观性和随意性, 真正的评价出高层次科技人才的能力, 极大的提高高校高层次科技人才引进的水平和效益。

1 高层次科技人才素质内涵历史梳理

本文所指高层次科技人才是具有较强的科研和创新能力, 能够在大学中推动大学发展和科技进步的人才。我国自新中国成立以来, 就开始实施高层次科技人才引进政策, 在不同历史时期对高层次科技人才的素质要求也不同。

对建国后的1949到2009年期间, 国内不同的理论研究者对高层次科技人才应具备的素质的研究做一梳理, 发现不同年代对高层次科技人才的素质内涵要求也不一样。建国初期到1957年, 高层次科技人才引进完全由政府主导, 建国初期我国大学人才队伍整体水平低, 科技人才奇缺, 为尽快建立起我国社会主义高等教育体系, 政府通过引进苏联专家, 通过外交途径引进留学回国人员, 帮助大学解决科技人才缺乏的问题。尽管这一时期高层次科技人才的引进还处于萌芽状态, 但是对高层次科技人才的素质已有明确要求, 就是要具有大学的知识与技术, 能够进行教育科学、表达沟通, 能够帮助培养我国大学的教师队伍, 指导教师进行理论研究与教学工作。在文革结束后, 1978年至1994年期间, 高层次科技人才引进工作进入了活跃期。1978年全国教育工作会议上, 提出要为拔尖人才脱颖而出创造良好的环境和条件, 重点加强对我国高校高层次科技人才的建设工作。同时高校人事政策出现了聘任制, 对高层次科技人才素质的要求也提高到不仅要有基本专业素质, 还要在学历层次、师德品质、团队合作性等素质。1994年后, 高层次科技人才引进工作走入了平衡期。这一时期, 我国大学快速发展, 无论中心城市的大学, 还是偏远的西部大学都相应建立了更为具体和规范的高层次科技人才引进政策, 大学与高层次科技人才之间都进入理性需求与选择, 相互在信息对等条件下进行博弈来实现双方的共赢。对高层次科技人才的素质要求不仅要有专业素质、教学能力素质、科研能力素质、还要有创新能力素质、社会服务和发展潜质等素质。

通过对六十年间理论界对高层次科技人才素质内涵的历史梳理, 呈现出共性的一面, 如对高层次科技人才的素质从新中国建国初期到20世纪70年代都要求道德素质, 政治素质等, 但随着我国大学发展和科技发展的变化, 高层次科技人才应具备的素质内涵也逐步增加。

2 素质评价模型的提出

在人力资源管理中, 以人的素质为研究内容, 用人才的显现素质和潜质素质来判别或评价人才的工作绩效, 通过考察具备的知识、拥有的专业技能、具有的人格、扮演的社会角色、行为的动机、自我认知六个要素, 采用层次分析法 (Analytic Hierarchy Process, AHP) 来将那些复杂而又主观性很强的决策评价过程分解成若干层次, 再在每个层次上分解为若干要素, 建立一个递阶的层级结构评价模型, 通过比较、判断、计算各要素, 得出各要素的相对权重, 通过要素间的相互比较, 将各因素通过归一化来确定各因素的重要程度的排序, 最后计算出综合评价值, 判断人才的胜任力高低, 将人才定性评价转化为数学化的定量方式来表达, 使评价更可靠、更准确和易操作, 为高校决策者提供定量参考。[3]

3 高层次科技人才素质评价模型构建

3.1 素质评价层次结构的建立

首先, 运用层次分析法对高校高层次科技人才的素质特征进行分析, 建立相应的层次结构模型, 本文建立目标层、中间层和要素层。[4]

目标层是指评估的最终目标, 它是明确的, 高校高层次科技人才素质评价模型的目的自然是对高层次科技人才素质的评价, 以便更好地遴选和评价人才。

中间层是根据评估内容进行的一个分类, 比较抽象。对于不同类别的评估对象, 所评价的内容也不相同。本文中间层中的评估对象是对高层次科技人才进行评估的内容。高校高层次科技人才的素质测评内容主要包括六个元素:品德素质、专业素质、创新能力素质、科研能力素质、教学能力素质、社会影响素质。

要素层是根据中间层评估内容的要求给出的, 是对评估内容的具体规定。如专业素质, 要通过以下评估项目:毕业学校、留学经历、工作经历以及研究方向来体现。而专业素质在评估中间层中只是对评估项目的一个概括类的、综合性的说明。最底层的测评项目的选择, 在实际应用中要运用定量的分析方法来实现, 不能由主观的、任意的指定。一般采用方法有:德尔菲咨询、问卷调查法、多元分析法进行选择。

本文对高层次科技人才素质评价体系的层次结构模型如图1所示。

3.2 评价指标权重计算

3.2.1 分别构造判断矩阵

确定评测中要素层中的19个因素相对于高校高层次科技人才素质评价体系的权重, 需要通过多方讨论及专家咨询, 首先根据表1, 对各指标进行两两比较, 列出判断矩阵, 运用层次分析法, 确定其权重, 构造出的判断矩阵如表2-表8。

3.2.2 确定各指标权重

5) 进行一致性检验。

(2) 由表8查找相应的平均随机一致性指标RI。

(3) 计算随机一致性指标CR。

一般而言CR愈小, 判断矩阵的一致性愈好, 通常认为CR<0.1时, 判断矩阵满足一致性检验;否则, 应对判断矩阵进行适当调整。

3.3 高层次科技人才素质评价模糊模型

1) 设计评估指标集K={A、B、C、D、E、F}, 分别表示高层次科技人才素质评价模型项目层的{品德素质、专业素质、创新能力素质、科研能力素质、教学能力素质、社会影响素质}六个方面。

确定评估指标子集M={Mij} (M依次为A、B、C、D、E、F, i=1-6, j为第i个子集中指标的个数) , 例如A={A11, A12}。

2) 确定每个要素的评价等级及其相应标准, 给出相应的评语集合, 如本文中评价等级分为3个等级, 给出V={V1, V2, V3}={优秀, 一般, 较低}, 其中90分至100分确定为优秀, 60分至89分为评定为一般, 0分至59分为较低。将评语集的等级归一化, 得到评价等级向量H={1, 0.75, 0.4}

3) 确定权重系数矩阵。通过AHP计算, 得出的各个评估指标的相应权重, 即

4) 进行单因素评价。首先建立每个因素的评定矩阵Ri={rij}。由于指标Mij的模糊性, 可以通过Delphi法得到Mij隶属于第j个评语vj的程度, 据此构造评判矩阵。为了统计上的方便, 隶属度用评价小组同意该因素的比例作为某个评估等级的方法来表示。将评价小组填写的评语进行数学处理, 可得到模糊评判矩阵。

单因素评价Ki=WA·Ri (i=1~6, WA替换为WB, WC, WD, WE, WF)

5) 最后, 对多个因素进行综合性的评价, 通过计算得出最终评价结果。

最后求得综合评价矩阵G, 即K=WG·R, 最后, 计算综合评价值Q=K·HT。

Q的大小, 反映了应聘者在高校高层次科技人才评价模型上的优劣, 从而为高校选择合适的人才提供科学依据。

参考文献

[1]胡锦涛.在中国党第十八次全国代表大会上的报告[EB/OL]. (2012-11-17) .http://news.xinhuanet.com/18cpcnc/2012-11/17/c_113711665.htm.

[2]孙芬, 曹杰.高层次科技创业人才素质评价研究[J].山东社会科学, 2010 (12) :77-80.

[3]宋美丽, 孙健.国外人才集聚模式的经验及对我国的启示[J].经济综合体, 2010 (2) :119-122.

数字化电厂模型层次分析 篇6

1 组织层次分析

将现有电厂的许多职能部门合并, 从而使部门简化、人员精干、效率提高、管理科学化的目标。这种新的组织结构包括管理多元化和设岗复合型两个方面。分为三个层次:决策层、管理层、执行层。

第一层次:决策层。该层包括厂部一个部门, 由总经理和三总师组成。

第二层次:管理层。该层为综合性的生产管理、经营管理和专业性的发电设备运行技术管理、发电设备维修技术管理、燃料现场管理等。

第三层次:执行层。各级岗位均应复合型设置。运行人员要三专业或四专业合一;检修人员要多工种、会管理合一, 重视培养和使用复合型的员工, 以适应现代企业提高工作效率和经济效益的要求。

2 结构层次分析

2.1 第一层:直接控制层

这是指生产过程的数据采集和直接控制, 是其他三层的基础。

2.2 第二层:厂级监控层 (SIS)

这是指厂级监控系统 (SIS) 和煤质在线监测、智能化煤场、优化燃烧、故障诊断等各种机组性能优化的高级应用软件, 也是管理和控制之间联系的桥梁。厂级监控系统 (SIS) 具备以下功能:

2.2.1 过程监视和管理

通过采集电厂各生产过程控制系统机组DCS, 水系统控制网络系统, 凝结水精处理控制系统, 灰系统控制网络系统, 电气网络监控系统 (NCS) , 电网远程发送单元 (RTU) 等的实时生产数据, 对各生产流程进行统一的监视和查询。

2.2.2 负荷分配和优化调度

根据远方AGC指令和其它生产调度指令结合本厂主、辅系统和设备运行情况, 按照各机组运行煤耗特性以及约束条件, 以全厂最小供电成本为目标, 进行最优化的负荷分配。

2.2.3 厂级经济信息和成本核算

通过数据采集和其它的管理成本相加最后形成发电成本, 用于电价计算, 送入竞价上网报价系统。

2.2.4 机组运行故障诊断

监视主、辅设备运行参数, 指导运行人员进行运行调整和处理。

2.2.5 机组设备寿命计算和分析

以SIS系统数据库评估机组关键部件的寿命损耗及剩余寿命。提供主要设备寿命计算和分析功能的软件利用该软件对重要部件或设备的寿命进行计算、分析和预测。

2.2.6 设备状态 (泄漏、磨损等) 检测和计算

通过对机组主要设备和部件, 在使用中的金属材料老化状态进行检测与监督, 预测部件的老化程度和老化速度、部件使用寿命和失效时间及失效后所产生的风险大小, 提供监督和综合的分析及建议。

2.2.7 锅炉燃烧优化

利用锅炉燃烧优化模块, 提高锅炉燃烧的经济性、降低大气污染物排放, 在锅炉建模的基础之上, 利用先进的优化方法对不同负荷 (连续负荷) 下锅炉的操作变量与运行工况进行优化。

2.2.8 机组在线性能试验

常规设备的性能试验按照电厂惯例, 并根据锅炉、汽轮机相关的ASME标准、国家标准和电力行业标准或规程进行。试验完毕后自动生成性能试验报告并存储, 以便运行和管理人员随时查看报告。

2.2.9 仿真培训系统

通过建模工具 (例如MATLAB等) 建立电厂主辅设备数学模型, 从SIS数据库中仿真所需的边界条件和性能曲线, 仿真预演电厂在设想工况下的运行情况。

2.3 第三、四层:生产管理层 (MIS) 和经营决策层

这两个层在数据和展现上密不可分, 多数情况下是由一套MIS实现的, 也可以视为一个层次。

生产管理层以电厂资源计划、安全、经济运行管理为重点, 以设备检修为基础, 以完成发电量为目标, 以企业资产管理为主线。进而优化电厂的机组性能指标, 整合生产计划和策略, 为协调发电企业的高效运转提供信息;实现电厂的安全、高效、经济运行, 优化电厂的生产计划和策略, 协调各个部门的运转。该层是数字化电厂管理的基石, 同时为SIS层提供控制指导信息。

经营决策层以综合计划管理为主线、以全面预算和成本管理为核心, 以物资管理、燃料管理为基础, 以人事管理以及OA等系统为辅助手段, 提高实时成本计算速度, 满足商业化运营管理需求。该层是数字化电厂的系统入口和决策枢纽。

电厂MIS系统, 包含基建MIS与生产MIS, 是对电厂从基建到生产运行的全过程管理。除了对内部的工作过程及内容进行全面规划和优化控制外, 还通过计算机网络把电厂生产经营过程的合作伙伴, 如供应商、电网、大客户等的资源和能力集成起来, 充分调动电厂所有可利用的资源。

电厂MIS产品实现对电厂内外部资源的统一管理, 从功能上应分为基建、生产、经营、办公自动化四个板块, 共20多个业务功能模块。基建板块包括工程、计划、财务、安全、人力资源、设备等功能模块, 大部分模块在总体设计时应与生产时的应用一并考虑。生产板块包括运行、检修、设备、安监、技监、全面质量、环保等业务功能模块;经营板块包括计划、物资、燃料、商业化运营、全面预算、多经、项目、合同、财务、人力资源等业务功能模块;办公自动化板块包括文档、党群、保卫消防、OA、综合查询与辅助决策等业务功能模块, 各模块之间应做到数据依存度大、模块依存度小。

在实现技术上, 应采用“企业系统集成应用EAI”的开发技术, 确定不同应用系统组合的接口标准, 建立针对于发电厂业务应用的自己的EAI标准。在系统中应将成熟的C/S体系结构与先进的B/S体系结构相结合, 综合应用计算机领域的最新技术。

2.4 支持系统一:数据库支持系统

以关系数据库和实时数据库为基础的面向数据主题的电厂数据仓库构成了数字化电厂的数据库支持系统和技术支撑平台, 电厂数据仓库以对电厂各类数据进行分析、提炼、集成, 为电厂的分析和决策提供支持。

2.5 支持系统二:计算机网络支持系统

以ATM和千兆以太网为代表的先进组网技术, 结合系统-网络-终端三级安全策略、目录管理统一认证等先进技术, 构成了数字化电厂的计算机网络支持系统。不同的层需要不同的网络拓扑, 下面给出厂级监控层和生产管理层的网络拓扑模型。

3 国内数字化电厂建设存在的问题

3.1 传统的设计模式与数字化设计的要求相差很远

由于设计院的设计机制没有针对数字化电厂的特点进行提升和变革;加之由于设计人员的设计理念还局限于传统电厂的设计, 没有深入理解数字化电厂的特点, 造成数字化电厂设计的目的仅仅是数据共享和实时可查。由于采用的应用软件平台不同, 缺乏规范统一性, 使大量的有用信息无法真正共享, 造成资源浪费。

3.2 软件不能合理利用盲目引进造成浪费

近几年随着国外设备的引进, 有些电厂就像引进设备那样来引进软件, 没有对整个电厂的信息系统进行总体规划, 使数据传递不畅, 结果使引进的软件不能发挥应有的作用。同时由于没有系统规划, 还造成了许多软件功能的重复, 引起数据冗余, 造成浪费。

3.3 企业技术人员缺乏

国内的不少企业已经引入了国外先进的软件, 但是技术人员缺乏, 不能使软件功能最为有效的发挥成为一个不可回避的问题。

3.4 其他问题

在现在的数字化电厂中, 还普遍存在系统目标不明确, 系统规划不合理, 以及设计阶段缺少统一的编码等问题。

摘要：介绍了数字化电厂基本模型, 对组织构成和信息系统结构模型进行了阐述和分析, 提出了一个具有四个层次, 两个支持系统的数字化电厂层次结构模型, 并重点介绍了厂级监控层 (SIS) 和生产管理层 (MIS) 。最后分析了我国现阶段数字化电厂存在的一些问题, 数据管理信息化。

关键词：数字化,电厂,模型,层次分析

参考文献

[1]张培华.数字化电厂设计与分析[J].中国电力2007, 12.

[2]林双奇.论现代电厂信息化[J].福建电力与电工, 2003, 6.

基于层次模型的安全成本投入分析 篇7

层次分析法是一种定性和定量相结合的, 系统的、层次化的分析方法。它的基本思路与人对一个复杂的决策问题的思维、判断过程大体上时一样的。层次分析法将决策问题分为三个层次:目标层, 准则层和方案层。目标层就是所要解决的问题, 准则层是在解决的过程中所要考虑的一些条件和限制等, 方案层是可供选择的解决办法。

1 模型构造

1.1 画出层次结构图

由假设可得图1:

1.2 构造成对比较阵

1.2.1 构造准则层的成对比较阵

在准则层中, 花费和效益对于企业来说, 所占的影响是不同的, 企业主要关注的是效益。因此, 对于企业来说, 效益的影响要明显大于花费, 这里我们将其影响假定为7, 表示前者的影响明显强于后者。于是, 我们可以得出准则层对于目标层影响力的量化表:

则其成对比较阵为:

其中, aij表示第i行因素对于第j列的影响。由A可求出其最大特征值λ=2, 对应的特征向量为ω= (0.125, 0.875) T, 这个便是其权向量。

1.2.2 构造方案层的成对比较阵

(1) 对于三个方案 (预防性成本、检鉴性成本和整改性成本) 相对于花费来说, 有如下关系:整改性成本>预防性成本>检鉴性成本, 对于企业来说花费是越少越好, 所以我们可以得出三个方案相对于花费来说, 彼此的影响的量化表:

因此可得出其成对比较阵:

进而可用和法求得其特征值λ1≈3.007, 对应的特征向量:ω1= (0.2431, 0.6687, 0.0882) T, 下面对这个结果进行一致性检验:这里一致性指标由随机一致性指标RI数值表可得, RI=0.58, 所以因此, 所选成对比较阵B1的不一致程度在容许范围以内, 其特征向量可作为权向量。

(2) 同样可以得出三个方案相对于效益的成对比较阵:

进而可得:λ2≈3.0183, ω2= (0.2064, 0.0789, 2.1714) T, 这里对所得到的结果进行一致性检验:

表示矩阵B2的不一致程度在容许范围以内, 其特征向量可作为权向量。

由以上计算可以得出下表:

1.2.3 计算组合权向量

由1和2得出的准则层对目标层的权向量和方案层对准则层的权向量可以求出各方案对目标层的组合权向量。

方案一 (预防性成本) :0.2431×0.1250+0.2064×0.8750≈0.2110;

方案二 (检鉴性成本) :0.6687×0.1250+0.0789×0.8750≈0.1526;

方案三 (整改性成本) :0.0882×0.1250+0.7146×0.8750≈0.6363;

所以, 组合权向量为φ= (0.2110, 0.1526, 0.6363) T意味着方案三在总的权重当中占了相当大的比例, 有绝对优势。

2 结束语

由计算可知:在生产中, 加大针对整改性成本的投入是相当重要的, 但这也并不意味着只需要进行整改性投入, 结果只是代表了在保证了预防性成本和检鉴性成本投入合理的情况下, 适当加大对于整改性的投入, 对于发现的人员、设备和制度等各方面不合理的情况, 一定要不遗余力的进行整改, 这对于减少事故损失是相当有效的。

摘要：众所周知, 安全责任重于泰山, 要防止事故、促进生产就必须注意安全, 因此将安全成本纳入企业资金预算必不可少。对于安全成本, 我们知道分为四种:预防性成本, 检鉴性成本, 整改性成本和损失性成本, 对于各类型的安全成本投入也就构成了安全成本预算。对于如何进行安全投入, 在不减少生产安全的情况下, 尽可能的节约资金, “将钱花到刀刃上”, 成了各个企业进行资金预算规划时必须考虑的问题。文章仅用层次分析法来探讨这个问题。

基于层次分析法的住房决策模型 篇8

一、模型假设

1.夫妻的工作地点都在武汉关山大道和高新大道的交接处。2.租、买房的面积都为75平米。3.随机选择的6个小区具有普适性。4.房租价格不变, 租房一直都有。5.没有通货膨胀和通货紧缩, 房价稳定, 房产不升值。6.银行基础利率和贷款利率保持不变, 存款年利率1.5%, 贷款年利率4.9%。7.夫妻两人合每月存下6000元, 三年后有220792.6元的存款。8.各个因素间相互独立, 没有相互影响。

二、模型准备

(一) 从文[1]中查到6个小区的房价和离工作地的距离

(二) 从文[2]中查到该地区的综合租售比为:k=18

计算公式为:k=房价×房面积÷月房租÷12。

(三) 从文[3]查到房价收入比=每户住房总价÷每户家庭年总收入

(四) 从文[4]中查到平均随机一致性指标。

三、模型建立和模型求解

建立层次结构, 如下图1所示。

结构最上层为目标层, 中间层为准则层, 最下层为方案层。现在对准则层因素运用AHP法进行两两比较做出判断矩阵, 如图所示

运用matlab计算出该矩阵的最大特征根λm=5.1118。

一致性指标为为。再用一致性指标比随机一致性指标RI (查表2) , 求得一致性比率, 即, 通过一致性检验。

最大特征值对应的特征向量就是权向量, 把它归一化处理。下表是这5个准则的重要得分。

四、综合评价

因为每个地方的用房成本和上下班距离成本有具体的数值, 我们只需对其转化极大化型指标, 并无量纲化即可。参考文[5]采用适度指标法或逆指标法转化为极大型, 参考文[4]采用模糊综合评价法进行无量纲化。

考虑到房价基数过大且差别不明显, 将用房成本做适度指标法, 其中a为指标, x是适度值。x取3000。权重, αi表示各P的倒数。

上下班距离成本的评价用逆指标法处理, 如下表

在6个选择地点对自然环境、购物环境、消费成本因素进行分别两两比较获得逆矩阵, 计算出λm、一致性指标, 通过一致性检验后, 得到各因素的权重得分。

接着进行综合评价, 选取最理想的小区, 综合表4.5.6.7.8.9, 总得分, βi准则层权重, γi是小区权重。

从表13可以看出得分最高的是P2南湖时尚城, 这里是性价比最高的地方, 房价为9800元/M2, 按租售比算租金是3402.78元。

五、计算出租房和买房哪个更划算

(一) 符号说明

i:银行存款年利率, j:商业贷款量利率, T:等额还款月值, n:还款月数, F:等额收入终值, H:贷款金额

买房时, j=4.9%, i=1.5%, 夫妻总月收入是11000元, 按规定月款数不得超过家庭收入的55%, 我们目标取50%, 也就是月还款5500, 首付比例取20%。

总房价=9800×75=735000元, 735000×20%=147000<220792.6, 首付没问题。

H=735000×80%=588000元, 由上式可以算出, 当T最接近5500时, n=144, 也就是12年, T=5408.91元, 共支付利息190888元。

租房时, 参考买房还的贷款时间, 我们选择租12年。相对于买房, 12后我们有首付本息和G1=147000 (1+i) ^12=175755.87元, 有未支出的利息G2=190888, 有房租有T的差值总和

则12年租房比12年买后获得一套房子多出钱总和为W=G1+G2+F=680591.98元<735000元=房子总价, 也就是12年租房子比多买房子节出来的钱不足以买一套一样的房子, 所以买房子更划算。

六、动态分析

当夫妻收入有变化时, 进一步观察, 发现在地理确定的情况下, 租售比K是影响租房或买房的主要因素, 也因为K值随市场的变化的波动也大, 是能知道现阶段的值, 无法估算下一阶段的值的情况, 因此我们假设出K值是个变量, 得出另外一个结论给大家参考。

当夫妻月总收入在[9000, 40000]元之间, 月还款占收入的50%, 则T=[4500, 20000], 房子总价在Y[450000, 1350000]元, 首付比例是20%, 买房n月后还请贷款, 假设在租房n月后相比买房节省下来的钱刚好可以买一套一样的房子, 我们算出此时的租售比是多少。计算公式如下:

联立上面两式子, 运用matlab计算, 并绘出图像如下:

从图2中大概可以看出是起伏较小的面, 旋转图形, 如图3, 可以从左侧面看到, 当收入变化时, 临界租售比的变化, 如图4, 可以从右侧面看到, 当房价变化时临界租售比的变化。

由上的图形分析可知, 当房价、家庭收入和租售比知道时, 我们可以通过上面的动态模型确定租房or买房, 当坐标 (Y, T, K) 落在这个面两上方时, 选择租房更省钱, 当坐标 (Y, T, K) 落在这个面下方时选择买房更省钱。

从侧面图可以看出, 当收入和房价变化时, 临界租售比始终在[19, 22]之间变化, 所以当租售比小于19时, 选择买房, 租售比大于22时, 选择租房, 此时与收入和房价因素无关。

七、建设性报告

通过上面的层次分析法对各小区的租、售房成本, 上下班距离成本, 自然环境, 购物环境, 消费成本进行综合评价, 我们可以看出当夫妻收入总是11000元时, 和总收入是17000元时, 最好的选择小区是不同的, 分别是P2和P6, 而且通过经济分析, 在现阶段租售比为18的情况下, 两不同选择的小区里, 买房都比租房要省钱。如果租售比发生变化, 当租售比小于19时, 选择买房, 租售比大于22时, 选择租房, 在[19, 20]之间就要结合家庭收入和房价进行分析, 结论在动态分析中。

八、模型的优点及其推广

第一, 运用层次分析法, 结构清晰、明确, 量化各指标, 给出科学的决策。第二, 额外找出了租售比K对租、买房选择的影响, 并建立了动态分析模型。第三, 综合运用各种评价方法, 让整个评价更合理。第四, 指标无量纲化和归一化的不断求精, 使用了最适合的方法。第五, 将家庭总收入对小区选择的影响合理的添加到评价体系中。

参考文献

[1]武汉中原地产[2016.4.1]http://wh.centanet.com/xinfang/ditu/hongshanqu/k1/

[2]中国房价行情-武汉-住[2016.4.1]http://www.creprice.cn/ha/investsort/city/wh.html

[3]百度百科[2016.4.1]http://baike.baidu.com/link?url=t CRL2dm WLVq Bl Jjf12LVZKXad Kw AWbm Cf Gr A-8Uh K9M0AHAy Ys Ws_a RF o Ip8Rvb K8ni8oy LN-l3w9Grk NKu FZ_

[4]汪应洛.系统工程[M].北京:机械工业出版社, 2014.

[5]张立军, 袁能文.线性综合评价模型中指标标准化方法的比较与选择, 湖南长沙, 信息与统计论坛, 2010.8.

[6]张卫华、赵铭军, 指标无量纲方法对综合评价结果可靠性的影响及其实证分析, 江苏徐州, 统计与信息论坛, 2005, 5.

信息技术与课程深层次整合实践 篇9

关键词：信息技术与课程整合 双主教学 数字化教学环境

中图分类号：G434文献标识码：A文章编号：1674-098X（2014）09（b）-0166-01

目前，教育信息化硬件设施的大幅增长，数以万计的中小学校园网纷纷建立，但是花费了几百亿元建设起来的几万个中小学校园网目前却绝大部分未能充分发挥作用，造成资源的极大浪费[1]。只有极小一部分用于普通课程的辅助教学，大多只是停留在多媒体录像的浅层应用水平，真正能在各个学科的教学中，通过开展信息技术与课程的有效整合实现教育深化改革的学校（即能够真正围绕改变传统的“以教师为中心”的教学结构，形成“主导-主体相结合”新型教学结构这一目标来进行整合的学校）不到5%。唯有信息技术与课程的有效整合，构建新型教学环境，促进教育深化改革。

1 小学数学“主导-主体”教学结构的创建

在各个学科的教学过程中高效的融合信息技术来实现信息技术和课程结合后打造的一种新型教学环境，这种以“自主、探究、合作”为特征的教学方式中教师的主导作用得到发挥，学生的主体地位充分被体现。创建“主导-主体”结构是为了整合信息技术与课程，是创造新型教学环境的重要研究内容。

1.1 “主导-主体”教学结构

“主导—主体”的教学结构是以教师为中心的和以学生为中心的两种教学结构取长补短的产物[2]，其特点是：教师是教学过程的主导者，组织者；学生是信息加工与学习的主体，是知识的主动建构者。

教学内容不再单单只是教材，在教师的帮助和指导下，学生进行自主的学习交流，可以从更多的途径来获取更广泛的知识，例如，图书资料和网上资源等等。

在这种教学结构下，学生在学习过程中的主体地位被充分重视，学生自主学习、思考教学内容，教师对学习内容进行选择、组织学习过程、对学生进行帮助指导等主导性作用，有机的将教与学结合。

在充分体现教师主导作用的同时，也有效地发挥着学生的主体作用，让学生创新精神的培养落到实处，实现新课改“知能并重”的教学目标。

1.2 构建“主导—— 主体”教学结构的模式

教师的主导作用体现在选择教学内容、激发学习动机、促进学习者建立新旧知识之间的有意义的联系，选择和设计适当的自主学习策略和協作学习策略，促进学习对知识意义的建构、理解、保持、迁移和应用；学习者积极自主的将新旧知识进行有意义联系，了解新知识含义，将新知识通过学习主体自主的认知结构关系与原有旧知识进行“同化”，然后总结对应的自主学习方案等均体现其主体地位。

接受式模式的双主教学结构包括以下五个步骤[2]：

第一，呈现先行组织者：包括阐明课程目标、呈现并讲解先行组织者、唤起学习者先前的知识体验。

第二，呈现新学习内容：通过讲解、讨论、录像、实验、阅读或作业等形式介绍学习材料，学习材料的呈现必须逻辑清晰，让学生能很容易明确学习的组织系统，把握各个概念、原理之间的关联性，对整个学习过程有明确的方向感。

第三，知识的整合协调：新知识的同化，即学生把新学习的内容纳入到自己的认知结构之中。

第四，迁移、运用新学知识，就是将所学新的知识来解决相似的问题。在此过程中，学习者要应用精细加工策略和操练策略来巩固知识意义的建构，并反思自己的学习过程，促进知识学习和策略应用的迁移。

第五，反思：学生回忆、反思自己的新学知识的形成过程。

这种模式在数学教学中可适用于对概念的归纳，目的是让学生认识正确的概念以及通过参与和反思来了解概念的形成过程，以此来使学生分析和概括的思维能力得到有效提高。

2 双主数字教学环境的设计

通过信息技术与课程的深层次整合，创建小学数学课程数字化网络教学平台，为双主的教学结构的实现创建数字化学习环境。整个网络教学平台采用三层结构体系[3-4]，三层结构是用户界面层、业务逻辑层和数据访问层。

在需求分析基础上进行的，系统设计是把具有复杂能力功能的系统通过设计分解为具有基本独立，功能简单，易于实现等特点的多个功能模块[5-6]。通过对网络教学平台需求的分析，系统划分成教学管理、教学资源管理和作业练习管理等几个主要模块。

为有效支持双主教学，各模块的功能中都加入了一些特别的设计，比如，课程教学功能中，添加一项教学内容情境设计功能，并提供众多的素材，让教师可以按照自己的意愿选取相应素材，系统进一步把这些素材以师生喜闻乐见的图形或动画的形式体现出来。

网络教学平台选用微软.Net平台[7]进行业务实现。系统使用C#语言编写代码，采用Web窗体进行教学资源管理、教学管理、练习作业管理、问题答疑等子系统的开发，各子系统共享同一数据库。

为有效支持双主教学，各模块功能中都加入了一些特别的实现，比如，课程教学功能中，实现了教学内容情境设计的功能。比如：认识数字的教学内容中，教师可选取相关糖果、水果、玩具等图片素材进行显示或进行添加和减少操作，使教学内容更加直观形象，增加学生学习兴趣。

3 结语

通过信息技术与课程的深层次整合，创建小学数学课程数字化网络教学平台，为课程教学创建数字化学习环境；有了网络教学资源和平台的支持，使学生和老师较容易的就能真正实现“主导-主体相结合、自主、探究、合作”的新型教学方法，满足课改提高学生创新能力和素质的目标实现。

参考文献

[1]何克抗.信息技术与课程深层次整合的理论与方法[J].电化教育研究，2005（1）：7-14.

[2]刘芸.小学数学“主导—主体”教学结构的构建[D].长春：东北师范大学，2007.

[3]王振环.现代远程教育教学模式及问题综合研究[D].东北师范大学，2007.

[4]马骏.c#网络编程基础[M].人民邮电出版社，2005.

[5]闫洪亮，潘勇.ASP.NET程序设计教程[M].上海：上海交通大学出版社，2006.

[6]张海藩.软件工程导论[M].5版.清华大学出版社，2008.

[7]丁跃潮.XML实用教程[M].北京：北京大学出版社，2006.

基于层次分析法的风险评估模型 篇10

层次分析法 (AHP, Analytic Hierarchy Process) 是美国著名的运筹学家Satty T.L教授于二十世纪七十年代提出的, 是一种层次化、定量与定性相融合的多准则决策方法, 也是简便灵活而且实用、有效的, 能够处理不易定量化问题的评估方法。

层次分析法的基本原理就是以数字的形式进行处理与表达, 将决策者的主观判断进行量化, 把复杂的问题层次化, 把问题简化并利用层次进行分析细节;通过定量的数据把定量与定性分析结合起来, 进而为决策者的决策提供依据。也就是说, 层次分析法把要决策的问题看成一个很大的系统, 它是若干的影响因素组合而成的, 并且因素与因素间都存在一定的关联与制约, 根据因素与因素间的隶属关系能够组成一个层次结构, 然后通过相关数学计算, 将这些因素层次排序, 最后将分析排序的结论作为决策依据。

利用层次分析法解决问题一般包含四个基本步骤:

(1) 构造待解决问题的层次结构模型;

(2) 构造各层次内的两两对比较判断矩阵;

(3) 根据对判断矩阵计算出各层次单排序;

(4) 计算各层元素的最终组合权重。

首先对系统进行分层次与拟定量, 并作规范化处理, 将复杂的问题分解为因素并划分为若干层次。两两比较标度值, 将依据主观经验定性问题进行定量化处理, 把层次内的因素之间简单地进行计算、判断和比较, 得出这些因素的权重值, 计算出相对于系统总目标的单个因素的排序权值, 最终分析得出各个因素的总体风险状况。

1构造层次结构模型

实际上构造层次结构模型就是对问题进行剖析的过程, 在层次结构模型的最上层仅有一个元素, 为目标的焦点, 即目标层。目标层以外的其它层次允许有多个元素, 相邻两层的元素是按照一定的规则进行确定的。通常情况下, 层次结构模型分为三层, 如图4.2所示。

目标层 (Goal) ;在该层只有一个元素, 是待解决问题所设定的总的目标。

准则层 (Criteria) ;该层包含了需要完成的预定目标涉及到的一系列中间环节, 涵盖了相关的准则以及子准则, 允许一个或者有若干个层次组合而成。

方案层 (Alternatives) ;该层包含了可供选择的各种措施以及方案等。

不同层次的元素之间往往会存在着隶属关系, 即上一层的元素对下一层元素有支配的作用并且由下一层元素组合构成;同层元素也可以划分为若干小组, 性质相近的元素划分为一组, 同组元素隶属的上层元素通常会是同一个, 不同组元素性质不同, 一般隶属于不同的上一层元素。通过对复杂问题进行分析, 先要明确决策的目标, 并将它作为目标层 (最高层) 的元素, 这个层次的元素是唯一的。接着找到与目标实现相关的准则, 并作为准则层的因素。复杂问题的准则层因素可能很多, 有的是主要准则, 还有的是次准则, 次准则隶属于主要准则。详细地分析准则因素之间的内在联系, 再根据分析结果把这些准则划分在不同层次。分析准则与实际的问题后, 确定可选择的最终解决方案或者措施, 在递阶层次结构的最下面一层的因素就是这些方案与措施。明确了层次结构中所有因素的位置, 用连线把它们依照规则连接起来, 就完成了递阶层次结构的创建。

在有些元素较多, 关系复杂的层次结构中, 组的关系可能会不太明显, 形成层次关系是相互交叉的, 这时也会存在下一层的一些元素同时受到上层的若干元素的支配, 但还是会有明显的上下层的隶属关系。

2构造各层的判断矩阵

对比较判断矩阵指的是相对上一层某个准则而言, 与该准则有关联的本层的要素之间的相对重要性。若方案层P (b1, b2, …, bn) 相对上一层准则C而言有关联, 那么建立方案层中的各个元素相对于准则P的判断矩阵如公式所示。

式中, bij表示的是对于准则C而言, 方案层P中的元素ib与元素bj比较得出的两者的相对重要程度。bij的取值根据专家经验和意见或者资料、历史统计数据来确定的。在层次分析法当中, 可以根据Satty引入了1至9的9分位标度法, 两要素的比较可以进行定量描述。由此, 可以通过各层要素之间的成对比较得到层次结构模型的判断矩阵, 标度如表4.1所示。

建立的对判矩阵应该具备以下特性:

从理论上分析:如果C_P是完全一致的成对比较判断矩阵, 应该有bij=1/bji (i, j=1, 2, …, n) , 判断矩阵可以具有传递性。但实际上, 构造出的对比较判断矩阵是不可能的满足所有以上的等式, 所以对比较判断矩阵在一定程度上可以存在一定程度的不一致。

3层次单排序与检验

计算层次单排序就是把本层各要素, 相对上一层根据对比较判断矩阵计算出权重顺序的过程, 常用的计算方法主要有方根法与和积法。

方根法首先将判断矩阵C_P的每一行因素求乘积, 对求得的乘积做根方计算, 再将方根归一化, 以确定这一层因素对于上一层的相对风险权重, 也就是计算方案P层中各要素相对于准则C的权重排序, 最终得出排序结果。

在层层排序过程中, 需要对判断矩阵进行一致性检验。判断矩阵在特殊情况会具有一致性以及传递性。但通常并不需要判断矩阵必须满足一致性与传递性, 只是判断矩阵在进行其重要性排序时必须遵循一定的逻辑规律, 如果A比B重要, B又比C重要, 应该得出A比C更加重要的结论, 若出现了A比C重要这种结果, 就意味着该判断矩阵在不符合逻辑, 不能通过一致性的检验。

实际计算过程中, 判断矩阵需要满足基本的一致性, 并进行相应的一致性的检验。通过了检验, 该判断矩阵才能对计算结果进行后续的分析。下面简要介绍一致性检验的步骤。

(2) 以Satty给出的RI的指标值表为依据, 进行平均随机一致性指标RI的对比查找。

(3) 利用CR=CI/RI来计算修正的一致性指标, 当CR≤0.1时就认为对比较判断矩阵符合一致性检验的要求, 若不符合就要继续调整判断矩阵。

4层次总排序与检验

层次总排序指的是根据各层次单排序得到的每层相对于上层的各个元素的相对权重, 进一步计算单排序结果得出层次结构模型中各层的所有因素相对于目标层的组合权重, 由上往下逐层进行, 最终得出方案层中的元素相对于目标层的组合权重。

和单排序一样, 总排序结果也要进行相应的一致性检验。

若已知相对于第k-1层第j个元素为准则的CIj (k) 、RIj (k) 和CRj (k) , j=1, 2, …, m, 那么第k层的综合检验指标如下所示。

若CR (k) <0.1时, 判断矩阵的整体一致性是可以接受的。通过对排序结果的分析, 得出最后的决策方案。

层次分析法的优缺点

层次分析法是典型的定性分析与定量分析综合的方法, 比较适用于不能够完全定量分析的问题。相比之下, 层次分析法的结构化理论基础使得它在解决各类复杂问题或者多目标、多层次的大型信息系统的问题较为简单, 分层次的系统框架, 可以有效地分解系统, 只需将信息系统结构化处理之后, 进行简单的计算。层次分析法使用对比标度, 使得客观性的判断能力大大增强, 通过分析信息系统的相关因素及其关联, 将复杂问题层次化、简单化。结合实际生活中主观和客观因素, 综合考虑定量分析与定性分析, 定量的描述对主观的评估, 使评估科学化、系统化、数学化, 使风险评估的结果较为客观。

层次分析法也存在缺陷, 主要的缺点包括以下两个方面。

首先是层次分析法自身的缺点, 在构造判断矩阵时, 如果采用专家打分评判方式, 利用若干专家对信息安全风险因素的认知判断作为构造数据, 专家有根据客观的自我偏好进行打分的可能, 进而影响到评估的最终结果, 可能会造成评估结果误差较大, 降低了评估的客观性精确度。如果仅仅是依靠几个相关专家的评判得出的评估结果进行构造判断矩阵, 容易造成判断矩阵不具有全面性, 致使评估的结果可信度降低。若选择相应的修正方式改进评估方法, 也可能会造成其它因素受到某个因素改善的影响, 降低其它因素的精确度。因此, 构造判断矩阵会受到专家的质量、数量等主观因素方面的影响, 并最终影响评估结果的精确度。

层次分析法不可以计算精确度要求高的问题, 只可以看作是半定量的分析方法。在风险评估时, 针对层次分析法的缺陷, 本文引入了模糊数学理论改善层次分析法, 使模糊分析与层次分析方法相结合, 使评估的结果趋于合理化、客观化。

小结

本文主要是介绍了层次分析法的信息安全风险评估模型。首先是介绍了基于层次分析法的风险评估模型, 分析其优缺点, 并解析了改进后层次分析法结合的评估模型的主要评估流程。