效益模糊评价（共9篇）
效益模糊评价 篇1
装备采购活动是否高效, 不仅影响到武器装备整个寿命周期的长短和研制、购置、使用等各阶段活动的质量, 而且还会进一步地影响到国家武器装备现代化建设进程、国民经济发展速度以及整个社会的和谐可持续发展, 但怎样对装备采购的效益进行评价一直是难以解决的问题。本文拟对装备采购效益建立评价指标, 进而建立模糊综合评价模型, 试图为评价装备采购效益提供一个新的方法。
一、装备采购效益评价指标体系的建立
装备采购是指军队装备机关、有关部门依据国家法律和装备采购条例的规定, 采购武器、武器系统和军事技术器材等装备的活动。它包括了武器装备建设各个阶段的活动:研制、购置、维修保障和退役处理。装备采购效益是指装备采购活动中所取得的符合国家或军事需要的劳动成果与相应的劳动耗费和劳动占用之间对比关系。装备采购活动是否高效, 不仅影响到装备研制、购置以及维修保障活动的质量, 还关系到武器装备全寿命周期的长短, 而且还会进一步地影响到国家武器装备现代化建设进程、国民经济发展速度以及整个社会的和谐可持续发展。
由于对装备采购效益的评价比较复杂, 本文采用专家调查法, 经过综合整理, 建立指标体系如图1所示。其中, 对装备采购效益评价的一级指标主要有三个:军事效益、经济效益和社会效益。装备采购首先是一项军事活动, 判断装备采购军事效益的高低, 要看所采购的装备实现战斗力和保障力的程度, 具体可以从装备的作战效能、装备合格、装备配套、保障资源品种规格符合和保障资源数量准确、部队满意六个方面体现;经济效益主要是体现装备采购资金使用合理性和有效性, 能否以最低价格在最短的时间获得满足要求的装备, 因此可以分为预算资金节约率、进度控制科学和市场价格节约率三个二级指标;同时, 通过采购装备还会带动企业的发展、促进社会技术进步并带动整个国民经济的增长, 这就是其社会效益。
二、装备采购效益模糊综合评价模型的构建
(一) 确定评价因素集。
根据上述评价指标将因素集分类:其中U= (U1, U2, U3) 构成装备采购效益评估因素的第一层;每个因素有其下属的子集:U1= (U11, U12, U13, ……) 、U2= (U21, U22, U23……) 、U3= (U31, U32, U33……) 。
(二) 建立权重集。
指标权重反映各个指标的重要程度, 可用层次分析法确定。将全部指标和分指标排列成表, 分发给参加评定的专家, 由专家给出各指标的判断矩阵, 对同一层次指标进行两两比较, 然后计算各指标的相对权重, 进行归一化处理并通过一致性检验, 一致性指标为:CIn-λmax-1n。其中:λmax和n分别为判断矩阵的最大特征根和阶数。令RI为平均一致性指标, 则计算随机一致性比率为:CR=CI/RI。当CR<0.1时, 说明权数分配是合理的, 否则需要调整判断矩阵, 直到取得满意的一致性为止。
最后可得各级评价指标的权重Ai。其中因素类权重集A= (a1, a2, a3) ;具体子因素权重Ai= (ai1, ai2, ……ain) (i为因素类数, n为第i类因素的具体因素数) 。
(三) 确定评语集。
评语集是各种可能的评价的组成的集合。考虑到装备采购效益评价的可操作性和准确性, 选定五级评语, 将装备采购效益的好坏评价结果分为:优 (V1) 、良 (V2) 、中 (V3) 、差 (V4) 、劣 (V5) 五个等级, 装备采购效益的评语集可表示为:V=[ (V1) (V2) (V3) (V4) (V5) ]。根据装备采购工作的调查分析, 在征求专家意见后对各指标等级的取值确定为:优:90分, 良:80, 中:70分, 差:60分, 劣:0分。
(四) 计算单因素评价矩阵。
1. 建立隶属度函数, 确定隶属度。
对于各量化型指标评价可参考计算结果数据评价;对于社会技术的促进、对经济增长的贡献等难以定量的评价指标, 要依靠专家根据经验判断进行定性分析, 通过采用模糊统计的方法与以确定。其方法是, 在评价过程中, 让参加评价的专家, 按预先确定的评价标准给各定性评价项目对待评对象划分等级, 统计后, 按各等级出现的频度数表示各等级的隶属度函数, 即:
式中:Mij为ui∈Vj的次数
n为参与评价的专家人数
则μVj (ui) 即为ui∈Vj的隶属度函数。
2. 评价矩阵的计算。
根据μVj (ui) 得到的对ui分别对各评语的隶属度值rij, 即可得到单因素的评价矩阵。
在综合了各指标的单因素评价矩阵后, 即可得到系统的评价矩阵。
3. 综合评价。
对多层次模糊综合评定的计算过程是由下而上进行的。设下层中同隶属于上层某个元素或指标的i个元素的单因素评价矩阵为R单= (rij) i×5, 又知该i个元素的权重向量A= (a1a2……ai) , 则上层元素的单因素评价矩阵为:
再通过以下一层结果作为上层模糊评价的转换, 重复上述方法, 即可得到装备采购效益评价结果B= (b1, b2, b3, b4, b5) 。
对于结果B进行归一化处理。若则要进行归一化处理, 归一化处理后可得到B′= (b′1, b′2, b′3, b′4, b′5) 。其中,
与预先设定的评语集计算, V= (90, 80, 70, 60, 0) 即可得到关于装备采购效益的最终评价得分D。
三、实证分析
结合评价指标体系及评价模型对某型装备采购的结果进行评价。首先邀请有关技术、经济、管理、价格、法律等各方面的专家共10人, 组成评价小组。分发调查意见表, 分别对指标体系的重要程度及采购效果打分。
(一) 确定权重。
对专家进行问卷调查, 请他们两两比较所有评价指标并给出标度值。比如, A专家对一级指标的判断列表为:
同样可得各专家对各级指标的比较结果, 综合各专家对一级指标的比较矩阵, 并进行平均计算, 最后进行归一化处理得一级指标的权重集:A= (0.57, 0.31, 0.12) , 一致性检验结果显示:CR=0.03, 权数分配合理有效。
采用同样方法构造其他指标判断矩阵, 分别进行逻辑一致性检验, 最终得权重集分别为:A1= (0.27, 0.13, 0.21, 0.17, 0.12, 0.10) ;A2= (0.48, 0.23, 0.29) ;A3= (0.32, 0.41, 0.27) 。如下表所示:
(二) 确定评价矩阵。
请各专家对各指标进行评价, 再按各等级的隶属度确定评价矩阵。其中各专家对“预算资金节约率”评价结果如下表所示:
根据式 (1) 可得对优评语的隶属度为1/10=0.1, 同样对良的隶属度为0.5, 对中的隶属度为0.3, 对差的隶属度0.1, 对劣的隶属度为0。因此可得对单因素指标U21的评价矩阵:
采用同样方法得出对其他因素的评价矩阵。
(三) 综合评价。将上述结果代入式 (3)
进行归一化处理得B′= (0.271 0.500 0.173 0.0510.005)
最后该项目评价得分D=B′·VT=79.56, 即对该项目采购效益的评价结果接近良好。
四、结语
笔者为装备采购效益的难以评价提供了一个适合的方法, 通过对采购实际效果的调查分析建立评价指标体系, 并应用层次分析法对难以定量的指标进行量化, 并进行了模糊处理, 以减少专家打分的主观性, 提高了评价的客观性。本文中笔者只对一个特定项目进行了实证分析, 该方法是否具有通用性还有待进一步研究。
摘要：本文在调查分析的基础上建立装备采购效益评价指标体系, 并据此构建模糊综合评价模型, 进而通过实证分析验证了该方法的可行性, 为进行装备采购效益评价提供了一个新的方法。
关键词：装备采购,效益评价,模型
参考文献
[1].谢季坚, 刘承平.模糊数学方法及其应用[M].武昌:华中科技大学出版社, 2000
[2].朱松山等.武器装备经济基本理论[M].国防工业出版社, 2002
[3].王学义, 孙德宝.部队装备综合保障能力评价[J].通用装备保障, 2002, 6
[4].王格芳, 陈国顺, 王学明等.基于模糊综合评判的装备战场损伤等级评定方法[J].军械工程学院学报, 2006, 18 (4) :38~41
效益模糊评价 篇2
针对模糊综合评价的不足之处,提出把权广义距离之和模糊模式识别运用到模糊综合评价当中,建立了基于模糊模式识别的模糊综合评价模型.通过对陕西某高层建筑火灾危险评价实例证明,该模型能使系统安全评价结果更准确、合理.
作 者：刘爱华 施式亮 吴超 LIU Ai-hua SHI Shi-liang WU Zhao 作者单位：刘爱华,施式亮,LIU Ai-hua,SHI Shi-liang(湖南科技大学,湖南湘潭,411201)
吴超,WU Zhao(中南大学,长沙,410083)
效益模糊评价 篇3
1.1 大豆精准生产技术系统
大豆精准生产技术系统是指在现代信息技术、生物技术、种子工程、平衡施肥技术、精准灌溉技术、自动监控技术、农机技术等一系列高技术的基础上发展起的现代化大豆生产技术系统[1]。
大豆精准生产技术系统采取精准播种以及与之紧密相关的种子工程,利用现代生物技术进行良种繁育,科学的管理方法进行推广,改变传统播种方法,提高精播质量,降低种子用量。建立专家信息系统和自动监控系统,及时掌握大豆的生长和病虫害状态,并做出正确的判断。利用卫星定位技术,打破传统的足水足肥观念,实施节水灌溉和测土配方施肥,根据大豆生长环境的水肥状况和大豆生长的实际需要,适时适量,实行科学的水肥管理,同时采用自动变量农药喷洒技术,精确施用农药。科学的田间管理,减少农药和化肥的使用量,降低农药和化肥对农作物生长环境的污染;减少农业机械田间作业频率,保护土壤结构[2]。
1.2 大豆精准生产技术系统外部环境分析
从系统论的角度,环境是指围绕某个系统并与该系统相关的整个外部世界。相对于不同的系统,围绕着它和它相对的环境的含义是不同的。从生物学角度来看,环境是指生物赖以生存的空间,由非生物环境和生物环境两大部分组成,非生物环境是除了生物以外的环境,包括一系列物理、化学因素组成。是生物生存的场所。生物环境是指来自研究对象以外的其它生物的作用和影响[3]。
大豆是有生命的生物体,大豆生产是一个生物过程,它在生长发育中不能脱离外界环境条件,必要的非生物环境条件有:阳光、温度、水分、养分(以土壤为介质)和空气5个基本条件。只有在这些条件同时具备的情况下,大豆才能正常地生长发育。大豆精准生产系统正是通过对于这些外部环境条件的影响,来影响大豆的生产。其中阳光和温度主要受气候条件的影响,是大豆精准生产系统无法改变的。大豆精准生产主要通过影响水分、养分和科学的田间管理来实现大豆的高质和高产。同时由于大豆生长过程中会吸收二氧化碳和释放氧气,可以对空气起到净化的作用[4]。
从这个角度看,大豆精准生产系统的环境是指与作物生长和精准农业生产过程相关的,也就是作物生长在其中、大豆精准生产系统作用在其中的生物和非生物环境。具体包括:作物生长在其中的空气、土壤、水等非生物环境,以及同在一个非生物环境下的生物环境,包括:微生物、植物、动物。所以大豆精准生产系统的环境效益要从这几个方面来进行分析。
2 大豆精准生产技术系统环境效益评价指标体系设计
大豆精准生产技术系统生产环境主要分为两部分,非生物环境和生物环境,大豆精准生产技术系统的非生物环境效益评价共设4个评价指标,分别和空气、水、土壤、肥料有关。大豆精准生产技术系统的生物环境效益指标共设3个评价指标,分别和微生物,植物和动物有关。
2.1 非生物环境效益指标分析
(1)二氧化碳转换量空气是重要的环境要素,农业对于整个大气层的气体的循环具有重要作用。农业对于空气的贡献主要在于吸收二氧化碳释放氧气。据资料分析:每亩土地上生产1 000斤干物质,约需要大约2 000斤二氧化碳[2,5,6]。
二氧化碳转换量=单位面积大豆产量(kg)×2。
(2)水分利用效率水是农业最重要的资源之一,我国人均水资源不及世界平均量的1/4,合理利用水对农业可持续发展至关重要。大豆精准生产系统可以提高水分的利用率,所以水分利用效率也应该是衡量大豆精准生产系统的重要环境指标。此指标为每立方米水生产大豆的公斤数。
水分利用效率=单位面积大豆产量/单位面积降水量(kg/mm)[6,7]。
(3)土壤有机质增量衡量土壤肥力的重要指标,它决定着土壤的物理化学性状和肥力的高低。大豆精准生产系统采用科学的耕作方法,改善土壤结构,有效地增加有机质含量。因此土壤有机质的含量应该作为评价大豆精准生产系统环境效益的重要指标。
土壤有机质增量=上一年土壤有机质含量-下一年土壤有机质含量。
(4)化肥利用率化肥是一种重要的农业生产资料,提高化肥使用量,可在一定程度上提高作物产量,对于提高经济效益起到重要作用。但是,如果化肥使用过量,不仅经济效益降低,而且容易造成土壤亚硝酸盐的积累,并通过土壤水分淋溶而污染地下水,对生态环境造成影响。大豆精准生产系统采用精确的测土配方平衡施肥技术,根据不同地区不同土壤类型、土壤养分的盈亏情况以及产量水平。将氮、磷、钾及多种可促进作物生长的微量元素和有机肥加以科学配方,变量施肥,提高了肥料利用率,表明生产相同数量的农业产品使用的化肥较少,又不因施肥过多、过偏引起环境污染。减少了农用化学物资对土壤、水体、农田周边环境及农产品本身的污染和损害[8]。
肥料利用率=精准农业生产系统大豆产量/精准农业生产系统化肥使用量[9]。
2.2 生物环境效益指标分析
大豆精准生产系统会对属于生物环境系统的田间微生物、动物、植物产生一定的影响。大豆精准生产系统对微生物的影响,主要是在耕作、灌溉和排水、施肥过程中影响土壤的结构、水分和肥力,从而影响微生物的生长状态,总体来看,能够增加土壤微生物的数量,对于提高土壤肥力,改善土壤结构有一定的作用。大豆精准生产系统对于植物的影响,主要体现在田间杂草的管理上,长期的精准生产也将逐步减少田间杂草的数量。凡是农业生产,都要想办法消灭或减少田间的害虫,增加益虫的数量。大豆精准生产系统通过自动变量喷洒技术精量控制农药的施用量,有效杀灭害虫的同时对于保护益虫有明显的作用,另外,精准的播种深度可以防止拌了农药的种子外露,对于鸟类和其他动物也起到一定的保护作用。
我国农业生产对于环境的影响研究尚处于初级阶段,农业生产对于环境中微生物、植物和动物的影响评价指标并不能给出定量的测定,这需要大量的人力、物力和财力。随着人类对环境影响问题认识的不断提高,进一步深入研究是有可能的。但是现阶段,很多情况下需要对农业生产的环境效益进行比较全面的评价,定性的研究方法是必然的选择。本文使用专家打分法将大豆精准生产系统对于微生物、植物和动物的影响进行定性评价。
综合以上分析结果,构建大豆精准生产系统环境效益评价指标体系,如表1所示。
3 大豆精准生产技术系统环境效益评价
以大豆精准生产技术系统黑龙江垦区友谊农场示范区为例,采用模糊评价方法对大豆精准生产技术系统环境效益进行评价。
在黑龙江垦区友谊五分场二队示范区获得定量指标数据,如表2所示。定性指标的分值设定:将对微生物种群数量、田间杂草数量和对动物的不良影响程度指标分1、2、3、4、5级,以大豆的传统生产方式取中间值3,将大豆的精准生产技术系统和其进行比较,根据专家意见来确定级别。具体分级结果,如表3所示。黑龙江垦区友谊农场示范区大豆精准生产环境效益评价指标,如表4所示。
评判因素集为
U={环境效益评价指标}。
评判集为
V={很好,较好,一般,不太好,不好}。
通过专家评定,获得模糊评价矩阵R和权数分配矩阵A如下
综合评审向量为
B=A·R。
标准化后结果如下
设评审等级评分矩阵为
则综合评审得分为
4 结论
由模糊评价的结果可知,大豆精准生产技术系统环境效益综合评价值为72,接近较好。传统大豆生产系统环境效益综合评价值为58,接近一般。与传统大豆生产系统相比,大豆精准生产技术系统对于大豆生产环境的总体影响是向好的。
从非生物环境评价指标来看,由于大豆精准生产技术系统对于生产的科学投入和管理,大大提高了大豆的产量,和传统大豆生产系统对照组相比,二氧化碳转化量大大增加,提高了360kg/hm;水分利用效率提高0.36kg/mm;化肥利用率提高1.93kg大豆/kg化肥;但是土壤有机质含量没有明显的变化。应该加大大豆精准生产技术系统中秸秆还田和菌肥施用的力度,不断提高土壤的有机质含量。
从生物环境评价结果来看,由于大豆精准生产技术系统将大豆生产过程中的各个环节精准控制,尽可能避免了有害物质的施用,保证生产中的技术参数,相对于传统大豆生产系统提高了微生物的种群数量,减少了田间杂草数量,减少了对动物的影响。黑龙江省大豆精准生产技术系统示范区的实践证明了大豆精准生产技术系统具有较好的环境效益。
参考文献
[1]姚敏,张柏.精准农业发展与农业生态环境保护[J].中国人口资源与环境,2001,11(51):113-114.
[2]李玉明,张信伟,陈凌,等.农业开发项目环境影响评价的程序与内容[J].农业环境科学学报,2005,24(增刊):350-352.
[3]江汉湖.食品微生物学、食品科学与工程专业用[M].北京:中国农业出版社,2002:08.
[4]李红鹰,孟昭明.层次分析法在农业生态环境质量评价中的应用[J].环境保护,2000(7):30-31.
[5]吴义生.环境科学概论[M].北京:当代世界出版社,1999.
[6]徐多义.基于神经网络的农业生态环境质量评价[J].安徽农业科学,2008(31),13833-13834.
[7]晓岩.农作物栽培.[M].北京:解放军出版社,1983:12.
[8]TU Jianjun,DENG Yulin.Comprehensive evaluation on agricultureenvironment in western China[J].Journal of Mountain Science,2005,2(3):244-254.
模糊综合评价农业科技论文 篇4
1农业科技创新风险投资影响因素的实证分析
比较5种外部环境因素与农业科技创新风险投资的相关程度，对比前2个指标可知，外部环境对农业科技创新风险投资的影响程度处于居中水平，外部环境各因素对农业科技创新风险投资的影响程度差异比较明显，其中程度最大的是政府及相关部门的政策扶持和引导力度，比重为0.899;其次为法律法规体系的保障，比重为0.85;相关程度最低的是产权交易市场建设，比重为0.73。以上数据表明，外部环境对农业科技创新风险投资的影响作用是不可忽视的。
2研究结论与政策启示
该文根据河北省石家庄、保定、廊坊和唐山4个地区300家农业科技企业的调查数据，分析了河北省农业科技创新风险投资各影响因素的影响程度。通过比较研究得出，农业科技创新风险投资需求主体影响的相关性显著，供给主体影响的相关性相对较低，而外部环境的影响程度则处于居中水平。这说明对于河北省来说，农业科技创新风险投资的需求主体对其发展起着关键作用，理论上供给主体和外部环境对农业科技创新风险投资的影响也是至关重要的，而数据显示其影响不太显著可能是因为农业科技企业对它们的认识不全面，造成了对农业科技创新风险投资的`综合作用不太明显。根据表2的数据，综合15种因素对河北省农业科技创新风险投资影响的相关程度由高到低排名。其中需求主体中的农业科技企业项目的技术性和先进性对农业科技创新风险投资影响的程度最大，外部环境中的政府及相关部门的政策扶持和引导力度次之。
2.1提高农业科技企业的技术创新和管理能力
提高农业科技企业的技术创新和管理能力，需要从企业自身和外部环境2个方面开展工作。首先，企业的管理者要重视企业的创新发展，培养技术人员的创新精神，加强企业自身的技术积累。因为企业管理者是企业主要的决策者、信息掌控与传播者，其对技术创新的态度将会对企业技术创新能力的提高产生决定性的影响。其次，企业要不断从各知名院校的研究生、大学生中引进大量的管理、技术人员，建立一整套促进技术开发和技术创新的激励机制，在待遇、股份、考核、晋级、培训等方面向技术人员倾斜，提高技术人员的创新的积极性和主动性。最后，还要注重政府政策调节的外部作用，政府应该利用各种方式在企业技术创新方面为其提供资金支持，例如税收优惠、财政补贴、贷款援助等，帮助企业解决技术研发资金不足的问题。
2.2增加风险投资机构的融资渠道和资金规模
要想增加风险投资的融资渠道就必须加大对民间资金的吸引力，实现多种方式、多种渠道的融资。2013年河北经济年鉴数据显示，2012年河北省城乡居民人民币储蓄存款年末余额已达到2.07万亿元。这些数额庞大的民间资金因一些政策原因而游离在风险投资领域之外，且极少有投资的渠道。所以，政府可以制定和实施各种鼓励民间资本进入风险投资的政策制度，例如设立民间风险投资基金，并对这类基金的设立程序，约束资金的运用方向。除了民间资本外，政府还可以引导商业银行，保险公司，证券公司，大型公司等通过购买股票或者组合投资的形式将风险资金注入到风险投资领域。这样扩大风险投资资金来源渠道，能使河北省农业科技创新风险投资主体结构多元化，增加了风险资本的规模。
2.3加大政府及相关部门的政策和法律扶持
效益模糊评价 篇5
变电站建设效益评价是变电站建设决策的重要依据。以往的变电站建设方案效益评价, 只注重经济效益, 忽略了地区效益、社会效益和环境效益等同样对变电站建设具有直接或间接影响的其他效益。而且在评价过程中, 评价好坏的标准也不固定, 往往只是单凭感觉定性的识别, 而不是科学地计算、分析、论证各个评价指标。本文拟完善变电站建设效益评价指标体系, 结合灰色模糊评判方法, 设计一套完整的变电站建设效益评价模型。
1 变电站建设效益指标体系的建立
综合实际工作中变电站建设所产生的实际效益影响因素, 建立变电站建设综合效益多层次指标体系如图1所示。指标体系分为两个层次, 一级指标分别为U={u1, u2, u3, u4}={工程建设条件, 供电企业综合效益, 供电区域综合效益, 供电区域环境影响};每个一级指标可以用二级指标分别表示出来, 即:u1={u11, u12, u13, u14, u15, u16}={征用土地类型, 水文地质条件, 洪水等级, 地震烈度, 文化遗址, 污秽等级};u2={u21, u22, u23, u24, u25, u26, u27}={售电量的增加, 变电站出线方便程度, 变电站施工方便程度, 变电站交通方便程度, 电网结构完善程度, 上级仓位裕量, 变电站改造扩容可能性};u3={u31, u32, u33, u34}={区域电力负荷需求满足率, 变电站与区域负荷中心距离, 停电影响程度, 对区域经济的促进};u4={u41, u42, u43, u44, u45}={变电站占地面积, 工频电磁辐射影响, 电磁场对无线电的干扰, 变电站噪声影响, 生态保护}。
2 变电站建设效益评价模型
2.1 灰色模糊评判理论基础[1,2]
设
2.2 因素集和评语集的确定
建立效益评价评语集为V={好, 较好, 一般, 较差, 差}。为了方便计算, 对各个指标对应评语集进行数值化。对于可以用数学表达式的连续型指标, 采用连续取值;对于离散型指标, 采用离散化取值。结合变电站建设的实际工作情况和国家关于各类评价因素的标准, 确定各个评价因素等级划分。结果分别见表1～4。
2.3 灰色模糊评判矩阵的建立
2.3.1 隶属度的确定
由表1～4可以看出, 各指标按性质划分可划分为定性指标和定量指标。定量指标按照等级划分的限值又分为指标变大型因素和指标变小型因素, 如表3中的“变电站与区域负荷中心距离”为指标变大型因素, 表2中的“电网结构完善程度”为指标变小型因素。表1中的“征用土地类型”只能定性定义。各指标的类型可由表5来划分。
各个指标隶属于程度通过以下的隶属函数来确定。
①指标变大型因素x的隶属函数为:
隶属于等级“好”的隶属函数
隶属于等级“较好”、“一般”、“较差”的隶属函数
隶属于等级“差”的隶属函数
②指标变小型因素x的隶属函数为:
隶属于等级“好”的隶属函数
隶属于等级“较好”、“一般”、“较差”的隶属函数
隶属于等级“差”的隶属函数
③对于定性指标x评价目标的隶属函数为:
2.3.2 灰度的确定
信息的充分程度划分为{很充分, 较充分, 一般, 较贫乏, 很贫乏}, 相对应的点灰度如表6, 具体取值可根据实际中各个因素调查时的收集情况赋值。对于各指标灰度的确定采用专家打分求平均值的方法。由此可分别得出各方案各个指标的灰色模糊评价矩阵[3]。
2.4 指标权重的确定
权重矩阵中每个元素同样由两部分组成, 分别为评价因子所对应的权重及权重所对应的点灰度。评价因子对应的权重采用层次分析法求得。层次分析法 (Analytic Hierarchy Process) 简称AHP, 是美国著名运筹学家皮斯堡大学教授T.L.Saaty于1977年提出的, 它把复杂的问题按层次分解, 通过两两比较方式确定层次中诸因素的相对重要性, 然后通过综合判断以决定诸因素相对重要性总的顺序[4]。
由于权重是由通过专家调查或工程技术人员的实际经验总结给出的确切信息, 因此各级权重的灰度值均取为0。经层次分析法计算, 可得出各级指标的灰色权重矩阵。
一级指标的权重:
二级指标对一级指标的权重:
2.5 灰色模糊综合评判
2.5.1 二级指标综合评判
其中, i=1, 2, …, n;j=1, 2, …, m;l=1, 2, …, p
2.5.2 一级指标综合评判
同理, 可对一级指标进行综合评判
2.6 综合评判结果的确定
在灰色综合评判结果
考虑评价的可操作性和准确性, 本文将评语集中评语等级定标准分 (百分制) , 见表7。由此可得集合Z= (z1, z2, …, zp) = (100, 80, 60, 40, 20) 。
由以上公式, 可得到各方案最终评价值。并可按照结果对方案进行决策。
3 案例分析
根据电力负荷需求, 某地拟新建220kV变电站。该站主变终期规模3×240MVA, 本期规模2×240MVA有载调压变压器。变比考虑采用230±8×1.25%/121/38.5kV。容量变比240MVA/240MVA/120MVA。该站220kV规划出线6回, 本期3回;110kV规划出线12回, 本期5回;35kV出线终期18回, 本期12回。站址选择本着节约占地、少占良田, 因地制宜, 将变电站对周围环境的影响减到最低限度的原则。同时在满足功能及安全生产的要求下, 做到投资最优。为了合理地选择站址, 在各级部门配合下对拟建区域内的地形地貌、交通运输、附近电网等情况进行了实地踏勘、了解和分析, 初步提出了3个候选站址方案。
3.1 确定灰色模糊评判矩阵
结合3个候选站址的实际情况, 邀请10位专家按照表1～4中的评价标准, 对于定性指标根据上述定性指标隶属函数进行投票 (定性指标中的数值为专家投票数) 。而对于定量指标则先根据实际情况得出评价值, 如表8, 然后根据公式 (1) ～ (7) 中隶属函数进行隶属度计算。灰度的确定要根据信息量的充分程度, 请这10位专家打分求平均值。
以下分别是专家评价后3个候选站址的灰色模糊评判矩阵。评价结果中的元素用 (μij, vij) 来表示, 其中μij表示隶属度, vij表示灰度。
以候选站址一为例, 构造灰色模糊评判矩阵表示如下:
3.2 灰色模糊评判
根据文章2.5中介绍的计算方法, 分别对3个候选站址的灰色模糊评判矩阵进行计算, 评判结果如下:
3.3 综合评判结果的确定
将各候选站址灰色模糊评判结果代入公式 (10) 得:
将以上结果代入公式 (11) 得各站址最终评判值:
B站址一=87.34;B站址二=79.52;B站址三=55.14
根据计算出的结果, 我们可对各个选址方案进行比较排序:B站址一>B站址二>B站址三。从比较结果得知, 候选站址一所产生的效益最大, 因此候选站址一为最终决策方案。
4 结 论
评价指标体系的完善十分重要, 其完善程度决定了评价的准确度。灰色模糊评价模型将各个评价指标的隶属度与信息充分程度所决定的灰度相结合, 使得评价结果更加贴近实际情况。因此, 如果这套评价方法加以完善, 可广泛应用于其他工程建设决策实际。
摘要：投资效益是变电站建设决策的主要指标。本文从变电站建设所产生的影响入手, 对各种效益评价因素进行了详细的归纳和汇总, 形成一套完全的变电站建设效益评价指标体系。并运用灰色模糊评判理论对投资效益进行评判。通过变电站选址实例, 证明该指标体系和评价模型能很好地应用于变电站建设决策。
关键词：投资效益,指标体系,灰色模糊综合评判,变电站建设
参考文献
[1].陈大为.灰色模糊集合 (待续) [J].黑龙江水专学报, 2000, 27 (4) :103～108
[2].谷永磊.新建铁路线路方案岩溶塌陷灰色模糊综合评判研究[D].北京:北京交通大学, 2007
[3].邵汝军, 胡斌.基于灰色模糊理论的企业创新活力评价研究[J].科技管理研究, 2008, (4) :131～136
[4].胡运权.运筹学基层及应用[M].高等教育出版社, 2004:308～312
[5].赵利.溃坝后果的灰色模糊综合评判研究[D].大连:大连理工大学, 2008
[6].邓聚龙.灰预测与灰决策[M].武汉:华中科技大学出版社, 2002:204～206
[7].郝强, 朱梅林.基于模糊灰色分析的方案排序及应用[J].系统工程, 1995, 13 (5) :57～62
[8].卜广志.基于灰色模糊关系的灰色模糊综合评判[J].系统工程理论与实践, 2002, (4) :141～145
[9].王莲芬, 许树柏.层次分析法引论[M].北京:中国人民大学出版社, 1990:20～21
效益模糊评价 篇6
建设坚强的智能电网具有重要意义[1]。文献[2]结合我国国情, 基于国内外智能电网发展模式, 从可靠性和电压质量、发展灵活性和协调性、设备利用率和技术设备水平以及经济性和社会效益五个方面建立了智能电网综合评估指标体系;文献[3]遵循全面性、对比性等原则, 实现定性分析和定量评估相结合, 采用对比分析法对智能电网的社会效益进行梳理与评价;文献[4]基于我国智能电网发展现状, 从发电、电网、用电和其他经济效益四个方面构建了智能电网经济效益评价指标体系, 并以模糊综合评价法为基础, 建立了基于区间数的智能电网经济效益评价模型;文献[5]考虑到环境对智能电网低碳效益的重大影响, 提出了基于三阶段-超效率DEA方法的针对智能电网低碳效益的评价模型;文献[6]从环境、经济、社会和安全性四个方面建立了智能电网综合评价指标体系, 并利用记分函数和指标的确信度及D-S合成法进行综合评估, 实现了智能电网的综合效益评价。
本文在上述研究的基础上, 综合智能电网的各个方面, 从技术、经济、社会和环境效益四方面构建智能电网综合效益评价指标体系, 然后结合AHP法和模糊综合评价法, 建立智能电网综合效益评价模型, 实现智能电网综合效益的合理、全面评价。
1 智能电网综合效益评价指标体系
智能电网效益体现在各个方面, 包括技术、经济、社会和环境等多个方面, 依据准确性、规范性、可比性、可靠性、客观性和全面性的智能电网综合效益评价指标体系构建原则[2], 本文从技术、经济、社会和环境四方面构建评价指标体系, 如图1所示。
2 评价模型
智能电网综合效益评价模型的基本思路为:利用层次分析法确定指标权重, 在此基础上采用模糊综合评价方法进行智能电网综合效益的评价。
2.1 层次分析法
层次分析法 (Analytic Hierarchy Process, 简称AHP) 是通过建立递阶层次结构, 再经过两两比较确定层次中各要素的相对重要程度, 实现了定性与定量的结合, 使复杂的评价问题明朗化, 使得到的分析结果更加客观。运用AHP法大概需要如下四步:
1) 建立指标体系的递阶层次结构。
2) 对同一层次的各元素关于上一层中某一准则的重要性确定两两比较的评判矩阵, 得到各阶层的判断矩阵A= (aij) m×n;其中, 确定判断矩阵的标度见表1。
3) 进行层次单排序和一致性检验, 层次单排序即确定各层次要素的权重以及λmax, 然后计算一致性指标CI,
计算一致性比例CR,
其中, RI为平均随机一致性指标, 其取值见表2。
当CR<0.1时, 认为判断矩阵具有一致性, 否则需要调整判断矩阵的标度。
4) 进行层次总排序, 得到各指标相对于目标层的组合权重, 即各指标在智能电网综合效益评价中的重要程度。
2.2 模糊综合评价法
模糊综合评价法是利用精确的数学手段处理模糊的评价对象, 能对模糊现象做出较为科学、合理的量化评价。具体步骤如下:
1) 确定因素集U和评语集V, 其中因素集由具体的评价指标体系得出, 评语集是评价者对被评价对象可能的评价结果的评语等级的集合。
2) 建立模糊关系矩阵, 即确定各个因素对评语集的隶属度, 得到各个指标的单因素评判结果, 组合可得到模糊关系矩阵。在确定隶属度时, 针对于定性指标采用模糊统计的方法, 针对于定量采用半梯形隶属度模型。
3) 利用AHP法确定各评价指标的权重向量。
4) 进行模糊综合, 首先将各一级指标下的二级指标的权重与其模糊评判矩阵进行综合, 得到各个一级指标的评价结果;然后, 将各一级指标的评价结果组成其评判矩阵与各一级指标的权重向量进行模糊合成, 得到总的评价结果。
5) 根据最大隶属度原则, 进行评价结果分析。
3 算例分析
现以云南省智能电网建设为例, 运用前面所述的综合效益评价指标体系及模型, 对该省的智能电网综合效益进行评价分析。
3.1 确定因素集和评语集
由所构建的指标体系可知, 第一层因素集U={u1, u2, u3, u4}={技术效益, 经济效益, 社会效益, 环境效益};第二层的因素集分别为u1={u11, u12, u13}={故障恢复能力, 电网协调运行能力, 线路及设备的先进性}, u2={u21, u22, u23}={降低建设及运行成本, 降低停电损失成本, 增加电网企业收益}, u3={u31, u32}={促进相关产业发展, 提高保障国家能源安全能力}, u4={u41, u42}={减少温室气体及污染气体排放, 提高能源利用率}。评语集V={v1, v2, v3, v4, v5}={好, 较好, 一般, 较差, 差}。
3.2 建立模糊关系矩阵
基于前文建立的智能电网综合效益的因素集和评语集, 在确定单因素评判矩阵时, 对于“增加电网企业收益”这一正指标采用升半梯形隶属度模型确定;对于“降低停电损失成本”和“减少温室气体及污染气体排放”这两个逆指标采用降半梯形隶属度模型确定;对于其余的定性指标采用模糊统计的方法确定。由此, 可得出该省市智能电网综合效益的模糊评判矩阵, 如表3所示。
3.3 确定权重向量
依据层次分析法的具体步骤, 采用专家调查的方式, 邀请10位资深专家根据表1中的标度定义, 对每个层次中各元素的重要性进行两两比较, 并对所有专家的评价结果进行简单的统计整理, 得到表5的判断矩阵 (限于篇幅, 仅对一级指标的权重向量进行详细计算, 其余判断矩阵不再列出) 。
运用Matlab2011b计算, 得到上述判断矩阵的最大特征值λmax=4.071, 该特征值对应的特征向量为ω= (0.293, 0.411 8, 0.187 2, 0.108) , 其一致性指标, 当n=4时, 查表2可知RI=0.89, 那么, , 通过一致性检验。同理, 我们可以得到各二级指标权重向量:
ω1= (0.623 2, 0.239 5, 0.137 3) , λmax1=3.018 3, CI=0.009 2, CR=0.018<0.1, 通过一致性检验;
ω2= (0.163 8, 0.539, 0.297 3) , λmax2=3.009 2, CI=0.004 6, CR=0.009<0.1, 通过一致性检验;
ω3= (0.25, 0.75) , λmax3=2, 通过一致性检验;
ω4== (0.666 7, 0.333 3) , λmax4=2, 通过一致性检验。
3.4 模糊运算
针对各二级指标进行一级模糊综合评价Bi=ωi·Ri, 得到总的模糊评判矩阵
3.5 二级模糊综合评价
做二级模糊综合评价, 结合一级指标权重, 得到最后的评价结果
根据最大隶属度原则, 我国云南省智能电网的综合效益评价结果为“较好”, 即该省智能电网的综合效益较为乐观, 符合其智能电网建设发展态势良好的现状, 今后该省可继续加强智能电网建设, 进一步提升其综合效益。
4 结束语
文中从技术、经济、社会和环境四方面构建了智能电网综合效益评价指标体系, 并基于层次分析法和模糊综合评价法建立了智能电网综合效益评价模型, 并以云南省的智能电网建设为例进行了实例分析。评价结果表明该省智能电网的综合效益较为乐观, 与实际相符, 验证了指标体系和评价模型的合理性, 为其智能电网提供战略指导。
参考文献
效益模糊评价 篇7
随着信息化时代的到来，越来越多的企业准备实施企业资源计划(Enterprise Resources Planning, ERP)系统或类似的信息系统，以合理计划与配置所有资源，提高企业竞争力。据美国生产与库存控制学会(APICS)统计，企业成功应用ERP后库存下降30%～50%;延期交货减少80%;采购提前期缩短50%;生产能力提高10%～20%[1]。到2003年为止，我国已有千余家企业购买了MRPⅡ/ERP或类似的信息系统，但应用成功率只有10%～20%，局部应用成功率为30%～40%。信息系统供应商选择是企业信息系统建设项目至关重要的环节[2]。只有采用科学合理的决策方法，才能避免盲目选型，为项目成功打下良好的基础，所以对信息系统供应商选择方法的研究很有必要。
本文将三角模糊层次分析法和模糊评价方法结合，建立综合评价模型，并应用于企业信息系统供应商选型。本文提到的模糊层次分析法仅指三角模糊层次分析法。
2 模糊层次分析法和模糊评价法的在信息系统供应商评价中的适用性
2.1 常用的供应商评价方法
常用的供应商评价方法有线性规划法、决策树法、经济批量法、数据包络分析法等[3]，这些方法要么主观性太强，要么需要大量的先验数据，计算过程过于复杂。故本文使用一种新的综合评价方法。
信息系统供应商是一种特殊的供应商，他们不仅供应产品，而且侧重在供应前后的相关服务，还有企业自身和供应商等多方面内容，既有内外部因素，也有短期目标和长期规划，而且有些因素很难直接进行量化评价。对于信息系统的评价，出现了不少的方法，有的学者提出基于熵权的TOPSIS评价方法[4]，文献[5]利用了层次分析法(AHP)方法，还有学者结合AHP和DEA方法进行选型[6]，还有人利用模糊积分给出了评价框架来计算排名[7]。此外有学者结合了TOPSIS和ANP方法进行了评估[8]，但操作比较复杂，不易理解和处理。
2.2 本文提出的方法在信息系统供应商评价中的适用性
T.L.Saaty在20世纪70年代提出层次分析法(Analytic Hierarchy Process, AHP)[9]，AHP法由于理论简单，操作容易，且具有实用性，应用领域广泛，因此，Narasimhan认为[10]AHP法非常适用于解决供应商评价问题，可用于确定准则权重与供货商排序。它有以下优点： (1) 一般评估准则的系统方法使采购经理人员更易产生主观性; (2) 使按步循序的方法量化，使供货商评选问题简化; (3) 虽然主观性不能避免，但可通过评选来降低主观性; (4) 供货商准则权重与排序可由计算机运算得到。
AHP方法作为一种定性与定量结合的决策方法，得到了迅速的发展。由于客观事物的复杂性和人们对事物认识的模糊性，如何使AHP方法更客观、更确切地反映所研究的问题，一直是大家关注的课题。1983年荷兰学者Van Loargoven提出了用三角模糊数表示Fuzzy比较判断的方法[11]，并运用三角模糊数的运算和对数最小二乘法求得元素的排序。1994年我国的常大勇教授提出了利用模糊数比较大小的方法来进行排序[12]。模糊评价法是以模糊数学为基础，应用模糊合成的原理，将一些边界不清、不易定量的因素定量化，进行综合评价的一种方法。
本文从实际应用出发，采用的模糊AHP方法保留了AHP方法的优点，对文献[12]提出的方法进行了一些补充，并结合文献[13]和模糊评价方法，运用到多层(两)层指标体系中，提出了一个多级综合模糊评价模型。先利用三角模糊AHP方法给出各级指标的权重，再利用模糊评价方法，通过相关专家对某个待评信息系统供应商各指标进行打分，得到一系列评价矩阵;最后用模糊评价法来处理评价矩阵，得到某个待评信息系统供应商的评价结果。
3 基于模糊层次分析和模糊评价的多级综合评价模型
3.1 模糊层次分析法
3.1.1 准则指标评价体系
由于供应商选择所涉及的因素很多，使得供应商评选成为一项多准则决策。Mohanty和Deshmukn[14]认为影响供货商评选决策的主要准则是价格、质量、交期与服务。具体到信息系统供应商选择的问题，信息系统的选择涉及多方面内容，既有内部、外部因素，也有短期目标和长期规划等众多指标因素的影响。本文据此进行了综合分析，并参考有关文献[2,5,7]，给出6个一级准则，每个一级准则还有3～4个二级准则，基本概括了各个方面的因素，最终建立了层次模型(见图1)ㄢ
3.1.2 三角模糊数概念、隶属度及其运算
定义1设M为三角模糊数，记为M=(l, m, u)，则M的隶属度函数um (x), R→[0, 1]可以表示为：
三角模糊数的运算有加法、乘法、倒数、数乘运算等，这里不多叙述，详见文献[12]。
定理1:M1=(l1, m1, u1), M2=(l2, m2, u2)为两个三角模糊数，则有M1≥M2的可能性程度定义为：
d为M1, M2交点横坐标。可以证明其等价于：
3.1.3 模糊判断矩阵建立
对于k-1层次的某一因素(准则)，与之相关的第k层全部个因素进行两两比较时采用三角模糊数定量表示，即模糊判断矩阵中的元素是，一个以mij作为中值的闭区间，而mij就是AHP方法中比较判断所采用的1～9中的整数[9]。模糊矩阵A仍为正负反矩阵，即。令mij-lij=uij-mij=δ, δ为常数, 则根据定理1不难证明, 当0<δ<1/2时, mij取相邻两级标度时, μ (d) =0, 没有完全反映人们认识上的模糊性;当δ>1时, 模糊度过大, 置信度下降;常大勇证明1/2<δ<1比较适宜[13]。
关于三角模糊数判断矩阵的一致性检查问题，目前在相关文献中无行之有效的方法，本文采用一种近似方法[15]加以判定。
3.1.4 计算模糊综合程度值和指标权重值
为第t个专家给出的模糊数, nk为第k层的因素个数。根据公式:
求得第k层次的综合三角模糊数，由此得到第k层全体因素对第k-1层次的所对应因素的综合判断矩阵。再根据公式(3)求出模糊综合度值：
再根据定理1计算：
然后计算指标Ci的权重：
可得各指标权重，之后再对以上的权重向量进行归一化即可，仍记为Wi (Ci)ㄢ
3.2 模糊层次分析法与模糊评价法结合
模糊评价方法，即：, W为各因素的权重，E为根据相应因素集和评语集由专家评价得到的评价矩阵。
由上节模糊层次分析法可得到各个指标的权重。建立评语集G(很满意，满意，一般，不满意)，可以运用Delphi法等调查统计方法，对各个(比如4个)方案的相应指标评价得评价矩阵，然后采用模糊评价方法：，相当于利用Ei对权重进行修正。再将各因素的隶属度组成的关系矩阵Bi组合，得B=(B1, B2, B3, B4, B5, B6) T。其中W (k) i上标表示层次码, 下标表示相对上一层次中的因素码。再参照前面由模糊AHP法确定的一级指标权向量并进行模糊合成, 即可得到该供应商的最后评价结果:
G是一个向量，其4个分量均在0～1间，分别表示(很满意，满意，一般，不满意)的程度。最后可以利用最大隶属度原则来判断选择供应商。
4 信息系统供应商评价方法实例计算
4.1 实例简介
国内某中型企业要购买和实施信息系统，有包括SAP、Oracle、用友、金蝶等4家国内外软件公司的信息系统供应商可供选择，企业聘请了有关专家、咨询顾问，加上企业自身技术骨干组成了信息系统选型小组，负责选型工作，分为3组，给待选4个供应商打分。
4.2 指标体系
由以上3.1.2的分析，可得指标评价体系(见图1)ㄢ
4.3 计算指标权重
以功能满足程度指标为例，其4个二级指标的三角模糊判断矩阵见表1ㄢ
利用(2)式求出模糊综合度矩阵(见表2)ㄢ
利用MATLAB编程求解，易得：CR=CI/RI=0.051 9<0.1，通过一致性检验。
再用(3)、(4)、(5)式计算各指标权重。归一化得到4个评价指标相对功能满足程度的权重：W=(0.534 3 0.280 90.163 0 0.021 8)即W1 (2)。同理不难得出：W2 (2), W3 (2), W4 (2), W5 (2), W6，其中，Wi (k)上标表示层次码，下标表示上一层中的因素码。
4.4 模糊合成矩阵
由10个专家给待选4个供应商打分，评判对6个一级指标的各个因素的满意程度，得到由各二级指标隶属度组成的模糊评价矩阵：
已经计算出第i个指标的权重。然后利用Bi=W2 (2)塥Ei, i=1，…，6，可得Bi，令：B=(B1, B2, B3, B4, B5, B6) T，将各因素隶属度组成的关系矩阵E1～E6与利用模糊AHP求得的权向量W2 (2)分别按照上述合成方法进行模糊合成，即可得评价结果：
以上结果表明，该待选信息系统供应商对于本企业而言，评价很满意的占48.27%，评价满意的占23.98%，评价一般的占20.91%，评价不满意的占6.86%，根据最大隶属度原理可得结论：该待选信息系统供应商最后评定等级为“很满意”。同理可依次对其他待选供应商进行评判，确定它们对评语集G的隶属度，最后根据最大隶属度原理比较确定最终方案。
5 总结
基于模糊评价的营销力评价模型 篇8
自20世纪90年代营销力的概念被提出以来，以促进和改善企业营销力为目的的企业评价活动日益引起企业及学术界的高度重视。然而,目前对企业营销力评价的研究，大多停留在定性分析，在对客体进行评价时往往根据个人主观经验和直觉进行哲学的思辩，而后提出一些看法，因此无法避免的带有主观性信息(如偏好、要求、满意、评价、习惯等)，难以将复杂流动的营销力简单数量化和标准化，无法从微观层面进行细致准确的评价。威廉·汤姆森先生曾经说过:“不能量化,就不能很好的认识。”而运用定量的分析方法，可以了解企业自身的优势和劣势，为企业的发展提供客观依据，同时为企业自身营销力进行战略性管理提供数据支持，对培育和提升企业营销力具有重要意义。
2 营销力评价指标体系
2.1 营销力的概念及内涵
对于营销力评价模型的探讨首先必须严格界定营销力的概念，根据营销力内涵和营销力构成的要素的分析，再建立可识别的评价指标体系。本文从资源与竞争这两个理论基点出发，认为营销力是企业有效整合内外资源，在市场营销层面上加以优化配置和高效运用，并在动态环境中不断强化和提升，进而转化为企业竞争力，并最终依靠这种竞争力获得市场竞争优势、支撑企业可持续发展的合力。
2.2 营销力评价指标体系的构建
构建科学合理的指标体系是选择有效营销力评价模型的另一个重要条件。目前，由于对营销力界定不同，因而不同学者提出了不同的指标体系，至今仍未形成统一的认识。本文根据对营销力界定，认为企业营销力由文化力、渠道力、品牌力、产品力、协同力、销售力、价格力和执行力这八大基本力构成，即企业营销力的测评也须以八大基本力作为评价指标。由于所处的环境不同、行业不同、企业发展阶段不同，企业八大基本力的指标权重在进行测评时各有不同。
3 营销力的评价模型
对企业营销力测评的各项具体指标中，一部分可以定量计算，一部分难以定量且具有“模糊性”。一是企业营销力的分类具有模糊性，类属标准不明确;二是企业营销力的影响因素具有模糊性，因为企业营销力受多种因素影响，有些因素不能简单地用一个数值来评价，难以用一般数学方法来处理。考虑到以上原因，运用模糊理论和采用模糊数学方法对企业营销力进行测评。
模糊理论(Fuzzy Theor y)是由美国自动专家、加里福尼亚大学教授查德(L.A.Zadeh)于1965年创建的，它是用数学方法研究和处理具有“模糊性”现象的数学，对无法用通常的简单数字来表达的客体用模糊数学来处理，模糊数学法是对模糊性问题进行定量处理的一种方法。模糊理论的原理即，首先考虑到影响营销力的量是模糊的，也就是在确定了营销力指标体系之后，由评估专家对各因素指标进行模糊选择，然后统计出专家群体对评估因素指标体系的选择结果，再按照所建立的数学模型进行计算。
3.1 营销力构成各要素的权重分析
比较法的基本思想是：每两个指标进行比较，根据其相对重要程度给出估计分值，得出判断矩阵，求出指标的权系数。运用对比评分法进行评分，即把某个评价指标同其它评价指标逐个进行对比，按对比分值进行评分，然后计算该指标同其他指标两两比较时的评分之和，取得该评价指标的评分。为了充分反映指标重要性的差别，环境不同，营销亚力的重要性程度也不同。实际操作中，可以选定某一个参照性企业作为基础，假定为5，运用9∶1、8∶2、7∶3、6∶4和5∶5等多种比例，拉开评分差距，突出各亚力的重要性，使评分结果更加客观。在该评分方法中，重要性相等记为5∶5,一方比另一方略微重要就记为6∶4，依次上推，差距很大就记为10∶0。
决策者经过次n(n-1)/2比较，得到判断矩阵：
在A中，显然有ai i=5,i=1,2,…,n。
其中wi,wj分别为第i,j个指标的权重。设
若满足则称ai j(i=1,2,…,n)是一次性估计值。
实际上，决策者对指标进行比较时，其重要程度很难精确把握，当ai j不满足一致估计值，故A≈B，亦即
专家评分法的机理是:某个效益型指标值增加,方案值增加,指标越重要,所对应的分值越大;某个成本型指标值增加,方案值减少,所对应的分值越小。因此权系数的计算公式为:
表一以营销亚力权重的评价为例进行说明,而对于营销亚力的分力权重的评价可以采用同样的方法。见表一(其中，营销力包括文化力C1、渠道力P2、品牌力B3、产品力P4、协同力H5、销售力S6、价格力P7、执行力E8)。
假定某企业的营销亚力重要性如下表所示，可以求得相应的指标权重(如表一)。
设营销力(Mar ket i ng For ce)中各个营销亚力的权重可以表示为：
其中,C1,P2,B3,P4,H5,S6,P7,E8分别为文化力、渠道力、品牌力、产品力、协调力、促销力、价格力和执行力在营销力MF中所占权重:
且再设营销亚力中各个要素(影响营销亚力的因素)的权重分别为：
xi=(xi 1,xi 2,…,xi J),其中J表示各营销亚力中三级指标的个数。
表示各营销亚力三级指标在各营销亚力中所占的比重。
如假定企业文化力的四要素为：导向力、组织力、凝聚力和领导力，则(c11,c12,c13,c14)分别为在文化力中所占的比重，企业文化力的各要素的权重分别c1=(c11,c12,c13,c14)。
3.2 评分
在确定构成企业营销力的各要素权重的同时，专家还对企业的营销力进行评分，对营销各个亚力进行具体的量化。对于定性指标，可以根据指标的不同特点分别采用德尔菲法和问卷调查法给它们打分。对于涉及特殊指标诸如文化力的情况、企业的协调能力等指标宜采用德尔菲法，请专家和专业人士进行评分。而对于其他诸产品力等指标则可采用问卷调查法。将营销亚力进行评分，可以假定各个营销亚力满分均为100分，首先确定本行业最好水平的营销亚力数值，然后以此为参照确定本企业营销亚力水平。
3.3 企业营销力的评价
对于企业营销力的评价采用加权平均的方法，由表一可知不同营销亚力在企业营销力中所占的权重，由专家打分法可知不同营销亚力各自的分值，因而用加权平均的方法可确定企业营销力的分值。
设Xi为第i个营销亚力(二级指标)的权重，为该营销亚力对应的评价分值，则企业营销力的分值为：
而企业营销亚力的评价可以采用同样的方法，分析各个要素权重并确定各自的分值，然后求得，如对文化力的评价：
依此类推……
企业渠道力的评价：
本文认为企业营销力是文化力C1、渠道力P2、品牌力B3、产品力P4、协同力H5、销售力S6、价格力P7和执行力E8八个变量的函数，即营销力显然，无论忽略那一个变量，营销力分析都不可能反映企业的真实情况。
这种基于模糊评价的营销力的评价模型，从定性的模糊选择入手，通过模糊变换原理进行运算取得结果，再将定量的数据和定性评价相结合进行综合评价，比一般的线性加权评价方法更为合理，能使企业管理者客观、正确地认识和评价自己的市场竞争力，了解和掌握企业的优劣势，为企业进一步提高自己的经营管理水平提供科学有效的理论依据，对企业合理运用自身资源，提升整体竞争优势具有重要意义。
摘要：在全球竞争和世界经济一体化的浪潮下,任何企业单是依靠外在的或显性化的职能战略,只能获得暂时的优势。营销力作为整合企业内部资源和提升竞争能力的合力,已成为现代企业获取竞争优势的重要因素。本文通过对营销力概念的界定,提出了营销力测评指标体系,并运用模糊评价原理,探讨了基于该指标体系的营销力评价方法,进而在此基础上提出了营销力评价模型。
关键词：模糊评价,营销力,指标,模型
参考文献
[1]Philip Kolter.How to Create,Win and Dominate Markets[M].Simon & Schuster Adult Publishing Group,1999,(3).
[2]Philip Kolter.Mar keting Management.(11thed.)[M].Prentice Hall Inc.,2002.
[3]Brandenburger,A.M.,Nalebuff,B.J.,Co一oPeration,Doubl eday[J].New York,1996.
[4]Herman,M.,Intelli gence Power in Peace and war,Canl bridge[J].Cambr idge University Press,1996.
地下水水质评价可变模糊评价法 篇9
地下水水质现状评价是地下水资源评价和保护的重要内容,通过对地下水水化学资料的分析,可以科学地评价区域地下水体的质量状况。可为防治评价区内水质恶化和制定水资源管理决策方案提供科学依据,对评价区内地下水资源的可持续开发利用和综合管理有很好的指导作用[1]。目前地下水水质评价的方法有很多,主要有属性识别、综合指数法、人工神经网络模型、模糊综合评判法、灰色聚类法等。由于受到诸多因素的影响和制约及方法自身存在的不足,至今仍没有一个广泛认可的评价模型。如综合指数法中权重不好确定和忽略了水质分级界线的模糊性;人工神经网络需要的样本数多, 网络结构的优劣因人而异;模糊综合评判中隶属函数和权重矩阵的构造;灰色聚类法中白化函数的选择和聚类权的确定往往因人而异,造成评价模式难以通用。本文在陈守煜教授可变模糊集理论基础上[2,3,4,5],提出地下水水质评价的可变模糊评价方法。该方法能够科学、合理地处理水质分级界线的模糊性,确定样本指标对各级指标标准区间的相对隶属度,为了增强二元比较分析法确定权重的可操作性,使其应用更为便捷,提出二元比较模糊决策分析简捷方法,以此确定各指标权重;此外,该方法能够通过变化模型及其参数,全面地给出样本的评价等级,提高对样本等级评价的可信度。
1 相对差异函数模型
设X0=[a,b]为实轴上模糊可变集合
根据模糊可变集合
x落入M点右侧时,其相对差异函数模型为:
x落入X区间外时
公式(1)、(2)中β为非负指数,常取β=1,即相对差异函数模型为线性函数。
从以上分析可知,当x=a、x=b时,
2 二元对比确定指标权重方法
二元对比模糊决策分析法是以我国语言与思维习惯为基础,以模糊集的余集定义为求解手段,严格遵循一致性检验条件,针对无结构决策问题而提出的一种有效简便的求解方法。该方法数学理论严谨,多次试验数据表明确定的权重有代表性,依据专业知识确定指标重要性二元对比后即可进行权重的确定。为了增强二元对比分析法确定权重的可操作性,使其应用更为便捷,本文在系统介绍二元比较模糊决策分析基础上,引申出其简捷方法。
2.1 一致性检验
二元比较判断矩阵的一致性问题是非结构决策合理与科学性的基础,被研究的对象组,若在属性排序明确的前提下不需要进行一致性检验;在最重要指标明确时,为简化操作,可以不进行一致性检验,直接按简化方法求解;若各研究对象属性排序模糊不定的情况下,必须进行一致性检验,具体的检验原则可参考文献[6]。
一致性检验后,所得模糊标度矩阵各行和数由大到小排列,此排序即为指标集在满足一致性条件下关于重要性的排序,具体证明可见[7]。
2.2 定性指标权重的确定
指标集D就模糊概念
B称为指标集D关于A对重要性二元比较定量排序一致性模糊标度矩阵,bkg表示指标g与指标k相对于重要性的二元比较。
由于对重要性二元比较定量排序矩阵一致性模糊标度矩阵的对角线元素表示自身的比较,其元素值为0.5,它将元素分为上下两个三角,上三角中的元素值从对角线元素0.5开始,每行元素值自左向右递增,每列元素自下向上递增,因此上三角矩阵自对角线元素0.5开始的每一行元素满足:
由互补性条件[8]得到下三角矩阵,见式(7)。
根据矩阵B构造相及矩阵Φ:
重要性的相对比较是权重的一种测度,按照模糊集的特点测度上限为1,故有序相及矩阵Φ的上三角元素均定义为1,对矩阵Φ每一行取小,即Φ的第一列元素。
式(9)给出了指标集对重要性的相对隶属度向量即非规一化权向量。对其规一化处理,得指标权向量:
按照我国的思维习惯确定语气算子,根据公式(6)的两个边界值0.5与1,在同样与无可比拟之间插入语义逐渐加重的语气算子,相应模糊标度在0.5与1.0之间以线形增值0.05插入模糊标度值。已知模糊标度根据式(9)计算可得相应相对隶属度,为便于应用模糊概念语气算子与模糊标度值、相对隶属度间的关系归入表1。也可根据实际情况,将表1进一步细化。相对隶属度即非规一化权重已知的前提下依据式(10)确定指标权重。
3 地下水水质模糊可变评价方法
3.1 方法的建立
设有n个待识别的水质评价对象
评价对象j的特性用m个指标特征值来表示
则n个评价对象的全体指标特征可用m×n阶矩阵表示
式中:xij为第j个评价对象第i个指标的特征值;i=1,2,…,m;j=1,2,…,n。评价对象依据m个指标按c个级别的指标标准特征值进行识别,则有m×c阶指标标准特征值矩阵
式中:yih为级别h指标i的标准特征值,h=1,2,…,c。
参照指标标准值矩阵和实际情况确定水质评价可变集合的吸引(为主)域矩阵与范围域矩阵
根据各级别的实际情况确定水质评价吸引域[aih,bih]中
根据式(1～3)计算相对差异度,再由式(4)计算指标对h级的相对隶属度矩阵
设m个指标的权向量为
满足
参考连续统上任一点x指标特征值i的相对隶属度
模糊可变评价模型为:
式中:iu′h为评价对象关于等级概念A对吸引性质
通常情况下模型(21)中α和p有4种搭配:
(1)当α=1,p=1时,式(21)变为:
式(21)为一模糊综合评价模型,是一个线性模型,属于模糊可变评价模型的一个特例。
(2)当α=1,p=2时,式(21)变为:
此时式(21)为理想点模型,属于模糊可变评价模型的又一个特例。
(3)当α=2,p=1时,式(21)变为:
式(21)为Sigmoid型函数,可用以描述神经网络系统中神经元的非线性或激励函数。
(4)当α=2,p=2时,式(21)变为:
此时模糊可变评价模型变为模糊优选模型。
由此可见,模糊可变评价模型是一个变化模型,在可变模糊集理论中是一个十分重要的模型,可广泛应用于模糊概念的识别问题。通过不同参数组合,可对评价成果的可靠性进行验证。
由可变评价模型可得非归一化的综合相对隶属度矩阵
将式(30)归一化处理得到综合相对隶属度矩阵
式中:
级别特征值公式为:
3.2 求解步骤
(1)根据已有观测资料及评价标准(依据),确定待评价对象现状指标特征值与指标标准值矩阵X、Y;
(2)参照指标标准值矩阵Y结合实际情况确定水质评价可变集合的吸引(为主)域矩阵与范围域矩阵Iab、Icd;
(3)结合实际情况确定水质评价吸引域Iab中
(4)根据式(1)～(3)计算相对差异度矩阵,再由式(4)计算指标对h级的相对隶属度矩阵Uh;
(5)通过二元比较法确定指标的权向量;
(6)采取不同的参数准则,利用模糊可变评价模型(21),求得综合相对隶属度矩阵并作归一化处理;
(7)求级别特征值矩阵,并据此做出评价。
4 应用实例
4.1 实例应用1
以邯郸市化工区地下水水质资料为例[9],该区主要有镀锌厂、树脂厂和磷肥厂等,共有7个水井测点,每一测点测量水的硬度、SO
mg/L
根据表2可得邯郸市化工区地下水水质的现状指标特征值与指标标准值矩阵X、Y,结合各指标物理意义确定吸引(为主)域矩阵Iab、Icd,其中指标为开区间的吸引域与范围域的确定以相邻指标区间距离作为参考距离。点值矩阵M为吸引域矩阵Iab中相对差异度等于1的点组成的矩阵,按物理意义分析可得。
五项指标重要程度与研究区域厂区结构有关,综合考虑各项因素确定CL-最为重要,以其作为标准与其他各指标进行二元比较分析,得到二元比较判断矩阵并作一致性检验,氟与磷均处于“同样”与“稍稍”边缘,硬度与SO
判断矩阵Iab、Icd与M判断样本特征值xij在Mih点的左侧还是右侧,据此选用不同公式计算差异度矩阵及相对隶属度矩阵,采用不同参数组合根据模糊可变评价模型计算级别特征值,为增强结果的可比性,本次计算考虑了二元比较确定的权重及文献[9]中指标权重两种情况,分别为权重1权重2,取各次评价结果平均情况进行等级评价,等级判断标准H<1.67为I级,1.67≤H<2.5为II级,H>2.5为III级。评价结果见表3。将计算所得级别特征值从大到小排序,邯郸市化工区地下水水质污染程度排序依次为:测点3、测点2、测点5、测点1、测点6、测点4和测点7,可见测点3污染情况最为严重,测点7污染程度较轻。从表中可以看出,两组权重计算所得4组评价结果基本一致,级别特征值稳定在一个范围内,波动较小。不同参数组合下的评价结果稳定,从而说明了可变模糊评价法具有较高的可靠性。
将上述评价结果与文献[10]所采用的属性识别法及综合评价法,文献[9]所采用的改进TOPSIS评价法的计算结果进行比较,比较结果见表4。可变模糊评价法采用4种类型的结果均值作为评判标准,采用该法评价地下水水质是可行的、可靠的。另外,可变模糊评价法用级别特征值体现污染情况,有利于确切掌握水质污染的具体情况,以量化概念表征模糊事物进展程度,更加直观表征水质污染动态。
4.2 实例应用2
基于德州市水利局2004 年对德州市德城区地下水的监测数据[11],选取代表性的3个监测井观测数据进行水质评价,为增强可比性,水质标准分级延用原文中GB/T 14848-93标准,水质相关评价数据见表5。
利用地下水可变模糊评价法进行综合评判,评价结果及结果合理性比较见表6。可变模糊评价法采用4种类型的结果均值作为评判标准,该方法能够通过变化模型及指标权重,合理地确定出样本的评价等级,提高了样本等级评价的可信度。
mg/L
5 结 语
本文利用相对差异函数表征地下水水质样本与评价等级间的吸引特性与排斥特性,系统分析二元对比模糊决策分析法特点的基础上引申出二元对比确定指标权重的简捷方法,使权重确定更简便易行,增强了可操作性,将以上理论与可变模糊集相结合提出了地下水水质评价的可变模糊评价方法,该方法集成理论的严谨性及操作的简捷性于一体。实例应用结果表明,可变模糊评价法在地下水水质评价中的评价是合理的,方法灵活性较强,评价结果可信度高。最后以量化的形式表征水质污染这一模糊事物的进展,有助于管理人员及时掌握水质动态,做出科学决策。该方法计算简便、思路清晰、计算结果合理,可推广到项目决策、识别和各种资源评价等方面,具有广泛的应用前景。
摘要：在可变模糊集理论基础上,结合二元比较确定指标权重方法,提出地下水质评价可变模糊评价方法,该方法能够合理地确定样本指标对各级指标标准区间的相对隶属度,并且能够通过变化模型及指标权重,确定出样本的评价等级,提高对样本等级评价的可信度。将该方法应用于地下水水质综合评价,评价结果表明,由于考虑了模型参数与权重的可变性,评价结果可信度高。
关键词：可变模糊评价,地下水,水质评价
参考文献
[1]苏耀明,苏小四.地下水水质评价的现状与展望[J].水资源保护.2007,23(2):4-9.
[2]陈守煜.工程模糊集理论与应用[M].北京:国防工业出版社,1998.
[3]陈守煜.工程可变模糊集理论与模型-模糊水文水资源学数学基础[J].大连理工大学学报,2005,45(2):308-312.
[4]陈守煜.水资源与防洪系统可变模糊集理论与方法[M].大连:大连理工大学出版社,2005.
[5]陈守煜.复杂水资源系统优化模糊识别理论与应用[M].长春:吉林大学出版社,2002.
[6]陈守煜.求解系统无结构决策问题的新途径[J].大连理工大学学报,1993,33(6):705-710.
[7]陈守煜.复杂水资源系统优化模糊识别理论与应用[M].长春:吉林大学出版社,2002.
[8]陈守煜.符合我国语言习惯的决策思维模式[J].大连理工大学学报(社会科学版),1999,20(2):8-10.
[9]张先起,梁川,刘慧卿.基于熵权的改进TOPSIS法在水质评价中的应用[J].哈尔滨工业大学学报,2007,39(10):1 670-1 672.
[10]舒军龙,潘仲麟.属性识别理论模型在环境质量评价中的应用[J].干旱环境监测,1998,14(4):224-227.