综合决策支持系统

综合决策支持系统（共12篇）

综合决策支持系统 篇1

随着信息管理系统 (MIS) 的日益发展和普及, 诸如学生信息管理、成绩管理、教学管理等MIS系统已经多数高校的日常管理中, 有的甚至成了学校正常运作中不可或缺的部分。就学生信息管理系统而言, 随着应用的不断深入, 我们发现该系统在日常学生管理中发挥的作用是非常有限的, 现在的学生信息管理系统多以学生信息数据存储为主, 是一个静态的, 无法动态地反映学生情况的系统。因此引入学生综合管理决策支持系统就非常迫切和正常了。

一、学生综合管理中存在的问题

1.学生信息管理系统数据单一, 无法充分反映学生的动态情况, 无法为辅导员、班主任和决策者提供有力的决策支持。

随着高校人数的急剧增加, 一个辅导员要管理几百名学生, 要了解每个学生的综合表现到底怎么样, 就需要花费人力和精力去摸清学生在学习、生活、活动等多方面的情况, 完成这个工作是非常艰巨的, 而学生信息管理系统由于自身的设计问题无法提供足够的支持。

2.学生管理事务繁杂, 数据整理、分析和保存难度大, 不能充分挖掘数据, 导致管理不科学、不到位。

学生的整体表现怎么样是通过收集、综合学生各项数据, 经过分析得出的, 单纯的依靠人来做, 一是分析有偏差, 二是工作量太大。数据易缺失, 不易保存, 大到一个记录本, 小到一张纸片, 保管起来比较困难, 一旦丢失, 对学生的分析就不准确。

3.学生综合管理不规范。

随着现实中人员的调整, 管理队伍的轮换, 管理者的工作思路带有一定的个人倾向性, 没有一个决策分析系统, 就不能保证全面科学地反映学生个体和学生的整体情况, 不利于作出有针对性的决策。

4.缺少毕业学生数据实时反馈系统支持, 不能有效分析学生的就业情况, 无法对学校的学生管理和培养的思路、方式方法提供科学的改进。

可以通过对毕业生的实时追踪调查, 帮助决策者认识到哪些教学和管理方式是优势, 哪些方面需要作出及时的调整和改进, 从而实现科学育人。

二、建立学生综合管理决策支持系统的可行性分析

信息管理系统 (MIS) 经过多年的发展, 已经在各行各业中广泛应用, 作为学生信息管理系统已经多数高校, 信息存储和应用成熟稳定。决策支持系统以数据仓库为依托, 通过对历史数据的挖掘, 为管理提供全方位的决策支持。它有以下几种驱动方式:数据驱动、模型驱动、知识驱动、基于Web、基于仿真、基于GIS、通信驱动等, 已经成为行之有效的辅助决策工具。首先, 决策支持系统的建立需要一个明确的焦点或较为固定的根源, 有较强的指向性;其次, 决策支持系统倾向于半结构化和非机构化问题的决策;最后, 决策支持系统可以为决策者解决大量耗时、费力的问题, 同时也可以帮助筛选大量有用的信息, 提供针对问题的解决方案供参考。下面逐一分析建立学生综合管理决策支持系统是否可行。

1.依托学生信息管理系统, 建立学生综合管理系统。

决策支持系统所需要的数据来源于学生综合管理系统, 现在学生信息管理系统已经非常成熟, 而且广泛地应用于各大高校中, 在学生信息管理系统基础上建立学生综合管理系统是可行的, 做结构的调整和数据的增删即可建立我们所需要的综合管理系统。

2.学生综合管理中存在典型的指向性问题。

决策支持系统的建立, 是“对事情当前状态与期望状态之间的差距感知”。显然, 我们之前分析学生综合管理中存在的问题, 正是决策支持系统需要解决的问题。为了及时感知学生日常学习、生活等各方面存在的问题, 同时也更加便捷地为班主任、辅导员和决策者提供改善问题的方案, 为协助决策者认清期望与现实情况之间的差距, 必须开发学生综合管理决策支持系统。

3.学生综合管理是半结构化系统。

现在的学生综合管理方式是简单划一的管理, 对学生在各方面的表现既不能完全实现量化, 又无法对已经量化的分数进行深入全面的分析, 从而无法发现更深层次的问题。解决学生中存在的问题时方式方法单一, 同时也无法对解决后的改进效果进行有效追踪, 无法保证对学生提高个人综合素质的持续性、有效性关注。学生综合管理的决策应该是多方位的:一是建立模型充分分析获取的学生综合表现的信息, 获知学生的特长、性格、缺点以及影响他发展的关键因素等重要信息;二是根据系统数据分析结果制定方案, 既能保证学生特长的发挥发展, 又能有效帮助他改进不足, 甚至涉及学生文化素养的提高、良好性格的养成、专业能力的提升等, 方案的核心思想是缩小科学全面发展与学生显示表现之间的差距;三是建立有效的追踪调查, 对方案实施以后的每周、每月、每学期的表现分阶段进行综合分析, 对反馈方案执行的效果进行实时调整。学生综合管理不是完全结构化管理, 其中既有结构化, 又具随机性, 属于半结构化, 而引入决策支持系统则可以保证管理成本最低和效果最优的双重目的。

4.学生综合管理系统数据信息化程度高、灵活多样。

学生综合管理需要整合大量的数据, 如学生信息包括年龄、性别、家庭、经济状况等, 又如学生综合管理内容包括考勤管理、奖惩情况、学习成绩、内务整理、社会实践等。需要解决学生在各方面表现的定量问题, 这些都是决策支持系统最擅长的。

三、学生综合管理决策支持系统的建立

1.决策支持系统过程。

图1展示的是学生综合管理决策支持系统工作过程示意图, 学生综合管理部分负责数据采集和整理。关键部分是模型的建立, 将对应数据导入模型, 通过分析得出决策方案, 通过评价步骤得出最终的最佳方案。

2.学生综合管理决策支持系统核心。

(1) 实现数据的集中化存储和管理, 该管理中心采集学生的个人基本信息、考勤信息、考试成绩、社会实践、奖惩信息、校外荣誉、学校任职等数据, 这是整个决策支持系统的数据仓库, 是一切分析模型和决策方案的数据源头。

(2) 通过数据分析, 最大程度地发现学生的特点, 灵活选择培养方案, 以有利于发挥学生的个人特长, 弥补不足。依据学生的经济情况、勤工助学、日常开销等信息综合确定需要进行资助的学生, 并给出补助方案 (捐助、国家奖学金补助、一般补助等) 。对学生的考勤、学习成绩、考试作弊等进行分析, 建立预警机制, 给出指导性方案, 有针对性地对学生自身不足进行教育管理。

(3) 数据挖掘。决策所需要的数据来源于透视数据库, 不是一般的数据库, 透视数据库中的数据通过数据挖掘即可获得, 挖掘的主要功能是通过分析数据库和外部数据从而获取有效数据, 生成透视数据库。过程如图2:

3.学生综合管理决策支持系统功能结构。

(1) 信息存储与服务功能。学生综合管理的主要作用是存储学生的各类信息, 同时将信息进行共享, 以供不同的用户 (决策者、班主任、辅导员与学生个人) 查询, 也为学生管理部门提供所需要的数据支持, 发挥好服务作用。

(2) 进行必要的科学运算的功能。该决策支持系统不是单纯的最优化选择, 也不是单纯的数据存储, 而是在必要的时候对数据库中的历史数据和外部输入的数据合并进行科学的利用和运算, 从而列出可供选择的方案, 以供决策者评估和抉择, 更多的是体现了不同用户的参与性。

(3) 突出的预警功能。通过对学生历史信息数据的分析, 提前对学生即将发生的违纪行为、学业成绩进行预警, 通过短信、电子邮件、警告提示、联系家长等方式帮助学生提高认识, 及时改正不足, 杜绝违纪行为的发生, 突出预防和堵漏。

(4) 规范化数据的输出功能。系统有一般信息管理系统的查询和报表功能, 同时可以输出学生综合发展的预测与培养方案。功能结构如图3:

四、学生综合管理决策支持系统实施要点

1.建立完备的学生综合管理系统。

以信息管理系统为基础, 以决策支持系统正常运作为最终目标, 组织人员群策群力建立完备的学生综合管理系统, 建立一个强大、完善的数据资源库, 为决策支持系统的运行提供强力支持。

2.领导牵头, 建设合理、高效的校园信息化网络系统。

学生综合管理决策支持系统在学校整体工作和管理中不是孤立的, 而是将学校信息化应用推向更高一级应用的关键, 同时该系统与教务管理、学籍管理、组织关系管理等若干部门也需要进行数据共享、信息共用。要完成决策支持系统的应用普及工作, 仅仅依靠技术人员是不够的, 需要领导集体作出统一规划, 大力支持下才能有所发展和作为。

3.建立信息小组, 专职负责学校信息化网络和系统建设是保证高效实施的有力举措。

信息小组的任务就是分析校园信息化建设现状、前景, 结合自身实际, 提出合理化建设方案, 负责方案论证与实施, 维护好整体信息化建设进程和发展。

五、结语

学生综合管理决策支持系统的建立是提高学生管理效率, 培养高质量人才的有效手段之一。系统建成后, 既可保证了数据的高度共享, 又可通过分析我们忽略的数据帮助我们及时改进培养思路和方式方法, 保证信息及时反馈, 高效处理, 是未来学生管理工作的主流方向。同时, 我们也认识到随着数据量的复杂程度提高, 数据挖掘环节和支持组织决策等方面值得深入细致地进一步研究。

参考文献

[1]张广钦.信息管理教程.北京大学出版社, 2005.

[2]周根贵.数据仓库与数据挖掘.浙江大学出版社, 2004.

[3]吕建强.高校学生信息管理系统的研究与技术分析.科技情报开发与经济, 2006, Vol.16, No.8

[4]郑晓艳.数据挖掘技术在大学生专业方向指导中的应用.天津工程师范学院学报, 2006, Vol.16, No.2.

综合决策支持系统 篇2

【论文关键词】设备维修 决策支持系统 故障诊断

该系统中包含多个决策模块，按其功能可主要分为以下几类决策问题：设备技术状态等级决策、设备维修管理决策、设备故障诊断决策、备件优化库存决策。该系统可以辅助设备维修管理人员进行泵站设备的维修决策。一般一个DSS的核心是模型库系统，其作用是管理各种决策方法、模型，设备维修管理及决策支持系统包含了多种决策模型，如线性规划、模糊决策方法、神经网络方法、层次分析法、灰色系统等。这些模型及其组合可分别在几个功能模块子系统中得到应用，如设备技术状态等级决策中用到模糊综合评判法，设备维修管理决策中用到了逻辑综合决断法、模糊综合评判法等，设备故障诊断决策中使用了模糊诊断理论、专家系统等。以下将着重探讨设备维修管理决策和设备故障诊断决策两类核心决策问题。

1.设备维修管理决策

对设备磨损（有形磨损和无形磨损）的补偿方式有维修和更新。维修可分为事后维修、预防维修和状态维修三种方式。这里的更新概念是指以全部的设备来代替旧设备。因此设备维修管理决策问题可分为：设备更新决策、设备维修方式决策、设备状态维修决策和设备维修周期决策等。以下主要讨论设备更新决策、设备维修方式决策。

1.1设备更新决策

设备更新是修理以外的另一种设备综合磨损的补偿方式，设备更新有两种形式：一种是用相同的设备去更换有形磨损严重、不能继续使用的旧设备；这种更新只是解决设备的损坏问题，不具有更新技术的性质，不能促进技术的进步。另一种是用较经济和较完善的新设备，即用技术更先进、结构更完善、效率更高、性能更好、耗费能源和原材料更少的新型设备，来更换那些技术上不能继续使用或经济上不宜继续使用的旧设备。这种更新不仅能解决设备的损坏问题，而且能解决设备技术落后的问题。在当今技术进步很快的条件下，设备更新应该主要采用后一种。

对设备实行更新，不仅要考虑促进技术进步，同时也要能够获得较好的经济效益。对于一台具体设备来说，应该不应该更新、应在什么时间更新、应选用什么样的设备来更新，主要取决于更新的经济效果。设备更新的时机，一般取决于设备的技术寿命和经济寿命。

有些设备在其整个使用期内并不过时，也就是在一定时期内还没有更先进的设备出现。在这种情况下，设备在使用过程中同样避免不了有形磨损的作用，结果将引起维修费用（特别是大修费用）以及其他运行费用的不断增加。这时，即使进行设备原型替换，在经济上往往也是合算的，这就是原型更新问题。在这种情况下，可以通过分析设备的经济寿命进行更新决策。

设备原型更新的模型可按其费用函数分为低劣化模型、最小年费用模型等。这两种模型都是以追求设备寿命期内的费用最低为目标，当设备的费用最低时的年数也就是设备的设备维修管理及决策支持系统的辅助决策研究最佳更新期。

（1）低劣化模型①

t=t=

其中，t：设备的经济寿命；

B：设备原值；

q：设备的低劣化数值（即每年增加的使用维护费）。

实际分析时，考虑到资金利息，会进行适当的修正。当使用年限超过设备的经济寿命时，一般考虑更新，而不再考虑维修。

（2）最小年费用模型②

如果设备的低劣化值每年变化率并不相同则可采用最小年费用模型计算设备的最佳更新期。

Ct=

式中，ct表示某一确定年份的年平均费用（元）； cp表示某年设备的使用成本（元）；k0表示设备原值； kc表示设备残值；t表示某一确定年数。ct最小时的年数就是设备更新的年限。

1.2设备维修方式决策 毕业论文酷 www.lwkoo.cn

设备可划分为重点设备、重要设备和一般设备，并根据设备的特点和状态，确定最适宜、最经济的维修方式：事后维修、预防维修或状态维修。因此维修方式决策的目标是在保证设备安全运转的基础上，实现设备寿命周期费用最经济、综合效益最高，具体来说，就是提高设备的利用率，降低设备维修费用和运行成本。

维修方式决策的总原则为：对于故障有发展过程且可监测、维修成本高的重要设备实施状态维修；对可靠性和安全性要求高的、故障属于寿命型但不易检测的设备采用定期预防维修，此时需要优化维修内容和间隔期；而对故障危害性较小、故障率恒定且故障不易检测的设备实施事后维修；并针对具体情况见缝插针的实施同步维修和改进维修。

设备维修方式决策的适用对象可以是整机，也可以是某一个子系统，甚至是子系统的某一个子系统，也就是说，维修方式的决策对象可以是所有的泵站系统、子系统，也可以是其中一种设备，甚至是主机的某一个零部件。不论是哪一级的维修对象，使用的决策模型都一样，以下介绍两种决策模型，分别是逻辑综合决断法、模糊综合评判法。

（l）逻辑综合决断法

“逻辑综合决断法”首先把设备分类，然后根据决策目标的要求，就设备性能指标提出一系列逻辑问题，最后根据答案决定建议实施的维修方式。“逻辑综合决断法”主要是一种定性分析方法，其分析步骤为：

第一步，确定企业实施不同维修方式的比例。由于设备、检测能力和维修人员素质等的差异，不同企业实施状态维修、定期维修和事后维修的比例是不同的；

第二步，按照下图所示的流程回答问题，确定设备的维修方式；

第三步，根据步骤一确定的比例关系，调整设备的维修方式，同时考虑其它重要的影响因素，如水电部门对某些设备实施维修方式的限制，最终确定设备的维修方式。

可以看出，逻辑综合决断法简单易行，能在时间短、开支少的情况下，对设备分类，还可充分吸收专家和使用人员的意见，逐步完善分析过程。

（2）模糊综合评判模型

模糊综合评判法决策的基本原理是认为设备特征参数与维修方式之间存在模糊关系：B=A。R ，其中A为设备特征参数模糊集，B为维修方式模糊集，R为识别矩阵，“。”为模糊算子，根据设备特征参数的隶属函数和识别权矩阵可以得到设备的评价集，然后依据一定的决策原则就可以进行设备维修方式决策“。”③

决策好维修方式是实现以可靠性为中心的维修策略的基础，以上两种决策模型各有优缺点，逻辑综合决断法比较简单，但只能利用设备的定性信息；模糊综合评判法在某种程设备维修管理及决策支持系统的辅助决策研究度上能够反映问题的本质，但自学习能力要差一些。对泵站设备而言，维修方式的决策受到诸多因素的限制，模糊综合评判方法有时因不能量化，忽略了某些因素，得到的决策结果不准确，失去辅助决策的意义，因此本系统偏重于采用逻辑综合决断法。

2.模糊理论在设备故障诊断决策中的应用④

作为一门崭新的数学学科，模糊数学的出现与发展，对许多领域尤其是工程技术领域产生了极大的影响，使这些领域不断出现新的成果，从而加速了这些领域的发展.设备维修管理就属于这样的领域。在这一领域中，有些设备的故障原因和现象是明确的、清晰的和肯定的，即模式是明确的、清晰的和肯定的，而大量的诊断对象的模式带有不同程度的模糊性，属模糊式的设备故障诊断及维修管理的问题。

模糊数学为复杂设备的故障诊断及维修管理提供了有力的数学工具。这是因为，随着现代科学技术的飞速发展，各种设备不断复杂化。根据模糊数学创始人Zadeh提出的“不相容原理”，当系统的复杂性增加时，精确而有效地描述系统行为的能力就减少，当达到某一闽值时，精确性和有效性变得相互排斥，因此，设备的复杂程度越高，其系统的模糊性也就越强。运用模糊数学的基本原理，分析处理设备状态监测和故障诊断及维修管理中遇到的模糊信息，将为设备的维修管理开辟新的有效途径。

总之，设备维修管理及决策支持系统的设计及应用将减轻设备维护过程中决策人员的工作负担，提高工作效率、设备运行率及可靠性，产生显著的经济效益。

参考文献：

①②方淑芬、吕文元.设备维修管理智能决策支持系统的研究.系统工程理论与实践［J］，20xx（12）：53-59

③张曾科.模糊数学在自动化技术中的应用［M］.北京：清华大学出版社，1997.

④石涛.模糊数学在机械故障诊断专家系统中的应用［J］.武汉造船，1998（6）：17-18

毕业论文酷 www.lwkoo.cn

低压配电网优化运行决策支持系统 篇3

低压配电网优化运行决策支持系统各功能模块以 GIS系统为基础，实现接线设计、数据交换、优化计算、负荷预测、三相平衡、结果显示、报表生成等各项功能，负荷监控系统提供所需的电流、电压等基本数据。GIS系统完成低压配电网接线管理、设备管理和做图等功能，是低压配电网优化运行的图形平台、数据平台和决策系统的人机交互界面。GIS系统从变压器监测系统获取数据并显示，向低压配电网优化运行软件提供低压配电网接线方式、变压器运行状态、联络开关状态，以及线路、变压器参数等低压配电网网络数据，低压配电网优化运行决策分析软件的计算结果返回 GIS系统，在 GIS软件中显示和浏览。低压配电网优化运行决策分析软件具有完备的负荷特性分析和预测功能，可以预测未来一个季度内指定小区的负荷变化。低压配电网优化运行决策分析软件以三相配网潮流软件为基础，通过计算低压网三相潮流，可以分析当前或未来一段时间内不同运行方式下，低压配电网的网损和电压质量。该软件具有计算高 R/X比、开式与闭式运行方式可变换网络、三相不平衡负荷与不平衡参数网络的功能。该软件可以进行不同方案的优化比较，确定出与当前或未来负荷状况相符合的低压配电网的最优运行方式。

综合决策支持系统 篇4

1 系统功能需求

针对综合预算管理程序严格、涉及数据种类繁多、数据之间关系错综复杂的特点, 系统总体功能需求主要包括:

(1) 具备全面的预算业务管理功能, 实现预算编制、预算执行、预算分析等业务管控, 满足综合预算全过程管理的需要。

(2) 具备强大的预算数据管理功能, 实现各种预算数据的集成与统一管理, 满足预算数据归类汇总、统计分析、信息共享的需要。

(3) 具备先进的辅助决策支持功能, 实现各种预算方案的多维度预测与分析, 满足综合预算决策信息支持的需要。

根据总部各机关、部门开展综合预算管理的需要, 把维修经费综合预算管理信息与决策系统分为3个部分:第一部分是维修经费综合预算编制系统, 第二部分是维修经费综合预算执行系统, 第三部分是维修经费综合预算分析系统。

2 综合预算编制系统设计

2.1 综合预算编制流程

在综合预算管理预算编制过程中, 经历了自上而下和自下而上的多次往复, 最终形成预算编制。一般是由总部机关主管参谋先制订总的计划, 总部机关业务参谋和各军区机关根据总的计划, 结合自身的情况, 初步编制预算, 在总部机关主管参谋的统一协调下, 进行总体调整和修订, 最终形成总体和各军区的预算。这种编制预算方法有利于达成上下协调, 在保证总体目标的前提下, 充分发挥各责任人的主观能动性。其基本流程如图1所示。

2.2 综合预算编制中的回归-时间序列预测模型

经费预测是预算编制中的重要一环。目前, 大部分机关部门对经费预算编制采取的方法是基数增减法, 即由预算编制部门综合考虑预算期物价与需求变化以及经费节约的要求等因素进行预计。这种方法能够考虑计划期内的各种可能变动因素的影响。但是公式中的各个参数, 都是预算编制人员根据经验得到的, 随机性很大。经费预算结果也往往与实际值有较大的差别。在维修经费预算已经编制完成的情况下, 完全可以利用器材消耗规律与费用这种内在联系以及其自身的季节性特征, 建立器材消耗规律与费用的回归-时间序列预测组合模型来对费用进行预测, 以达到较好的预测效果。

以装备维修费为例, 首先作出散点图, 进行观察, 由于费用与器材消耗规律随时间推移, 呈现季节性变化规律, 在进行建立模型之前, 先对数据序列进行季节性因素调整, 消除原序列中季节变动的影响;然后建立模型, 得到季节调整后的数据序列后, 再来判断相关关系是否属于非线性相关, 以便确定采用线性模型还是非线性模型来拟合。设y=a+bx+cx2+d (y:维修费;x:器材消耗规律;d:残差) , 首先进行检验, 观察c是否为零, 决定采用线性模型或者非线性模型。在决定采用何种模型后识别时间序列模型的结构, 对残差进行分析, 最终确定模型。

3 综合预算执行系统设计

预算执行是在预算编制的基础上, 以预算为依据和标准, 组织实施预算的过程。预算执行过程包括过程监控、差异分析、信息反馈、预算调整等环节。预算执行系统完成预算实际执行数据的录入、导入、查询等功能。其功能结构如图2所示。

具体功能包括:

(1) 预算执行登记:完成预算执行流水明细录入功能。

(2) 上年结转执行:完成上年结转经费支出流水的登记功能。

(3) 执行情况汇总:完成预算执行情况信息的汇总功能。

(4) 执行情况统计:完成对预算执行情况的统计功能, 可按负责人、科目、单项计划或多项计划进行统计。

预算计划一经批准, 必须严格执行, 不得擅自调整。如因特殊原因确实需要调整的, 首先由相关的业务参谋提出预算调整申请, 预算业务部门根据有关预算调整的规定, 初步审查预算调整申请是否合理, 如果申请符合预算调整规定, 则由预算部门制订和提出预算调整方案, 并按照预算编制程序和审批权限报批。如获得批准, 则可按方案进行预算调整。

(1) 项目调整:完成本级不同项目之间经费数量的调整功能。

(2) 执行单位调整:完成本级项目与下级单位之间的调整功能。

4 综合预算分析系统设计

4.1 综合预算分析流程设计

预算分析是为了实现预算目标, 运用先进管理理论与方法, 综合考虑各种影响因素, 建立各种预算分析模型, 利用各种数据分析与数据挖掘工具, 对预算编制及预算执行情况进行多维度的科学分析, 以提高预算编制和预算执行的科学性和准确性。其基本流程如图3所示。

4.2 综合预算分析系统功能设计

在预算编制和预算执行的基础上, 运用相应分析模型和分析工具, 对预算情况进行综合分析。其功能结构如图4所示。

4.2.1 模型维护

采用各种建模分析方法进行建模, 并存入模型库。其中, 采用关联度的方法分析预算参数对某项费用影响程度, 从而选择费用分析模型的输入变量;利用回归建模分析、灰色预测分析、神经网络、支持向量机等方法建立预算分析模型;综合运用多种建模方法, 建立多方法集成的组合模型;对模型库中已有模型进行组合, 建立新的组合模型。

4.2.2 数据汇总

完成预算相关数据录入、汇总等功能, 建立预算分析集成数据环境。

4.2.3 数据预处理

对新采集录入的数据进行分析处理, 剔除异常值, 为预算分析作准备。

4.2.4 数据分析

利用联机实时分析对预算数据进行多角度、多维度分析, 主要包括:

(1) 修理经费标准分析:根据大修、中修、小修和日常维护历史数据, 分析各种装备大修、中修、小修、日常维护经费标准的变化趋势。

(2) 器材 (物资) 消耗规律分析:根据器材 (物资) 消耗统计历史数据, 分析大修、中修、小修的器材 (物资) 消耗规律。

(3) 设备配套标准分析:根据不同类型部队、不同装备修理要求, 分析设备配套标准的合理性。

(4) 预算方案分析:根据修理经费标准、器材消耗管理、设备配套标准, 利用各种分析模型, 设定各种参数, 从不同维度 (装备、时间、单位、科目等) 对已经编制的预算方案进行分析。

(5) 预算方案对比:根据各种预算参数, 采用不同方法, 编制不同预算方案, 进行各种预算方案对比分析。

4.2.5 结果输出

完成分析结果的报表、图形等方式的输出功能。具体包括:

(1) 报表输出:采用报表进行分析数据输出, 可根据要求, 对表格不同内容设置不同颜色。

(2) 图形输出:采用各种图形方式, 将各种分析数据直观、简洁地向用户显示。包括多维透视图、动因分析图、敏感度分析图等。

4.2.6 预算查询

实现预算查询功能。具体包括:

(1) 年度计划查询:按照用户所拥有的权限, 完成对当前年度正式计划 (包括本级和下级) 、上年本级正式计划的查询。

(2) 执行情况查询:按照用户拥有的查询权限, 查看相应范围的计划项目的执行情况。

(3) 历史信息查询:完成预算历史信息查询功能。

5 结束语

本文构建基于决策支持的装备维修经费综合预算管理体系, 对预算编制, 预算执行和预算分析等3个方面进行了系统设计与分析, 通过数据挖掘技术和决策模型有效地提高了各机关、部门预算编制的科学性, 而且通过差异分析与控制、联机实时分析等预算分析手段为各机关、部门决策提供了支持, 能够辅助管理者制订出优化的决策方案, 实现对维修经费的有效控制。

摘要：针对我军装备维修经费综合预算管理的内容和要求, 本文提出构建基于决策支持的装备维修经费综合预算系统, 主要从预算编制、预算执行和预算分析3个方面对系统进行设计。该系统实现了装备维修经费综合预算业务处理与决策支持的有机结合, 提高了装备维修经费综合预算决策水平。

决策支持系统实验3 篇5

实验名称：回归分析实验

实验地点：

专业班级：信管

学生姓名：

学生学号：

指导教师：

成　　绩：

2016年X月X日

一、实验目的1.了解Microsoft

Office

Excel

2003

提供的数据分析工具

2.掌握Microsoft

Office

Excel

2003

提供的三种回归方法

3.掌握通过回归分析进行预测的方法

二、实验内容

1.掌握Excel2003提供的分析工具库

2.使用数据分析方法进行回归分析

3.使用函数方法进行回归分析，包括直线回归函数，预测函数，指数曲线趋势函数

三、实验内容及步骤

7.1数据分析对话框

图7.2参数设置示意图

图7.3部分分析结果

图7.5斜率和Y轴截距数据

图7.6

图7.7

图7.8

图7.9

图7.10

图7.12

图7.13

图7.14

图7.15

图7.16

图7.17

图7.18

图7.19

练习

数据分析

预测函数

指数曲线预测函数

四、实验总结

综合决策支持系统 篇6

关键词：农业机器；折旧决策支持系统；信息查询；日常管理；日常维护

中图分类号：S23-0 文献标识码：A 文章编号：1674-1161（2015）05-0057-03

农业机器的管理工作包括农业机器基础数据的统计分析、农业机器选型与配备、农业机器更新与折旧等内容，其中农业机器折旧是农业机械化管理工作中的一个重要部分，关系到农业机器的作业成本核算及经济效益。传统的折旧管理工作是由决策人员确定折旧方法，并进行大量的数据计算及统计。现行的农业机器折旧方法众多，且折旧模型都有各自的特点及适用性，在农机管理者对折旧模型选择不规范的情况下，折旧费用的计算存在一定的不合理性。同时，随着农机数量及种类的不断增加，农机管理部门处理折旧数据的工作量随之加大，尤其复杂折旧模型计算耗费的资源量巨大。

将决策支持系统应用到农业机械化管理中，不仅可以通过数据库管理系统方便快捷地查询、了解各种农机信息，而且能够通过模型库管理系统中的各种问题处理模型，选择合理的决策方案和科学的决策信息，辅助相关人员在正确处理问题的同时，提高决策的质量及效率。依据农业机械化管理工作的特点和要求建立信息数据库，结合模型库中的折旧模型，帮助农户及相关部门进行农业机器信息管理和查询，并科学地选择折旧模型，为农机折旧决策提供科学依据。

1 农业机器折旧决策支持系统的总体结构

系统在满足实际农业机器折旧管理决策需求的同时，需保证以下性能要求：1） 实用性。系统开发能满足农业机器折旧管理的实际情况，为管理者提供更高效的帮助。2） 稳定性。系统运行稳定可靠，避免程序运行出现异常。3） 先进性。在保证折旧管理各种功能的基础上，系统开发工具、数据库数据及模型库模型选用等都应具有一定的代表性。4） 安全性。系统对不同的用户进行权限设定，管理各级用户的使用权限。5） 完整性。折旧决策支持系统是农业机械化管理中一个相对独立的子系统，应具有独立的完整结构。6） 开放性。系统在设计时应保留相应接口，与其他相应系统进行数据共享。

根据农业机器作业特点，在对比分析各种折旧模型后，选取折旧方法时应遵循以下原则：1） 为保证农机在使用周期内有效回收资金、减少无形损耗，应尽可能采用加速折旧的方法。2） 尽可能保证在使用周期内，机器每年的年度成本趋于平稳且为最低。3） 折旧额的计算尽可能简化，折旧方法要具有通用性，以便在实际中使用。4） 选择折旧方法要考虑农业机器工作的实际情况及使用规律，正确反映设备的磨损情况。5） 折旧要和农业机器的生产力水平及一定时期的管理水平相适应。6） 折旧初期制定的折旧率不宜偏低，折旧年限也不宜过长，避免设备的投资回收期延长，影响设备的更新换代。7） 通过对折旧方法研究可知，动态方法要比静态方法更符合经济规律要求；改进的动态双倍余额递减法N1值的计算方法，可有效避免原方法的折旧额倒置问题；与动态双倍余额递减法和改进双倍余额递减法相比，动态改进双倍余额递减法更为合理。

设计农业机器折旧决策支持系统时，以自上向下、逐步求精为原则，根据总体设计确定系统的功能，通过模块化、结构化的方法对各模块功能进行划分，详细确定模块具体功能。系统应具有农业机器信息查询、辅助折旧决策、日常管理、系统维护等功能。按照决策支持系统结构形式，系统采用最为常用的部件结构：人机交互系统、数据库管理系统和模型库管理系统。数据库管理系统主要实现数据资源的存储和管理；模型库管理系统主要存放各种折旧模型并对模型库进行管理；人机交互系统是用户与决策支持系统之间的交互界面，用户通过人机交互系统调用“模型部件”与“数据部件”，运行决策支持系统。

2 农业机器折旧决策支持系统的功能划分及设计

农业机器折旧决策支持系统的主要任务是对农机设备折旧进行综合管理，保持农机设备正常运行和适时更新，确保农机单位取得良好的经济效益。根据这些实际需求，从农业机器折旧工作的实际出发，开发的农业机器折旧决策支持系统主要包括农机基本信息查询模块、农机折旧决策支持模块、日常管理模块和系统维护等功能模块。

2.1 基本信息查询模块

基本信息查询模块通过人机交互界面调用数据库中的农业机器基本信息，实现农业机器信息的查询功能。用户可以查询浏览各种农业机器的基本信息，包括农业机器的名称、所属类别、型号、制造厂家、购置参考价格等。在此基础上，系统提供按条件检索功能，用于显示符合用户指定条件下的机型信息。

2.2 折旧决策支持模块

农业机器折旧决策支持模块是整个系统最重要的部分，通过数据库中的数据支持及模型库方法，为管理人员提供科学的折旧决策参考。折旧决策支持模块对折旧模型的特点与适用条件进行简介，并根据用户输入的条件推荐折旧模型，在输入农业机器原值、参考使用年限、预计净残值率等具体数据后，对选定折旧方法进行求解，为用户折旧决策提供科学参考。

2.3 日常管理模块

日常管理模块记录农业机器在实际生产作业和日常维护中的各种数据，利用日常数据为折旧决策提供参考。建立农机折旧日常管理数据库，包括农业机器运行及报废处理等相关信息。系统可以根据需要对数据进行导出，并以文档的形式对数据进行管理。

2.4 系统维护模块

系统维护模块用于系统的维护和管理，是保障系统正常运行的关键，包括机器数据库管理维护、模型库管理维护和用户管理维护三部分。数据库管理维护是指有权限的管理员对农业机器的基本信息进行增加、修改、删除、查询等操作；模型库管理维护用于有权限的管理员对模型库中的折旧模型程序代码进行修改、增加、删除和管理；用户管理维护模块用于管理员对用户进行管理，进行用户增减、信息修改、权限设定等操作。

nlc202309040933

3 农业机器折旧决策支持系统折旧模型库的设计

折旧模型库系统是农业机器折旧决策支持系统的核心部分，包括折旧模型库和模型库管理系统两部分。模型库将众多模型按一定的结构形式组织起来，通过模型库管理系统进行管理和使用。

3.1 模型文件库

1） 模型以某种形式对一个系统的本质属性进行描述，以解释系统的功能、行为和规律。通过对影响农业机器折旧的主要因素进行分析，建立农业机器折旧方法体系，对产量法模型、直线法模型、年数总计法模型、偿债基金模型、动态双倍余额递减模型、改进双倍余额递减模型等三大类11种折旧模型进行研究。鉴于工作量法计算条件的限制，系统采用MATLAB编译实现静态和动态10种折旧模型的建立。模型程序以M文件形式储存折旧模型源程序文件，模型程序通过MATLAB的COM组件技术生成并以.dll文件形式存储折旧模型目标程序文件。

2） 模型文件库用于存储所有的模型文件，是模型库的主体。模型文件中的源程序文件和目标程序文件是主要的模型文件。若对模型进行文字说明，将形成模型的说明文件；若对模型的输入输出数据进行说明，将形成模型的数据描述文件，这样一个模型至少有2～4个模型文件。模型库中众多的折旧模型对应着大量的模型文件，为便于模型文件的管理和存储，需建立模型文件库。结合农业机器折旧模型的研究结果，系统按照模型文件文件类别建立4个子目录，分别用于存储各折旧模型的源程序文件、目标程序文件、说明文件和数据描述文件。

3.2 模型字典库

模型字典库是对模型文件的索引描述，用于存放模型的名称、编号、文件说明。模型文件的运行，一般是先通过模型字典找到模型文件的存储路径，进而找到具体模型。字典库的组织结构一般有文本形式、菜单形式和数据库形式等。为便于模型的分类、查询及修改，系统的字典库采用数据库形式。

3.3 模型库管理系统

模型库管理系统（MBMS）用于对模型库进行有效的管理和使用，是一个支持模型生成、存储、维护、运行和应用的软件系统，主要对模型库中的模型进行存储管理、运行管理和支持组合。到目前为止，模型库管理系统还没有统一的标准和相对成熟的专业软件。

在对农业机器折旧决策支持系统折旧模型库进行设计分析的基础上，建立具有折旧模型管理和折旧模型维护功能的模型库管理系统。模型库管理系统将模型文件库与模型字典库进行连接，对各折旧模型文件的名称、名称代码、文件类型、文件地址等信息进行管理。

3.4 折旧数据库

数据库系统是决策支持系统的基本组成部分，由数据库和数据库管理系统两部分组成。数据库是按一定结构组成的相关数据集合。数据库管理系统是一组能描述、管理、维护数据库的程序系统，对数据进行统一管理，能够对数据库中的数据进行查询、增加、删除、修改。

系统数据库名称为depreciation，包含用户信息表、农业机器基本信息数据表、机器使用年限表、机器运行状况表、机器报废记录表、参考利率表等数据表。

在对影响农业机器折旧的主要因素及折旧模型进行分析的基础上，建立农业机器折旧数据库。其主要任务是存储管理农业机器产品基础资料和折旧相关数据，并根据实际需要进行增加、删除、修改等数据维护工作。

参考文献

[1] 王奕娇，乔金友，王福林，等.农机双倍余额递减法折旧存在问题及改进研究[J].农机化研究，2015（3）：42-45.

[2] 张胜文，程运福，孟鑫.机器设备折旧要素确定的技术分析[J].中国科技信息，2008（5）：172-173.

[3] 王炳荣.对固定资产更新决策中旧设备折旧问题的探讨[J].会计师，2012（4）：31-32.

综合决策支持系统 篇7

象山港位于浙江北部沿海,是一个由东北向西南深入内陆的狭长型半封闭海湾,港深水清,岸线曲折。东北部通过佛渡水道与舟山海域毗邻,东南部通过牛鼻山水道与大目洋相接[1]。港内滩涂众多,自然资源丰富,拥有复杂的近岸生态系统,独特的地理位置和优越的自然条件使其成为宁波市经济发展的重要组成部分。然而随着经济的快速发展,多个行业参与象山港的资源开发活动,使其生态环境压力不断增加,表现为地形地貌条件、水动力环境条件、水质和沉积环境条件、生物生态环境条件等一系列变化。为实现经济社会的可持续发展,以及更好地保护自然资源和生态环境,象山港近岸海域空间资源的整治修复工作十分重要。

本文从象山港海域管理的实际需求出发,充分应用WebGIS技术、网络技术、海洋数值模拟自动化技术[2]、海洋环境影响评价方法[3]和科学计算可视化方法[4,5]等,建立象山港综合整治决策支持系统[6](XS-CIDSS)。该系统页面简明、操作简单,为海洋管理人员提供信息显示、数据查询、问题诊断、方案制订和方案评价与辅助决策等多种服务。其中,方案评价与辅助决策是系统的核心内容,本文以新建整治修复工程为例,展示该模块的具体实现过程,揭示系统在象山港海域综合整治决策中所发挥的重要作用。

2 系统的总体架构

象山港综合整治决策支持系统(XS-CIDSS)建立的主要目的是实现对象山港海域整治修复工作的综合管理,需要满足数据管理、显示、检索、查询、统计分析和辅助决策等功能需求。其中辅助决策功能的实现不仅需要大量海洋基础数据的支持,还需要数值模型、评价模型等的协同作用,显然传统的结构体系已经无法满足XS-CIDSS的需求。本文在B/S[7]模式的基础上,参考Java EE理论研究及实际应用的相关文献[8,9],利用其可拓展性构建基于Java EE的4层结构体系,并应用该体系建立XS-CIDSS。

其中,表层为信息表达层,是数据显示和功能操作窗口,用于显示海洋基础地理信息和项目其他成果数据,通过信息表达层上的控件操作实现对数据分析和相关决策功能结果的显示。

第二层为业务逻辑层,主要分为Web应用和业务应用两个部分。Web应用是连接信息表达层和业务应用的桥梁,接收来自信息表达层的指令并传达给业务应用,同时接收业务应用反馈的信息,生成JSP文件并在页面上显示出来;业务应用主要包括UDPClient应用组件[10]、图形绘制应用组件、报表程序应用组件、SmartUpload组件和PDF应用组件等,是连接Web应用与数值服务层和数据层的纽带,接收并传达Web应用的指令,同时对反馈的数据进行处理并传递给Web应用。

第三层为数值服务层,主要承担数值模拟的任务,接收来自业务逻辑层的指令进行数值模拟,并将结果存储到数据层、将进程反馈给业务逻辑层。

底层是数据层,为决策支持系统提供数据服务,存储空间与非空间的数据,同时还存放数值模拟的结果文件,为业务逻辑层提供数据支持。

基于Java EE的XS-CIDSS 4层结构体系分工明确,内容上互相独立,修改方便,同时相互之间不对程序本身产生影响,保证数据的可靠性和稳定性。

3 系统的功能设计

3.1 系统的功能架构

按照系统功能间的相互关系,以模块为单元对系统功能结构进行划分,形成数据后台管理、法律法规显示与查询、海洋地理信息显示、用海现状检索与查询、海湾问题综合诊断、综合整治方案查询、辅助决策以及系统帮助等8个功能模块,各模块下又有若干子模块,其中辅助决策模块中关于整治修复方案的数值模拟评价和效果评估部分是系统的核心部分(图1)。

3.2 系统功能的具体实现

3.2.1 地图的加载与基本操作

地图在经过Arcmap[11]风格化以后,应用ArcCatalog的GIS Server[12]管理工具,将其发布成地图服务。地图服务采用REST风格发布,可以简单地通过一个网址访问所有资源。地图服务的每个图层都被定义一个id(可以通过ArcGIS Server for the Platfom下的ArcGIS Service Directory查看),实现指定id的加载。地图被加载以后通过JavaS-cipt设计图层控制器,在界面可以通过复选框控制图层的显示与隐藏。

图层控制面板除地图加载还有地图控制功能,利用ArcGIS JavaScript API部署开发WebGIS应用。应用JavaScipt设计实现图层图例的显示与隐藏,让地图的信息表达更加清晰易懂;应用HTML和CSS制作浮动工具条,并利用ArcGIS JavaScipt API的esri.Map类和esri.toolbars.Navigation类实现简化地图操作;应用dijits.overview.OverviewMap组件设计地图鹰眼,地图鹰眼是一个缩略的小地图,位于页面的右下角,上面有一个固定的矩形阴影,通过拖动阴影可以控制地图的显示区域,从而起到导航的作用,地图鹰眼也可以隐藏;应用JavaScipt在地图的左下角和右下角分别布置地理坐标和视图比例尺,显示鼠标当前位置的地理位置和当前视角下的地图比例尺。

3.2.2 用海现状信息查询

用海现状信息查询主要包括功能区划、海域岸线、用海权属、用海构筑物和排污口分布等,按其查询方式可分为属性查询和空间查询。属性查询主要通过调用esri.task.FindTask类的属性和方法,配合使用FindParameters类,设置查询条件,查询属性图形;空间查询主要应用esri.task.FindTask类对地图执行操作,其中点状(线状)地物空间查询可分为框选和多边形选择、面状地物可分为点选和框选。

3.2.3 问题诊断和整治方案查询

海湾问题综合诊断模块从经济发展、环境利用和开发问题等3个方面全面阐释象山港发展所面临的问题。该模块集成象山港相关调查研究报告,这些报告既包含对各调查站关于象山港海域水动力泥沙、水质生态等具体要素长年观测资料的处理和分析,为数值模拟提供可靠的数据支持;同时也对象山港的经济发展、用海活动和环境污染现状进行调查分析,为整治修复方案的制订、评价和辅助决策提供巨大帮助。

综合整治方案模块从整治措施、综合承载力和整治方案等3个方面详细阐述解决象山港海域开发问题的几种思路。其中,在整治措施部分提出生物整治措施、环境整治措施和工程整治措施,对每一种措施都详细论述具体方案和方案评价;在综合承载力部分论述衡量承载力的评价指标和评价方法;在整治方案部分提出整治方案设计的指导原则,并以某些具体工程为例叙述方案制订、方案论证、方案比选和方案优化的具体过程。该模块为接下来的辅助决策模块提供智力支持。

3.2.4 整治方案评价与辅助决策

整治方案评价与辅助决策是XS-CIDSS的核心模块。用户利用该模块在地图上定义工程区域、纳潮量断面和开边界,即可对该工程区域进行数值模拟,在模拟结束后可在页面输出模拟结果和评价报告。该模块应用ArcGIS JavaScript API完成图形绘制,应用UDP[10]组件实现对数值模型的调用和监控,应用图形绘制应用组件、报表程序应用组件、SmartUpload组件和PDF应用组件等对数据进行处理,应用JSP技术和Java Servlet技术对结果进行输出,形成完整的环境影响评价报告。其中,数值模型主要包括基于FVCOM的三维水动力模型、水质模型和泥沙模型,将其耦合到XS-CIDSS中,极大拓展系统的应用范围和业务能力。关于自动化数值模拟的可靠性,解静等[13]已有详细论证,在此不做赘述。

环境综合影响评价是辅助决策的重要部分。XS-CIDSS建立两套评价指标体系,一套为基于数学模型的象山港整治工程技术评价指标(量化)体系,包括三维水动力泥沙、水质和生态等三大类指标;另一套为整治工程综合评价指标(量化)体系,主要包括海洋水动力、环境容量、生态、资源和经济益损等五大类技术指标。在应用第一套指标体系进行辅助决策时,系统通过对数值模拟结果进行统计,然后按一定的计算方法得到评价指数,最后得出评价意见;在应用第二套指标体系时,先采用分层次筛选法对方案进行评价,再采用综合评价法进行综合判别,最后利用JavaScript语言和Java语言将评价结果在页面显示出来,实现辅助决策。

4 系统的应用

整治修复方案的制订需要一个复杂的过程,综合考虑地区发展、生态环境等各方面的因素。象山港海域的调查资料和存在的开发问题可以参见“海湾问题综合诊断”模块,整治方案的选取可参见“综合整治模块”。本文对综合整治方案的制订过程不做详述,仅对港内一处滩涂进行整治,计划建设一个无人的生态岛屿,改善当地生态环境。具体操作如下。

4.1 新建整治修复工程

应用JavaScript实现对新建工程参数的定义。首先在整治方案评价与辅助决策模块的控制面板上对项目类型等作详细定义,为数值模拟提供参数,然后通过输入工程控制点或绘制工程区域的方式在地图上定义新建工程。绘制新建建筑物的过程主要应用ArcGIS JavaScript API,用户只需在界面上用鼠标绘出即可,本次应用是对象山港内一处浅滩进行整治,新建一个无人生态岛屿,因此需要选择绘制一个面的工具。绘制多边形的工具必须要加载到toolbar上,因此需要加载esri.toolbars.Draw类;鼠标按逆时针顺序绘制出工程区域,双击左键结束,结束命令通过添加onDrawEnd()方法实现。上述过程结合JSP技术和ArcGIS JavaScript API,中间结合使用Java SaveG类来实现页面数据与服务器文件之间的自动化交互过程。

图形的绘制需要根据系统的提示,如人工岛需要逆时针方向绘制等。在定义以后,通过调用函数SaveGEnd()响应新建工程文件的保存。

开边界是数值模拟计算区域的边界条件,与固边界相对应,其实现过程与新建工程类似。开边界可以选择整个区域的模型边界,但会增加计算量,也可以根据新建工程自行划定,本次应用针对西沪港内的人工岛工程,在西沪港的口门处设置开边界。

纳潮量是衡量半封闭海湾水动力变化量的一个重要参数,其实现与新建工程大体相同,只是在绘图工具上只提供绘制直线的功能。

4.2 数值模型与WebGIS耦合

XS-CIDSS的建立基于WebGIS技术。在WebGIS基础平台上,WebGIS应用tomcat服务器将数据、程序和服务布置在服务器端,客户端随时可以调取WebGIS数据,并获得WebGIS服务。为调用数值模型进行计算,系统采用UDP技术,即在服务器端布置Servlet开发的client.class应用组件,通过UDP服务器调用数值模型进行数值模拟,并将模拟信息反馈给client.class,通过client.class显示在客户端页面上,实现人-机交互。本次应用在页面上设置初始信息后,点submit,系统即开始上述过程。

4.3 综合评价与辅助决策

数值模型对新建整治修复项目自动执行三角形网格剖分、模型驱动计算后,所有计算输出文件复制存储在服务器端数学模型以用IP地址命名的结果文件夹中。应用Ajax技术访问结果文件,整理并动态添加到客户端页面上,显示各参数的计算结果。

通过计算结果可以看出,该海域进行滩涂治理以后,在水动力泥沙方面,附近的纳潮量减少0.053%,涨急和落急时刻的流速分别减少0.326 9 m/s和0.182 4m/s,水交换率减少1.371%,泥沙冲淤减少0.097%,即对水动力的影响很轻微;在水质方面,COD、DIN、DIP分别增加3.890 5%、3.158 8%、3.158 7%,即对水质的影响不大;在生态方面,无机氮增加0.001%,活性磷酸盐几乎没有变化,浮游植物和浮游动物损失也几乎可以忽略。因此总体而言,这个无人生态岛屿的建设对附近海域的水动力泥沙、水质和生态影响很小,考虑到该方案对该地区景观、环境质量等的改善,并且该生态岛屿可以在保护环境的同时进行适当开发,同时开展后续的自然生态保育工程,其综合治理的意义是很大的。

点击“涨急时刻流场”即可在地图上显示涨急时刻流场分布情况,可以直观了解工程附近的流场变化情况。

同时,在点击“辅助决策”命令后,系统会从资源环境、经济益损等方面对该方案做出一个全面系统的分析评价,形成一个可供下载的整治工程对海洋环境变化影响的评价报告。报告从数值模拟分析、整治工程技术评价指标(量化)体系、整治工程综合评价指标(量化)体系等3个方面进行阐述。报告的第一部分是关于水动力泥沙、水质和生态等3个方面的数值模拟结果分析,说明单一的小型整治修复工程对象山港海域整体影响不大;报告的第二部分是应用象山港整治工程技术评价指标(量化)体系对三维水动力泥沙、水质和生态进行影响评价,通过计算得出各个指标的评价指数,得出评价结论为该方案影响轻微;报告的第三部分是应用整治工程综合评价指标(量化)体系,从海洋水动力、环境容量、生态、资源和经济益损5个方面进行评价,该指标体系分别采用分层筛选法和综合评价法对方案进行评价,可根据海域实际情况选择,得出对应评价结果。

综上所述,XS-CIDSS对整治工程前后的流场流速分布、水交换率变化、泥沙冲淤变化以及水质和生态变化做全面的分析,得出海洋环境综合评价指数为93.9218,即对海洋环境综合影响轻微。同时,XS-CIDSS还对用海方式、底栖生物生物量[14]等不同情况分别做评价结论,使评价结果更具科学性和准确性。从报告可知,该整治项目对环境影响甚微,考虑其对生态、景观和旅游业等的积极影响,具有一定的积极意义。

5 结论

综合决策支持系统 篇8

J2EE平台技术能为企业应用的设计、开发、集成以及部署提供一条基于组件的实现途径, 能够快速实现企业应用的设计和开发及降低开发成本。J2EE平台提供了一个多层次分布式应用模式, 将使系统支持大量并发的联机事务处理、支持更多用户并发访问[4]。基于J2EE的诸多优点, 本文提出了一种基于J2EE的电力营销综合决策支持系统, 它综合运用了数据仓库、联机分析处理、数据挖掘等技术, 从而充分利用电力营销管理信息系统中的数据, 进行灵活、及时的综合应用和分析, 确保经营决策的可行性, 增强企业综合竞争力。

1 综合决策支持系统

数据仓库和OLAP新技术为决策支持系统开辟了新途径。这些新技术与传统的模型库对决策的支持是两种不同的形式, 它们可以相互补充。它们集成的综合决策支持系统, 将相互补充、相互依赖, 发挥各自的辅助决策优势, 实现更有效的辅助决策。

综合决策支持系统的体系结构包括三个主体 (如图1所示) 。

第一个主体是模型库系统和数据库系统的结合, 它是决策支持的基础, 为决策问题提供定量分析 (模型计算) 的辅助决策信息。

第二个主体是数据仓库、OLAP, 它从数据仓库中提取综合数据和信息, 这些数据和信息反映了大量数据的内在本质。

第三个主体是专家系统和数据挖掘的结合。数据挖掘从数据库和数据仓库中挖掘知识, 并将其放入专家系统的知识库中, 由进行知识推理的专家系统达到定性分析辅助决策。

综合体系结构的三个主体既可以相互补充又可以相互结合。它可以根据实际问题的规模和复杂程度决定是采用单个主体辅助决策, 还是采用两个或是三个主体的相互结合辅助决策。利用第一个主体的辅助决策系统就是传统意义下的决策支持系统。利用第一个主体和第三个主体相结合的辅助决策系统就是智能决策支持系统。利用第二个主体的辅助决策系统就是新的决策支持系统。在OLAP中利用模型库的有关模型, 可以提高OLAP的数据分析能力。将三个主体结合起来, 即利用“问题综合和交互系统”部件集成三个主体, 这样形成的综合决策支持系统是一种更高形式的辅助决策系统, 其辅助决策能力将上一个新台阶。

2 基于J2EE的电力营销综合决策支持系统体系结构

J2EE平台采用一个多层次分布式的应用模式, 这意味着应用逻辑根据功能被划分成组件, 组成J2EE应用的不同应用组件安装在不同服务器上。本文提出的基于J2EE的电力营销综合决策支持系统体系结构, 包括客户层、Web层、业务层和企业信息系统层[5], 如图2所示。

决策者在客户端通过标准的Web浏览器与系统进行信息交互, 向系统提交决策需要的各种参数信息, 同时也从系统底层获得决策信息查询、报表、知识和在线分析处理等服务。客户端以标准的TCP/IP及HTTP协议与Web服务器进行通信。

Web服务器接收客户端的页面请求与信息综合处理模块通信, 将静态或动态生成的HTML页面发送给浏览器端。决策者通过这些Web页面来获得辅助决策的信息, 因此这些Web页面是根据企业业务逻辑模型和决策主题及功能而设计的, 页面的设计必须体现面向电力营销的营销思想才能满足决策者的要求。OLAP技术是通过多维的方式对数据进行查询、分析并得到相应的报表。数据挖掘是按照企业既定的业务目标, 对数据仓库中的知识, 并充分地利用这些知识来辅助决策。

3 数据仓库模型设计

传统的数据库系统, 即联机事务处理系统 (On-Line Transaction Processing, OLTP) , 作为数据管理手段, 主要用于事务处理, 但它对分析处理的支持一直不能令人满意[6]。

本系统数据仓库总体设计结构框架如下描述:将各个业务系统数据库内所需要的数据定时进行初步的预处理整合到映像数据库表中, 然后通过中间处理将各个映像表中的数据, 汇集到数据仓库的中间表中, 最后通过统一的抽取处理过程将数据导入到数据仓库中。MIS数据映像表的结构可以和业务系统提供方协商确定。这种模式有如下几个优点。

(1) 采用数据映像表的方式可以大大降低对业务系统的影响, 并提高抽取效率。

(2) 采用两级抽取表处理的方式可以有效地将各个系统共性的操作集中到中间处理2的数据抽取过程中去, 中间处理1的预处理中只处理各个地市不同的地方或者由各应用系统提供相应功能, 提高了数据采集的通用性。

(3) 满足分析业务更改的需要。

4 联机分析处理 (OLAP)

OLAP (Online Analytical Processing, OLAP) 是针对特定问题的联机数据访问和数据分析而产生的一种技术, 具有快速性、可分析性、多维性、信息性等特点。它满足决策支持从多种角度对数据进行快速、一致、交互地分析, 使决策者能够对数据进行深入观察。OLAP服务器一般作为数据仓库系统的中间层, 作为用户预定义的多维数据视图, 对数据仓库的信息进行统计分析处理, 为具有明确分析范围和分析要求的用户提供高性能的决策支持[8]。

电力营销系统的核心工作就是通过对客户的历史用电数据、业务数据以及影响用户需求的各种个因素进行综合分析, 并通过逻辑判断进行优选, 求得最佳解决方案, 减少决策的盲目性。

针对电力营销管理决策系统实现的功能目标, 主要是建立在OLAP多维分析技术的基础上, 另辅助以Winters模型、一元线性回归和二元指数平滑模型[3]等各种统计预测模型实现综合分析。

5 数据挖掘模块设计

数据挖掘, 也可以称为数据库中的知识发现, 是一种决策支持过程, 它主要基于人工智能、机器学习、统计学等技术, 对数据仓库中的数据进行一定的处理, 从而获得其中隐含的、事先未知的而又可能极为有用的信息[9]。

数据挖掘的方法大致有以下几种。

(1) 机器学习方法, 包括基于范例学习和归纳学习方法。

(2) 统计方法:包括回归分析、判别分析、聚类分析和探索性分析。

(3) 数据库方法:包括多维数据分析或在线分析处理 (OLAP) 方法、面向属性的归纳方法等。

(4) 神经网络方法:包括前向神经网络、自组织神经网络等。

对于数据挖掘模块的设计, 由于数据庞大, 本系统采用C/S结构, 客户端数据库服务器采用Sybase服务器, 挖掘的数据源是数据仓库中详细数据层和综合数据层中的表。根据电力营销业务的实际需求, 从“量 (电量) 、价 (电价) 、费 (电费) 、损 (线损) ”分别对关联规则、聚类挖掘进行了初步的研究, 并在系统中予以实现关联规则用于寻找数据集中项与项之间的联系。

6 结语

本文给出了一种结合J2EE、数据仓库技术、OLAP技术、数据挖掘技术等技术的电力营销综合决策支持系统的解决方案。这种基于J2EE组件的综合决策支持系统不绑定在任何一个厂商的产品和API上, 为电力企业管理层的决策分析活动提供了重要的支持。

参考文献

[1]汤祖旭, 冯庆东, 赵立涛.电力市场环境下电力营销决策支持系统设计分析[J].东北电力技术, 2002, (3) :34～38.

[2]陈曦, 王执锉.决策支持系统理论与方法研究综述[J].控制与决策.2006, 21 (9) :961～968.

[3]唐焕文, 毛海军.智能决策支持系统 (IDSS) 研究进展[J].小型微型计算机系统, 2003, 24 (5) :874～879.

[4]肖刚.Java Web服务器应用程序设计[M].北京:电子工业出版社, 2001.

[5]刘洪涛, 程良伦.基于J2EE电力营销决策支持系统的研究与实现[J].计算机工程与应用, 2008, 44 (15) :218～221.

[6]李秋丹, 迟忠先, 金妮, 等.基于数据仓库的地区电网调度决策支持系统[J].电力系统自动化, 2004, 25 (12) :56～89.

[7]李林花, 钱越英.数据仓库多维分析模型的设计[J].计算机工程与应用, 2004, 40 (11) :185～187.

[8]徐卫华, 黄立平.OLAP在供电行业的应用与研究[J].现代电力, 2004, 21 (4) :53～57.

决策支持系统发展趋势研究 篇9

一、决策支持系统的概念

DSS是决策支持系统 (Decision Support System) 的简称。DSS的概念最早是由Scott Morton和Keen于20世纪70年代中期提出的, 是20世纪70年代末期兴起的一种新的管理系统。管理的核心是决策, 决策是一个过程。DSS是一种以计算机为工具, 应用决策科学及有关学科的理论与方法, 以人机交互方式辅助决策者解决半结构化或非结构化决策问题的信息系统, 是以特定形式辅助决策的一种科学工具。它通过人机对话等方式为决策者提供了一个将知识性、主动性、创造性和信息处理能力相结合, 定性与定量相结合的工作环境, 协助决策者分析问题、探索决策方法, 进行评价、预测和选优。

二、决策支持系统的主要类型

自20世纪70年代提出决策支持系统 (DSS) 以来, DSS已经得到了很大发展。从目前发展情况看, 主要有如下几种DSS。

1. 数据驱动的决策支持系统 (Data Driven DSS)

这种DSS强调以时间序列访问和操纵组织的内部数据, 也有时是外部数据。它通过查询和检索访问相关文件系统, 提供了最基本的功能。后来发展了数据仓库系统, 又提供了另外一些功能。数据仓库系统允许采用应用于特定任务或设置的特制的计算工具或者较为通用的工具和算子来对数据进行操纵。

2. 模型驱动的决策支持系统 (Model Driven DSS)

模型驱动的DSS强调对于模型的访问和操纵, 比如:统计模型、金融模型、优化模型和/或仿真模型。简单的统计和分析工具提供最基本的功能。一些允许复杂的数据分析的联机分析处理系统 (OLAP) 可以分类为混合DSS系统, 并且提供模型和数据的检索, 以及数据摘要功能。模型驱动的DSS的早期版本被称作面向计算的DSS。

3. 知识驱动的决策支持系统 (Knowledge-Driven DSS)

知识驱动的DSS可以就采取何种行动向管理者提出建议或推荐。这类DSS是具有解决问题的专门知识的人-机系统。”专门知识”包括理解特定领域问题的”知识”, 以及解决这些问题的”技能”。构建知识驱动的DSS的工具有时也称为智能决策支持方法。

4. 基于Web的决策支持系统 (Web-Based DSS)

基于Web的DSS通过“瘦客户端”Web浏览器向管理者或商情分析者提供决策支持信息或者决策支持工具。运行DSS应用程序的服务器通过TCP/IP协议与用户计算机建立网络连接。“基于Web”意味着全部的应用均采用Web技术实现。

5. 基于仿真的决策支持系统 (Simulation-Based DSS)

基于仿真的DSS可以提供决策支持信息和决策支持工具, 以帮助管理者分析通过仿真形成的半结构化问题。这些种类的系统全部称为决策支持系统。DSS可以支持行动、金融管理以及战略决策。包括优化以及仿真等许多种类的模型均可应用于DSS。

6. 基于GIS的决策支持系统 (GIS-Based DSS)

基于GIS (地理信息系统) 的DSS通过GIS向管理者或商情分析者提供决策支持信息或决策支持工具。通用目标GIS工具, 如ARC/INFO、MAPInfo以及Ar2c View等是一些有特定功能的程序, 可以完成许多有用的操作。同时, Internet开发工具已经走向成熟, 能够开发出相当复杂的基于GIS的程序让用户通过World Wide Web进行使用。

7. 通信驱动的决策支持系统 (Communication-Driven DSS)

通信驱动型DSS强调通信、协作以及共享决策支持。简单的公告板或者电子邮件就是最基本的功能。通信驱动型DSS能够使两个或者更多的人互相通讯、共享信息以及协调他们的行为。

5.基于数据仓库的决策支持系统 (Data Ware-Based DSS)

数据仓库是支持管理决策过程的、面向主题的、集成的、动态的、持久的数据集合。它可将来自各个数据库的信息进行集成, 从事物的历史和发展的角度来组织和存储数据, 供用户进行数据分析并辅助决策, 为决策者提供有用的决策支持信息与知识。

三、决策支持系统的发展趋势

随着新技术的出现和迅速发展, DSS的研究和应用也正在迅速发展。新一代DSS主要向以下几个方向发展:群决策支持系统 (GDSS) ;分布式决策支持系统 (DDSS) ;智能决策支持系统 (IDSS) ;决策支持中心 (DSC) 等。

1. 群决策支持系统 (GDSS)

群决策支持系统 (GDSS) 是在多个DSS和多个决策者的基础上进行集成、优化的结果。是由多个决策者的智慧、经验以及相应的决策支持系统组成的集成系统, 它以计算机及其网络为基础, 用于支持群体决策者共同解决半结构化、非结构化问题的决策问题。GDSS有利于群体决策成员思维和能力的发挥, 也可以阻止消极群体行为的产生, 限制了小团体对群体决策活动的控制。

2. 分布式决策支持系统 (DDSS)

DDSS是研究分布于多个物理位置上的决策体如何并发计算、协调一致地求解问题。这些分布在不同物理位置上的决策体构成计算机网络, 网络的每个结点至少含有一个决策支持系统或有若干辅助决策的功能。DDSS研究的重点是分布性和并发性。随着各种网络的普及和分布式操作系统、分布式数据库、知识库等成果的取得, 使分布决策支持系统成为今后DSS的一个重要发展方向。

3. 智能决策支持系统 (IDSS)

DSS为解决半结构化与非结构化的决策问题提供了有力的支持。同时人工智能领域研究在人的知识开发与利用上获得了重要的成果, 这些都可以弥补DSS的不足, 因此将人工智能引入DSS形成智能型DSS (Intelligence DSS) 。人工智能技术应用于DSS的程度与范围不同可以构成不同结构的IDSS, 由用户通过人机接口, 应用自然语言处理系统接入问题处理系统, 然后由推理机在模型库、数据库、方法库及知识库中进行搜索推理, 获取相关决策信息。

4. 决策支持中心 (DSC)

DSC的主要特点就是在DSS基础上, 采取了以决策支持小组为核心的人机结合的决策思想, 以及定性和定量相结合的综合集成方法, 以支持决策者解决决策问题。DSC是在把决策方法论、数据收集和分析方法、计算机支持技术和软件等结合起来的同时, 又融合了各科专家的技术经验、研讨结果和社会知识的一种综合集成决策支持系统。

5. 行为导向的DSS

所谓行为导向DSS (Behavior Oriented DSS) 是一个全新的角度即行为科学角度来研究对决策过程的支持, 其主要研究对象是人, 而不是以计算机为基础的信息处理系统, 主要是利用对决策行为的引导来支持决策, 而不仅仅用信息支持决策。

四、结束语

DSS的技术和理论不断发展, 从其发展趋势可以认识到:决策支持系统是专门为高层管理人员服务的一种信息系统, 它强调支持的概念, 是“支持”而不是“代替”人的决策主体。DSS也是一个高度灵活、交互式的计算信息系统, 主要解决半结构化问题结构化的决策问题。它涉及到计算机软件和硬件、信息论、人工智能、信息经济学、管理科学、行为科学等学科”, 帮助决策者提高决策能力与水平, 最终实现提高决策的质量和效果的目的。

参考文献

[1]中国科学院计算技术研究所智能信息处理重点实验室智能科学课题组.智能决策支持系统.[2006-07-18].http://www.intsci.ac.cn/dss/idss.html

[2]吴新年陈永平:决策支持系统发展现状与趋势分析[J].情报资料工作, 2007年第1期:57～58

[3]Bonczek, R, C.Holsapple, A.Whinston:Foundations of Decision SupportSystems.NewYork:Academic Press, 1981

[4]Chen Wei-Chou, Hong Tzung-Pei, Jeng Rong.A framework of decision support systems for use on the World Wide Web.Journal of Network and Computer Applications, 1999 (22) :1～17

[5]于永玲史瑞芬:数据仓库在决策支持系统中的应用[J].郑州航空工业管理学院学报, 2001, 20 (3) :78～80

[6]顾红艳:从DSS的发展重新认识决策支持系统[J].沈阳工程学院学, 2006, 2 (3) :330～332

临床决策支持系统建设研究 篇10

关键词：临床决策支持系统,知识库,数据挖掘,医院信息化

近年来,随着医院规模的不断扩张,医疗数据也呈爆发式增长。如何从海量的业务数据中发掘有价值的信息,构建智能化数据库,从而辅助医疗工作者决策,是当前研究的热点。20世纪90年代初期,我院就着手建立信息系统,至今已有医院信息系统(HIS)、临床检验系统(LIS)、医学影像系统(PACS)、放射信息系统(RIS)、办公自动化(OA)系统和手术、麻醉、重症等8大系统和40多个子系统。虽然医院在信息化建设方面取得显著进步,信息系统也得到广泛使用,但是其工作理念和方式却相对落后,亟需科学化的辅助手段[1]。在医学信息领域里,用计算机辅助进行决策、诊断、推理的软件被称为临床决策支持系统[2]。我院于2014年开始部署建设临床决策支持系统,对医疗数据进行分析处理,辅助临床医疗决策。

1决策支持系统构建方案

临床决策支持系统基于多种数据挖掘技术方法,构建分析决策模型,并针对HIS、LIS、RIS、PACS、EMR(电子病历)系统等海量医疗数据进行挖掘分析,为临床诊疗的客观与规范化提供决策支持[3,4]。2014年10月,我院委托北京天鹏恒宇科技发展有限公司,着手开始医院的临床决策支持系统建设。该系统通过引入临床数据库,采用数据挖掘和联机分析处理等技术,将决策信息展示给终端用户,并具有为临床医生提供建议、提醒、报警、计算、预测等方面的功能[5]。

1.1系统架构

医院原有的信息系统虽然能够为医疗决策提供部分支持,但由于系统分散,决策内容单一,其应用范围受到较大限制。知识库的建设不仅仅是将分散在各个系统的数据进行集成,还需要对医院的业务流程和数据集进行标准化处理[6]。本系统将数据库转化为基于共享机制的数据模型,对数据库知识进行综合分析、统一处理后,再按不同维度展示给终端,有利于提升医疗质量和决策准确性。系统框架分为3层,分别是数据层、处理层、展示层。数据层将各医疗业务数据进行结构化转换[7],并统一加载到数据仓库中,然后对外提供标准接口,便于数据提取;处理层采用数据挖掘与分析工具,对仓储中提取的数据知识进行清洗过滤,并利用一定规则转化为决策信息;展示层是真正面向终端和用户的,将处理层的决策信息按不同维度、不同方式展现出来,便于使用者正确决策。系统架构,见图1。

1.2知识库构建与知识获取

医学知识的获取一般来源于医学文献和经验积累,包括术语字典、语义词库、知识模型等[8]。我院完善了知识库创建体系,通过设定不同类类型型、、不不同同领领域域、、不不同同主主题题的知识片集群,满足各临床活活动动对对知知识识决决策策系系统统的的要要求求(图2)。诊断知识库,表述相相关关的的疾疾病病名名称称、、诊诊疗疗参参考考等等内容;药品知识库,表述与用用药药说说明明、、配配伍伍禁禁忌忌、、不不良良反反应、专家点评相关的内容;检查查化化验验知知识识库库,,表表述述标标本本采采集集、、适应禁忌等方面的知识内容;;手手术术知知识识库库,,表表述述与与手手术术相相关的操作说明、注意事项等相相关关的的知知识识内内容容。。这这些些知知识识库库内容与医院原有的HIS、EMRR等等业业务务数数据据库库以以及及医医学学文文献献等知识,通过数据挖掘平台,,转转化化为为决决策策系系统统可可理理解解的的术术语字典、语义词库、知识模型型等等内内容容。。

1.3多维度知识展现

通过将临床决策支持系统与我院HIS连接,医生在书写电子医嘱和病历的不同阶段,均可运用智能提取、联机分析技术,将层级知识库中的有效知识分门别类,转化为易于理解和应用的信息,展现给医疗工作者,从而辅助于决策。以传染性非典型肺炎诊断为例,医生可在窗口(图3)右侧知识元素中,依次点选查看检查项目、检验项目、手术项目、治疗药品等内容,从而起到一定的辅助参考作用。另外,指南搜索、知识挖掘、医学工具、症状推导、疾病分类(ICD)图谱等功能也集成到各个客户端,不仅便于系统使用者检索分类,也可以群策群力,让用户参与进来,形成知识展现、反馈、处理、再展现的良性循环。

2应用评价

我院目前在东、西两个院区70多个科室均部署了临床决策支持系统,通过近6个月的跟踪反馈,基本达到前期目标。通过临床知识库获取的知识,能够为医生提供辅助诊疗的初步推送服务,帮助临床工作者初步作出决策。这也表明,临床决策支持系统的建设和完善,是临床决策者的迫切需要,其应用效果会随着知识库的不断丰富化、智能化而变得更加显著。

3问题与对策

在系统建设的过程中,由于缺乏既熟悉医院临床业务,又了解信息技术辅助决策领域的专业人员,导致系统的推进相对缓慢,在实际应用方面也没有达到理想程度。另外,临床决策支持系统的建设位于医院信息化建设中的顶端,只有医院各信息系统完备,并建设统一的数据平台,才能加快决策支持系统的前进步伐。最后,任何系统的建设都不可能一蹴而就,尤其是处于研究初期的临床决策支持系统,更需要在建设过程中不断学习、总结经验,逐步完善。

参考文献

[1]曾小东,应桂英,郑建智,等.医院决策支持面临的问题与对策[J].中国卫生信息管理,2012,9(6):48-55.

[2]许兰萍.医院的市场化管理、临床决策与医学人文[J].医学与哲学,2012,34(9A):10-12.

[3]段昌奉,张巨发,唐雄,等.医院移动决策支持系统的建设与应用[J].中国数字医学,2012,7(4):104-106.

[4]王珏,刘博,夏新,等.医保决策支持系统的设计和应用[J].医疗卫生装备,2014,35(9):65-67.

[5]胡安邦,廖富国.临床决策支持系统研究初探[C].2012年中华医院信息网络大会暨第五届中美医院信息化论坛,2012.

[6]刘博,夏新,陈彦东,等.基于商业智能的医院决策支持系统研究[J].中国医疗设备,2013,28(11):36-39.

[7]叶青,刘丹红,杨喆.指南本体构建中的临床数据标准化问题探讨[J].中国数字医学,2013,8(3):8-11.

综合决策支持系统 篇11

管理方面的问题

所谓“三分技术、七分管理”，小的工程如此，像黑龙江省政务综合数据库和决策支持系统这么大规模、大范围、高度复杂的系统亦是如此。黑龙江省具备良好的信息化条件，多数省直单位和地市已经具备良好的信息化建设环境，如工商、统计、审计、公安、地税等部门已经拥有了大量的企业信息、个人信息、行业信息等宝贵的信息资源。但是由于各种历史性原因，各个部门的数据相对封闭，同时有大量的重复信息资源以及同类的信息资源内容不统一、标准不统一等弊端，这样会导致在数据统计和分析上出现偏差，在领导决策的时候会产生一定的误导性。产生这些问题的主要原因是由国家政策以及各部委的不同指令所导致，最好的解决办法是在不违反国家政策和各部门规定的基础上，逻辑构建出黑龙江省的省级规范标准，建立黑龙江省电子政务综合数据库，通过安全保障措施来实现数据信息的综合管理。

(一)转变观念，加强合作，打破数据封闭堡垒

要建设综合数据库及决策支持系统，必须从基础数据库以及各政府职能部门业务或分析系统中提取数据。而从党政各职能部门中索要数据将面临很大的难题。各职能部门会认为，数据是我们自己的，没有义务提供给你；数据提供给你了，出了问题责任谁承担；数据提供出去，安全谁来负责；我的数据你们分析不明白；你分析的数据与我们的报表数据不一致，以谁的为准等等一系列的问题，这些问题不解决，要谈综合数据库及决策支持建设是一纸空话。我们必须要从以下几方面解决这些问题：

1.转变观念。首先领导要转变观念，认识到综合数据库及其决策支持系统在全省国民经济建设中的重要性。要让各级领导能够从全省的大局出发，站在更高的角度上来考虑问题，不要仅仅局限于自己的部门，尤其是中直单位，他们既有向国家呈报数据的责任，同时为了地方建设，他们也有向省级领导部门提交数据的责任。

2.变革管理体制。新事物的加入，必然会带来原有事物的变化，所以原有工作模式和工作方法如果一成不变，将不能适应新系统的需要。但不管怎么变，有一点很重要，那就是必须加强各厅局的协调与合作，打破数据封闭堡垒，做到数据共享。

3.加快、加强数据的立法工作。数据如果共享，必然会带来诸多问题，例如安全问题、责任问题、权利问题等等，这样数据的管理与使用变得非常重要，数据使用与管理的相应法律法规必须出台，要明确责任，打消各部门的顾虑。例如数据密级划分、数据管理办法、数据使用规范、数据失密的责任与惩处等等。通过建立数据的法律法规，使得数据管理与使用法律化、规范化。

4.整体经费问题。建立综合数据库与决策支持系统，涉及的职能部门多，异构数据库种类多，数据源复杂。绝不是一朝一夕就能完成的工作，需要耗费很多的人力和财力，这一点需要省领导考虑。当然，综合数据库与决策支持系统建成以后，所带来的效益是非常可观的，不论是时间、人力、效率、工作经费等都会带来崭新的变化。

(二)基础信息数据源的建设规划

黑龙江省各部门早期建成的应用系统一般都是各自为政，网络平台、数据结构不尽相同，这将给全省的信息整合带来很大难度。已建成的要采用各种办法整合，但还有一些部门没有开始建设或正在准备建设，所以基础信息数据源的建设规划变得非常重要。信息标准、传输规范、经验教训等将会给这些部门指明方向，使这些部门可以不必再走弯路，从而节省大量人力、物力和财力，同时保证了建成系统的兼容性和生命力。

(三)全省综合数据库与决策支持系统的建设规划

综合数据库与决策支持系统的建设，绝不是几个职能部门的事情，这么复杂的一个系统如果不做好全局规划，显然是不行的。况且，各职能部门有的已经建立了自己部门的决策支持系统，有的部门正打算做，这样规划就显得各重要了。已建成的决策支持系统必须融合到全省的综合数据库与决策支持系统中来，没有建的或正打算建的给出指导意见。

技术方面的问题

全省综合数据库与决策支持系统的整体架构可考虑采用DB-ODS-DW三层体系结构。综合数据库应该分步骤分阶段，逐步建立和完善。先从基础好的、应用成熟的、小范围的业务系统开始，建成一部分，投入应用一部分，逐步形成一个完善的综合数据库和决策支持系统。由于篇幅所限本文简述综合数据库与决策支持系统需要研究的几个技术问题：

决策建模技术。模型就是对实际系统的特征和变化规律的一种抽象。建模技术是决策支持系统的关键技术。在探索像政府决策这样复杂系统的规律时，首先需要建立一个适当的简化模型，并加以描述;同时在实际运行过程中发现和掌握其本质规律，分析各种因素对科学决策的影响程度，从而为最终确立正确的决策模型提供科学的依据。

模型库系统。随着社会和技术的发展，各级政府所面临的问题会越来越复杂，所需要的决策模型也将越来越多。有时为解决一个问题可能要涉及成百上千个模型。如何自动组织和协调多模型的运行，以达到更高层次的辅助决策能力，是一个必须解决的问题。

接口技术。接口技术的研究主要包括两个方面：一是决策支持系统内部各部分之间的接口。主要针对决策模型和数据库之间接口进行研究；二是决策系统与各业务系统之间的接口。主要研究如何把现有的决策支持系统与各业务系统有机地结合起来。

知识表示及推理技术。知识表示和推理是决策支持系统中的关键技术。知识表示是把用自然语言形式描述的信息通过形式化的方法转化为计算机可以识别和使用的形式。目前比较成熟的知识表示方法有谓词逻辑、产生式规则、语义网络、框架、神经网络等。而推理则是根据系统所具有的知识和数据得到新信息的技术。由于政府机关会面临大量的模糊决策问题，这些问题无法通过精确推理来得到唯一解，这就要求电子政务系统必须应用模糊推理技术和不确定推理技术，以辅助有关部门和领导进行决策。

系统集成技术的研究。现代社会发展变化的速度越来越快，而作为实现社会管理功能的电子政务系统就必须及时反映社会的变化，因此需要着重研究如何把“模型、数据、知识、新技术”结合成一个有机的整体，使系统一方面具有良好的稳定性和可靠性，另一方面又能够反映当前社会和技术发展的最新动态。

系统开发技术。为使决策支持系统在系统级上实现程序的自动生成，需要大量使用一些成熟的软件工程技术和工具来实现系统的快速、高效开发。

政务综合数据库和决策支持系统的建设不可能一蹴而就，它是一个不断建立、完善、健全的过程。这个过程是随着业务量、业务范围和各职能单位的不断发展而发展的，其成长的速度非常之快，同时随着业务的发展，综合数据库的价值也将随之增长。

装备维修智能决策支持系统研究 篇12

目前,现在部队作战装备系统庞大,技术先进,系统复杂,只有训练及保障人员对系统的软、硬件都十分熟悉时,才可能对装备出现的故障现象有一些初步的分析诊断能力。这不仅对部队使用与保障人员提出的要求太高,而且由于部队基层技术人员更迭快,所以不太切合部队实际,一旦装备出现问题,就可能影响部队训练,甚至贻误战机。智能决策支持系统,将传统的决策支持系统和人工智能结合在一起,实现对处理问题的智能化。通过对装备智能决策支持系统的研究,实现雷达对抗装备故障的智能诊断,对于评估装备的完好率,对装备存在的隐患提前做出准备,可以减少故障检测时间,降低维修费用,提高装备完好率,保障电子对抗部队的正常训练和作战保障等,都将具有十分重要的意义。

1智能决策支持系统模型研究

1.1智能决策支持系统结构模型

智能决策支持模型是在传统的决策支持模型上发展出来的,不但具有传统的决策支持系统模型的功能,还具有专家系统的智能特点。智能决策支持系统具有广义推理、智能界面和自学习的功能。由于智能决策支持系统具有知识推理结构,能模拟决策者的思维过程,所以能在决策经验知识的基础上通过提问会话、分析问题和规则推理等方法引导决策者选择合适的模型;具有功能完善的人机交互接口,通过提问应答方式,辅助决策者确定问题的边界条件和环境,有效地解决半结构化和非结构化问题;具有自学习能力,在决策过程中能够自动分析决策者的决策策略,提取决策经验知识和启发式规则,完善案例库,最终实现自动辅助决策。

决策支持结构模型最早由R.H.Sprague于1980年在论文“DSS的研究框架’中提出,是一种基于两库(数据库和模型库)的决策支持系统结构,随后陆续提出了各种各样的决策支持系统框架结构,概括起来分为2类:一类是Sprague型的基于X库的框架结构,以各种库及其管理系统作为DSS的核心;另一类是Bonczek型的基于问题处理模式的框架结构,以问题处理单元作为系统的主要部分。决策支持系统主要是由问题处理及人机交互、数据库系统和模型系统等组成。智能决策支持系统在决策支持系统的基础上集成了专家系统,专家系统主要由知识库、知识库管理系统和推理机3部分组成。智能决策支持系统模型结构的发展主要经历了3种类型:① 在传统的决策支持系统结构基础上增加知识库和文本库,它是解决用户问题的智能部件,知识库存储有关问题领域的各种知识、数据和模型等;② 在传统的决策支持系统上增加了知识库和问题求解单元,问题求解单元可以根据决策提出的问题信息,构造面向此问题的求解步骤,总控各个库的调用;③ LPK系统结构从概念上突破了传统的决策支持模式,用户可以通过语言系统陈述要解决的问题,知识库中存放领域知识,既包括表层知识和深层知识,也包括描述性知识和表示模型的过程性知识,问题处理系统接收语言系统表达的问题,并利用知识库中的知识进行求解问题。

1.2智能决策支持系统的决策方法

智能决策支持系统主要应用的方法有:基于机器学习的IDSS、基于神经网络学习的IDSS、基于范例推理的IDSS、基于粗糙集的IDSS、基于遗传算法的IDSS和基于归纳学习的IDSS。随着技术的不断发展进步,出现了基于数据仓库和数据挖掘的IDSS、基于Agent的智能决策支持系统、基于地理信息系统的IDSS等。在雷达对抗装备维修中,将会面对大量的维修数据,对于本系统的设计采用数据仓库和数据挖掘的方法进行建立模型。

2装备维修智能决策支持系统的设计

2.1系统功能分析

装备维修智能决策支持系统实现以下几种功能:系统具有装备状态检测,运行机理、故障征兆等先验知识采集,维修信息的管理,提供维修决策,并对可能出现在的故障现象进行推理预测。

2.2系统构架

针对装备故障维修的特点,系统结构模型采用问题求解单元加上3库,3库包括模型库、知识库和数据仓库。模型库实现系统决策和预测的具体方法;知识库用于存储故障诊断的结果和对维修数据推理形成的规则;数据仓库的建立完成对历史数据和现在数据的存储和分析,为决策预测提供数据支持;问题求解单元采用数据挖掘方法实现。系统总体框架如图1所示。

2.3系统实现步骤

2.3.1 数据仓库的建立和管理

数据仓库与传统的数据库不同,传统的数据库是操作型的事物处理,对数据可以进行不同的和反复的增加、删除、修改和查询操作,而数据仓库中数据是从操作型数据库中抽取出来,一般只对数据进行查询操作不进行更新操作,仅仅在特殊条件下可进行修改。数据仓库包括源数据、装备维修数据仓库管理、装备维修数据仓库和分析应用工具4部分组成,对关系型雷达装备维修数据库和维修数据文件等通过装备维修数据仓库管理工具进行抽取、转换、装入,形成数据仓库中的数据,最后通过数据挖掘工具生成决策支持的知识,送往知识库处理,数据仓库中的数据是只读的。数据仓库主要实现的功能是实现对装备维修信息的管理,数据仓库结构如图2所示。

2.3.2 知识库的建立和管理

分析系统确立装备维修知识库原型,首先明确系统目标,即对装备维修系统运行机理、故障征兆等先验知识采集形成知识规则,实现对装备提供维修决策,并对可能出现的故障现象进行推理预测。分析决策过程,划定知识库求解问题的范围和任务。根据分析,确定开发知识库所需要的各种资源,在装备维修智能决策系统中主要涉及故障原始纪录,诊断结果,数据挖掘数据等先验知识的归纳整理。在合理安排各种资源以后,首先确定领域所涉及到的相关知识和概念,然后把整理出来的概念、概念之间的关系以及领域中的专业知识等用相应的符号或描述语言表示出来,最后选择问题的相应解决方法。知识库系统主要包括2种功能:存储与推理,即知识库的存储机制与推理机制。知识库管理系统提供对知识的存储、检索、修改和检查等操作。知识库是本系统运行的基础,系统的知识库采用逻辑方法实现。知识库的组成如图3所示。

2.3.3 模型库的建立和管理

模型是以某种形式对系统本质属性的描述,揭示系统的功能、行为及其变化规律。模型库系统以库的形式对模型进行组织和管理,包括模型库及模型库管理系统。模型库提供模型的存储和表示模式。模型库管理系统提供模型的提取、访问、更新和修改等。

装备维修智能决策支持系统模型的建立是完成决策和预测的重要步骤,对已经生成的知识库中的知识,建立数学结构模型,即建立可行性模型中变量之间的模型方程式,如线形方程、非线性方程等。设计过程中要特别注意的是模型是否和实体对象相关,确定模型的参数,包括模型中变量的数目、不同参数的变化范围、方程的个数和变量的系数等。最终将第一步确定的可行性模型放入模型库中。本系统拟采用建立决策树分类模型、线形回归方程模型和数理统计模型等模型实现对生成知识的分类、预测和状态检测。

2.3.4 数据挖掘和问题处理的实现

通过以上设计,初步完成了对装备系统运行机理、故障征兆等先验知识的采集,装备维修信息的管理,并研究了系统决策、状态检测和故障预测需要的模型,但要完整的实现装备维修系统的状态检测、智能决策等,还需要数据挖掘单元与问题求解单元。

数据挖掘单元完成的是一个不断完善系统本身的智能循环过程,其根据模型库系统提供的模型、知识库系统提供的知识进行数据挖掘,获得所需要的知识。同时,数据挖掘产生的结果作为新知识和模型可用于进一步充实知识库和模型库。问题求解单元对生成的知识将问题结构化或半结构化。根据用户的要求,组织并调用相应模型、知识以及数据仓库中的数据,完成系统的智能决策。当所遇到的问题不能被结构化表达时,可以使用推理机制。

3结束语

装备维修智能决策支持系统设计研究过程中,采用了数据挖掘的方法实现系统的智能决策支持,系统的智能决策部件实现还可以通过其他方法实现,比如利用粗糙集或者神经网络等方法等。本系统采用方法的优点是随着维修数据的增多,装备维修智能决策支持系统可以通过自身的不断学习,增强决策的准确性,并针对出现的新的问题,可以选择或者重新设计模块完成决策。建立并完善装备维修智能决策支持系统,对可能出现的问题进行预测并给出可行的解决方案,了解装备状态情况,掌握装备的完好率,为提高装备的利用效能作出贡献。

参考文献

[1]杨善林,倪志伟.机器学习与智能决策支持系统[M].北京:科学出版社,2004:100-113.

[2]赵宗涛,王文海.决策支持系统[M].陕西:陕西科学技术出版社,1998:20-45.

[3]李雄飞,李军.数据挖掘与知识发现[M].北京:高等教育出版社,2003:47-75.

[4]蔚成香,宁伟.李艳智能决策支持系统(IDSS)的设计与实现[J].山东科技大学学报,2001,20(4):36-38.

[5]毛海军,唐换文.智能决策支持系统(IDSS)研究进展[J].小型微型计算机系统,2003,24(5):874-879.