指数评价（共12篇）
指数评价 篇1
我国现有水牛22 800万头, 既有纯种水牛、杂交水牛, 还有从国外引进的水牛品种, 为了充分利用和选育水牛, 提高水牛养殖的经济效益对水牛品种进行评价具有十分重要的意义。试验用张英汉[1]评价黄牛的方法, 对中国沼泽型水牛进行评价, 现将结果报道如下。
1 材料与方法
1.1 材料
数据来源于《中国水牛科学》[2]中有关水牛品种介绍的章节。
1.2 方法
采用张英汉[3]描述的BPI值的计算方法对水牛不同品种的公母牛及阉水牛进行评价。
2 数据统计
应用Excel 2003计算。 肉用指数是描述一个品种或一个牛群体在成年时 (一般为5岁) 的平均活重 (LW) 与其体高的比值[1], 参照此法, 依据表1所示的水牛成年时体重与体高的比值, 得到BPI值。
3 结果与分析
中国沼泽型水牛、河流型水牛的BPI值详见表1和表2。
由表3的BPI值标准可知:如果公牛的BPI值≥5.6, 即认为是肉用型;如果母牛的BPI值≥3.9, 也认为是肉用型。以5.6和3.9作为划分公牛和母牛是否为肉用型的界限。按此标准, BPI值≥5.6的公水牛品种全部存在于含有河流型血统成分较高的水牛中, 它们分别是摩拉公水牛 (BPI值为6.02) 、尼里-拉菲公水牛 (BPI值为5.74) 、三品杂公水牛 (摩拉、尼里-拉菲与广西本地水牛) (BPI值为6.03) ;BPI值≥3.9的母水牛品种有沼泽型的海子母水牛 (BPI值为4.72) 、江汉母水牛 (BPI值为4.08) 、 德宏母水牛 (BPI值为3.95) 、信阳母水牛 (BPI值为3.96) , 以及河流型的摩拉母水牛 (BPI值为4.47) 、尼里-拉菲母水牛 (BPI值为4.86) , 还有含有河流型水牛血统的摩杂二代母水牛 (BPI值为4.37) 、尼杂一代母水牛 (BPI值为4.67) 、尼杂二代母水牛 (BPI值为4.39) 、三品杂母水牛 (摩拉、尼里-拉菲与广西本地水牛) (BPI值为4.80) , 三品杂互交子一代母水牛 (BPI值为4.50) 。对于公牛而言, 肉役兼用型BPI值在4.6～5.6之间, 符合这个标准的公水牛有海子公水牛 (BPI值为5.24) ;役肉兼用型BPI值在3.6～4.6之间, 符合这个标准的公水牛有滨湖公水牛 (BPI值为4.10) 、德昌公水牛 (BPI值为4.04) 、德宏公水牛 (BPI值为4.36) 、东流公水牛 (BPI值为4.11) 、平坝型恩施公水牛 (BPI值为3.94) 、福安公水牛 (BPI值为4.05) 、黔北公水牛 (BPI值为3.80) 、黔中公水牛 (BPI值为3.96) 、江汉公水牛 (BPI值为4.18) 、上海公水牛 (BPI值为4.49) 、温州公水牛 (BPI值为4.04) 、西林公水牛 (BPI值为3.85) 、兴隆公水牛 (BPI值为3.89) 、信阳公水牛 (BPI值为4.20) ;役用 (原始) 型BPI值< 3.6, 符合这个标准的公水牛有滇东南公水牛 (BPI值为3.06) 、山原型恩施公水牛 (BPI值为3.54) 、富钟公水牛 (BPI值为3.39) 、黔南公水牛 (BPI值为3.49) 、盐津公水牛 (BPI值为3.31) 。
对于母牛而言, 肉役兼用型BPI值为3.3～3.9, 符合这个标准的母水牛有滨湖母水牛 (BPI值为3.80) 、德昌母水牛 (BPI值为3.84) 、东流母水牛 (BPI值为3.79) 、平坝型恩施母水牛 (BPI值为3.89) 、山原型恩施母水牛 (BPI值为3.33) 、富钟母水牛 (BPI值为3.33) 、黔北母水牛 (BPI值为3.53) 、黔中母水牛 (BPI值为3.58) 、黔南母水牛 (BPI值为3.36) 、西林母水牛 (BPI值为3.38) 、兴隆母水牛 (BPI值为3.70) 、摩杂一代母水牛 (BPI值为3.76) ;对于母牛而言, 役肉兼用型2.7～3.3, 符合这个标准的母水牛有滇东南、盐津母水牛 (BPI值为3.24) 。因此, 大部分沼泽型公水牛属于役肉兼用型, 大部分沼泽型母水牛属于肉役兼用型;而大部分的河流型公母水牛位于肉用型的BPI值范围之内。另外, 表1中的数据还显示, 阉水牛的BPI值大于公牛的BPI值。
4 小结
参照黄牛肉用指数的概念来计算水牛肉用指数, 结果显示, 大部分沼泽型公水牛属于役肉兼用型 (BPI值为3.6～4.5) , 大部分沼泽型母水牛属于肉役兼用型 (BPI值为3.3～3.8) ;而纯种河流型公母水牛位于肉用型的BPI值范围之内 (公牛BPI值≥5.6, 母牛BPI值≥3.9) ;阉水牛的BPI值大于公牛的BPI值。
参考文献
[1]张英汉.论牛的肉用、役用经济类型划分的意义和方法 (BPI指数) [J].黄牛杂志, 2001, 27 (2) :1-5.
[2]章纯熙.中国水牛科学[M].南宁:广西科学技术出版社, 2000:453.
[3]张英汉.牛的肉用指数及影响因素[J].中国牛业科学, 2006, 32 (2) :4-7.
[4]张英汉.牛的经济类型划分的意义和方法[J].国外畜牧科技, 2000, 127:3.
指数评价 篇2
摘要：目前,空气质量评价方法通常用指标评价法和综合指数评价法,与指标评价法相比指数评价法使评价结果更为客观.本文试图通过对综合污染指数法做一定修正,探讨一种更加科学客观的评价方法,结果表明:评价结果与环境空气质量实际情况能较好吻合.作 者：普映娟 王琳邦 PU Ying-juan WANG Lin-bang 作者单位：普映娟,PU Ying-juan(保山学院数学系,云南,保山,678000)
王琳邦,WANG Lin-bang(保山市环境监测站,云南,保山,678000)
16位代言明星评价指数排行榜 篇3
明星代言价值的数据报告显示，明星代言已成为影响市场的重要因素。根据可瑞德购车数据的明星代言评价模型，计算出了评价模型的外层指标——代言明星在总体居民中的评价指数，内层指标——代言明星在计划购车群体中的评价指数，以及核心指标——代言明星在其代言品牌购车群体中的评价指数。
根据外层指标——明星在总体居民中的评价指数排行榜，评价指数排名依次为古天乐，吴秀波，黄晓明，舒淇，汪涵，金秀贤，李敏镐，周迅夫妇，刘烨夫妇，郭采洁，崔健，休·杰克曼，汪峰，李亚鹏，柯震东，吴莫愁。其中古天乐的价值评价指数为151.5；吴秀波的评价指数为111；舒淇和汪涵的评价指数相同为94；休·杰克曼和汪峰的评价指数相同为30.5；吴莫愁的评价指数为15。在外层指标的排行榜中，古天乐排名最高，吴莫愁排名最低，总体居民对古天乐的喜欢程度最高。
根据内层指标——明星在计划购车群体中的价值评价指数排行榜，内层指标排名与外层指标排名基本一致，古天乐排名最高，评价指数为124.5；舒淇和汪涵的评价指数相同，排名第五；吴莫愁排名最低，评价指数为19。表明总体居民对明星的价值评估与计划购车者群体对明星的评估基本一致，总体居民和计划购车者对古天乐的喜欢程度最高，对吴莫愁的喜欢程度最低。
但是在核心指标——代言明星在其代言品牌购车群体中的评价指数排名中，金秀贤排名第一，北京现代ix25的潜在购车者对他的评价指数为212.5；汪峰排名第二，上海大众新途观的潜在购车者对他的评价指数为79；柯震东和郭采洁并列第三，上海通用雪佛兰TRAX创酷的潜在购车者对他们的评价指数均为35.5，；汪涵排名最低，长安睿行的潜在购车者对他的评价指数为11。
分析上述结果，可瑞德购车数据发现，16位代言明星中，民众和计划购车群体对古天乐的评价指数均是最高，可以看出大多数居民和计划购车群体对古天乐的喜欢程度是最高的，这与古天乐时尚型男的形象受到男性喜欢有关，但其代言車型一汽卡罗拉的潜在购车者对古天乐的评价指数并不高，仅排在第六位。
在16位代言明星中，另一位表现突出的是金秀贤。金秀贤在民众和计划购车群体中的评价指数并不高，分别位列第六名和第四名，但其代言车型北京现代ix25的潜在购车者对金秀贤的的评价指数非常高，高达212.5，远超其他明星，可见金秀贤的代言价值非常高。
在总体居民，计划购车群体以及核心指标——海马 S5的潜在购车者对吴莫愁的评价指数较低，分析原因发现吴莫愁代言的海马S5主要针对80后和90后购车群体而且比较适合于男性，所以吴莫愁代言的效果较差。
各国幸福指数评价体系初探 篇4
城市规划学科作为一门综合性学科,受到社会、政治和经济等内在和外在因素的多重影响,借鉴了经济学、政治学、公共管理学、哲学、社会学、建筑学和许多其他领域的理论,并且这个趋势一直在继续。在当前全球性的社会和经济问题丛生的背景下,来自不同学科的许多学者都呼吁要面对人类发展的本质和追求幸福的终极目标,以“国民幸福指数”替代“国内生产总值”成为衡量社会发展的指标体系。那么城市规划学者也应该建立对国民幸福的全面了解和研究。
2.不丹—国民幸福指数
1 9 7 2年,第四世不丹国王吉格梅·辛格·旺楚克颇有远见的提出了建立国民幸福总值(Gross National Happiness,GNH)体系,并将追求人民幸福的最大化作为政府的最高发展目标[6]。经过30多年的具体实践后,这一衡量体系已经引起了全世界的高度关注。
国民幸福总值体系由政府善治、经济增长、文化发展和环境保护四级组成。根据对人类需求层次的分析,研究人员在众多指标中选取了72个变量并涵盖了九大领域来评估幸福。这九个领域是:心理健康、社区活力、文化、时间使用、政府管理、生态、生活标准、身体健康以及教育。这些领域的选取是为了追踪在不同时期幸福受重视的程度,将不同人群、不同地域之间的表现情况做一个比较,最终建立更高的目标,研究为了达到这个目标需要做哪些准备和改变[7]。
心理健康
在这一评估领域中,心理健康从满意度、社会支持、压力、信仰、精神健康五个关键的指标上去理解。这五个指标又被细化成大约40个变量。这是一种集成体系,在不同的层面上都设有指标。问卷中调查者被询问在过去两周的时间里,生气了多少次,嫉妒了多少次,感到沮丧有多少次,感到愤怒又有多少次等等。
社区活力
社区活力的衡量涉及以下几个方面:其一是,当人们面临危机、事故、死亡或感情问题时,是否能从社区中得到帮助和支持。还有两个方面是对社区的信任程度以及在社区中的归属感。
文化
文化是一个不能轻易被阐释和量化的概念,GNH体系优先考虑了那些与人类幸福感有直接关系的指标。数据的收集主要是基于不丹现有的文化习俗以及传统价值观念和规范等。在受访者的调查中,通过一些基本的文化元素,例如语言、认同感、核心价值观的变化、信仰、规范、习俗以及各种相关的文化活动等,来衡量文化的多样性。
时间使用
时间是一个重要并有限的资源,其分配会直接影响到国家及个人的经济和社会福祉等方面。这一领域的调查包含所有经济类和非经济类的活动,借鉴印度所使用的一种分类系统,研究人员根据不同的行业划分成了包括农业相关活动、畜牧业相关活动、林业和园艺、食品加工、建设和修缮等在内的18项活动。政府管理
在GNH体系的政府管理领域中分为四个基本维度:政府管理成效、民主性的文化、对政府和领导人的信任、廉政。调查采用了很多感知型数据,虽然对于客观数据的衡量是显而易见的,但有时主观感受传达的信息要比现实情况糟糕的多,事实上正是这种感知型的现实驱动着社会的变革。比如在廉政方面就使用了感知型数据来衡量人们的信任程度。
生态
人类和外部环境之间存在着共同的责任,如果环境持续恶化将带来无法弥补的恶果。这一领域通过对土地使用类型、河流污染、空气污染、机动车数量的增加、塌方、土壤侵蚀、废物处理、野生动物威胁、农药使用等方面的调查,来衡量不丹的生态变化情况。
生活标准
在生活标准领域的调查问卷中包括六个子部分:家庭收入、对不平等或相对收入的看法、经济保障、食品安全、房屋、资产所有权等。探讨这一领域调查的过程与内容,需要确定获得幸福是否要依赖自由市场经济框架,还是要依赖民主体制等问题,是一个较为复杂的过程。
身体健康
在健康领域,调查从人们的健康状况、健康知识以及健康行为三个方面去衡量。这与卫生部门惯用的衡量方法很不一样。卫生部门看重的是医院和医生的数量等指标,而GNH体系研究中则认可自我报告健康状况这一更具广泛性的方法。
教育
在教育这一研究领域中,教育部的指标仅仅衡量一些硬件设施的输入,但没有衡量输出的情况。而GNH指标则基本上用教育输出来衡量教育现状,根据7种主要被不丹人掌握的知识类型的情况进行调查和研究。
不丹的国民幸福总值系统正在努力尝试找出能够产生幸福感的重要因素。就像佛教中的一项重要信条一样,所有事情的产生都是多方因素互相作用的结果。正因为所有的因素都是互相依存的,所有幸福不能被拆分成一些主要的因素,比如收入、教育和健康等。人类的需求和生存条件是多种多样的,需要综合社会、心理、经济以及文化等众多方面的因素,并且只有这些因素交互在一起时,幸福才会自然而生。
3. 法国—GNH“法国报告”
2008年2月,法国总统萨科奇设立经济绩效与社会进步评估委员会,由二十七位著名经济和政治学家组成。委员会历时十八个月,最终向法国政府和全世界公布了斯蒂格利茨-森-菲图西委员会报告。报告从GDP标准的缺陷、生活质量以及可持续发展与环境三个方面,建议主要国际组织和各国政府用“国民幸福总值”取代“国民生产总值”,以及设定可持续发展的恰当标准。报告中指出,测量幸福应该同时考虑八个维度:物质生活水准;健康;教育;个人活动,包括工作;政治发言权和治理;社会联系和关系;环境;经济和物理不安全状况等。这八个维度共同塑造着人们的幸福,其中很多方面都是是传统的测量标准中所忽略的。委员会在报告中就如何测量幸福提出了以下十二条建议。
3.1 用收入和消费而非生产来评估物质幸福
GDP是目前测量市场生产乃至整个经济状况最常用的标准,问题在于它也经常被视为经济幸福的标准。把市场生产与经济幸福混在一起,会导致对人民富裕程度的误解,催生错误决策。事实上,物质生活标准与国民净收入、家庭实际收入和实际消费关系更密切,当收入降低时,生产可能会扩张,反之亦然。
3.2 注重家庭视角
观察公民物质生活水准更真实的标准实际上是家庭收入和消费。目前的国民经济数据表明,在很多经济合作发展组织国家,家庭实际收入的增长轨迹和人均实际GDP相当不同,通常速度会更慢。家庭视角要考虑两个部门之间的支付问题,比如流向政府的税收、来自政府的社会福利和流向金融公司的家庭贷款所支付的利息。
3.3 统观收入、消费和财富
收入和消费是评估生活水准的必要指标,但它们要与财富信息放在一起测量才有意义。把钱花在消费品上的家庭,增加了当前幸福度,却牺牲了未来的幸福。这种行为的后果将反映在家庭资产负债表中,其他经济部门和整体经济也是如此。国家资产负债表并不是新概念,但其使用范围仍相当有限,有待推广。对于财富的测量,其核心是测量可持续性。因此正确评估包括身体、自然、人以及社会资本的储备至关重要。
3.4 优先考虑收入、消费和财富分布
作为统计数据,平均收入、消费和财富非常有意义,但不能全面反映生活水准。因此,收入、消费和财富的平均标准,应该有反映其分布状况的指标相配合。与此同时,了解收入和财富分布最低端或最顶端的状况也是非常重要的。
3.5 把收入测量扩展到非市场活动
家庭和社会的实际运作总在发生重要变化。比如,人们过去从其他家庭成员接受许多服务,现在却是从市场上购买。这种转移转换成了作为国民测量标准中的收入增长,可能会造成生活水准提高的假象,但它实际上只是反映了服务从非市场提供转向了市场提供。家庭为自身而产生的很多服务,不被官方收入和生产标准承认,然而,它们的确是经济活动的一个重要方面。
3.6 生活质量取决于人们的客观状况和能力
各国政府应采取步骤改善人们的健康、教育、个人活动和环境状况,尤其应实质性地改善以下事宜:社会关系,政治发言权,以及不安全状况等,其中不安全状况由生活满意度来表达。生活质量取决于人们的健康、教育、日常活动、政治参与程度、所处的社会和自然环境,以及塑造个人和经济安全的各项因素。测量所有这些特征,既需要客观数据,也需要主观数据。
3.7 所有生活质量指标均应全面评估不平等状况
在不同国家的在不同时期,任何生活质量评估都不能脱离对人类不平等境况的评估。生活质量的多面性,需要建立测量不平等的独立标准,而且要考虑社会关联和社会关系因素,评估不同的人、不同的社会经济群体、不同的性别和年代之间生活质量的不平等。
3.8 评估个人生活质量不同领域中的关联,在政策设计阶段使用信息
生活质量某个领域的发展是与其他领域相互影响的,收入也与不同领域的发展相关。集合多种不利因素的生活质量所产生的后果,大大超过个体效果的总和。建立测量这些累积效果的标准,需要通过专门的调查,获得一个国家内部每个人生活质量的最显著特征的共同分布状况。
3.9 应该提供累积不同生活质量层面、允许建立不同指标的信息
尽管评估生活质量需要多元化的指标,人们仍然需要建立概括性的单一标准或者综合标准。一些类似标准已经获得使用,比如一个国家整体的平均生活满意度和人类发展指数。如果国家统计体系提供必要数据,也可以设定和执行新的类似标准。
3.1 0 客观幸福和主观幸福的测量,都是生活质量的关键信息
统计官员应把捕捉人们的生活评估、快乐经历和自身调查的优先次序整合在一起。同时收集主观和客观幸福的数据是具有可能性的。主观幸福包含不同的方面,比如对一个人生命、幸福、满意度、高兴和骄傲等积极情绪、痛苦和抱歉等消极情绪的认知评价等。
3.1 1 评估可持续性,需要清晰的指标仪表盘
目前可持续性的经济方面仍是实质焦点。可持续性回应的是人类生存所面临的挑战,关心子孙后代能否延续目前的幸福水平。可持续性关注的是未来,涉及未来的评估当然更加复杂。单独评估可持续性,意在补充对当前幸福或经济绩效的测量。
3.1 2 对基于物理指标的可持续性环境方面进行独立评估
人们很难用货币价值测量自然环境,环境状况需要独立的物理指标来监控,这种指标需要在科学界的帮助下才能建立。
报告中呼吁决策者们将“以生产为中心”的标准体系转向“以国民幸福为中心”,建立覆盖面更加广泛的社会进步衡量标准体系。各国政府既要测量评估经济绩效和监控整体的经济发展状况,也要关注和测量人的幸福,这样才能利用更好的指标来制定更好的政策,以此改进人类福祉和促进社会进步。[8]
4. 英国—国内发展指标
由英国新经济学基金会主导研究的国内发展指标(Measure of Domestic Progress,MDP)主要关注的是社会发展指标,从更贴近经济的角度考虑对人类幸福感的影响因素。它是在经济发展的基础上纳入社会与环境因素后形成的具有独立性能的指标,可用于检验政府关于经济增长、环境保护和自然资源的政策使用的效果,有利于实现政府制定的可持续发展的目标。此指标体系从宏观层面入手建立经济和幸福之间的链接。研究小组确定了147个不同的指数,用以衡量成人计算和识字能力、社会投资占GDP的百分比、犯罪率、河流水质、野生鸟类数量等方面的情况,从中筛选了15个“主要指数”,主要代表以下四项战略目标的不同方面。
经济指标
日常消费;民主党的服务价值;耐用消费品中损耗和服务流程的区别;证券净值;国际地位。社会成本
收入分配不均匀影响;个人健康教育花费;交通成本;汽车事故成本;噪声危害成本;犯罪成本;家庭分裂成本。
环境成本
个体污染控制成本;空气污染成本;水污染成本;预计大气变迁成本;臭氧损耗成本。
自然资源利用
自然栖息地流失;农业用地流失;自然资源的有限损耗。
研究结果显示,过去50年来,英国GDP与MDP之间的差距日益增大,MDP平均增长率上升幅度不到GDP增幅的50%。从环境角度来看,英国自上世纪70年代开始实施的环境政策,对减少向大气与河流排放污染物发挥了关键作用,但是这一重要成绩被经济发展所带来的隐藏代价埋没。从社会进步方面来看,英国的经济增长使人们的平均生活水平有所提高、寿命有所延长、失业有所减少。但另一方面,经济增长也导致犯罪、不平等状况、家庭解体案例大大增加。
MDP向人们无情地昭示出经济增长正在给人们带来无法接受的环境风险,它无法保证社会进步,也不能使人们生活得更幸福。对于英国现在面临的生活满意度低和经济增长快的矛盾,MDP指标本身不能直接提供解决的处方,但它可引起政府决策人员对社会发展与环境质量的关注,帮助他们制定可保护家庭稳定和社会平等、促进和衡量社会进步的政策。[9]
5. 泰国—绿色幸福指数
自第八次全国经济和社会发展计划(1 9 9 7-2001)以来,泰国政府一直关注社会和人类发展,从以经济发展为主导的模式向人类发展模式所转变。目前泰国政府正在积极发展“绿色幸福指数”(Green and Happiness Index,GHI),该指标将对国家发展和公民的幸福做出评估。
GHI体系中的新指标是在第十次全国经济和社会发展计划(2007-2011)制定的期间,基于自足经济的理念、以人为本的发展以及绿色和幸福社会而产生的。指标由六大部分组成,即健康、温暖和充满爱的家庭、社区权利、经济实力与公平、环境和生态系统、民主社会与政府管制。该体系的主要目标为促进公众参与;成为引导社会发展方向的主要工具;推动以幸福为主导的发展;成为收集基本数据和建立数据中心以及发展其他指数的指导方针。主旨在于实现泰国人民的幸福与良好的生活质量、身体、精神和智力之间的良好平衡,经济、社会和环境之间的良好集成,建立和平和谐的社会,在人、自然和环境间取得平衡。
健康
健康指标主要包括两方面因素,物理与精神健康、智力。物理与精神健康是指健康的身体和行为能力,能够自我控制情绪和适应社会环境的变化,并能够理解和接受。这两方面因素通过六个因子来评估:健康、长寿、良好的心里条件、道德行为、学习能力和学习质量。
温暖和充满爱的家庭
家庭成员共同愉快的生活在一起,相互关怀和支持,正确扮演自己的角色并保持密切的关系是该指标方面的主要评价原则。其中包括三大因素:家庭角色、家庭联系及自立性。六大因子包括:爱与关怀(尤其对儿童和老年人)、建立家庭的愿望、解决问题的能力、收入、房屋、基础设施等。
社区权力
社区权力的主要评估原则是和平及赋予妇女的权力,社区成员能够团结一致、自信和学习的过程,以及能够维持当地的传统文化和智慧。两大评估因素包括自信和支持社区,四大因子包括:当地社区组织、学习怎样解决问题、社区福利以及互相帮助和睦共处。
经济实力与公平
良好的就业形势、持续和充足的收入、安全的工作生活、公平的收入分配以及健全和稳定的经济等都是该指标的衡量要点。具体包括以下三个因素:就业、经济实力及公平。其中五个因子是指:就业、充足的收入、安全的工作生活、稳定的经济增长以及公平分配等。
环境和生态系统
环境和生态系统中的主要测量方面包括生命和财产、自然资源的丰富和良好平衡的环境。其中三大因素包括:生命和财产安全性、良好的环境以及生态系统。三个因子包括:法律案件(特指犯罪和毒品);水、空气和土壤污染;自然资源的再生。
民主社会与政府管制
在公平和民主的基础上,自由和尊重他人的权力,帮助建立和维护政府的透明度,物有所值和公平的社会,这些都是民主社会与政府管制的评估原则。主要包括三大因素:民主意识、良好的政府管制以及繁荣的社会。六个因子包括:乐于助人;权力;共同参与发展;公共和私有的良好管制;分权;接受不同种族、宗教和文化间的差异。[10]
6. 结语
在各国政府积极展开幸福指数体系研究并将其作为政府制定政策的工具时,中国有关其评估体系的发展也正在迎来一个历史性的时刻。2011年召开的两会中,“幸福”成为使用频率最高的热门词,在会议通过的“十二五”规划建议中都没有提出GDP量化指标,而是要求“以科学发展为主题”和“以加快转变经济发展方式为主线”。在各地的“十二五”规划中也将幸福作为施政导向,提升居民幸福指数和以民生为发展导向已经成为共识。一个国家的发展评估体系需要考虑社会价值发展导向和国家现状等多方面内容,综合多个学科的专业知识和研究,才能制定出切实可行的指标体系[11]。从政府的发展由主要强调经济增长到强调“以人发展的经济增长”,将“人民的生活”和“生活质量”置于经济增长之上,这些变化决定了中国的发展评估体系也将走向变革。
h指数评价科研人员或并不靠谱 篇5
现在h指数有愈加流行的趋势，大家认为相较于影响因子，h指数能从总体上更客观地评价研究者的水平。影响因子更多地是对期刊的评价，而h指数则兼顾了研究者的被引次数和文章数量。文双春老师被推荐至头条的博文用了个刺激人的题目《h指数准确预测科学家伙能否成大器》。但其实，姑且不论预测一个家伙能否成大器是很难的一件事儿，如果从h指数计算的本质来看，它仍然有不靠谱性。
一个缺陷是，基于不同的检索数据库如Web of Science、Scopus、Google Scholar，算出来的某个研究者的h指数常常不一样，这跟数据库的收录范围有关。这时候，我们选择用哪个？估计很多人愿意用比较高的那个。这三个里头，更多时候或许Google Scholar给出的h指数最高，我发现它有时会将非论文的材料算作引用（如果这个材料提到了你的文章）。实情是，这些检索数据库并不能体现你文章的所有引用，比如WoS，更侧重于SCI收录期刊的引用，直到最近才稳定的将一些中文期刊的引用算进去。另外，不同学科领域被这些检索数据库收录的程度不同，比如分类学期刊被收录为SCI的比例小，而分子生物学和医学则高很多。因此，不同领域科学家的h指数其实并没有太多可比性。但我觉得一个更加值得关注的缺陷是：h指数没有区分作者的实际贡献。
来看一个简单的例子。A和B是紧密的合作者，两者共同发表论文，共同署名了20篇引用次数超过20的文章。这时候两者的h指数都是20，表面上看好像科研水平相当。但是，在这20篇文章中，A是15篇文章的第一作者，而B只是5篇文章的第一作者。很明显，A作者应该有更大的贡献。所以，h指数倾向于对大的研究团队有利，多个合作者会共享比较高的h指数（大合作的实验学科就比常单兵或小集团作战的理论学科h指数高），这种情况下混淆了不同作者的实际贡献。
要真正衡量研究者的实际贡献，应该对h指数做适当的改进。比如，只统计某位研究者作为第一作者或通讯作者时的h指数。对于上面的例子，A的h指数就应该是15；而B是5。这个简单的改进也是很粗糙的，因为有时候难以界定研究者在非第一作者文章中的实际贡献。
为了让评价更细致客观，可以考虑在计算h指数时对不同顺序的作者有个权重。比如，第一作者权重为1，第二作者权重为0.7，第三作者为0.4。如果第一作者同时是通讯作者，那么权重为1；如果通讯作者非第一作者，其权重计为0.8。还是上面的例子，假定A是15篇文章的第一作者，是另5篇的第二作者；B是5篇文章的第一作者，另15篇的第二作者。这时候计算两者的h指数：A为（15*1 + 5*0.7）=18.5；B为（5*1 + 15*0.7）=15.5。我们可以发现，用现有的计算h指数的方法，A和B用h指数所代表的科研贡献都被高估了，并且现有的方法掩盖了A和B实际贡献的大小。
不知道科学计量学领域是否已经有人用这个思路修正h指数，我在Scientometrics期刊用“author+order”做关键词进行检索，没有发现相关的论文发表。如果还没有关于作者顺序对h指数影响的研究发表，我建议相关领域的同志们考虑下这个问题并且设计一定的算法。当然要考虑到其他一些问题，比如作者排名的权重问题（即如何更客观地衡量在文
章中的实际贡献）。同时，也不得不考虑到修正算法的简洁性，太复杂不利于推广使用，h指数和影响因子之所以能流行，就是因为其简单性。当然，对于发表论文时作者不按实际贡献排名（比如可能按名字字母顺序）的领域，就要想其他能反应实际贡献的修正算法。
指数评价 篇6
关键词 沪深300股票指数；复杂度；kolmogorov熵；样本熵；模糊熵
中图分类号 F830 文献标识码 A
AbstractThis paper studied the high frequency data of the CSI 300 index， and examined the efficiency of complexity measures such as Kolmogorov entropy， sample entropy and fuzzy entropy in high frequency environment. By using the effective measurement， it compared the changing process and range of the complexity both before and after the subprime crisis. The results show that， compared with the Kolmogorov entropy based on the compatible method and sample entropy， fuzzy entropy is more suitable for measuring the CSI300 index's complexity， which has the lower sensitivity to the similar tolerance and the better continuity of measure value. The CSI 300 index's complexity is rising during the sample interval. However， the complexity during the crisis is far more less than the two other stages， and the complexity after the crisis is higher than that before the crisis. Compared with the developed markets and even some emerging markets， the CSI 300 index's complexity is much lower.
Key wordsthe CSI 300 index； complexity； Kolmogorov entropy； sample entropy； fuzzy entropy
1问题提出与相关文献回顾
根据混沌理论，复杂度被定义为非线性动力系统或序列的复杂性程度[1].其大动态范围、短平稳性和小数据量的特征被认为是最适于分析非线性系统的动力学特征参数，也是非线性动力系统研究的重要方面[2].沪深300股票指数是联系我国股票现货市场与股指期货市场之间的重要桥梁，金融机构往往需在日内动态调整资产头寸并关注风险管理，因此，沪深300股票指数高频数据的复杂性程度对于风险管理和交易策略实施均具有重要意义.在我国市场环境下，有效地复杂度测算方法是什么？与成熟市场和周边的新兴市场相比，我国沪深300股票指数的复杂度如何？围绕次贷危机的影响，不同时间阶段其复杂度的变化幅度与变化过程如何？既有研究尚未对上述系列重要问题做出较为全面地解答，同时学术界和实务界对采用何种方法来进行复杂度测算亦尚未达成共识.
早期文献表明，关于混沌序列复杂度的研究始于20世纪60年代.西方学者提出了各种相关测度指标与方法，但成果主要集中于工程计算领域.随着金融市场非线性动力学行为与混沌效应的存在性逐渐得到实证，关于股价波动复杂度的测算研究成为热点，但方法局限于围绕分形维数的测算，研究结论也在多重分形错觉方面存在较大争议[3，4].
近年来，学者们运用不同类型的熵模型展开了复杂度测算研究，主要包括柯尔莫哥洛夫熵（kolmogorov）、近似熵（ApEn）、样本熵（SampEn）和模糊熵（FuzzyEn）算法.kolmogorov（1965）将复杂度界定为能够产生某一（0，1）序列所需的最短程序的比特数，并形成Kolmogorov熵算法.Lempel和Ziv（1976）给出了其在计算机中实现的具体算法.对此，肖辉，吴冲锋，吴文峰，等（2002）将之应用于中国股票市场检测，计算了沪市综合指数与深市成份指数的复杂度[5].尽管该算法有着严格的数学理论基础和依据，但因需将给定时间序列转换成符号序列，使得转换方法成为该算法在股价波动复杂度测算应用时的关键.然而，均值法、极值法和遗传密码法三种主要转换方法均未考虑序列整体性质，亦不能区分弱混沌与周期序列，以及强混沌与随机序列（Abuasad， ect.， 2012）[6].综合法（He，Xu，2000）为解决上述问题，按不同时间序列分别应用均值法和极值法，但受限于需事先明确知道时间序列性质（赵波等，2014）.对此，王福来和达庆利（2007）提出了基于兼容法的Kolmogorov熵算法并应用于上证综合指数日收盘价序列复杂度测算[7]，为Kolmogorov熵算法缺陷问题的解决提供了新视角.
由于近似熵算法（Pincus，1995）采用Heaviside函数进行相似性量度，敏感于阀值和相空间维数，从而参数选取会使其计算精度带有经验性（蔡觉平，李赞，宋文涛，2003）.样本熵算法通过不计算自身匹配的统计量，对其形成了改进，但在无模板匹配的情况下可能出现ln0的无意义结果（贺少波，尹林子，阿地力·多力坤，2012）.对此，学术界相继提出了多种改进方法.肖方红，阎桂荣和韩宇航（2004）将混沌伪随机序列看成符号序列，提出符号熵算法.虽然该算法不涉及参数的选取，计算比近似熵算法更为简单，但符号熵算法需预先知道符号空间，且只针对伪随机序列，应用范围局限性较大.Chen（2011）在对样本熵（SampEn）进行改进基础上提出模糊熵（FuzzyEn）算法，并基于TDERCS系统成功检验了其有效性（贺少波，尹林子，阿地力·多力坤，2012）[8].模拟显示，基于模糊熵的复杂度测算方法可能在对参数依赖的敏感性方面更低，测度值的连续性更好，从而获得更高的测度效率（李鹏，等，2013）[9].
文章的创新之处在于：1）不仅较为全面的对比了各种基于熵算法的复杂度模型测算效率，而且进行了小样本修正，以期为沪深300股票指数复杂度测算提供可靠的实证依据与分析结论.2）围绕次贷危机的影响分阶段研究和比较了危机前、中、后期序列复杂度的变化过程与变化幅度，并与发达市场乃至周边新兴市场股指期货标的指数的复杂度相较，得到我国沪深300股票指数复杂度的演化规律与独特性质.
2代表性熵算法、有限样本修正
与测算效率评价标准
通过对相关研究成果的梳理可知，对既有测算效率形成一定改进后的代表性熵算法主要集中为基于兼容法的Kolmogorov熵、样本熵和模糊熵.重构相空间维数m、相似容限度r和序列长度N是测算过程中的共同关键变量.如模糊熵：
当时间长度足够长时，MFDFA方法计算得到的h（q）是较准确的，但在实际应用中，序列长度很难满足要求，此时有限样本会使h（q）的计算产生偏误，进而也会使关联维数以及熵计算中的相空间维数m产生偏误，因此需要对MFDFA中的有限样本效应进行修正，以提升测算和评价结果的准确性.修正方法基本思路为：利用Liu（2007）和吴栩等（2014）对马尔科夫转换多重分形模型（MSM）的解析，构造能够尽可能反映原始股指序列多重分形特征的模拟序列，该模拟序列的长度应该足够的长，从而可以消除MFDFA计算中的有限样本效应.
在测算复杂度的过程中，对模型效率的评价标准主要集中于算法本身的稳定性和结果对模型参数的依赖程度，即，算法鲁棒性，对相空间维数、相似容限度和时间序列长度的敏感性和依赖性，以及测度结果的连续性[11].由于是对我国沪深300股票指数运动的复杂度进行测算，而复杂度的标准值尚未知，不同于在某些性质既定和已知正确结果的复杂系统下对研究方法的评价，因此，通过算法鲁棒性来评价模型效率的路径尚不能行通.在熵算法模型中股指序列长度N既定，相空间维数m通过计算获得，测度值对参数的敏感性和依赖性，以及结果的连续性主要与相似容限度r密切相关[12].因此可以认为，当在相似容限度的经验取值范围内，某一算法未出现错误度量值，其测度结果趋于稳定且图像相对平滑，则该算法对相似容限度的敏感性和依赖性较低，测度效率相对较高.
3数据说明与采样频率筛选
以2005年5月9日至2013年12月31日沪深300股票指数1分钟、5分钟、10分钟、15分钟和60分钟高频数据
选择了相关研究中主要出现的若干种高频频率作为筛选对象.作为基础研究样本.数据来源为Reset数据库.虽然我国沪深300股票指数于2005年4月8日上市，但考虑到上市之初，市场各方对该指数存在熟悉过程[13]，为准确起见，在数据选取时剔除掉了2005年4月的交易数据.
直接采用股票指数而未如传统证券市场定量分析采用收益率数据 在有关证券市场的定量分析中通常使用收益率样本而不是指数本身，主要是考虑到价格序列的相关性违反以高斯假设和正态分布为基础的线性分析框架原则.，主要缘于文章的复杂性研究视角，避免收益率变量可能对系统非线性相依结构所形成的破坏.
沪深300股票指数1分钟、5分钟、10分钟、15分钟和60分钟高频数据的描述性统计结果如表1所示， 其中IF1、IF5、IF10、IF15和IF60依次对应不同采样频率.统计结果显示，各种不同采样频率的高频数据都表现出有偏和尖峰厚尾的统计特征，且明显超出了正态分布假定的范围（JarqueBera统计量显著） .因此，可以认为各序列明显具有非线性特质.
鉴于不同采样频率可能会带来不同检验结果，在进行复杂度测算之前需要进行有效采样频率甄别.由既有熵测算方法可知，相空间维数是各熵算法中的关键变量.较窄的多重分形度置信区间对应较精确的维数.因此，遵从多重分形度置信区间计算方法，以对多重分形度置信区间宽度的比较筛选有效高频采样频率，比较结果如表2所示.
根据表2结果可知：各采样频率下经有限样本效应修正后的多重分形度均仍接近于1，我国沪深300股票指数运行具有多重分形特征；置信区间宽度随采样间隔的增加而变化，其中当间隔为5分钟时宽度最窄.从而，沪深300股票指数5分钟高频数据为进行复杂度测算的有效采样频率数据.
为方便与发达市场和周边新兴市场的股指期货标的指数复杂度的对比，文章还选择了标准普尔500指数、日经225指数和韩国指数2005年5月9日至2013年12月31日的5分钟高频数据，作为第四部分对比分析中的研究数据.
4沪深300股票指数高频数据复杂度的
熵测算实证结果与分析
由于涉及了三种熵算法模型，且模型中至少涉及了三种关键参数，为了清晰起见，此处不逐一报告参数的估计结果，而是直接展示对应熵算法下的复杂度结果，及其随关键参数值改变而变化的过程，并进一步进行模型测算效率评价.
4.1关键参数值的确定
由熵算法步骤可知，重构相空间维数m、相似容限度r和序列长度N是测算过程中的关键变量，需要对其进行准确数值确定.
在上述三变量中，时间序列长度N由给定样本区间决定.经筛选，研究中的基础样本为2005年5月9日至2013年12月31日的沪深300股票指数5分钟高频数据，时间序列总长度N= 689 330.
相似容限度r属于熵算法模型中的阀值变量，其值过小会增加结果对噪声的敏感性，过大则会导致信息丢失，根据Chen（2009）的模拟建议，r的取值一般可在[0.3，0.35]中选取.
对相空间维数m的选取，相关研究通常使用经验值.由于尽管较大的m能细致重构系统的动态演化过程，但亦会陡增运算量，m取值通常为2、3、4、5和6.为了更为准确衡量指数复杂度，可以基于所提出的有限样本修正方法计算获取合理m值.依第二部分中的修正算法得到测算后的适宜m值为3
鉴于篇幅有限，小样本修正的计算步骤在此不作列示，仅给出最后结果.有兴趣的读者可与作者联系..
4.2全样本区间内的测算结果与模型测算效
率比较
基于兼容法的Kolmogorov熵算法的计算结果显示，全样本区间内我国沪深300股票指数的复杂度为1.057 1，超出了该算法复杂度值的（0，1）值域.考虑到全样本区间可能因数据存在结构突变而导致虚假统计结果，运用计算程序每次取其连续的1 000个数据在有限样本效应修正下进行分析，然后取其均值作为序列平均复杂度.结果显示，平均复杂度为1.049 9，依然超出了Kolmogorov熵算法复杂度的值域范围.说明基于兼容法的Kolmogorov熵算法并不适用于对我国沪深300股票指数复杂度的测算
其原因可能缘于该算法在序列复杂度接近于1时分辨率不高.但整体结果与分段后均值结果均超出了值域范围，已经说明该方法失效.文章并不旨在分析该方法失效的原因，因此不再对此进行深入说明..
图1（a）、（b）依次显示的是样本熵和模糊熵两种算法对复杂度的估计结果.虽然相似容限度r的经验值取范围为[0.3，0.35]，但为了更便于分析研究方法的效率，在编写程序过程中令r从0到0.5以0.001等间距变化
以0.001的间距变化趋近连续变化.，并对应计算复杂度值，以观察结果的连续性及其对参数变化的敏感程度.从图1（a）（b）中可以看出，样本熵和模糊熵算法均测出了复杂度计算结果，且计算结果整体比较接近.复杂度值均随r的增大而减小，当r取值为[0.3，0.35]时，其所估计的沪深300股票指数复杂度值相对其他区间内的复杂度值平稳，数值在0.55到0.43之间（如图1（a）和（b）中的虚线区域部分）.
相似容限度（a）样本熵算法下沪深300股票指数复杂度的估计结果
相似容限度（b）模糊熵算法下沪深300股票指数复杂度的估计结果
在测度结果的连续性与对参数的敏感性方面，样本熵测度结果在r的整个取值范围[0，0.5]内出现多个跳跃点，且在[0.3，0.35]范围内的跳跃点明显多于模糊熵（如图1（a）中的虚线区域部分），说明模糊熵算法相对于样本熵算法对相似容忍度的敏感性更低，测度值的连续性更高.有限样本效应修正后，当r取[0.3，0.35]时，模糊熵算法下的复杂度均值为0.494 9.
4.3不同时段沪深300股票指数复杂度结果
比较
为进一步刻画我国沪深300股票指数复杂度，在对测算方法评估后，本部分基于模糊熵算法，对全样本区间内不同时段复杂度进行测算比较.
从2005年5月9日至2013年12月31日的全样本区间可划分为2005年5月9日到2007年9月30日的指数高速攀升阶段，2007年10月8日到2009年3月31日的危机阶段和2009年4月1日到2013年12月31日的后危机阶段（其涵盖了我国股指期货从2010年4月16日推出并运行至今的阶段）三个阶段.各阶段复杂度值如表3所示.
虽然各阶段时间序列长度不尽相同，但由于模糊熵算法优于样本熵和Kolmogorov熵复杂度算法，且当N值在10 000左右时，模糊熵算法本身具有对时间序列长度较高的一致性，经有限样本效应修正后此种一致性效果会进一步增强.因此，分阶段后时间序列长度的不一致并不会对分阶段研究的计算结果形成显著影响.
如表3所示，各阶段复杂度测算结果表明，在危机前中国股市的集中上涨时段，指数复杂度为0.462 3；指数受危机冲击而大幅下挫阶段的复杂度为0.427 1；后危机时代的指数复杂度为0.510 2.其说明我国沪深300股票指数复杂度以后危机时代阶段为最高，受危机冲击阶段为最低.
美国次贷危机前我国股票指数运行表现为整体性快速上涨，受危机影响阶段表现为指数整体大幅下挫，两阶段股指运行均呈现出较强规律性，其市场投资者行为较单一，符合规律性序列复杂度较低的复杂度数值性质.而指数下跌阶段复杂度低于上涨阶段复杂度，则提示出沪深300股票指数在下跌阶段趋势性更强.这一点与股指波动非对称性（陈浪南，黄杰鲲，2002；陆贤伟，董大勇，纪春霞，2009；顾锋娟，金德环2013）特征一致.指数在后危机时代复杂度得到提升，说明危机冲击及相关股市政策改革后，我国沪深300股票指数运行的单一趋势性有所转化，投资者行为多样性得到补充；同时，在后危机阶段我国股指期货正式推出运行，也说明股指期货的推出对打破股票市场运行单一趋势性与修正波动时间一定程度上发挥了作用.
4.4不同市场股指期货标的指数复杂度比较
为了便于与发达市场和周边新兴市场的股指期货标的指数复杂度进行对比，此处选择了标准普尔500指数、日经225指数和韩国指数2005年5月9日至2013年12月31日的5分钟高频数据作为对比样本.基于模糊熵算法，全样本区间内发达市场和周边新兴市场的股指期货标的指数复杂度测算结果如表4所示；2009年4月1日到2013年12月1日的后危机阶段的复杂度测算结果如表5所示.
通过对比各个不同股票市场的复杂度，不难发现，无论是全样本区间还是后危机阶段，发达股票市场的复杂度均大于我国股票市场的复杂度；其中，我国沪深300股票指数复杂度以与标准普尔500指数复杂度差距为最大，与韩国指数复杂度最为接近；而在后危机阶段，我国沪深300股票指数运行的复杂度较其他国家股指期货标的指数复杂度的差距均有所减小.说明，我国沪深300股票指数相对于代表性发达市场和周边新兴市场股指期货标的指数的可预测性更明显，潜在的市场投机性更大；而随着我国股票市场相关监督和运作体系的完善以及股指期货的推出，市场逐渐成熟，可预测性有所降低，投机性正在逐渐被削减.
5结论
文章对我国沪深300股票指数高频数据复杂度测算方法及复杂度特征进行了研究.通过运用3种新兴主流熵算法以及有限样本效应的修正，研究了3种算法对沪深300股票指数复杂度测算适用性以及不同时段和不同市场对比下我国沪深300股票指数复杂度变化和差异.
主要实证结果显示： 第一，在日内高频数据环境下，与基于兼容法的kolmogorov熵和样本熵算法相比，模糊熵算法是一种更适用于研究我国沪深300股票指数的有效的复杂度测算方法.其对相似容忍度参数的敏感性更低，测度结果的连续性更好.第二，随着时间的推移，我国沪深300股票指数序列复杂度整体呈上升趋势.但危机中阶段指数序列的复杂度远小于危机前后两阶段的复杂度，后危机阶段复杂度高于危机前阶段复杂度；相较于危机中阶段，后危机阶段复杂度的上升速度较快.第三，相较于发达市场甚至周边新兴市场股指期货标的指数，我国沪深300股票指数的复杂度呈现偏低结果.
针对实证研究的政策建议如下：
第一，鉴于虽然在后危机阶段（包括股指期货的推出）我国沪深300股票指数复杂度得到了快速上升，但与其他市场股指期货标的指数运行情况相比仍然偏低.而比较公认的观点是，偏低的复杂度对应市场投资者行为多样性不足，市场运行的不可预测性较弱.因此，为了稳定沪深300股票指数运动，减少较多一致性投机行为，增加机构投资者参与数量，提高预测难度.
第二，由于多种类型机构投资者可以丰富不同环境下期货与现货指数市场的投资行为，并对市场稳定起到积极作用从而提升市场复杂度（魏宇，赖晓东，余江，2013），目前我国还需转变机构投资者投资策略，避免一致性追涨杀跌，引导机构投资者端正投资理念，发挥其在股票市场中的稳定作用.
第三，由于实证结果表明，在日内高频环境下，模糊熵算法具有更好的适用性.因此，在监测沪深300股票指数复杂度时可采用该方法进行测算，以便获得更为准确的结果.基于兼容法的kolmogorov熵算法虽然较基础性kolmogorov熵算法形成了改进，但分析结果也表明了其对我国沪深300股票指数的不适用性.虽然在研究过程中还可对其形成进一步改进，但其计算过程相较于模糊熵算法的繁琐性也是明显的.因此，如果考虑到运算成本和使用难度等问题，模糊熵算法是监测我国沪深300股票指数复杂度的不错选择.
参考文献
[1]张林，李荣钧，刘小龙. 基于小波领袖多重分形分析法的股市有效性及风险检测[J]. 中国管理科学，2014，22（6）：17-26.
[2]陈小军，李赞，白宝明，等. 一种确定混沌伪随机序列复杂度的模糊关系熵测度[J]. 物理学报，2011，60（6）：064215.
[3]魏宇，赖晓东，余江.沪深300股指期货日内避险模型及效率研究[J].管理科学学报，2013，16（3）：29-40.
[4]周炜星.上证指数高频数据的多重分形错觉[J].管理科学学报，2010，13（3） ：81-86.
[5]肖辉，吴冲锋，吴文峰，等.复杂性度量法在股票市场中的应用[J].系统工程理论与实践，2002，11（3）：190-197.
[6]A ABUASAD，M I ALSMADI. Evaluating the correlation between software defect and design couping metrics[C]//2012 International Conference on Computer Information and Telecommunication Systems（CITS）. Washington DC： IEEE Computer，2012：1-5.
[7]王福来，达庆利.Co复杂度的改进及其在证券市场中的应用[J].数学的实践与认识，2007，37（8）：20-25.
[8]贺少波，尹林子，阿地力·多力坤.模糊熵算法在混沌序列复杂度分析中的应用[J].物理学报，2012，61（13）：130507.
[9]李鹏，刘澄玉，李丽萍，等.多尺度多变量模糊熵分析[J] .物理学报，2013，62（12）：120512.
[10]J KANTELHARDT，S ZSCHIEGNER. Multifractal detrended fluctuation analysis of nonstationary time series[J]. Physica A，2004（2）：49-83.
[11]I SOROKIN. Comparing files using structural entropy[J]. Journal in Comuter Virology， 2011， 7（4）：259-265.
[12]Ruipeng LIU， T D MATTEO， L THOMAS. True and apparent scaling： The proximity of the Markovswitching multifractal model to longrange dependence[J]. Physica A： Statistical Mechanics and its Applications，2007，383（1）：35-42.
指数评价 篇7
1.1工作面地质条件
该矿规划的二水平首采工作面巷道设计总工程量为5293m (不含一处施工的外围工程) , 其中风巷设计1065m, 风巷瓦斯抽排巷1119m, 机巷设计1041m, 机巷瓦斯抽排巷1034m, 切眼220m, 机风巷专回及其他辅助巷道共594m。工作面设计可采走向长970m, 采高3.2m, 可采储量90万t。
1.2冲击型动力现象事故概述
2012年4月25日17点48分爆破时发生冲击地压现象, 本次动力现象有如下特征:
①长度5.6m, 前4.0m为全巷道堆积, 后1.6m为半巷道堆积, 突出总量约为46t。②突出物上部为一层破碎煤块, 无分选性, 其内部有少量碎煤。③从抛出的煤岩及堆积状态看, 无瓦斯通道。④抛出物表面及后部未见浮尘堆积。⑤现场观察动力源主要来自巷道左侧。⑥无明显分选现象, 煤体抛出角度接近自然安息角, 涌出瓦斯1280m3。⑦折合吨煤瓦斯涌出量为29.1m3/t, 接近煤层瓦斯含量。
2 综合指数法分析理论基础
2.1综合指数法理论
综合指数法是用统计学方法对一组相同或者不同的数值进行处理, 使不同性质及计量单位的数值标准化, 最终使之成为一个综合性的指数, 对工作综合水平进行评价, 利用最终的综合指数值对工作质量进行评价, 在这个过程中不限定指标的数目。
综合指数法可以作为矿井开采初期的综合评价方法, 也可以作为区域突出预测方法来使用。该方法主要是考虑地质条件和开采条件两个方面对冲击动力现象影响, 其中地质因素参考以往事故情况、采深、地质条件、顶板、煤岩强度及其冲击倾向性6个因素;开采因素主要参考采掘情况、采掘条件、采空区、等12个具体因素。在对以往冲击动力现象进行分析的基础上, 参考这两方面条件上述各因素的数值, 确定出其中各个不同因素对冲击地压发生的影响大小, 最终形成了可以对冲击地压危险程度进行确定的等级鉴定的综合方法。
2.2冲击危险的综合指数法
对于一个矿井的采区和工作面, 在分析地质条件和开采条件两个方面对冲击动力现象的影响程度的基础上, 利用综合指数法确定矿区的采区及各个水平及工作面冲击地压危险程度指数, 进一步确定冲击地压不同危险程度的区域以及应该重点进行治理的区域。
(1)
式中:
Wt——工作面的冲击地压危险程度指数, 用来确定冲击地压危险等级。
Wt1——影响冲击地压的地质条件评定指数。
Wt2——影响冲击地压的采矿技术条件评定指数。
参考冲击地压发生的机理和预测方法, 通过冲击地压危险程度的综合指数法可以将冲击地压危险等级分成以下5个级别。
一级:基本无危险
冲击地压危险指数Wt小于0.3。此时基本没有冲击尾箱, 矿区工作可以按相关规定进行正常开展。
二级:弱冲击危险
冲击地压危险指数Wt介于0.3和0.5之间。
三级:中等冲击危险
冲击地压危险指数Wt小于介于0.5和0.75之间。
四级:强冲击危险
冲击地压危险指数Wt介于0.75和0.95之间。这种情况下应当停止采掘工作, 将相关人员撤离, 并组织相关人员制定防突防冲办法, 对冲击地压进行有效防治。
五级:不安全
冲击地压危险指数Wt大于0.95。此时需要具体进行研究, 征求相关专家的建议确定出综合防治措施及方法, 并经过鉴定后才能进行后续作业, 在没有有效降低该局域冲击地压的危险等级之前, 不能进行采掘作业并封闭该区域的人员通行。
3 冲击、突出危险性实验室研究及分析
3.1取样及试件加工
在工作面选取煤样。煤样采集后, 立刻用塑料袋包装, 用封口胶带密封, 用木箱运至岩石力学实验室, 在实验室将煤样加工成Φ50*100mm标准试件。
3.2实验装置系统
实验系统由加载系统、载荷位移系统等组成。
其中加载装置采用由长春实验研究所生产高精度能控制加载速度及调节油压的CSS-400电子万能实验机主机、附件、计算机系统和德国DOLL电子公司生产的EDC120数字控制力学系统。
3.3实验过程及结果
实验是对煤样在自然状态下加载, 分别采用一次压坏、循环加载和分级加载。表1为煤样实验室实验结果, 从实验结果进一步利用综合指数法进行分析, 煤的冲击倾向弹性模量指数、冲击能量指数均表明该采区的冲击倾向性为中等冲击危险煤层。
3.4利用综合指数法进行采区危险评定
根据采区周围的地质条件, 分析地质条件中各个因素的冲击地压危险指数。各个指数对冲击地压发生所产生的影响程度等级评定见表1所示:
结合前面所做的冲击倾向性实验, 可知该采区总体上属于中等冲击危险。
4 结论
(1) 利用实验对采区深部的煤样进行动力倾向性测定, 根据测定结果进一步对该采区冲击地压危险程度进行等级划定, 并划定为中等冲击危险, 为采区提前做好防冲准备提供了理论依据。
(2) 建立了冲击地压的综合指数法。利用综合指数法确定矿区的采区及各个水平及工作面的冲击地压危险程度指数, 进一步确定冲击地压不同危险程度的区域以及应该重点进行治理的区域。
(3) 利用综合指数法进行采区危险评定, 结合冲击倾向性实验, 确定该采区总体上属于中等冲击危险, 为采区提前做好防冲准备提供了理论依据。
参考文献
[1]孙鑫, 等.“冲击型突出”一体化防治技术研究[J].西安科技大学学报, 2009, 11.
指数评价 篇8
1 材料与方法
1.1 一般资料
1.1.1 入选病例
31例Ramsay评分为1分的需要镇静的ICU患者,排除颅内病变、休克以及高脂血症患者。按年龄分为两组。A组:中青年组(年龄20~64岁,n=16);B组:老年组(年龄>64岁,n=15)。
1.1.2 镇静药品及仪器
丙泊酚(propofol 50 m L)、威利方舟靶控输注泵、Marquette Solar 8000M多功能监测仪、Aspect A-2000 BIS监测仪、Cerebral State Index监测仪。
1.2 方法
连续监测心率(HR)、脉搏氧饱和度(Sp O2)和心电图(ECG),每2分钟测一次患者的血压,分别记录靶控输注开始、开始后2 min、开始后5 min、开始后10 min、开始后20 min的心率和平均动脉压(MAP)。各监测工作正常开始后,予以丙泊酚靶控输注,选用Diprifuser/TCI靶控输注系统,采用Marsh药代动力学参数,靶器官效应室浓度设为0.3μg/m L,逐渐增加靶浓度,记录各时间点的BIS值、CSI值、RAM-SAY评分以及靶控输注系统预测的效应部位浓度值(Ce)。时间点选取:患者开始静脉注射丙泊酚为实验起始时点,此后分别取第2、5、8、10、13、15、18、20、23、25、28 min为时间节点。靶浓度的调节:实验开始时靶浓度设置为0.3μg/m L,第5分钟时增至0.5μg/m L,第10分钟时增至0.8μg/m L,第15分钟时增至1μg/m L,此后每5分钟增加0.5μg/m L,直至Ramsay评分为6后不再增加。注药过程以及各项监测指标的记录分别由两名医师完成,记录者对药物及分组选择事先不知晓。
1.3 数据处理
采用SPSS 13.0统计软件建立数据库并进行统计学分析。数据均进行正态性和方差齐性检验。正态分布资料使用均数±标准差表示。非正态分布资料均使用95%可信区间表示。各时点生命体征采用重复测量方差分析进行多重比较以及两样本t检验做组间比较。取实验过程中Ce值、BIS值、CSI值与Ramsay评分值做Spearman等级相关分析,以及BIS值、CSI值与Ce值做Spearman等级相关分析。并对不同年龄组的BIS和CSI做Wilcoxon秩和检验。
2 结果
2.1 实验过程中患者生命体征变化
对各时间点的心率和平均动脉压分组统计,具体结果见表1。
注:t1代表实验的起始时间点,t2代表实验起始后第2分钟,t5代表实验起始后第5分钟,t10代表实验起始后第10分钟,t20代表实验起始后第20分钟,组别A代表中青年组,组别B代表老年组。
对数据做重复测量方差分析,随着丙泊酚输注时间的延长,平均动脉压和心率均逐渐下降,差异具有显著性(P<0.05),而丙泊酚输注时间和年龄之间无相互作用,差异无显著性(P>0.05)。
将两个年龄组实验起始点平均动脉压和心率分别做t检验,老年患者的MAP明显要比中青年患者高,差异具有显著性;老年患者的HR要比中青年组低,但是两组差异无显著性。
2.2 实验过程中患者Ce值和Ramsay评分变化的关系
分别对本实验中中青年组(A组)和老年组(B组)各Ramsay评分值的Ce值(丙泊酚效应室浓度)进行统计,见表2。
将Ramsay评分和Ce值做Spearman等级相关分析,得到相关系数为0.932,P<0.05,表明随着Ce的增加,Ramsay评分值逐渐增加,差异具有显著性。
2.3 实验过程中患者BIS值、CSI值和Ramsay评分变化的关系
分别对本实验中中青年组(A组)和老年组(B组)各Ramsay评分值的BIS值(95%可信区间)及CSI值(95%可信区间)进行统计,见表3。
将Ramsay评分和BIS值、CSI值做Spearman等级相关分析,得到相关系数分别为-0.914(P<0.05)及-0.887(P<0.05),表明随着Ramsay评分的增加,BIS值及CSI值均逐渐减少,差异有显著性。
2.4 实验过程中患者年龄因素对BIS值和CSI值的影响
对不同年龄组的BIS和CSI值做Wilcoxon秩和检验,得到结论:不同年龄BIS值的差异无显著性(F=17956.5,P=0.129>0.05),两个年龄组CSI值的差异具有显著性(F=17463.5,P=0.031<0.05)。
不同年龄组的BIS和CSI值与Ramsay评分值做Spearman等级相关分析,得出结论:BIS和CSI值与Ramsay评分值均有良好的相关性,见表4。
注:rho为Spearman等级相关系数,覮差异具有显著性,P<0.01。
不同年龄组的BIS和CSI值与丙泊酚Ce值做Spearman等级相关分析,得出结论:BIS和CSI值与丙泊酚Ce值均有良好的相关性,见表5。
注:rho为Spearman等级相关系数,覮差异具有显著性,P<0.01。
3 讨论
3.1 丙泊酚静脉靶控输注
Diprifusor/TCI系统理论预测血药浓度和实测血药浓度是呈正相关,该系统用于国人进行丙泊酚靶控输注基本上是可靠的[1],IWRWIN等[2]也认为Marsh参数可很好地应用于中国人。丙泊酚效应部位浓度值(Ce)与临床镇静程度变化更为密切,而血药浓度因给药速度的不同而存在很大的差异[2,3],丙泊酚的效应室浓度在反映患者的意识状态改变时就比丙泊酚的血药浓度更加有效[4,5]。因此本实验采用Diprifuser/TCI靶控输注系统,Marsh药代动力学参数进行丙泊酚的靶控输注,并且选用Ce为研究对象,观察Ce和Ramsay评分值之间的关系、CSI和BIS值与Ramsay评分值之间的关系以及年龄因素对CSI值和BIS值的影响。
3.2 ICU的镇静深度的监测
目前ICU镇静深度的评价方法主要是各种镇静评分系统,其中应用最广泛的就是Ramsay评分系统[6]。大量的研究表明Ramsay评分系统能够反映患者的镇静深度,且其操作简便,有很好的临床应用价值[6,7,8],当Ramsay评分值为2~4时,为最满意的镇静深度,此时患者既能达到满意的镇静效果,同时各种镇静过深的并发症发生率在一个较低的水平。在本实验中,Ramsay评分值与丙泊酚的Ce值有良好的相关性,其相关系数为0.932(P<0.01),随着丙泊酚效应室浓度的增加,Ramsay评分值增加,提示Ramsay评分系统能很好地反映患者的镇静深度。然而这类镇静评价方法分级标准是模糊的,并且评价过程依赖于评价者的主观感觉,存在一定的缺陷。因此客观的镇静评价指标逐渐走进人们的视野,研究最多的是各种不同的脑电图算法,其中一种方法就是脑电双频谱指数(bispectral index,BIS)。BIS用从1~100的100个数值表示,数值越大则代表患者意识水平越清醒,数值越小则代表患者意识水平受抑制程度越大。研究发现,脑电双频谱指数与丙泊酚的剂量和Ramsay评分系统均有良好的相关性[9],但是脑电双频谱指数也受肌电活动的影响,患者肌电活动越多,脑电双频谱指数反映镇静深度则越不准确[10]。本实验也得出了相似的结论:随着丙泊酚的效应室浓度的增加,脑电双频谱指数和Ramsay评分值呈负相关,其相关系数为-0.914,表明脑电双频谱指数越大,Ramsay评分值越小,即患者的镇静程度越浅,提示BIS能很好地反映ICU患者的镇静深度,与此类相关研究的结果类似。大脑状态指数(cerebral state index,CSI)是另一种通过不同脑电图算法得出的评价镇静深度的指标。CSI用从1~100的100个数值表示,数值越大则代表患者意识水平越清醒,数值越小则代表患者意识水平受抑制程度越大。CSI目前主要用于麻醉镇静方面的监测[11],在ICU中使用的研究较少。研究发现BIS、CSI与异丙酚效应室浓度间具有相似的相关性[5,12]。本实验结果证明随着丙泊酚效应室浓度的增加,CSI和Ramsay评分值有良好的相关性,其相关系数为-0.887,表明CSI越大,Ramsay评分值越小,患者的镇静程度越浅;两组患者CSI和丙泊酚效应室浓度(Ce值)均有良好的相关性,以上两个方面均提示大脑状态指数能很好地反映ICU患者的镇静深度,与此类文献报道结果类似[13,14]。
3.3 老年患者BIS与CSI的变化
老年人的生理特点是重要脏器的功能有不同程度的退化,在中枢神经系统表现为神经元减少、大脑萎缩、重量减轻等。KAZAMA等[15]发现,随血浆丙泊酚浓度的增加,BIS值逐渐降低,年龄并不影响这种剂量效应关系,本研究结果与此相仿。
目前有人将麻醉后恢复时间分为早期恢复时间和心理运动功能恢复时间。早期恢复主要包括睁眼、抓手以及重复姓名等一般情况方面。心理运动功能是一种更复杂、更精确的患者意识功能方面,其测定方法多种多样。研究发现[16]在同样的丙泊酚静脉输注镇静条件下,老年患者早期镇静恢复时间和中青年患者相比差异不大;然而老年患者心理运动功能恢复时间明显要比中青年患者长,两者差异具有显著性。SCHULTZ等[17]发现在丙泊酚输注镇静时,与中青年患者比较,老年患者的脑电图显示更深的催眠状态。在本实验中,在同一个Ramsay评分等级,老年患者的CSI值要明显比中青年患者低,两者差异具有显著性。笔者认为出现这种结果的原因可能为:Ramsay评分系统是一个模糊的主观镇静评分系统,它只考虑一般反应情况,而对于更复杂的心理运动功能没有做评定,而实际上,镇静药物对于患者的影响包括一般反应情况和心理运动功能两个方面,往往一般反应情况还未出现明显变化时,心理运动功能方面就已经受到影响。本实验结果提示CSI是一种较准确的镇静深度测量指标,它在ICU老年患者镇静深度评价方面可能较BIS值更优越。但是目前ICU老年患者BIS值和CSI值与中青年患者有无差异以及其相关的理论仍有待进一步研究。
丙泊酚靶控输注镇静期间,大脑状态指数(CSI)和脑电双频谱指数(BIS)都能及时有效地预测ICU患者的意识状态的变化。在同样的Ramsay评分等级,老年患者的CSI值要比中青年患者明显偏低。
摘要：目的 对靶控输注丙泊酚镇静的ICU患者,评价大脑状态指数(CSI)和脑电双频谱指数(BIS)在监测镇静深度的准确性以及年龄因素对其的影响。方法 Ramsay评分为1的ICU患者,排除中枢神经系统病变、休克以及高脂血症者。按年龄分为两组:A组(年龄2064岁,16例)和B组(年龄>64岁,15例)。均以丙泊酚靶控输注镇静,监测并记录各时间点(见正文)平均动脉压、心率、BIS值、CSI值和Ramsay评分,并记录靶控输注系统预测的效应部位浓度值(Ce)。比较Ce、BIS值和CSI值与Ramsay评分值有无相关性,以及Ce与BIS值和CSI值的相关性,并且比较BIS和CSI在老年患者和中青年患者中有无差异。结果 随着Ce的增加,Ramsay评分值逐渐升高,CSI值和BIS值逐渐降低,Ramsay评分值、CSI值和BIS值均与Ce有良好的相关性;CSI值和BIS值均与Ramsay评分值有良好的相关性;与中青年患者比较,老年患者CSI值差异具有显著性(P<0.05),两组患者BIS值差异无显著性(P>0.05)。结论 靶控输注丙泊酚镇静,CSI和BIS一样能预测ICU患者意识状态的变化;同一个Ramsay评分等级,老年人组CSI值较中青年组低。
H指数:一种评价大学的方法 篇9
科研评价的最基本方法是同行评议, 但是同行评议具有花费时间多、易受主观因素影响等局限性。一般来说, 学术界是从论文数量和被引频次两个方面考察研究人员的学术成就和对学科的贡献, 前者说明作者生产的文献产量或科研能力, 后者说明作者生产的文献质量、交流传播程度和学术水平。另外, 对不同的期刊论文在定量时要给予一定的权重。
美国加州大学圣地亚哥分校物理学家乔治·赫希教授 (Jorge E.Hirsch) 认为, 这些传统的“论文数量”、“总被引频次”、“篇均被引频次”、期刊影响因子等科学家绩效评价指标存在一定的缺陷。“论文数量”的缺点是不能测度论文的重要性和影响力;“总被引频次”的缺点是作者的影响力会被少数重要的合作论文夸大;“篇均被引频次”缺点是数据不容易获得, 容易造成奖少惩多, 而论文发布的期刊的影响因子高低也不能代表论文水平高低。2005年, 赫希提出一种定量评价科研人员学术成就的方法:当一个科学家发表的Np篇论文中有h篇论文每篇获得了不少于h次的引文数, 科学家剩下的Np-h篇论文中每篇论文的引文数都小于h次, 此h值就是该科学家的h指数, 这就是h指数的定义。简言之, 一个科学家发表了h篇被引频次不少于h次的论文, h值就是该科学家的h指数。这种方法旨在评价科学家个人的指标绩效, 既能反映科学家学术论文影响力大小, 又能同时反映其重要论文产出数量多少的生产率, 并且能够测度科学家个人科研工作的主要影响力, 并能够避免上述指标的一系列缺点。
具体而言, h代表“高引用次数” (high citations) 。一个人的h指数是指在一定期间内他发表的论文至少有h篇的被引频次不低于h次。例如, 赫希本人的h指数是49, 这表示他已发表的论文中, 每篇被引用了至少49次的论文总共有49篇。赫希认为h指数能够比较准确地反映一个人的学术成就。一个人的h指数越高, 则表明他的论文影响力越大。后继研究者对h指数的优缺点也做了一定总结:首先该指标简单并且易于理解;第二, 该指标是论文产出力和引文影响力二者相结合的测度指标, 单纯论文数量的增长对该指标不会产生直接的影响。因此, 我国《科学观察》主编、国家科学图书馆金碧辉研究员认为, 用h指数评价科研人员的绩效可以遏制片面追求论文数量的不良倾向, 同时又能够激发科研人员探索深层次科学问题的热情;第三, h指数测度的是科学家的持久绩效, 而不是测度其科学成就的峰值, 仅仅有一两篇高被引论文并不能使h值有显著增加;第四, h指数是一个稳健的指标, Vanclay通过研究发现, 检索工具收录差错不会对h指数产生较大影响, Rousseau也从理论上证明, h指数对于数据库收录论文和引文的遗漏具有一定的弹性和恢复能力。许多研究者还对h指数在不同领域的效度开展了研究, 并与同行评议和其他评价指标做了一定比较分析, 认为h指数与同行评议结果、论文总引文数等之间存在显著相关关系, 能有效评价科学家的学术成就。同时, 学者们对h指数的缺陷也做了一定研究, 并提出相应的修正方法。
近年来, 我国学术界强调以论文发表数量, 特别是发表在被SCI收录的期刊上的论文的数量来作为获得学位、评职称、评院士、申请科研基金、评价学校学术成绩的一项重要指标, 这种过于简单化的科研评价方法的滥用, 使得学术泡沫的现象越来越严重。许多科研人员挖空心思地增加自己的论文数量, 包括一稿多发, 或将一篇论文拆成几篇发表, 或专门找一些被SCI收录、但是发表门槛很低的期刊投稿。h指数在我国科研评价中的应用, 目的就是以质量兼顾的方式, 有效减少或抑制这种学术泡沫的出现。很多学者认为h指数不仅可以用于对科研人员的学术成就的评价, 也可用作其他具有相同来源项的评价对象 (如科研群体、学术期刊、研究热点等) 的评价。我国这方面的研究也很多。
h指数与大学分层
我们认为, h指数是高校创新工作的一个主要源头, 盯住这个主要源头, 有利于创新性教育的开展, 以及高校创新资源的配置。我们以中国知网2009年5月29日的数据为准, 对部分中国大学的h指数以第一作者单位和每组5所大学进行抽样调查, 兼顾东、中、西部地区分布, 其分层探索结果如下。
1. 中国两所顶尖级大学, H指数平均为146
北京大学:显示文献信息140816条, 最高被引频次2656次, H指数155。
清华大学:显示文献信息125566条, 最高被引频次1572次, H指数137。
2.“985工程”大学 (一期34所) , H指数平均为78
1998年5月4日, 江泽民总书记在庆祝北大建校100周年大会上向全社会宣告:“为了实现现代化, 我国要有若干所具有世界先进水平的一流大学。”为贯彻落实党中央科教兴国的战略和江泽民同志的号召, 教育部决定在实施“面向21世纪教育振兴行动计划”中, 重点支持北京大学、清华大学等部分高等学校创建世界一流大学和高水平大学, 简称“985工程”。
武汉大学:显示文献信息122832条, 最高被引频次560次, H指数89。
上海交通大学:显示文献信息111562条, 最高被引频次468次, H指数88。
南开大学:显示文献信息51655条, 最高被引频次626次, H指数81。
兰州大学:显示文献信息39369条, 最高被引频次281次, H指数72。
中南大学:显示文献信息88831条, 最高被引频次423次, H指数58。
3.“985工程”大学 (二期5所) , H指数平均为63
华东师范大学:显示文献信息62699条, 最高被引频次848次, H指数97。
中国农业大学:显示文献信息40893条, 最高被引频次280次, H指数85。
西北农林科技大学:显示文献信息35340条, 最高被引频次150次, H指数56。
国防科技大学:显示文献信息25091条, 最高被引频次222次, H指数51。
中央民族大学:显示文献信息12363条, 最高被引频次99次, H指数27。
4.“211工程”大学, H指数平均为50。
南京师范大学:显示文献信息44834条, 最高被引频次311次, H指数73。
福州大学:显示文献信息24637条, 最高被引频次293次, H指数55。
郑州大学:显示文献信息61805条, 最高被引频次165次, H指数43。
河北工业大学:显示文献信息14867条, 最高被引频次160次, H指数40。
贵州大学:显示文献信息22112条, 最高被引频次112次, H指数37。
5. 博士授权点大学, H指数平均为42
山东师范大学:显示文献信息27072条, 最高被引频次530次, H指数54。
河南农业大学:显示文献信息16014条, 最高被引频次154次, H指数50。
上海理工大学:显示文献信息12853条, 最高被引频次289次, H指数39。
甘肃农业大学:显示文献信息11389条, 最高被引频次147次, H指数37。
山西师范大学:显示文献信息6025条, 最高被引频次88次, H指数31。
6. 硕士授权点大学, H指数平均为23。
新乡医学院:显示文献信息13842条, 最高被引频次88次, H指数28。
山东轻工业学院:显示文献信息6615条, 最高被引频次62次, H指数25。
上海电力学院:显示文献信息3233条, 最高被引频次71次, H指数23。
兰州商学院:显示文献信息6477条, 最高被引频次83次, H指数21。
山西中医学院:显示文献信息2564条, 最高被引频次39次, H指数17。
河南科技学院:显示文献信息4962条, 最高被引频次24次, H指数15。
河南职业技术师范学院:显示文献信息2182条, 最高被引频次207次, H指23 (+1) 。
7. 普通本科院校, H指数平均为15。
临沂师范学院:显示文献信息7503条, 最高被引频次220次, H指数24。
河西学院:显示文献信息2776条, 最高被引频次77次, H指数15。
安阳师范学院:显示文献信息3926条, 最高被引频次27次, H指数13。
忻州师范学院:显示文献信息2002条, 最高被引频次41次, H指数13。
上海商学院:显示文献信息820条, 最高被引频次25次, H指数10。
各类大学的h指数分层
顶尖级大学, H指数平均为146。
“985工程”大学 (一期34所) , H指数平均为78。
“985工程”大学 (二期5所) , H指数平均为63。
“211工程”大学, H指数平均为50。
博士授权点大学, H指数平均为42。
硕士授权点大学, H指数平均为23。
普通本科院校, H指数平均为15。
专科一批院校, H指数平均为8。
专科二批院校, H指数平均为4。
结论
统计分析表明之一, 大学分层与h指数存在着正相关的关系, 即办学规格愈高的大学h指数也愈高, 比如北京大学、清华大学的h指数都在130以上;办学规格愈低的大学h指也愈低, 比如普通本科院校h指数在20以下, 专科院校h指数在10以下。所以评价一所大学的最直观手法就是看他的h指数。当然, 由于一些大学改名较为频繁, 大学的办学规模不一, 学科引文行为的差异, 东中西部地区经济发展的差异, 以及行政规划的影响等因素, 在一些个别大学中也存在着分层不明显的情况。如河南科技学院的H指数为15, 似乎和硕士授权点大学有一点距离, 但是再加上2004年改名之前的河南职业技术师范学院文献信息, H指数就上升为24。所以总体而言, h指数的评价是客观的。
指数评价 篇10
随着国民经济的快速发展, 交通运输的发展更可谓突飞猛进。桥梁工程无论在建造材料、前期设计、施工技术、检测手段和管理养护等各方面都得到了科学发展。但是长期以来, “重建设、轻养护”这个问题在我国桥梁管理中一直表现得比较突出, 大批始建于60、70年代的城市桥梁, 在日趋增大的车辆荷载的作用下, 技术状况快速下降, 很快由一、二类发展为三、四类甚至五类桥梁, 对人民群众的生命财产安全构成了威胁, 桥梁垮塌事件也时有发生。为杜绝桥梁垮塌、坠车伤人事件, 保障公路桥梁完好畅通, 进一步加强桥梁的养护规范化管理水平已成为迫切需要。
为了准确的指导城市桥梁的养护, 我国建设部颁布行业标准《城市桥梁养护技术规范》 (CJJ99-2003) [1] (以下简称《城规》) , 旨在加强城市桥梁的养护管理, 提高城市桥梁的养护水平。笔者将《城规》中的桥梁技术状况评估体系进行了分析, 并提出了一些意见, 仅供参考。
2《城规》对桥梁技术状况的评定
2.1 分层加权法
BCI采用分层加权法来进行评价, 将对应结构构件的主要病害分类参与评估。上层的基本构件 (如桥梁上部结构、下部结构、基础) 权数是预先给定的。下层的细部 (如某一构件的各种病害) 评分权重是由经验公式结合所扣分值来确定的。将各桥梁构件病害分级并预先确定各检测状况对应的扣分值。各扣分值加权叠加计算得到桥梁状态指数, 由BCI最终得分确定桥梁状态等级。
这种评定方法概念明确、方法简单, 并增加了参评项、具体化了病害类型。首先, 不需要对桥梁各部分的损坏进行现场评分, 仅需要对各部分的损坏状况进行现场描述和记录, 一般的养护人员经过简单培训便可从事定期检测的工作, 降低了对定期检测人员的要求;其次它考虑不同桥梁类型的特定。不同的桥梁类型, 又要其组成不同、受力特点不同, 所以权重也不相同;尤其评定方法详细到构件, 评定过程可以准确反应具体的损坏部位, 便于根据数据的积累监视桥梁状况的恶化过程, 是完成从定性检测结果到定量参与评估转化的一个很好的模式。
2.2《城规》评定方法的缺陷
虽然, 《城规》对城市桥梁技术状况的评定已经足够详细, 但在对《城规》的分析和长期的实桥评定使用中, 还是发现一些不足之处。
首先, 在对《城规》的实际使用过程中, 由于参评构件和病害类型的不可扩展性、权重的不可修改性以及一些可能引起桥梁破坏的构件在评定时的“遮掩性”;其次, 实际检查中肉眼观察的局限性以及仪器设备的误差, 受工作环境影响比较大;最后, 由于养护规范对病害评定缺少准确的评定标准以及损伤程度的主观性, 造成不同单位不同人员评定结果的差异。
在养护规范评定体系中, 如果不存在某类部件, 在评定中按零分进计算, 其所拥有的权重不进行重新分配, 这样会导致计算的评分值偏高。
在技术状况评分中, 如桥梁某部件同时存在一个大权重的病害和一个小权重的病害, 得分反而比只有大权重病害时的得分高 (即Á评定状态更好) 。
更重要的是, 城市桥梁规范主要针对梁式桥的损坏状况进行评价, 对其他复杂的桥型 (比如斜拉桥、悬索桥) 存在一定的局限性。
2.2 对《城规》评定方法的建议
相比《城规》, 《公路桥涵养护规范》 (JTG H11-2004) [2] (以下简称《公规》) , 桥梁各部件技术状况的评定方法如下:
根据缺损程度 (大小、多少或轻重) 、缺损时结构使用功能的影响程度 (无、小、大) 和缺损发展变化状况 (趋向稳定、发展缓慢、发展较快) 等三个方面, 以累加评分方法对各部件缺损状况作出等级评定。评定方法见表1。
重要部件 (如墩台与基础、上部承重构件、支座) 以其中缺损最严重的构件评分;其他部件, 根据多数构件缺损状况评分。
全桥总体技术状况等级评定, 宜采用考虑桥梁各部件权重的综合评定方法。亦可按重要部件最差的缺损状况评定。推荐的各部件权重, 见表2。
桥梁技术状况评定等级, 分为一类、二类、三类、四类、五类。
《公规》采用的是考虑桥梁各部件权重的综合评定方法, 即按病害的程度对其评定, 得到全桥的Dr值。并根据Dr值确定桥梁整体状况评定等级[3]。
在对复杂的城市桥梁桥型如斜拉桥、悬索桥进行技术状况评定时, 由于《城规》缺少对这种桥型的桥梁部件损伤的评定, 笔者建议对城市斜拉桥或悬索桥进行技术状况评定时, 可结合两种规范, 即对桥面系采用《城规》的方法, 对上部结构和下部结构的主要部件先根据具体部件对结构的重要性重新调整权重, 然后把检测得到的病害资料转换成标度, 按照《公规》对主要部件进行评定, 最终结合桥面系对全桥整体评定。
结论
通过对城市桥梁养护规范评定方法的改进, 当遇到没有给出评定的复杂桥型的部件时, 参考公路桥梁养护规范并对部件权重重新分配, 使城市桥梁技术状况评定与等级确定方法更为合理, 使评定结果更真实的反映桥梁结构的技术状态
参考文献
[1]建设部.城市桥梁养护技术规范 (CJJ99-2003) [S].北京:中国建筑工业出版社.2003.
[2]交通部.公路桥涵养护规范[S (]JTG H11-2004) [S].北京:人民交通出版社.2004.
指数评价 篇11
教学模式BP神经网络自适应学习速率
一、问题背景
随着目前教学研究内容的逐步细化，教学模式和教学方法也在不断改进。翻转课堂教学模式，行为导向教学法、案例教学法、任务驱动教学法等，这些教学方式的实施前提都是以学生为主体，以此提高教学效果。教学效果的评价可以通过历年考试或成绩评定，那么如何评价学生学习态度、学习主动性方面的进步，调动学生学习积极性，让学生参与到教学活动中来，注重课前预习，提高学生的自主学习，自我管理能力，让学生意识到自己是教学的主体，这才是提高教学效果的根本。本文研究如何进行学习状态指数评价的问题。以统计分析调查问卷的方式来研究该指数。通过已有调查问卷的结果的分析，确立了评价在校学生学习状态的18个指标。调查问卷的每个问题和每个指标一一对映，对学生学习态度进行正确的评价。
在目前常用的评价模型中，层次分析法（Analytic Hierarchy Process，简称AHP）是将与决策总是有关的元素分解成目标、准则、方案等层次，在此基础之上进行定性和定量分析的决策方法。采用层次分析法定量数据较少，定性成分多，评价结果说服力不强； BP神经网络的优势在于其可以实现复杂的非线性映射并且具有较强的泛化能力，学习能力强，受人为和新增数据影响小，其结果的准确性和可靠性使得评价鲁棒且有效。本文采用优化的BP神经网络对学生学习状态指数进行评价。
二、评价体系的建立
1.“5分制”标准
规定调查问卷中各题的每个选项的分值为自然数1、2、3、4、5，选项含义越积极分值越大。
2.评价指标确立
问卷调查部分统计信息结果会在实验部分指出。
经过进一步讨论与总结，将影响学生学习状态的指标归为以下十八项：
学习活动因素包括如下（T的下标排序与问卷题号顺序对应）：
在学习过程中有自己的学习计划、每天的课程学习时间、每周题库登陆次数、每周完成题库题目数量、每周在线学习平台学习时长、关注老师发布的教学内容、愿意主动和老师进行交流、愿意和同学进行交流、小组合作提高了学习效率和学习进度、在课前和课后主动预习和复习、对目前教学方式满意。
例如，在每日学习过程中能执行自己的学习计划吗（限选一项）
没有计划……………………l
偶尔有……………………2
有计划，但执行力差……………………3
能基本执行计划…………………………4
严格执行计划…………………………5
以下问题讨论非学习活动因素对学生学习状态的影响：
和老师的关系，和同学的关系、自信乐观程度、经济压力、学习成绩、业余生活、自身健康。
上述18个指标随机分布，分别用T1到T18表示。
经过调研，以上十八个指标影响着学生个体的学习状态指数。对于每个被调查的个体而言，他的最终结果T取决于他在T1到T18中的选择结果，而一个总体的指数，取决于每个个体的贡献值，在BP神经网络的输入中所有的输入值都向T的值靠拢，T的值为用户回答问题（即认为自己的学习状态如何）所得的分值。因此，可以指出T1到T18十八个指标能够体现总体的学习状态指数。
三、模型的建立与求解
1.模型的建立
（1）BP神经网络
反向传播网（Back-Propagation Network，BP网络）是将由威德罗和霍夫提出的W-H学习规则一般化，对非线性可微分函数进行权值训练的多层网络。BP神经网络的学习过程采用误差反向传播算法，它是一个有监督的神经元网络学习算法。
（2）附加动量法
针对于BP网络存在局部极小值的情况，利用附加动量的作用则有可能滑过局部极小值。如式3所示。
其中，k为训练次数，η为学习率，mc为动量因子，按照神经网络机制取0.95左右，Δbj为阈值，Δwij为权值增量。
（3）自适应学习速率
自适应学习效率是指在神经网络的训练过程中，为了避免陷入局部最小解，根据训练集的实际收敛状况动态调整学习速率。
根据评测取得的26份调查问卷，将其中调查问题Q1到Q18的相应数据构造矩阵P26×18，矩阵P的每一行即为每份问卷的指标向量。用问题Q1的答案构造与P对应的输出向量Out。
2.神经网络的训练与使用
（1）神经网络的初始化
根据神经网络设置规则，并通过反复实验，本文算法将第一层神经元个数设为18，对应的输入向量为本文确定的18个评价指标的分值，隐含层神经元个数设为5，输出向量为5维向量，表示该问卷的学生学习状态指数等级。
第一层的激活函数为正切S型函数，第二层为线性激活函数，有监督的学习方式采用梯度下降动量和自适应学习率的BP算法。
（2）神经网络的训练
在训练过程中迭代次数设为1000，误差值是0.001，学习速率为0.01，学习速率增长上限为1.05，增长下限为0.7，训练结果如图1所示。
（3）神经网络计算
使用已经训练好的神经网络，对P矩阵进行每一行的神经计算和识别，并将计算结果归一化。输出结果与学生学习状态指数的映射关系如表1所示：
从调查问卷中随机取出6个样本P6、P20、P15、P3、P16、P4作为测试数据，其余20个作为训练样本。通过模型计算得输出矩阵如式4所示。
通过神经网络计算后返回的各指标权重为W其对应关系如下，T、W两个向量按顺序一一对应。
T={关注老师发布的教学内容，每周题库登陆次数，和同学的关系，愿意和同学交流学习，小组合作提高了学习效率和学习进度，每周完成题库题目数量，愿意主动和老师进行交流，在课前和课后主动预习和复习，自身健康，经济压力，对目前教学方式满意，每周在线学习平台学习时长，自信乐观程度，和老师的关系，每天的课程学习时间，学习成绩，学习过程中有学习计划，业余生活}
W={0.2373，0.1746，0.5613，0.3693，-0.2270，0.0614，0.2186，-0.7524，0.6202，0.5122，-0.5278，-0.0553，-0.6948，-0.0971，-0.4196，0.6480，-0.8516，0.4530}
在本次调查问卷范围内，即学校范围内，影响该范围的学生学习状态指标的重要程度可以从上表通过对权重进行排序得出。关注学生的教师可以参考本状态指标，有针对性的对学生进行管理，从而达到提高学生学习自主性，提高学习效果的目的。
四、结语
本文利用BP神經网络原理建立的数学模型具有极好的鲁棒性，是一个能够全面服务于各地域、各年级不同条件的被调查者群体。尤其是对教学一线的教师，让教师有效理解学生学习状态，从而更有效的利用各种教育方法，发挥各种教育理念的最优效果，提高学生学习效果。
参考文献：
＼[1＼]Bergmann J，Sams A.Flip your classroom：Reach every student in every class every day＼[M＼].Arlington，VA：International Society for Technology in Education，2012.
＼[2＼]蒋连香.多元化教学评价指标及评价方法探析.新课程研究，2014，（02）.
＼[3＼]刘艳春，杨德辉，刘艳丽，康建军.基于神经网络的某型飞机发动机故障诊断研究.电子设计工程，2012，（06）.
＼[4＼]田雨波.混合神经网络技术.科学出版社，2009，6.
管道指数安全评价法敏感性分析 篇12
然而,从油气管道事故数据来看,模型因素的权重与事故原因统计的比例并不一致:EGIG对1970-2007年运行的输气管道事故统计,前三位主要因素分别是第三方破坏(占50%)、施工缺陷(占16%)和腐蚀(占15%);而CONCAWE对1971-2006年运行的输油管道事故统计,前三位主要因素分别是第三方破坏(占36%)、腐蚀(占29%)和机械失效(占28%)[2,3]。在实际评价过程中,部分评价因素主要由规范和法规来确定,且属性一旦确定,发生变化的可能性和变化的程度非常小或几乎不发生变化,其影响也是相对确定的,分配的分值权重大小并不能代表其对风险增加或减少所起的作用,所以需要分析各影响因素对评价指数的敏感性大小。管道敏感性分析就是在各类影响因素中,不确定性参数变化时,对管道安全评价指数的影响程度。不确定性是产生风险的根源,对安全指标影响程度较大的参数,其不确定性所产生的风险更大。本文在W.Kent.Muhlbauer模型的基础上,对各评价因素的敏感性进行分析,即在4类主要评价指标下各因素对管道评价指数的敏感性大小关系。
敏感性分析
敏感性分析是经营决策中常用的一种不确定性分析方法。在影响决策目标的诸多因素中,其未来状况常常处于不确定的变化状态,而且各种因素的不确定性给目标带来的风险程度也不一样。敏感性分析的核心问题,就是从许多不确定因素中找出敏感因素,测出各个因素的变化对目标影响的程度,敏感性分析目标函数F=f(x1,x2,…,xn),(xi是影响因素)。根据研究影响因素发生变化的数量,分为单因素敏感性分析和多因素敏感性分析[4]。在管道指数评价法中,评价人员针对具体评价对象确定分值大小的时候,出现评分偏差变化的情况是多因素变化,故采用多因素敏感性分析。
根据W.Kent.Muhlbauer评价模型,管道指数评价法中的总指数和包含的若干因素,每一因素含有若干评分水平,每一因素在不同水平下,作者都确定了相应的等级和评分分值,最终求和来确定总指数。不同的评价人员在评判的时候,由于经验、专业、知识结构、心理因素等影响,可能对评价对象选择不同的分值或对照相应的等级进行评分,这种评分的偏差围绕设定的评分分值变化。其评价的过程和结果可以通过多因素试验来模拟,每一因素的每一水平对应一个评价分值,由作者已经确定,这个分值就是试验结果的参考值,即对管道指数评价法模型利用多因素试验思想进行敏感性分析。
以指数总和作为分析目标,通过这些影响因素在不同评分水平组合下分析评价分数的变化程度,据此找出敏感因素。但多因素敏感性分析工作量很大,如第三方损害指数有6个影响因素,每个因素设有5种评分等级,则需要进行56次敏感性分析。为了减少工作量又不影响分析结果,本文引入正交试验理论[4,5]。
正交试验[4,5]
正交设计方法是一种处理多因素试验的科学方法,它利用正交表来安排多因素试验,并对结果进行统计分析。正交试验代替全面试验,具有水平均匀性和搭配均匀性,即:(1)每一因素占据一列位置,其不同水平参加试验次数相同;(2)任两列不同因素水平所构成序偶数相等,相同序偶数出现次数在两列内也相同。
根据管道4类评价指数下的各因素和所处的不同水平,选择正交表LK(PJ)进行试验,L表示正交表符号,K表示试验次数,即正交表行数;P表示因素的水平数;J表示因素个数,即正交表的列数。由正交试验进行计算确定评价指数和,然后采用极差分析方法对正交计算数据进行分析,以确定各影响因素对所考察指标影响大小顺序。管道指数评价法敏感性分析可采用线形模型如下:
Y=β0+β1X1+.......+βnXn+ε(1)
式中β0—常数项;
βn—自变量;
Xn—回归系数;
ε—随机误差服从标准正态分布。
在模型中,令某些因素主效应或交互效应为0,而其余效应最小二乘法估计不受影响,以保证对每个效应估计不受到其他效应的影响,则设计矩阵须满足如下条件:
式中,S11,S22,...Snn都是方阵,每一方阵对应于一组效应。对于某个因素Xi对指标Y的显著性次序分析,不做定量结论,只要求自变量Xi对因变量Y的显著性影响次序,对式1中的回归系数不用求解,只需要按照上式2进行试验。
设a,b,...表示不同影响因素,m为因素评分水平数,ai表示因素a的第i水平(i=1,2...m);Xij表示因素j的第i水平值,在Xij下进行试验得到因素的第i水平的试验结果指标Yij,Yij服从正态分布的随机变量。在Xij下做n次试验得到n个试验结果,分别为Yijk(k=1,2,...n)。计算:
式中Kij—因素j的第i水平值下的统计参数;
N—因素j的第i水平下的实验次数;
Yijk—因素j在i水平值第k个试验结果指标值。
根据计算结果,利用极差分析因素敏感性。
评价指数敏感性分析
1 第三方破坏因素
第三方破坏包括6种因素,不同的因素分值水平不完全相同,需要按照实际情况进行调整。如,管道埋深分数=13.1×C(C表示深度),管道设计规范要求埋地管道,管顶覆土最小深度不能小于0.8m,取10分;最大深度为1.6m,若再增加深度无减少风险效果,取值20分。活动程度在原来所设水平基础上,增加一个水平等级(18分)。地面设施评分水平在原来的基础上进行了综合,设置为5个等级。公共教育在原来基础上,用插值法增加两个水平等级15分和25分。管道标志评分水平按照作者定义,没有变化。巡线频率按原要求有7个评价级别,排开不存在不巡线情况(0分),并对每周4次(12分)和每天巡线(15分)评价等级进行。第三方破坏影响调整后的影响因素———水平表如表1所示。
对这些因素下不同水平的评价进行正交分析,建立正交试验表(表2)。
表2中,A(i)～F(i)(i=1,2,3,4,5)表示6类影响因素下的不同评价水平)。结合上述,对第三方破坏分数的评分过程和结果采用多因素正交试验,共计得到25个评价数据,将所得的观测数据按从小到大的顺序排列,利用正态检验纸绘图进行正态性检验[6]。如图1所示,除最小试验值点外,其余各点基本满足正态分布。根据管道指数法评价模型的评分原则,对影响因素满足作者评判模型要求的程度给出评价分数,越满足评判条件,评价分数越高;越不满足评判条件,评价分数越低。同理,其他3项指数的试验值也应符合正态分布。
经过正交试验,得到各因素敏感性大小,为了便于比较,将各因素敏感性大小进行归一化处理,得到各因素敏感性权重百分比,与模型各因素分配的分值权重曲线在同一图中表示(图2)。各影响因素敏感程度大小顺序为:活动程度=公共教育>巡线频率>管道埋深>地面设施>管道标志。其中,活动程度和公共教育两类因素,作者给定的权重虽然不一样,但是两者对第三方破坏的敏感性影响是一致的,即两类因素的变化对管道指数的影响是一致的。巡线频率属于可变因素,对管道指数的敏感性较大,高频率的巡线频率能有效降低第三方破坏。值得注意的是,管道埋深指数属于非可变因素,主要根据设计规范确定,埋深一旦确定后,各管段都能获得相应的评价分数,对第三方破坏的影响却很小,而作者给此因素分配20%的权重,在权重分配上没有结合实际工程情况,缺乏合理性和评价准确性。
2 腐蚀影响指数
腐蚀影响指数包括13类影响因素,根据如上第三方破坏指数调整方法,建立管道腐蚀指数13因素3 水平试验表,编程对13因素3 水平正交试验计算后进行分析,得到结果如图3所示。
其中,各影响因素可分为:内腐蚀包括介质腐蚀和内保护,权重占30%;外腐蚀主要由阴极保护、涂层、土壤、使用年限、金属埋设物、电流干扰和应力腐蚀7个部分组成,占权重70%[7]。为了便于分析,此处将阴极保护(包括阴极保护设计是否符合规范要求和阴极保护的检查)和涂层(包括涂层的种类和质量、涂层的施工、涂层的检验和涂层缺陷修补)的二级影响因素一并进行分析。从图3中可以看出,外腐蚀涂层的敏感性最大,其次是内腐蚀和外腐蚀的阴极保护。各影响因素敏感程度大小顺序为:产品腐蚀>内保护=阴极保护>阴保检查>涂层种类和质量>涂层检验>涂层施工=缺陷修补=土壤腐蚀=电流干扰=应力腐蚀>金属埋设>使用年限。
3 设计影响指数
设计影响指数包括6种因素,每种因素设置5种评价水平,通过建立6因素5水平正交试验进行计算,分析结果如图4所示,敏感性大小与各因素分值权重差不多接近。
设计影响指数各因素的敏感性影响大小为:水压试验>钢管因素>系统安全因素>疲劳因素>水击因素=土壤移动。水压试验是可变因素,提高试验可以更多地排除管道焊接和管材本身的缺陷,对设计指数的敏感性影响大。系统安全系数和钢管因素虽在评价分数权重上相等(都是20%),但是敏感性却不一致。钢管因素和系统安全系数都属于非可变因素,一旦确定后,不易受外界影响发生变化。钢管因素的分值大小由钢管实际厚度和设计厚度的比值来确定,比值越大则分数越高;系统安全因素的大小由最大允许操作压力与实际操作压力的比值来确定,比值越大分值越高。水击因素虽然属于可变因素,但在管道设计和施工过程中,都安装有卸压阀或采取超前保护装置,所以敏感性影响小。土壤移动评价分数受线路走向、管道埋深和外界自然气候因素等影响,在线路勘测和设计中,对走向的地理环境和管道埋深都有要求,均能有效降低其风险影响,所以土壤移动因素主要受外界自然气候的影响,对设计指数敏感性影响小。
4 误操作影响指数
误操作影响指数主要由设计误操作、施工误操作、运营误操作和维护误操作4类误操作指数构成,其中每类又包括若干二级影响因素,共计21项。采用同样的方法,对各项影响因素的评价水平进行整理,确定每种因素有4种评价水平。通过建立21因素4水平正交试验,编程进行计算、绘图。一级指数敏感性分析如图5所示,二级指数敏感性分析如图6所示。
从图5可知,误操作指数下一级影响因素的分值权重与敏感性相接近。对二级影响因素的敏感性进行分析,敏感性影响较大的因素为:达到MAZOP可能性>安全系统>施工检验>维护规程>运行操作培训>失误预防>SCADA通信>工艺规程。其余因素对误操作敏感性影响相对较小,且影响程度相近。
总结与讨论
根据对管道指数评价法本身敏感性分析可以看出,影响因素所占的权重与其相对重要性并不完全匹配。即赋予分值权重大的评价因素,对风险增加或减少所起的作用并不一定就大于赋予分值权重小的评价因素,对风险增加或减少所起的作用并不一定就小。在若干的评价因素中,有的影响因素是可变的,因素受自身属性或外界影响处于不确定性变化状态,而不确定性是风险发生的根源。所以,这些更容易发生变化的因素在评价指数法中应该结合其敏感性重新分配分值权重。有的影响因素是非可变的,此类因素根据规范、标准等明确后,一般处于确定性状态,受外界和自身属性影响较小,在评价模型中即使赋予相当的分值权重,但是由于其相对确定性的状态,发生变化的可能性很小,对管道的风险影响也很小,此时同样需要结合敏感性重新分配分值评价权重。否则,在安全评价时,就容易出现相对指数高的管段,并不是危险性相对较低反而是危险性较高,使此评价方法缺乏说服力。
本文利用敏感性分析,确定各影响因素对评价指数的敏感性大小,这种敏感性分析是对指数评价法模型本身的分析,各因素评价分值权重与敏感性并不完全匹配,由此对模型分值权重提出了新的思考:分值权重多少不仅仅需要考虑因素本身的重要性大小,还需要结合实际工程经验,考虑影响因素的不确定变化特性或敏感性大小,以使整个评价模型和过程更具有实用性。
参考文献
[1]W.Kent Muhlbauer.Pipeline Risk Management Manual(Second Edi-tion)[M].Houston,Texas:Gulf Publishing Company,1996.
[2]7th Report of the European Gas pipeline Incident Data Group,1970-2007.December,2008.
[3]Performance of European cross country oil pipelines-Statistical summary of reported spillages in2006and since1971.CONCAWE,August,2007.
[4]白新桂.数据分析与试验优化设计[M].北京:清华大学出版社,1986.
[5]李云雁,胡传荣.试验设计与数据处理[M].北京:化学工业出版社,2005.
[6]梁小筠.正态性检验[J].上海统计,2000.