优化分析与评价模型

优化分析与评价模型（精选8篇）

优化分析与评价模型 篇1

有限元仿真技术在汽车领域广泛运用,而且在汽车车身结构中作用日益凸显。合理而准确的仿真计算可以指导车身结构的设计和改进,有利于缩短整车开发周期。在仿真计算时,计算效率和仿真精度是考虑最多的2个方面,在建模的过程中需要均衡考虑。工程应用中,结构分析常规计算往往无法获得较为精确的值。有限元的子模型处理技术,首先在全局网格计算中获取局部区域的边界条件,然后在此边界条件下,细化局部关注区域的网格而获得更准确的数值解。子模型处理技术能避免因结构尺寸缩减导致的边界条件不确定问题,另外,采用精细的网格可获得局部区域的准确解[1,2,3]。实际工程运用中,子模型处理技术由于上述特点与优点,在国内外得到广泛运用。如:LIU Yongming[1]等,采用子模型技术对列车车轮疲劳寿命研究,得到了轮毂的精确接触应力;WANG Hao[2]等运用该方法对大桥局部结构进行屈曲分析,其子模型计算结果与测试值基本一致;李爱群[3]等运用子模型技术仿真分析研究索桥结构,分析结果得到索桥关键位置应力与实测值相同;Johar Ciptokusumo[4]等运用子模型方法对微观结构进行了精确的应力分析;张鹏飞[5]等研究斜拉桥的局部受力特点时采用子模型方法,保证局部仿真分析应力与实测值一致。目前子模型技术研究,主要集中于其边界条件获取,本文中采用位移边界方法。文献[1,2,3,4,5]和本文中运用基于子模型方法得到仿真数值结果表明,运用此方法分析车身结构显著提高了计算效率,提升了计算精度。

1 子模型方法简介

用于车身结构的子模型分析流程如图1所示。在全局模型中进行数值计算,根据计算结果,得到关键区域边界节点位移边界,进而获得在全局模型中该局部区域的边界节点载荷。

再通过Matlab软件编程,将在全局模型中计算得到的边界节点载荷,采用形函数插值,获得新边界条件。输入新边界条件,计算子模型结果。在细化子模型网格后,重复采用上述方法计算结果。逐步细化子模型网格,得到稳定的有限元计算值,该计算值认为是结构分析精确数值解。

2 车身结构强度分析

车身结构强度分析中,首先测试或计算出典型行驶工况比,如转弯、制动、过坑等工况中底盘安装硬点处的力和力矩,然后将其加载至白车身有限元模型,采用惯性释放的方法计算出白车身的应力值。各个典型工况依据在整车道路耐久性试验中出现的频率情况分为峰值工况和极限工况,出现频率较高的工况为峰值工况,而在耐久性试验中出现次数较少为极限工况,2者对应的判断标准分别为材料屈服极限和材料抗拉极限。典型整车强度工况及应力判断标准见表1。

本文中根据各工况加速度值和整车动力学计算获得整车底盘与车身连接点处载荷,然后,将底盘安装点处载荷施加在白车身有限元模型上,获得白车身各工况下应力值。结合表1中的判断标准,为路试中车身部件开裂问题提供分析依据,并指导优化。

3 计算案例

在某型号微车耐久性试验中,左右大梁上的盖板B靠近座椅框的端部与大梁焊接的焊点处开裂,如图2所示黄色圆圈区域。焊点距离盖边缘较近,容易形成应力集中现象。在整车模型中,通常计算的10mm网格不能较精确的模拟计算,导致数值计算精度较低。

本文使用基于位移边界的子模型方法,来获得该局部区域该载荷条件下的精确解,显著地提高计算效率,减少计算时间,快速从多个优化方案中选取合理方案。

3.1 整车有限元模型仿真验证

在软件Hypermesh中实现试验车整车模型建模,有限元计算软件为MSC.Nastran。其网格尺寸为10 mm,总共有节点683 126个,单元650 252个,模型总质量为1.62 t (整车实际满载质量1.76 t)。白车身主要性能指标的试验值及仿真值对比见表2,各仿真指标误差控制在4%以内,满足计算精度要求。整车模型的计算值的精确性表明建模的合理性与精确性。

3.2 整车模型与子模型计算对比

进行开裂分析时,若对于提出的每一个优化方案都在整车模型里面计算,将十分浪费时间。通过选取子模型,获取在整车模型中的边界条件,计算时效率极大提高。下文中也将验证这一点。对于众多的整车零部件,有很多结构需要优化,很多原本需要在整车模型中优化的部件,通过子模型处理可以大大缩短优化时间,这样对于缩减整车优化时间有重要作用。另外,网格细化后的子模型,特别是对于几何尺寸很小的部位,可以得到比在整车模型中获得的仿真值更为精确,而计算效率依然很高。

在局部子模型中,选择离开裂位置较远的节点作为边界节点,本例中所选取边界位置应力值小且梯度变化小,由于左右基本对称,只选取了左大梁区域作为子模型边界,如图3所示。

经过计算整车模型,结果表明:在转弯工况中,当网格大小为10 mm时,开裂位置单元应力值为105 MPa。当网格大小为5 mm时,开裂位置单元应力为114 MPa。该处零件材料为BLD,理论屈服极限值大于120 MPa,抗拉极限>260 MPa。根据表1中转弯工况定义,该处应力值接近材料屈服极限,有一定开裂风险,而实际路试过程中发生了开裂现象。基于位移边界子模型(网格细化为5 mm)开裂位置的应力为115MPa。子模型在网格细化为5 mm时,其结果与整车模型(网格大小为5 mm)基本一致,结果如图4所示。当网格大小一致时,虽然整车模型和子模型的计算精确度基本一致,但是计算效率上却有极大差别,整车模型与子模型的网格尺寸与计算时间关系见表3。

在有限元计算中,一般来说模型网格越细,计算值越为精确。特别是对于应力较为集中、几何尺寸较小的区域,细化网格尤为重要。所选取的子模型计算值保证了计算精度,同时计算时间相对于整车模型大幅度提高,即使细化网格,计算时间相较于整车模型依然显著减少。整车模型网格大小为10 mm时,计算时间约为1h,尚可接受;当网格大小为5 mm时,计算时间增加到原来的7倍;当整车模型采用2 mm网格时,整车模型节点预计约16 902 358,根据文献[6]可知,无法在单台服务器上计算,只能采用分布式计算器求解。而子模型随着网格的逐步细分,模型计算的时间仍然很短,例如当网格都为5 mm时,整车模型约要28 293 s,而本文中所选取的子模型只需要225 s就完成计算。因此,基于计算精度及计算资源消耗均衡考虑,子模型方法是车身结构分析精度提高方法的合适选择。

3.3 基于子模型方法的优化方案对比

汽车轻量化是汽车发展与研发的必然趋势,在能源紧张与环境保护的浪潮下,汽车研发必须寻找轻量化的路径,来降低油耗与生产成本。在汽车结构的优化过程中,满足要求的前提下,尽可能降低部件的质量。本文分析案例中为了解决开裂问题,提出了4种相应的优化方案。

方案一:在座椅框和大梁之间增加一块三角板,如图5(a)所示;方案二:在座椅框和大梁间增加一块“L”型加强板,如图5 (b)所示;方案三:在座椅框和盖板B之间增加一块“L”型加强板,如图5(c)所示;方案四:将盖板B厚度增加0.5 mm。

方案一、二、三的优化方式均采用子模型方法处理计算,网格大小均为5 mm,计算结果应力云图如图6所示。

图6 中(a)、(b)、(c)、(d)图展示了方案一、方案二、方案三、方案四基于子模型方法的优化结果与质量的增加关系,与原方案对比见表4。

通过比较可知,从轻量化的角度和优化后应力值的降低效果方面出发,方案三的优化效果更为明显,在质量增加较小的情况下,开裂处应力值下降显著,即在盖板B和座椅框之间增加加强板,显著降低焊点开裂位置的应力。实际中,优化方案也采用了方案三,在后续的耐久性路试试验中,未发现此区域有开裂现象,这也验证了仿真分析的合理性与正确性。

4 结论

车身结构分析中,众多应力集中处,比如本文中所选取的例子:盖板B与座椅框的搭接处,往往是其发生破坏的潜在区域,因而有必要更为精确地获得局部区域应力值。如果计算分析每一个优化方案都要在整车模型中计算,将是十分耗时的。另外,一些细小特征或者几何复杂的部件需要更为精细地划分网格,网格的细化,无疑更降低计算效率。本文基于整车框架结构考虑,采用基于子模型技术车身结构计算方法,其计算结果表明:采用基于位移边界子模型的车身结构计算方法,显著提高计算精度和求解效率,保证获得关键受力区域的较为精确的解,具有较好的工程指导意义。

参考文献

[1]LIU Yongming.Fatigue Crack Initiation Life Prediction of Railroad Wheels[J].International Journal of Fatigue,2006(28):747-756.

[2]WANG Hao.Accurate Stress Analysis on Rigid Central Buckle of Long-span Suspension Bridges based on Submodel Method[J].Science in China Series E:Technological Science.2009.

[3]李爱群,王浩.子模型法在超大跨悬索桥钢箱梁应力分析中的应用[J].工程力学,2007.

[4]Johar Ciptokusumo.Investigation of stress distribution in via bottom of Cu-via structures with different[J].Microelectronics Reliability. 2009(49):1090-1095.

[5]张鹏飞,张启伟.千米级斜拉桥扁平钢箱梁的局部力学行为[J].天津大学学报,2010.

[6]MD.Nastran Installation And Operations Guide[M].MSC.Software Corporation,2008.

优化分析与评价模型 篇2

南京市产业结构调整的优化模型与实证分析

通过分析,认为产业结构调整是由劳动力、资金、能源、自然资源、技术进步等因素在各产业问的.流动影响的,因此以这些因素之间的内在关系为条件建立线性规划的约束方程.由于各因素之间的约束条件是经常变动的,可以利用灰色系统理论预测各因素之间的变动条件.在此基础上建立了产业结构调整的灰色线性规划模型,并制定了南京市“十一五”期闻三次产业结构调整方案.

作 者：曹明霞 作者单位：江苏省社会科学院农村发展研究所,南京,210013刊 名：统计与决策 PKU CSSCI英文刊名：STATISTICS AND DECISION年，卷(期)：“”(3)分类号：O221.1 F224.31关键词：产业结构 灰色系统 线性规划 优化模型

高校预算管理模型研究与评价分析 篇3

1、观念落后, 学校不够重视。

很多教职员工认为部门预算是学校财务部门的工作, 与其他职能部门无关, 从而在编制部门预算和执行预算的过程中消极应付。

2、学校内部的预算管理与资源配置方面存在矛盾。

部门预算涉及面广, 数据量大, 内容复杂, 预算管理体系不够缜密, 致使财务部门无法全面掌握各院系、部处的创收资金及专项经费情况, 使得相关收入和相应的支出没有完全纳入学校统一管理, 脱离了学校整体预算, 不能真实反映学校财务预算的整体情况。

3、预算编制方法简单, 预算执行的考核监督机制尚未建立。

部门预算在高校已实行数年, 但都还没有建立起有效的效绩考核、追踪评价机制, 导致无法考核部门预算的编制质量和执行情况。

4、预算管理过程难以得到有效执行。

在执行过程中, 只注重预算的编制, 不注重预算的控制, 同时没有很好地去执行预算的考核与评价。预算的变动随意性大, 导致许多高校的预算执行结果与预算目标相差较远, 财务预算的权威性和严肃性得不到保障。

二、高校预算管理模型分析

高校在“量入为出、收支平衡”的预算总原则的基础上编制预算。本文主要从非教学党政职能部门预算测算模型和教学部门预算测算模型两个方面对高校公务消费支出预算采用相应的模型进行了经费测算。

1、非教学党政职能部门预算测算模型。

党政职能部门经费支出主要包括:基本支出 (办公费、差旅费、招待费) 、专项支出、是服务性支出。该模型主要对基本支出中的办公、差旅、接待费按照行政人员的行政级别进行打分测算, 根据总分核定基本支出经费。基本模型 (见表1) 。各部门依据行政级别填列和申报具体人数, 组织部门和人事部门对基本数字进行核对后, 得出部门总分 (见表2) 。

由于行政部门存在缺编现象, 故对缺编人数的分值按相应行政级别分数的一半计算, 表2中, B部门缺编正科一名, 补正科 (4分) 的一半2分, B部门合计分数为A=在岗人员分数A1 (15分) +缺编分数A2 (2分) =17分。参考预算年度之前五年非教学部门用于办公费、行政差旅费、用车费、公务接待费、办公电话费等经费的开支情况, 确定本年公务经费控制总额为B元, 非教学部门总分值为C分, 则非教学部门公务包干经费系数的分配标准定为D=B/C (元/分) 。各部门公务包干经费总额E=各部门总分值A×分配标准系数D, 考虑有些部门行政人员相对较少的情况, 测算分数相对较小, 适当安排特别补助以体现测算的公平性。公务包干经费中办公经费E1、差旅费E2、接待费E3按照包干经费总额的6:2:2分配, 即E1=0.6E, E2=0.2E, E3=0.2E。当然对接待差旅比较多的行政部门可以调整分配系数, 适当提高接待差旅费用, 但其公务包干经费总额不变。

2、教学部门预算测算模型。

教学部门主要是对其应教学而发生的教学费用进行测算, 主要包括教学业务费、低值易耗费、学生实习费、学生活动费、其他费用。教学部门依据教学业务分值表进行测算, 教学业务分值表中主要从教学行政办公业务、本专科生教育业务、研究生教育业务、学科与科研管理、学生管理这五个部分进行测算和评分, 基本模型分析如下。

根据测算模型计算出该教学部门的测算总分值F1=A+B+C+D+E。参考预算年度之前五年教学部门用于教学行政办公业务、本专科生教育业务、研究生教育业务、学科与科研管理、学生管理等经费的开支情况, 确定本年教学部门业务经费控制总额为G元, 各教学部门总分值为F分, 则教学部门教学业务包干经费系数的分配标准定为H=G/F (元/分) 。各教学部门教学业务经费测算额K=教学部门的测算总分值F1×教学业务包干经费系数H。考虑到各学院的生均培养标准Q1, 生员比系数Q2、师均人学时系数等参数Q3的不同, 引入了综合系数Q=0.3Q1+0.4Q2+0.3Q3, 最终各教学部门教学业务经费总额G1=各教学部门教学业务经费测算额K×综合系数表Q。教学业务经费中教学业务费K1、低值易耗费K2、学生实习费K3、学生活动费K4按照包干经费总额的4:1:3:2分配, 各二级学院经费核定后所产生的客观不平衡问题, 诸如教师多、学生少、新建院系、新建专业、规模较小院系等所造成的经费不平衡, 将通过调整系数因素进行考虑。

三、调整预算测算模型, 建立健全预算评价分析体系

测算模型因为设计不够完善, 测算过程中可能对某些职能部门和院系的经费测算有较大影响, 需进一步完善和修正预算管理模型, 并建立健全预算评价分析体系, 下一步的主要工作有:一是非教学部门行政人员分值标准及部门缺编费的核定, 从实际测算和经费使用过程中核定各行政岗位分值标准是否合理;二是非教学部门办公经费、差旅费、接待费系数分配的调整及修正, 从实际经费支出核定系数分配是否需要调整;三是教学部门教学业务类型的细化及分值标准的核定, 主要是教学行政办公业务、本专科生教育业务、研究生教育业务、学科与科研管理、学生管理参数需细化和核定;四是教学部门综合系数Q的修订, 生均培养标准Q1、生员比系数Q2、师均人学时系数Q3及综合系数Q比例的调整及核定;五是建立健全预算评价分析体系。对各部门预算指标和实际支出情况进行绩效考核, 建立健全评价分析体系。

四、加强财务预算执行管理

在高校预算管理过程中, 高校教职员工应该更新观念, 提高认识;由学校成立相应的预算管理委员会, 调动相关职能部门参与部门预算的编制工作, 严格预算管理, 坚决维护财务预算的权威性和严肃性。各单位应根据模型测算和下达的预算指标, 按照轻重缓急的原则和本部门工作计划, 合理安排使用, 不得突破年初预算, 严格控制专项经费支出。应对经费测算模型参数和方法进行修正和改进, 定期对部门经费执行情况进行分析和评价, 并对各部门预算指标和实际支出情况进行绩效考核, 并给予奖惩。

总之, 高校预算管理是高校内部管理的重要内容。随着会计制度的不断变革和高校发展对财务管理要求的不断深化, 再加上预算管理测算模型的某些测算指标和测算参数的局限性和不完整性, 需从理论和实践的角度对预算测算模型不断修正和完善, 进行精细化预算管理, 更科学有效的为高校预算管理服务, 提高资金使用效益, 促进高校可持续发展。

参考文献

[1]郭念棣:高校预算管理的原则及完善[J].南京林业大学学报, 2008 (8) .

[2]詹汉荣:新时期高校财务预算管理优化探析[J].会计之友, 2008 (11) .

优化分析与评价模型 篇4

软件质量是软件符合明确的功能和性能需求, 文档中有明确描述的开发标准, 以及所有专业开发的软件都具有的隐含特征的程度。随着软件开发技术的发展和信息技术的广泛应用, 软件质量管理越来越受到重视。实现软件质量管理与国际标准接轨, 加强软件项目管理、改善软件开发过程、提高软件质量, 已成为软件行业面临的巨大难题。软件质量评价是软件质量管理的重要内容, 由于软件质量评价指标难以量化且属性具有不确定性, 传统方法很难评价。模糊综合评价法是一种基于模糊数学的综合评标方法, 根据模糊数学的隶属度理论把定性评价转化为定量评价, 即用模糊数学对受到多种因素制约的事物或对象做出一个总体评价。具有结果清晰、系统性强等特点, 较好地解决模糊的、难以量化的问题, 适合各种非确定性问题的解决。软件质量概念的模糊性带来了软件质量评价的不准确性[1], 本文在采用模糊综合评价方法上进行研究。

1 评价指标体系建立

指标体系构建是软件质量评价的基础性工作, 构建方法通常是对所搜集到的数据进行归纳整理, 然后根据尺度进行衡量, 既要运用逻辑推理的方法, 也要以事实为依据, 将主、客观因素相结合, 进行分析和评价, 通常使用专家评价法、经济分析法和运筹学方法等。指标体系构建不是将一些指标的简单堆积和组合, 而是根据某些原则建立起来并能反映软件质量的多层次结构的指标集合。首先, 遵循指标体系构建的一般原则, 即针对性原则、可测性原则、简明性原则、完备性原则和客观性原则;然后根据软件质量的特点并结合前人的研究成果, 通过广泛地调研进行综合分析。本文将软件质量评价指标体系归纳为6个一级指标, 24个二级指标, 递阶层次分析结构模型如图1所示。

①功能性。

软件功能是软件能够满足用户需求的一种属性, 包括现实需求和潜在需求[2]。其中, 完备性是指软件本身能够完成用户业务的所有功能;准确性是指软件运行结果与期望结果一致;有效性是指实现软件功能的程度;独立性是指软件功能不依赖于其他软件就能完成用户需求。

②可靠性。

指在规定的条件下和时间内完成规定功能的能力。其中, 完整性是指信息在输入和传输的过程中, 不被非法授权修改和破坏, 保证数据的一致性;精准性是指无误差或误差在可接受范围;容错性是指存在故障时仍能工作;恢复性是指发生故障时的恢复能力。

③易用性。

指软件容易使用的程度。其中, 一致性是指软件界面、输入输出、操作方法一致;简单性是指操作简单;操作性是指软件可观测、可重复、可直接操作;在线帮助是指操作者遇到疑问时在不退出操作界面的情况下能快速得到解答。

④高效性。

指软件的执行和处理效率。其中, 响应时间是指从请求到得到结果的时间;资源占用主要指占用CPU时间和网络带宽;远程访问是集成的“路由和远程访问”服务的一部分, 为远程人员提供服务;存储空间是指存储设备的总容量。

⑤维护性。

指对软件维护的难易程度, 具体包括理解、改正、改动和改进软件的难易程度[3]。其中, 追踪性是指对某一特定需求在软件开发整个过程中形成以及演变的跟踪能力;模块性是指每个模块完成一个特定的子功能, 模块之间相互独立;扩充性, 是指为适应新变化被方便地裁剪或扩展。

⑥移植性。

指软件从某一环境转移到另一环境下的难易程度。其中, 通用性是指软件能够满足多个同类用户的需要;键壮性是指软件对于规范要求以外输入情况的处理能力;安装性是指软件在指定环境下安装的难易程度;适应性是指软件能够自动适应环境及业务变化。

2 评价工作准备

基础工作准备包括建立因素集、建立评价集和建立权重集。

2.1 建立因素集

因素集是影响评价对象的各种因素组成的集合, 用U={u1, u2, …, un}表示。根据图1建立的第一层指标的因素集为U={U1, U2, U3, U4, U5, U6}, 第二层分别如下。

①功能性指标的因素集为U1={u11, u12, u13, u14};②可靠性指标的因素集为U2={u21, u22, u23, u24};③易用性指标的因素集为U3={u31, u32, u33, u34};④高效性指标的因素集为U4={u41, u42, u43, u44};⑤维护性指标的因素集为U5={u51, u52, u53, u54};⑥移植性指标的因素集为U6={u61, u62, u63, u64}。

2.2 建立评价集

评价集也称备择集, 是评价者对评价对象可能做出各种评价结果组成的集合, 用V={v1, v2, …, vn}表示。模糊综合评价的目的, 就是在综合考虑所有影响因素的基础上, 从评价集中得出一个最佳的评价结果。本文软件质量设置5种评价结果, 分别是很好v1、较好v2、中等v3、较差v4、很差v5, 即V={v1, v2, v3, v4, v5}。

2.3 建立权重集

由各权数所组成的集合W={w1, w2, …, wn}称为因素权重集, 简称权重集。确定权重的方法有很多, 可分为主观赋权法、客观赋权法、主客观综合集成赋权法等三大类, 具体来说又分为专家咨询法 (Delphi) 、专家排序法、最大熵法、层次分析法、古林法、秩和比法 (RSR) 、局部变量法、相关系数法、主成分分析法和因子分析法等[4]。本文运用专家排序法并结合作者的经验确定。

一级指标权重为:

W={W1, W2, W3, W4, W5, W6}={0.27, 0.22, 0.15, 0.13, 0.17, 0.06}

二级指标权重分别为:

①功能性W1={w11, w12, w13, w14}={0.27, 0.35, 0.16, 0.22};②可靠性W2={w21, w22, w23, w24}={0.40, 0.27, 0.19, 0.14};③易用性W3={w31, w32, w33, w34}={0.28, 0.31, 0.23, 0.18};④高效性W4={w41, w42, w43, w44}={0.31, 0.33, 0.12, 0.24};⑤维护性W5={w51, w52, w53, w54}={0.22, 0.26, 0.43, 0.09};⑥移植性W6={w61, w62, w63, w64}={0.29, 0.45, 0.07, 0.19}。

3 数学模型建立

数学模型是针对评价系统的特征或数量依存关系采用数学语言概括地或近似地表述出的一种数学结构, 是评价的理论基础。模糊综合评价分为一级模糊综合评价和多级模糊综合评价, 一级模糊综合评价又包括单因素模糊评价的模糊综合评价[5,6]。

3.1 单因素模糊评价

从一个因素出发, 确定评价对象对评价集元素的隶属度。确定方法往往依赖于人的判断, 在理论上没有普遍适用的、完全严格一一对照的标准方法。通常有概率统计法、模糊统计试验法、专家评定法、历史经验法、二元对比排序法、分布法等。

rij表示ui属于vj的隶属度, 由隶属度构成的单因素评价集为Ri (ri1, ri2, …, rim) 。以单因素评价集为行组成的矩阵称为单因素评价矩阵, 表示如下:

3.2 一级模糊综合评价

对于单因素评价矩阵, 如果对各因素作用以相应的权数, 便能合理地反映所有因素的综合影响。因此, 模糊综合评价可以表示为[7]:

式中, bj称为模糊综合评价指标, 简称评价指标。权重矩阵与单因素评价在合成时, 可以选用多种评价模型之一。本例选用M (·, ) 模型。即:

3.3 多级模糊综合评价

将因素集U按属性的类型划分成s个子集, 记作U1, U2, …, US, 根据问题需要, 每一个子集还可以进一步划分。对每一个子集Ui, 按一级模糊评价模型进行评价。将每一个Ui作为一个因素, 用Bi作为它的单因素评价集, 又可构成评价矩阵R=[B1, B2, …, BS]T。于是有二级模糊综合评价B=A·R。

3.4 确定评价结果

评价原则决定评价结果。通常的评价准则包括最大隶属原则、最小代价原则、置信度原则、评分原则等。本文选用评分原则[8]。

①最大隶属原则

即取最大的评价指标max (bj) 相对应的评价元素vj为评价结果。

②评分原则

对于评估集V={v1, v2, …, vn}, vi (i=1, 2, …, n) 之间存在强弱关系, 即强类的分数比弱类的分数大。设vi的分数为ki, 当v1>v2>…>vn时, 存在k1>k2>…>kn。对象x的评分结果为:

如果qx1>qx2, 则认为x1优于x2, 记为x1>x2。

4 评价实例

某软件项目已开发完成, 经过一段时间的试运行后, 现运用模糊综合评价方法进行质量评价, 作为软件验收的依据。

4.1 单因素模糊评价

单因素模糊评价隶属度确定采用专家评定法[9], 现聘请10位专家对软件项目按照“很好、较好、中等、较差、很差”五级分别进行评定, 评价统计结果百分比如表1所示。

4.2 一级模糊综合评价

对表1中的U1评价和权重集W1, 运用式 (2) , 计算结果如下:

对表1中的全部数据计算结果如表2所示。

4.3 二级模糊综合评价

对表2中的数据计算如下:

4.4 确定评价结果

根据最大隶属原则的评价结果为“较好”。根据评分原则, “很好、较好、中等、较差、很差”五级的分数分别为“90、80、60、40、30”, 根据公式 (4) 计算得到的结果为61.3782分, 评价结果为“中等”。

根据不同的评价原则, 会得出不同的评价结果。

5 结束语

软件质量管理是贯穿整个软件生命周期的重要工作, 是软件项目成功完成并顺利实施的可靠保证[10]。提高软件产品质量主要有二个途径[11], 一个是寻求改进软件开发过程质量的方法, 以CMM提出的软件能力成熟度模型和GB/T8566给出的软件生存周期过程为代表, 从规范软件过程出发, 持续改进软件过程, 保证软件产品开发质量;另一个是对开发完成的产品进行测试、度量和评价, 用以验证所开发的软件产品符合规定的要求。软件质量评价是提高软件质量的重要手段, 本文对提高软件质量具有重要意义。

参考文献

[1]柴获, 闫军, 李秦渝.基于置信度的软件质量模糊评价模型研究[J].计算机工程与设计, 2012, 33 (2) :607-611.

[2]Victor Guana, Dario Correal.Improving software product line configuration:A quality attribute-driven approach[J].Information and Software Technology, 2013, 55 (3) :541-562.

[3]袁梦乔, 杨根兴.面向领域的软件质量评价模型研究与应用[J].计算机应用与软件, 2012, 29 (7) :56-59.

[4]杨洪涛, 刘亮.信息系统项目评价指标权重确定方法[J].统计与决策, 2006, 22 (11) :75-76.

[5]Abhishek Kumar, Seung-Kyum Choi, Lorens Goksel.Tolerance allocation of assemblies using fuzzy comprehensive evaluation and decision support process[J].Advanced Manufacturing Technology, 2011, 51 (1) :379-391.

[6]Annadurai G, Rajesh Babu S, Srinivasamoorthy V R.Mathematical modeling of phenol degradation system using fuzzy comprehensive evaluation[J].Bioprocess and Biosystems Engineering, 2000, 23 (6) :599-606.

[7]彭霞, 朱萍, 任永昌.软件详细设计工具对比分析研究[J].计算机技术与发展, 2013, 23 (3) :77-80.

[8]吴祈宗.系统工程[M].北京:北京理工大学出版社, 2006.

[9]Xing T, Liu D C, Zhao G Q.Study on System Analyst Comprehensive Capacity Evaluation Method[C].Scientific Research Publishing, USA:Collected Papers of 10th Conference on Man-MachineEngineering, 2010:48-52.

[10]任永昌, 彭霞, 常革新.软件项目质量控制相关技术研究[J].计算机技术与发展, 2012, 22 (10) :143-146.

优化分析与评价模型 篇5

关键词：赛程安排,统计,安排

1 模型的符号说明

xi表示第i支球队的总成绩;P表示总成绩的方差;Mi表示第i支球队的获胜率;Ni表示第i支球队的主客场交替着打的次数的归一化值;K1j表示第j场比赛中主场球队的获胜率;K2j表示第j场比赛中客场球队的获胜率;Y1j表示第j场比赛中主场球队的相对获胜率;Y2j表示第j场比赛中客场球队的相对获胜率;V1j表示第j场比赛中主场球队的上赛季胜率;V2j表示第j场比赛中客场球队的上赛季胜率;Z1i表示第i支球队主场获胜率;Z2i表示第i支球队客场获胜率;W1j表示第j场比赛中主场球队背靠背影响率;W2j表示第j场比赛中客场球队背靠背影响率;Qi表示第I支球队的排名;a表示权重比例系数;Bij为0、1变量, 表示与j区的第i个球队对阵;Cij为0、1变量, 表示与j区的第i个球队对阵;dij为0、1变量, 表示与j区的第i个球队对阵;eij为0、1变量, 表示与j区的第i个球队对阵;fij为0、1变量, 表示与j区的第i个球队对阵;

2 模型的建立与求解

2.1 问题 (1) 的模型建立与求解

根据前面的分析, 我们采用相对总成绩Xi作为观察每支球队所受的影响。以Xi的方差P作为评价赛程利弊的数量指标,

(1) 对于每一场球赛:

根据题中附件1所给出的赛程安排表, 可以得出共有1225场比赛 (缺少5场) 。对每场比赛都可视为主场球队和客场球队比赛。先以主场球队为例:

Z1j可根据该球队上赛季主场获胜率表示, 并由附件2中的主场战绩求得, 即主场总胜利数除以总计42场;假如赛程安排的很密集, 则必然影响球队成绩。整赛季总有170天, 每只球队要总要打82场比赛, 170/82=2.07即平均每天就要打比赛, 所以只用考虑接连两天都打比赛的情况, 称为背靠背。令W1j=1表示该队不处于背靠背比赛的情况, W1j=0.9表示该队正处于背靠背比赛的情况;客场球队也做同样处理, 就可得到每一支球队每一次参赛的获胜率。

(2) 对于每一支球队:

先将 (1) 中算得的每一场比赛主客球队的获胜率进行分类, 把每一支球队的所有参赛归为一类 (不分主客) 。

Mij=第i i队82场比赛所有获胜率的期望;先排出每一支球队整个赛季的主客场安排表, 共要打82场比赛, 则需要考虑81次两场比赛之间是主客连打还是主客交替。统计出每支球队主客场交替着打的次数, 然后将其归一化得Ni。

归一化准则:N:X:XÁÂÃ: (XÁÄÅ:XÁÂÃ) ;

接下来要将Mi与Ni以一定的权重结合起来即为每只球队的总成绩Xi, 关于a的选定, 由于题中未给出参考准则, 所以根据实际情况我们可以设a=0.9或a=0.8。得到30支队的总成绩Xi。

P就是评价赛程利弊的数量指标。P越大, 表示各队的总成绩偏离中心值的幅度越大, 赛程弊处越多;P越小, 预计的各队总成绩越均衡, 赛程安排就越合理。

2.2 问题 (2) 的模型建立与求解

先分析赛程安排队每支球队的影响, 不仅要看该队在问题 (1) 中算出的总成绩的排名情况, 还要结合该队自生实力。可以通过上赛季的胜率值作为评价这支球队的实力强弱的指标。将每只球队在总成绩中排名减去他上赛季的排名, 得到的差值就是衡量赛季安排对每支球队利弊的准则。即:△Qi=Qi总-Qi上, △Qi>0表示赛程安排对第i支球队有利;△Q<0表示赛程安排对第i支球队不利△Qi=0表示赛程安排对第i支球队影响不大。

从计算结果中可以看出火箭队的△Qi=1可见火箭的排名下跌了一名。赛程安排对火箭是偏不利的。再看火箭队的连打主客场的次数为41次, 这是造成不利的原因之一, 又因为打背靠背情况的比赛有22次。综合这些因素后, 可认为赛程安排是对火箭对是不利的。

在所有球队的排名差值中波特兰开拓者的差值最大, 也就是说开拓者排名上升的最多△Qi=6, 所以赛程对开拓者最有利, 相应的芝加哥公牛队的排名差值最小△Qi=-7, 所以赛程对公牛队最不利。

2.3 问题 (3) 的模型建立与求解

对于东部赛区:我们任选其中一个赛区中的五支球队, 对每只球队都有与他不同区的其他四支球队与他比赛三场, 这样我们利用0、1变量表示剩余十支球队中被选中的球队, 也即用Bij、Cij、dij、eij、fij等于1表示, 由于剩余的十支球队中与某球队赛三场的有四支则有线性关系:

由这些线性关系在lingo中编程求的等于1的Bij、Cij、dij、eij、fij, 整理后即为所求的对阵情况。

3 模型的改进方向

3.1 对于 (1) 、 (2) 两问, 我们可以通过互联网上的消息, 以及NBA方面的专业分析人士, 获取球队现在的较确切的实力强弱情况。然后再结合季前赛中获得的数据信息来综合考虑球队的现状, 从而更准确的得出下赛季安排对某一支球队来说是有利的还是有弊的。

3.2 对于问题 (3) 我们可以把球队的强弱、比赛时间、主客场情况集中起来建立模型, 直接求解出可用性更高的对阵情况。

参考文献

[1]姜启源.数学模型 (第二版) .高等教育出版社, 1993.

[2]杨伟权.概率论及数理统计.北京:高等教育出版社, 1988.

优化分析与评价模型 篇6

NBA是全世界篮球迷们最钟爱的赛事之一。对于NBA这样庞大的赛事，编制一个完整的、对各球队尽可能公平的赛程是一件非常复杂的事情。通过资料查询和问题分析，主场优势、休整时间以及背靠背比赛等都对球队实力的发挥和战绩有一定的影响。本文研究考虑主场优势、休整时间长短、两球队的实力悬殊三个因素来分析赛程对一支球队的利弊，并用数学建模方法对赛程进行定量的分析与评价，同时给出评价赛程利弊的数量指标。

1 模型假设

(1)假设各球队在上一赛季的胜率能够完全体现其实力，且在本次赛季球队依然保持该实力；(2)考虑休整时间、主场优势和球队间的实力差来评价赛程对球队的影响，且休整时间、主场优势两因素是通过影响球队间的胜率来影响球队整体水平的发挥；(3)两球队的理想得分比为二者的实力比，对实际的一场球赛，主场优势、休整时间影响球队的发挥，从而使实际得分比偏离理想得分比；

符号说明：

2 模型的建立

2.1 问题分析

主场优势、休整时间以及相互比赛的两支球队的实力悬殊等都对球队实力的发挥和战绩有一定的影响。对球队而言主场优势具体体现在观众的鼓励助阵，对比赛场地的熟悉程度，另外还有裁判因素，都有偏向主队的嫌疑；休整时间长有利于球队进行很好的休息和调整好状态；若两球队实力相差较大，则对强队非常有利，对弱队就不利。

本文研究考虑两球队的实力悬殊、主场优势、休整时间长短三个因素来分析赛程对一支球队的利弊。

2.1.1 实力悬殊

两个球队之间进行比赛，由于球队的队员水平、战术等使得球队间存在实力差，这一实力差体现在球队i胜球队j的概率Pij。

如果两支球队赛季的总胜率相同，认为二者具有相同的实力，该两支球队间未来的比赛胜算当然是1/2。由假设1可知，NBA中30支球队在上一赛季的总胜率有差异，则它们在实力方面也存在差异。当对手较强时，胜率差为负值，则与之比赛的胜算小于1/2；反之，遇到比自己弱的对手，胜率差为正，则胜算大于1/2。于是可得球队i胜球队j的概率Pij(i=1,2…30,j=1,2…30）:

从上式可见Pij取决于球队i和球队j的历史常规赛季的总胜率Wi和Wj。故在比赛前不考虑其它因素的影响，球队i胜球队j的概率已经确定，即实力差已经确定。

2.1.2 主场优势及休整时间长短分析

对球队而言主场优势更有利于球队的发挥。休整时间长有利于球队进行很好的休息和调整好状态，也就是说二者对球队胜对手的胜率有一定的影响。然而这种影响的机理很复杂，很难建立主场优势、休整时间对球队胜率的影响的机理模型。由上一赛季的赛程的历史数据，我们可以建立基于该数据的统计分析建立回归模型，分析主场优势及休整时间对的球队的影响。

2.2 模型建立：多元线性回归模型

由上分析，在比赛之前两球队存在某一胜率，也由于比赛存在主场优势、休整时间长短不同，在一定程度上影响了球队的实力发挥。于是可认为主场优势、休整时间对球队的影响可以改变两球队间原本具有的胜率，最后用球队的胜率来分析赛程对球队的利弊。所以主场优势、休整时间是通过改变球队间的胜率，来体现赛程对球队的利弊影响。

于是可以建立主场优势、休整时间为自变量，两球队间的胜率为因变量的统计回归模型。由于休整时间的长短不一、种类很多，结合经验和简单处理起见，将休整时间分为三类：不休息（连续作战）、休息一天、休息两天及以上，这三种情况对胜率的变化量的影响各不相同。

记ΔPij为胜率的变化量，x1为球队主客场情况，定义：

x2、x3、x4为球队休整时间情况，定义：

这样，不休息用x2=1,x3=0,x4=0表示，休息一天用x2=0,x3=1,x4=0表示休息两天及以上用x2=0,x3=0,x4=1表示。

胜率的变化量ΔPij与主场情况x1，休整时间情况x2、x3、x4以及球队实力差Pij(Pij对球队i与球队j之间的比赛为一个常数）之间的多元线性回归模型为：

其中β0，β1，β2，β3，β4是待估计的回归系数，ΔPij为球队i胜球队j的胜率的变化量，这一变化量是由函数式右边的各个因素的存在而引起的。故可得知：β1反映了主场对球队胜率的贡献，β2、β3、β4分别反映了不休息、休息一天、休息两天及以上对球队间胜率的变化量的贡献，影响ΔPij的其它因素作用都包含在随机误差ε中。

2.3 模型求解

假设一个常规赛季中球队i的胜率为Wi,球队j的胜率为Wj,则球队完全依据实力发挥不受其它因素的影响的所得分数值比应为:,由于存在主场优势、休整时间等因素而影响球队的发挥,从而实际的分数之比:,这就体现了Pij发生了变化,记这种胜率差的变化量为ΔPij,为了方便起见,可以认为其中球队i的发挥对胜率差的变化量的贡献为,球队j的发挥对胜率差的变化量的贡献为

ij结果分析:对NBA所有的球队都有:β1>0,β2<0,β3<0,β4>0或<0,且β2<β3<β4,β1>0说明主场优势有力扩大了胜率的变化量,也就是能够给主场的球队发挥更好的状态,β2<0,β3<0,说明不休息或休息一天是不利于球队发挥,β4>0,说明休息二天及以上对有些球队的发挥有利,对有些球队的发挥不利,也就是说有些球队两天的休整时间已经使球队调整到良好的状态,而有些球队却还需继续休息以待调整更好的状态。β2<β3<β4说明休整时间越长越有利。

2.4 赛程利弊指标B值

假设赛程对每个队都是完全公平的，该赛程消除了球队原本存在的实力差的影响，也不存在主客场、休整时间都一样且能够使球队完全发挥原本的实力，则每个球队比完一个赛季的所有比赛后，有一个期望胜率C。但是由于每个球队要打82场比赛，和其他球队有赛2场、赛3场和赛4场三种情况，这种安排必然造成各球队实力差别对期望胜率的影响，记为+ΔC。那么在不考虑主客场、休整时间等因素前提下该球队的期望胜率为C+ΔC。

若只考虑主客场、休整时间等因素，球队的期望胜率记为C′，再把实力差别这个因素加上以后期望胜率应是C′+ΔC。

对每支球队，新赛季都有一个期望胜利场数，当不考虑上述的三个因素对球队的发挥影响时赛程对每个队都是公平的。在此前提下可以计算出球队i的期望胜利场数：

其中：Qk=PixkxkΣ=1,2，…i-1,i+1，…，30Σ，xk表示球队该球队第k场比赛的对手编号。

当考虑上述的三个因素对球队的发挥影响。则赛程对球队存在不公平性。此时可以计算出球队的期望胜利场数：

则新常规赛赛程对球队i的利弊指标可以定义为下式：

B>0，说明赛程对球队i的有利，且B的值越大则越有利；

B=0，说明赛程对球队i的没有影响；

B<0，说明赛程对球队i的不利，且B的值越小则越不利。

2.5 结论

综上，为了分析赛程对某一支球队的利弊，考虑了主场优势和休整时间以及实力差的影响，通过模型一的求解的回归系数β1、β2、β3、β4反映了主场、不休息、休息一天、休息两天及以上等因素对球队胜率的贡献。如果考虑一支球队整个赛季的所有比赛，求出其在这些因素影响下的球队的期望取胜常数C′，再求出当不考虑上述的三个因素对球队的发挥影响该球队的期望胜利场数C再作差就可得到评价赛程对球队利弊指标值B。

摘要：本文考虑球队间胜率、主场优势、休整时间三个因素来分析赛程对某一支球队的利弊。建立主场优势、休整时间同球队间胜率的变化量之间的多元线性回归模型:△Pij=β0+β1x1+β2x2+β3x3+β4x4+ε。通过赛程数字化方法得出某一球队的回归变量矩阵[x1、x2、x3、x4]及预测变量矩阵[△Pij],做回归分析得到回归系数并定义了数量指标评价赛程对球队的利弊,并给出了计算某一球队值的算法。

关键词：主场优势,休整时间,球队间胜率,值法,错位配对法

参考文献

[1]Paul Allsopp.Measuring team preformance and modeling the homeadvantage dffect in cricket.2005.

[2]NBA官方网站.http://www.nba.com/.2008年9月21日.

[3]姜启源,谢金星,叶俊.数学模型(第三版).北京:高等教育出版社,2003.

优化分析与评价模型 篇7

规模经营是土地、劳力、资本及智力四大要素的最佳配置,也是一种现代农业生产经营模式,是相对一家一户小农生产方式的飞跃。土地适度规模经营是实现农业生产机械化的前提,对于提高劳动生产率、降低农业生产成本和增加农民收益具有重要的意义。本文以2008年度辽宁省农业机械化年统计数据为基础,应用数据包络分析(DEA)评价理论和方法,通过对72户典型家庭农场经营规模与效益的实证分析,探讨家庭农场发展的最佳规模效益,并在此基础上构建了辽宁省农机适度规模经营的模式。

1 DEA方法及指标选取

数据包络分析(DEA)方法是将管理科学系统工程与决策分析和运筹学等概念相结合,形成具有特色的模型、方法和理论,迄今已成为管理科学、系统工程、决策分析和评价技术等领域中一种常用的分析工具与研究手段。

DEA是研究具有相同类型的部门(或单位)间相对有效性的工具,也是处理多目标决策问题理论上非常完备的方法,更是经济理论中估计具有多个输入、多个输出的“生产前沿面”的有力工具。利用生产前沿面的理论和方法,可以研究部门技术进步状况,并建立非参数的最优化模型等。

假设有n个决策单元,每个决策单元都有m种类型的“输入”以及s种类型的“输出”,分别表示该单元“耗费的资源”和“工作成效”,如图1所示。

其中,xij为第j个决策单元对第i种类型输入的投入量;yrj为第j个决策单元对第r种类型输出的产出量;vi为对第i种类型输入的一种度量;ur为对第r种类型输出的一种度量;且xij>0,yrj>0,vi≥0,ur≥0,i=1,2,…,m;r=1,2,…,s;j=1,2,…,n(xij及yrj为已知数据,可以根据历史资料或预测得到,vi及ur为“权”变量)。记Xj=(x1j,…,xmj)T,Yj=(y1j,…,ysj)T,j=1,2,…,n,则可用(Xj,Yj)表示第j个决策单元DMUj。对应的规划模型为

2 家庭农场DEA评价

家庭农场综合评价问题是一个多输入和多输出的系统评价问题。在本例中,每个决策单元设5个输入指标,即劳均耕地面积、联合收割机数量、拖拉机配套比、拖拉机保有量及劳动力数量;两个输出指标,即顷均粮食产量和劳均产粮。经过CCR和BCC模型计算后,将72户家庭农场DEA有效单元进行统计,并采用CCR模型(不变规模报酬,效率Crste)和BCC模型(可变规模报酬,将CRR模型下的效率值划分为技术效率Vrste和规模效率Scale)进行分析。其中:在CCR分析中,有效性的农场有16个;在BCC分析中,有23个农场具有技术有效性,20个农场具有规模有效性,如图2所示。由此可见,在目前的生产情况下,辽宁省各家庭农场DEA有效的数目所占百分比较低,还不到所调查农场数目的1/3。

将辽宁省72个家庭农场按土地经营面积大小划分为8个经营等级,并分别对72个决策单元的规模经营状况进行相对有效性计算。不同经营规模的农场所对应的效率值如表1所示。

通过对辽宁省不同规模农场经营效率水平进行比较发现,不同规模家庭农场的平均效率均为DEA无效,也就是说均未达到规模经营的最优模式。在CCR模型下,对不同规模经营的农场进行比较分析表明:耕地规模为66.67~133.33hm 2的农场效率值最大,为0.944;其次是133.33~200hm 2的农场,效率值为0.930;再次是耕地规模在6.67hm 2以下的农场,效率值0.927。在BCC模型下进行分析,技术有效性排在前3位的农场分别是耕地面积为133.33~200hm 2的农场、66.67~133.33hm 2的农场和6.67hm 2以下的农场,效率值分别为0.992,0.966和0.948。从规模效率上看,耕地面积超过133.33hm 2的农场的规模效率明显下降,8个规模农场效率值如图3所示。

以目前辽宁省农场经营规模的范围来看,家庭农场效率值最优规模为66.67~133.33hm 2。将所有农场进行比较可知,DEA有效,且农场经营规模最大的为133.33hm 2,超过这一界限规模报酬均为递减。

3 计算结果分析

为了更加直观地反映出各规模农场劳动生产要素投入情况,依据规模与投入相关数据得出两者之间的曲线图,如图4所示。

结合辽宁省家庭农场农机规模经营综合效率评价和家庭农场规模投入图,将不同规模家庭农场做具体分析。

1)传统耕作阶段(农场经营规模在6.67hm 2以下)。当家庭农场经营面积在0~6.67hm 2时,拥有较少量的简单农机具和拖拉机,很少雇佣大型农业机械,机械化程度较低,农业生产中的主要环节仍延续着传统耕作方式。农业生产过程中使用常规的生产技术手段,主要是人畜耕作、人工收种以及人背马驮等,有时虽部分采用了一些现代技术或实用技术,但它并未使以手工劳动为主的局面得到根本改观,农业科技含量低,生产力水平不高,劳动生产率的提高还很有限。

2)农机应用的初级阶段(农场经营规模在6.67~66.67hm 2)。这一阶段的农业生产中传统耕作与机械化耕作同时存在,是传统农业向现代农业的过渡阶段。农民拥有一定数量的拖拉机和少量的大型农机具,农忙时雇佣大型农机具为自己服务。在此规模中,顷均产粮和劳均产粮的曲线先上升后下降,其中农场经营面积在20~33.33hm 2时经济效益最好。这样规模的农场是传统方式与现代方式的合理融合,充分发挥了自有农机具的作用,农业生产具有一定的科学性。

3)农机应用的高级阶段(农场经营规模在66.67~200hm 2)。当家庭农场规模达到66.67hm 2时,农民拥有较多的大中型农业机具和联合收割机。农业机械广泛应用于生产的各个环节,机械化程度和作业水平有质的提高。农业机具的投入使劳动力的转移率增大,农机与劳力比例趋于合理。由于规模合适,农业机械的使用以及劳动生产要素配置合理,节约了劳动力成本,提高了农业抗御自然灾害的能力,取得明显的经济效益。DEA有效对应的农场最大面积为133.33hm 2。

4)规模效益递减阶段(农场经营规模在200hm 2以上)。当农场规模超过200hm 2时,虽然粮食产量保持在较高水平,但由于盲目地追求大规模生产,投入大量的农机资本,致使农场在CCR和BCC模型下均为DEA无效,且规模效益处于递减阶段,农业生产的投入产出处于不经济阶段。

4 结论

1)在目前的生产情况下,辽宁省各家庭农场DEA有效的数目所占百分比较低,还不到农场数目的1/3。因此应当按照科学的方法,使劳动生产要素配置合理化。

2)经过分析,辽宁省机械化家庭农场的发展可概括为:传统耕作阶段(规模小于6.67hm 2)、农机应用的初级阶段(6.67~66.67hm 2)、农机应用的高级阶段(66.67~200hm 2)和规模效益递减阶段(超过200hm 2)。将所有农场进行比较可知,DEA有效,且农场经营规模最大的为133.33hm 2,超过这一范围规模报酬均为递减。因此,在辽宁省目前的生产力水平、技术水平和农机配备水平下,家庭农场的规模为133.33hm 2最为合理,实现适度规模经营。

参考文献

[1]Charnes A,Cooper W W,Rhodes E.Measuring the effi-c iency of decision making units[J].European Journal ofOperational Re-search,1978,6(2):429-444.

[2]刘佩军.中国东北地区农业机械化发展研究[D].长春:吉林大学,2006.

优化分析与评价模型 篇8

近年来随着我国高等级公路建设的迅猛发展,公路隧道建设越来越多。在目前隧道施工技术、管理水平不高,施工单位安全投入普遍不足的情况下,隧道施工安全问题表现的越来越突出,事故发生频率居高不下。为了对隧道施工安全状况进行有效控制,迫切需要建立隧道施工的安全评价系统。本文结合具体工程,建立安全评价模型,对隧道施工过程中的安全性进行分析和评价。

1 工程概况

该隧道位于构造剥蚀中低山地形地貌区,隧道区森林植被覆盖较好,其出露地层由白垩系下统曼岗组(K1m)褐红、紫红色泥岩夹青灰色砂岩褐第四系残坡积(Qel+dl)褐、紫红色亚粘土组成,土层较薄,分布不连续。根据物探试验资料,隧道区内存在4条小规模断层,为喜山期形成的挤压性逆断层,根据其对隧道施工的影响程度将断层划分为两个级别,一级表示对施工影响较大,三级表示对隧道施工影响较小,如表1所示。

隧道区地下水为基岩裂隙水,分布于整个隧道,富水性弱～中等渗透系数

2 施工方案

根据该隧道的工程地质环境特点,即软弱围岩地段长,缓倾斜层状围岩多,构造裂隙及节理相对分布较密集,围岩稳定差,为施工安全起见,确定采用如下施工方案:隧道Ⅴ级围岩地段采用微台阶法施工,共分3个台阶,台阶纵向保持5m～6m,拱部采用人工手持风钻开挖。钻孔采用H 178钻孔台车,装运设备为CAT966F装载机和BOYOT铲装机装碴,阿威林运输车出碴。爆破采用塑料导爆管非电起爆、光面爆破,炸药采用水胶炸药,配以少量2号岩石铵锑炸药。

该隧道由于大部分地层为水平层状或互层状软弱围岩,极易坍塌,因此必须在爆破后及时施作锚、喷、挂网及格栅。尤其是地层破碎或构造带地段更要紧跟,以保证围岩稳定。喷射混凝土采用湿喷工艺,锚杆采用台车钻孔。仰拱部分根据隧道围岩弱膨胀性特点,将仰拱在二衬之前施作,使初期支护尽快形成封闭受力结构,同时也为二次衬砌施工的模板台车轨道铺设提供条件,便于洞内运输。

隧道施工环境影响作业人员的工作效率,同时对工人的身心健康产生影响,空气通风、照明、噪声、排水等给施工安全带来不良影响。坝卡隧道施工中较为注重施工环境的控制,采取相应的方法改善工人的工作环境。进口工区布置一台TZ-125型通风机,洞外部分40m采用1.5m镀锌铁皮硬质风管,洞内风管采用1.5m的DSR高强度通风软管,直接压入式通风,通风管过衬砌台车采用衬砌台车上焊装铁皮风管随台车移动,两端及时与通风筒拆装延接。施工排水采用中心排水管沟和积水坑、潜水泵等分级抽水,保持洞内施工道路干燥畅通。照明设备采用高压钠灯和碘钨灯,改善照明条件,保证正常施工的照明要求。

3 评价指标的确定

隧道施工过程具有施工工序复杂,情况复杂多变,人、机、物相互作用的复杂特征,其中地质条件、施工方法、工人的精神状态、安全意识、施工安全管理等各个方面都会影响到施工中的安全,引发事故。根据该隧道施工方案及现场实际情况,在模型中主要考虑工程地质条件、施工环境、开挖方法、钻爆作业、出碴、设备状况、施工用电、施工安全管理几个因素。

4 隧道施工安全评价模型建立

4.1 确定隧道施工综合评价集U

根据建立的隧道安全施工评价指标体系层次结构,该结构为二级模糊综合评判,最上层因素集为U={U1,U2,U3,U4,U5,U6,U7,U8}=(工程地质条件,施工环境,开挖方法,钻爆作业,出碴,设备状况,施工用电,施工安全管理)。

4.2 各评价因素子因素Uij

各评价因素子因素为:

U1=(u11,u12,u13,u14)=(岩石强度,节理,断层与破碎带,地下水);

U2=(u21,u22,u23,u24,u25,u26)=(粉尘,噪声,照明,温湿度,施工排水,施工通风);

U3=(u31,u32,u33)=(施工干扰性,工序复杂性,开挖方法安全性);

U4=(u41,u42,u43,u44,u45)=(爆破器材使用,爆破器材存放,爆破设计参数调整,爆破器材检查,爆破管理制度);

U5=(u51,u52,u53,u54,u55)=(岩石块度,装运方式,路面状况,运输指挥管理,车辆种类);

U6=(u61,u62,u63,u64,u65)=(设备状态及完好率,安全设备配备状况,装运设备及完好率,衬砌设备及状态,材料加工设备及状态);

U7=(u71,u72,u73,u74)=(电器设备状态,保护装置配备及完好率,供电线路安全状况,用电管理与生活用电安全);

U8=(u81,u82,u83,u84)=(管理机构及人员设置,安全生产管理制度,职工安全教育培训,事故管理)。

4.3 各评价因素的权重分配

评价指标的隶属度及权重确定可按照层次分析法对每个元素两两重要性比较,给出定量表示,然后进行一致性检验。为简单起见,根据隧道安全系统综合分析,确定各因素分配权重为A=(A1,A2,A3,A4,A5,A6,A7,A8)=(0.25,0.05,0.15,0.05,0.05,0.15,0.10,0.20),各评价子因素:

4.4 建立评语集V

为了对隧道施工安全状况进行量化,确定隧道安全预警级别,建立该隧道安全性评价的评价集,表示隧道安全程度,即:

V={v1,v2,v3,v4,v5}={安全,较安全,临界,较危险,危险}={Ⅰ,Ⅱ,Ⅲ,Ⅳ,Ⅴ}={5,4,3,2,1}。

4.5 建立评价矩阵Ri

1)根据建立的评语集,采用专家打分的方法对隧道施工安全性进行评分,再由公式Bi=Ai Ri,得出各子因素评价矩阵,并进行归一化处理:

B1={0.28,0.37,0.22,0.14,0.0},B2={0.185,0.37,0.24,0.16,0.06},B3={0.29,0.50,0.135,0.075,0.0},B4={0.29,0.41,0.23,0.06,0.01},B5={0.235,0.43,0.205,0.085,0.045},B6={0.308 5,0.463 0,0.196 8,0.032 0},B7={0.21,0.425,0.190,0.125,0.05},B={0.32,0.47,0.14,0.06,0.015}。

2)由以上关系得到二级评价矩阵R。

采用加权平均法,以bj为权数,对评判集vj进行加权平均,得到的值作为评判结果,即:

因此,通过查表可知该隧道施工安全性级别为安全性一般,即“较安全”,偏向“临界状态”一侧,可以认为该隧道施工总体是安全的。

5 结语

本文采用层次分析法和专家评分模糊评价法建立了隧道施工安全评价模型,对该隧道施工安全所涉及的复杂系统进行较准确的定量描述,同时结合超前地质预报及围岩监控量测等手段,成功的解决了隧道施工安全问题,没有发生重大事故,取得了很好的经济效益和社会效益。该方法实现了现场施工过程控制和管理由被动的管理模式向主动的、预防式的管理模式转变,为施工管理人员提供参考。

参考文献

[1]罗玉屏,高桂凤,武红丽.公路隧道交通安全模糊评判体系研究[J].石家庄铁道学院学报,2006,19(3):72-79.

[2]陈水利,李敬功,王向公.模糊集理论及其应用[M].北京:科学出版社,2005:187-223.