灰色综合评价范文（精选12篇）
灰色综合评价 第1篇
关键词：矿井通风系统,指标体系,灰色理论,TWW函数,模糊综合评价
矿井通风的目的是为井下各工作地点提供足够的新鲜空气,使其中有毒有害气体、粉尘不超过规定值,并有适宜的气候条件。矿井通风系统通常被称为矿井的心脏与动脉[1]。矿井通风是保障矿井安全的最主要技术手段之一,对矿井通风系统进行综合评价是现代化矿井制订生产规划、进行技术方案决策的重要依据。
1 矿井通风系统综合评价体系建立
经过考察不同类型的矿井通风系统,在深入研究矿井通风理论,参考前人的研究成果并汲取国内近年来煤矿各次重大灾害事故发生及扩大的原因和影响因素的基础上[2,3,4,5],依据矿井通风系统的组织结构,建立矿井通风系统综合评价体系,见图1。
2 评价体系的建立
考虑到矿井通风系统是一个典型的灰色系统,故选择基于三角白化权(Trigonal Whitening Weight,TWW)函数的灰色评价并结合模糊评价方法建立矿井通风系统综合评价模型。
2.1 评价模型
针对评价对象的性质,设置m个评价指标,
s个不同的灰类,某一评价对象i关于指标j的样本观测值为Xij,j=1,2,…,m。根据Xij的值对相应的对象i进行评估、诊断。该评价采用二级综合评价。
第一级评价采用基于白化权函数的灰色评估方法,其具体步骤如下[6]:
第一步,按照评价要求所需划分的灰类数s,将各个评价指标的取值范围也相应地划分为s个灰类,例如,将j指标的取值范围[a1,as+1]划分为s个区间:
[a1,a2],…,[ak-1,ak],…,[as-1,as],[as,as+1]
其中ak(k=1,2,…,s,s+1)的值要根据实际问题的要求或定性研究结果取定。
第二步,令λk=(ak+ak+1)/2属于第k个灰类的TWW函数值为1,连接(λk,1)与第k-1个灰类的起点ak+1和第k+1个灰类的终点ak+2,得到指标j关于k灰类的TWW函数f
对于j指标的TWW函数为
若评价对象i对于指标j的观测值为x,由式(1)可计算出其关于灰类k(k=1,2,…,s)的隶属度fjk(x)。
第三步,计算评价对象i(i=1,2,…,n)关于灰类k(k=1,2,…,s)的综合聚类系数σ
式中:fjk(xij)为对象i(i=1,2,…,n)在指标j(j=1,2, …,m)下关于灰类k(k=1,2,…,s)的TWW函数;ηj为指标j在综合聚类中的权重。
第二级评价采用基于单级的模糊综合评价方法[7],其具体步骤如下:
第一步,构成因素集。该级模糊综合评价因素集为D,其中的每一个因素Di(i=1,2,…,n)由上一级评价中的各聚类(即评价体系的次级目标)所构成。
第二步,构成评语集。C={优秀A级(C1),合格B级(C2),不合格C级(C3)}
第三步,构成模糊评判矩阵。σ
第四步,计算模糊评判结果。因素集D的权重分配为
第五步,确定评价等级。根据模糊综合评价结果
1) 如果基本评价等级为C级,当b1+b2>b3/2时,则最终评价等级应上调至B级,否则保持不变为C级。
2) 如果基本评价等级为A级,当b2+b3>b1/2时,则最终评价等级应下调至B级,否则保持不变为A级。
3) 如果基本评价等级为B级,当b1>b2/2>b3时,则最终评价等级应上调至A级;当b1<b2/2<b3时,则最终评价等级应下调至C级,否则保持不变为B级。
2.2 评价指标权重的定量
矿井通风系统进行综合评价也是一个由相互关联和相互制约的一系列定性或定量因素所构成的复杂系统的决策问题。因此确定评价指标权重值可采用层次分析法(AHP)来确定,其方法见参考文献[8,9]。
2.3 矿井通风系统指标评价分级界定值的确定
参考典型煤炭企业规章制度、煤矿生产法律法规条文、矿山安全导则、矿井统计数据等各类文献,确定矿井通风系统指标评价分级界定值见表1[2],分指标取数域延拓值见表2。
对于指标X14,反风合格度定义为反风时间合格度与反风率合格度的乘积,即当反风时间和反风度同时达到《煤矿安全规程》的要求(反风时间10 min以内,反风率40%以上)[10]时定义较好类得分为1,即该类隶属度得分为满分,否则得零分,故该指标不存在延拓值,不需要进行白化权函数计算。
3 应用实例
唐山沟煤矿实测各指标数据如表3所示。
根据前述方法对该矿通风系统进行评价,用该模型计算得到的评判结果经归一化处理为
评价后得到的基本评价等级为B级,因为b1>b2/2>b3,则最终评价等级应上调至A级;故该矿井现有的通风系统评价等级为A(优秀)等级。
4 结论
1) 构建了矿井通风系统综合评价体系,确定了风量与风质合格度等6大类23小项的评价指标。
2) 建立了基于灰色聚类分析—模糊综合评价的矿井通风系统评价模型,划分出通风效果等级,通过已建立的评价模型计算后,最终得到矿井通风效果的评价等级。
3) 以唐山沟煤矿实际通风系统状况为例进行了评价,评价结果与现场实际情况完全符合。
4) 根据综合聚类系数本身的性质,还可进一步分析各个指标的动态变化情况,从而有针对性地指导实际生产工作。
参考文献
[1]黄元平.矿井通风[M].徐州:中国矿业大学出版社,1986.
[2]陈开岩.矿井通风系统优化理论及应用[M].徐州:中国矿业大学出版社,2003.
[3]蔡卫,吴兵.层次分析法在矿井通风评价中的应用[J].辽宁工程技术大学学报,2005,24(2):149-152.
[4]程磊,杨运良,熊亚选.矿井通风系统评价指标体系的研究[J].中国安全科学学报,2005,15(3):91-94.
[5]陈伯辉.福建煤矿通风系统改造与优化研究[D].福州:福州大学,2007.
[6]刘思峰,郭天榜.灰色系统理论及其应用[M].北京:科学出版社,1999.
[7]宋晓秋.模糊数学原理和方法[M].徐州:中国矿业大学出版社,2000.
[8]许树柏.层次分析法原理[M].天津:天津大学出版社,1998.
[9]程健维,杨胜强.矿井采掘工作面通风效果的综合评价[J].中国安全科学学报,2007,17(5):156-161.
灰色综合评价 第2篇
摘要：在新的历史背景下，中学生数学学习的考试评价方法显现出越来越多的问题.有鉴于此，本文设计出一套基于灰色关联度理论的新的综合评价方法.案例研究结果表明，新方法具有充分照顾到过程性评价、合理地体现了学习表现的动态性、恰当量化了创新意识的评价等优点.
关键词：中学生;数学学习;灰色关联度理论;综合评价方法
一、引言
中学数学教育的目的是为了使学生掌握进一步学习所必需的代数、几何的基础知识和概率统计、微积分的初步知识，并形成基本技能;与此同时，培养学生的思维能力、运算能力、空间想象能力、解决实际问题的能力，以及创新意识;进一步培养良好的个性品质和辩证唯物主义观点.为了对数学教育现状进行实时的跟踪、监督和操控，并进而完成教学任务，数学教育评价是必要的.近几年，越来越多教育理论工作者和教育实践工作者发现数学考试评价方式存在很大的缺陷.第一，数学考试(特别是高考)的甄别、选拔色彩越来越浓，从而影响了数学教育评价的真正目的.第二，数学考试是量化的评价模式，它能较准确地评价学生的基础知识等素质，但在评价如情感态度等难以量化的素质时必然会丢失不少信息.第三，在科学化、客观化色彩的笼罩下，数学考试的试题设计、答案设计以及评价实施环境趋于标准化，忽视了思维过程的评价，同时阻碍了学生的个性品质的培养.第四，随着新课标的不断深入实施，传统的考试评价方式必然不适应新的课程理论.基于以上四点考虑，数学学习评价方式必然要改革.本文在文献的理论指导下，在考试这种量化评价模式中引入质性评价模式：基于灰色关联度的综合评价方法.
二、中学生数学学习结构剖分
依据新课标，下述能力的培养在中学数学学习中是关键的.基础知识：高中数学中的概念、性质、法则、公式、公理、定理以及由其内容反映出来的数学思想和方法;基本技能：按照一定的程序与步骤进行运算、处理数据、简单的推理、画图以及绘制图表等技能;思维能力：会观察、比较、分析、综合、抽象和概括，会用归纳、演绎和类比进行推理，会合乎逻辑地、准确地阐述自己的思想和观点，能运用数学概念、思想和方法，明辨数学关系，形成良好的思维品质;运算能力：会根据法则、公式正确地进行运算、理解算理，能够根据问题的情景，寻求与设计合理、简捷的运算途径;空间想象能力：能够由实物形状想象出几何图形，由几何图形想象出实物形状、位置和大小，能够想象几何图形的运动和变化，能够从复杂的图形中区分出基本图形，并能分析其中的基本元素及其关系，会运用图形与图表等手段形象地揭示数学问题本质;解决实际问题的能力：会提出、分析和解决带有实际意义的或在相关学科、生产和生活中的数学问题，会使用数学语言表达问题、进行交流，形成用数学的`意识;创新意识：对自然界和社会中的数学现象具有好奇心，不断追求新知，独立思考，会从数学的角度发现和提出问题，进行探索和研究;良好的个性品质：正确的学习目的，实事求是的科学态度，勇于探索创新的精神，欣赏数学的美学价值.历年高考数学考试大纲明确指出，数学考试，按照“考查基础知识的同时，注重考查能力”的原则，要考查考生对中学的基础知识、基本技能的掌握程度，要考查考生对数学思想方法和数学本质的理解水平，要考查考生进入高等学校继续学习的潜能.考核指标有：基础知识、空间想象能力、抽象概括能力、推理论证能力、运算求解能力、数据处理能力、应用意思创新意识等.关于中学生学习评价方面更多的研究可见文献.
三、灰色关联度综合评价模型原理
灰色关联度理论是灰色关联度综合评价方法的理论基础，是对由数据不足所导致的不确定的灰色系统进行的研究重要方法之一.由灰色关联分析原理可知，灰色关联度综合评价实质上是提取某一灰色评价系统(将要评价的对象)的少量已知信息，通过灰色关联分析的方法，将灰色系统“白化”，以获得更多关于被评价系统的信息，进而达到综合评价的目的.灰色关联度综合评价的整个过程实质上计算灰色关联度的过程，即是灰关联分析的过程.为了对模型做简单的介绍，现在假设被评价的中学生人数为n，每名学生的数学学习可以大致划分为p项表象指标.记X=(xij)1≤i≤n，1≤j≤p，其中xij表示第i名学生的第j项指标得分，1≤j≤p，1≤i≤n.不失一般性，这里约定：(xij)1≤i≤n，1≤j≤p中的元素无量纲或者量纲相同;任何元素值越大，意味着所对应的学生所对应的指标所反映的素质越高;任何两个元素数量级(相差不大于10)相当.进行灰色关联度综合评价时，由矩阵X=(xij)1≤i≤n，1≤j≤p构造出增广矩阵XA=(xij)0≤i≤n，1≤j≤p，其中，x0j=max1≤i≤nxij.灰色系统理论中，X0=(x01，x02，...，x0p)称为灰参考序列.从几何理论出发，可以定义一种灰色理论中称为灰关联空间的结构(XA，γ)，其中，γ(Xi，X0)=1ppj=1∑γ(xij，x0j)，Xi=(xi1，...，xip)∈R1×p，γ(xij，x0j)=min1≤i≤nmin1≤j≤p|xij-xoj|+ζmax1≤i≤nmax1≤j≤p|xij-xoj||xij-xoj|+ζmax1≤i≤nmax1≤j≤p|xij-xoj|，ζ∈(0，1)称为分辨系数，主要用来反映系统的可辨程度.由表达式可看出，当ζ越小时，被评价对象被区分得越明显，相应的评价结果越清晰;当ζ越大时，评价对象的区分程度就越模糊，相应的评价结果就越模糊.ζ的具体取值取决于系统本身，信息最少原理指出常常取ζ=0.5.具体的关联度综合评价，就是依据空间(XA，γ)中所计算出来的γ(Xi，X0)大小关系，在矩阵X满足上面的约定的条件下，γ(Xi，X0)越大，第i名评价对象综合素质越高，用于学生数学学习评价时指的就是第i名学生的数学学习越好;γ(Xi，X0)越小，第i名评价对象综合素质越高，用于学生数学学习评价时指的就是第i名学生的数学学习越好.
四、案例研究
本文选择的研究对象是成都市温江区某高级中学级一平行班，该班有56名学生.为了简化评价模型，本次评价实验将中学生的数学学习分为基础知识、基本技能、思维能力、运算能力、空间想象能力、解决实际问题的能力、创新意识、个性品质这八项指标;由专家建议，本文赋予上述指标的权重分别为33%，19%，14%，9%，4%，4%，10%，7%.通过数学测试、观察、访谈以及信息整合等过程，我们整理出了全班56名学生各项指标的得分.将数据无量纲化，并利用灰色关联度综合评价模型对全班56名学生进行数学学习综合评价、得到全班56名学生的综合评价排名表.评价结果显示：(i)评价结果与学生的平时学习表现基本相符、充分顾及到了学习过程的评价，平时表现出的学习习惯越好，综合评价排名越靠前;(ii)不仅强调对基础知识的掌握，新的综合评价方法也非常重视学生基本技能的培养和思维能力的提高;(iii)在新综合评价的过程中，创新意识及个性品质得到了充分体现;(iv)新的评价方法还非常重视学习的动态性，突出了对运算能力、空间想象能力、解决实际问题能力提升的要求.
参考文献：
[1]马云鹏,张春莉.数学教育评价[M].北京:高等教育出版社,.
[2]张奠宙.数学教育研究导引[M].江苏:江苏教育出版社,1994.
[3]全国十二所重点师范大学.教育学基础[M].北京:教育科学出版社,.
[4]唐瑞芬.数学教学理论选讲[M].上海:华东师范大学出版社,.
[5]魏云超.数学教育评价[M].广西:广西教育出版社,.
[6]龚玲梅.数学教育评价的回顾与展望[J].数学教育学报,2003,12(2):32-34.
灰色综合评价 第3篇
【关键词】 技术创新风险； 模糊灰色综合评价法； 风险评价； 风险因素
中图分类号：F275 文献标识码：A 文章编号：1004-5937（2015）20-0044-05
伴随着市场经济的发展与完善，企业自身的竞争力优势进一步加强，要想在竞争日益激烈的市场下保持优势，只能依靠技术创新。而技术创新不可避免地伴随着风险，所以识别风险因素，并运用专业手段评价相关风险，才能为企业创新决策提供科学参考与依据。
一、技术创新风险和风险评价的含义
（一）技术创新风险的含义
企业在实施技术创新项目过程中，因为市场、企业技术的不确定性、技术创新项目自身的难度和宏观环境等因素的影响，由此而引发创新项目的中断甚至失败，从而达不到预期经济效果和技术指标，造成损失的可能性，就是技术创新风险。
（二）风险评价
建立在风险估测和识别的基础上，参考风险对特定目标的影响程度大小，全面考虑其他因素，将项目的风险进行分级排序，这个过程就叫做风险评价。它主要通过建立风险评价专业模型，并结合具体风险因素来进行综合分析，估测出风险的发生概率及其导致的损失程度，从而找出该创新风险的关键并确定项目整体的风险水平，为企业提供科学的依据，从而保障项目的顺利进行。
项目风险评价的过程为：
1.搜集数据
首先必须搜集数据，可以参照类似项目的历史记录进行搜集，但必须保障数据与本创新项目相关。如果历史资料不能满足需求，有可能需要通过征集专家意见去获得一些主观但是专业的评价。
2.建立不确定性模型
以已得数据为基础，对相关风险进行明确的量化，进一步形成风险评价模型。
3.评价风险影响
在不确定性模型建立之后，全面分析相关风险的影响，运用科学的评价方法，把风险结合起来。项目风险评价过程如图1所示。
二、技术创新项目风险因素指标的设计
一般情况下，建立指标体系中的风险因素要能够做到全面、准确并有效，可以说明创新项目中的所有风险，除了已出现的，还要对未出现的潜在风险进行反映。
本文参考众多学者已提出的风险因素体系，将其中交叉和重复的因素去除，结合我国现有的技术创新状况、企业创新发展现状和问题，建立了创新项目的风险因素体系，如表1所示。
三、构建技术创新的模糊灰色综合评价模型
参考原有技术创新项目的风险识别和评价方法，可以看到，如果仅仅是单一地运用模糊评价法，就有可能面临信息丢失的问题，而且单纯地采用模糊评价法，专家评判的一致性就没有办法衡量。如果单纯地使用灰色综合评价法，很显然，可以在一定程度上解决信息丢失的问题，但是，对于专家评判的一致性，同样没有办法衡量出来。所以如果只是单纯地使用模糊评价法或灰色综合评价法，都有可能造成评价结果与实际存在偏差的情况出现，因为要将这两种方法相结合，使评价能够更加系统、全面、准确。
运用多层次的模糊灰色综合评价方法，通过分析，可以得到属于该企业技术创新项目的总体风险程度大小，除此之外，还可以识别出所属的各级风险因素指标的不同风险级别。鉴于此，企业就可以查找到影响自身技术创新项目成败与否的关键原因，并能采取有针对性的措施，对于不同风险级别采用不同方法，合理地配置有效资源，从而达到降低整个技术创新风险的目的，使创新项目可以顺利地进行下去。
四、模糊灰色综合评价模型的实证分析
为了简化样本数据的搜集工作，本分析的数据通过对文献谢科范、佘廉（2004）的《企业风险管理》和李晓峰（2005）在《企业技术创新风险测度与决策及其预控研究》中的研究，选取了一些较为典型的案例在此作为样本来进行分析。
选取XX石化公司“新型蒸发式空冷机”技术创新项目进行风险评价。“新型蒸发式空冷机”技术创新项目旨在研究出一种新表面蒸发式空冷器，替代夏季运行冷却能力不足的原干式空冷器，还为因扩能改造导致装置空间狭小的难题，找到了有效的解决方法，较常规空冷器每年可节约60%的用电量。仅此一项，每年可为生产装置节约不少的电力费用。
在此，运用模糊灰色综合评价模型对“新型蒸发式空冷机”技术创新项目进行风险评价。该项目的具体风险因素指标及其评价值见表2。
风险分析具体计算步骤如下：
1.对各因素指标的权重予以确定。通过文献查找与询问调查，得出反映各项指标对创新项目的成败影响程度的评分值并计算出大多数指标权重，其余部分参考专家的各项意见依据经验打分，并归一处理其评分值，得到对应的完整一级和二级指标权重。
3.进行模糊综合评判
根据最大隶属性原则，参考计算所得数据，可判断出，此技术创新项目属于风险级别较低的程度，而这个风险评估结果也与项目在实际中所遇到的风险程度基本相同。同样地，通过计算，得出各级指标的综合值，也可以用来判断各级指标所处的风险大小和风险级别。
通过多层次的模糊灰色综合评价，不但能够分析出该企业技术创新项目（新型蒸发式空冷机）的总体综合风险程度，还可以识别并确认各级风险因素指标的相应风险级别。经过创新的风险分析与评价，企业就可以从中找到影响自身技术创新项目能否成功的关键因素，从而采取有针对性的措施，对于不同风险级别采用不同方法，合理地配置有效资源，从而达到降低整个技术创新风险的目的，使创新项目可以顺利地进行下去。
五、总结
无论企业进行何种技术创新，只要在决策之时，风险就始终存在并一直伴随着创新项目。所以，技术创新项目一旦通过预测作出具体选定决策，企业经营者就必须随时密切关注技术创新风险的变化，做到对现存风险和未出现的潜在风险因素都能进行分析、估测和评价，并在此基础上，千方百计地寻求可以防范风险的有效对策和具体措施，力求把风险的影响降到最低。
综合以上分析，企业在应对技术创新项目上，应加大对财务風险的评价与分析，才能及时地提出有效的风险预警与规避方案，使得创新项目能更好地运行下去。
【参考文献】
[1] 杨知宇，杨景海.基于现金流量视角的财务风险预警模型分析[J].会计之友，2014（30）：46-50.
[2] 鲍新中，何思婧.企业财务预警的研究方法及其改进——基于文献综述[J].南京审计学院学报，2012（5）：60-70.
[3] 李晓奇.上市公司财务风险预警Logistic模型的研究[D].北京交通大学硕士学位论文，2011.
[4] 孙威武.企业技术创新项目风险评价[J].中南财经政法大学学报，2004（1）：120-124.
[5] 欧阳歆.基于Z模型的物联网企业财务风险评价研究[J].会计之友，2014（4）：70-73.
[6] 谢科范，等.企业风险管理[M].武汉：武汉理工大学出版社，2004.
[7] 李晓峰.企业技术创新风险测度与决策及其预控研究[D].四川大学博士学位论文，2005.
灰色综合评价 第4篇
目前常用于物流园区选址的评价方法主要有层次分析法和模糊综合评价法。由于影响物流园区选址的因素较多以及专家的知识水平和认识能力不同,在评价过程中未必能准确获取所有数据,存在信息不完全、不明确的情况,即具有灰色性,本文将灰色系统理论和层次分析法结合,一定程度上消除了人为因素带来的偏差,有利于决策者对评价结论的有效把握。
1. 指标体系的建立。经分析调查,建立物流园区选址的指标体系,如图所示:
2. 灰色评价方法与步骤。
(1)确定评价指标集。结合层次分析法原理,将指标体系的三个层次定义为:目标层U,准则层和指标层(其中都等于5)。令U代表准则层指标所组成的集合,记为,代表指标所组成的集合,记为。。
(2)确立评价指标的权重。利用层次分析法(AHP)来确定指标的权重值,即通过指标之间的重要性比较构造判断矩阵,求矩阵特征向量和特征根,并进行一致性检验,得出各项指标的权重。假设的权重分配为,指标权重集为;的权重分配为,各指标权重集为。。
(3)确定评价指标的评分标准。本文将评价指标的优劣程度划分为优、良、中、合格、差5个等级,并分别赋值(5,4,3,2,1)。若指标等级介于两相邻等级之间,其相应的评分为4.5,3.5,2.5,1.5分。
(4)打分评价。设有s个评价者,其评价者的序号为n=1,2,…,s。依据评分标准分别给各评价指标评分,并填写评价专家评分表(略)。设第n个评价者对受评对象某指标给出的评分为,由此得出受评对象的评价样本矩阵D。
(5)确定评价灰类。根据评分等级评分标准,决定采用5个评价灰类,灰类序号为e=1,2,3,4,5,分别表示优、良、中、合格、差。相应白化权函数如下:
(6)计算灰色评价权数uij。设评价指标属于第e个评价灰类的灰色评价系数记为总灰色评价数记为,则评价指标属于第e个评价灰类的灰色评价权数可记为。若评价指标对于各个灰类的灰色评价权向量为Hi j,则有,指标的灰色评价权矩阵Hi可记为:。。
(7)综合评价。①对准则层做一级综合评价,若对指标的评价结果为,有
②对目标层做二级综合评价,综合评价结果B为:
③计算综合评价结果。将各灰类等级按“灰水平”赋值,设C=(5,4,3,2,1),于是得出受评对综合评价值S:S=B·CT,由此,可根据值大小对受评对象进行综合评价。
3. 实例应用。某地规划拟建一个物流园区,需进行选址研究,经初步选择确立了三个预选地址A、B、C,需对这三个地址逐一进行综合评价,这里主要以A的评价为例。
(1)构造层次评价指标模型。利用上图给出的物流园区选址评价指标体系。
(2)确定评价指标权重。运用层次分析法,通过各指标重要性两两比较,最终确定各指标权重,结果如下:A=(0.4,0.3,0.3);A1=(0.483,0.083,0.141,0.129,0.164);A2=(0.311,0.264,0.159,0.136,0.130);A3=(0.154,0.296,0.136,0.166,0.248)。
(3)打分评价。现有6位评价人员对A地址进行打分评价,评分结果如表所示:
(4)按上述(5)、(6)步对表中的数据进行处理,得到受评者对指标的灰色评价矩阵:
(5)进行综合评价
B1=A1·H1(0.397,0.375,0.158,0.066,0.004);B2=A2·H2(0.337,0.361,0.214,0.087,0);B3=A3·H3(0.318,0.341,0.196,0.134,0.011);B=A·[B1 B2 B3]T(0.355,0.361,0.186,0.093,0.005);S=B·CT=3.968。
即A地的综合评价值是3.968,按照同样的方法可得出B,C两地的评价值S,S值最大的地址即为最优。
灰色综合评价 第5篇
灰色关联投影法在区域公路交通发展状况综合评价上的应用
采用灰色关联投影法,考虑公路交通事故状况、公路里程、旅客和货物的周转量、公路运输汽车拥有量等多方面因素,通过对相关统计数据的分析,对华东地区的江苏、浙江、安徽、福建、江西、山东等6个省份的`公路交通发展状况进行了综合评价,可为政府决策部门加强协调与管理、促进公路交通的发展提供一定的决策依据.
作 者：陈斌 CHEN Bin 作者单位：宿迁学院,江苏,宿迁,223800刊 名：长江大学学报(自科版)理工卷英文刊名：JOURNAL OF YANGTZE UNIVERSITY(NATURAL SCIENCE EDITION)年，卷(期)：6(1)分类号：U4关键词：灰色关联投影法 区域公路交通 综合评价
灰色综合评价 第6篇
关键词：图书馆管理机制评价绩效灰色聚类
在《绩效预算和支出绩效考评研究》一书[1]提出了组织管理评价指标，该文献推荐了评价方法：3E评价法，标杆管理评价法和平衡记分法。本文另外引用灰色理论中的灰色聚类评价法，对进行一个大学的三个图书馆L1，L2，L3进行科学尝试性地评比排序，尝试性地研究工作。
图书馆管理机制绩效评价指标体系的建立原则：（1）目标性原则：评价指标应与一个机关组织管理机制的作用效果相适应，例如应将图书馆查询系统的实用性纳入指标体系；（2）前瞻性原则：评价指标要具有超前性，如指标有能够及时发现管理机制的薄弱环节，及时提出对策，以持久促进和提高管理机制的水平；（3）可回溯性原则：例如图书馆出库的图书更新情况；（4）完整性原则：图书馆评价指标要能全面评价图书馆管理机制运行的全过程，如监督执行的有效性；（5）公平性原则：指标评分值区间要公平、合理。
1.图书馆管理机制绩效评价指标体系
指标体系中评价元素的括号内为评分值，可界于0分到1分或2分打分，最后获得一个指标的总分。
J1：图书馆管理制度的健全性（0-1分），规范性（0-1），任务分工明确性（0-1）和责任分工到人的落实性（0-1），共（0-4分）；
J2：图书馆工作任务年度计划的内容相符性（0-1），进度相似性（0-1），进度超前性（0-1），内容超额性（0-1）。共（0-4）分；
J3：图书馆工作反馈监督的健全性（0-1），协调性（0-1），执行性（0-1），有效性（0-1），共计（0-4）分；
J4：图书馆人员对师生服务规章的健全性（0-2），对客户服务态度友好性（0-2），共计（0-4）分；
J5：图书查询软件系统的可扩展性（0-2），实用性（0-2），共计（0-4）分；
J6：图书馆书库存贮的分类科学性（0-2），不断新进图书的更新性（0-2），共计（0-4）分；
J7：图书馆组织管理薄弱环节和存在问题发现的及时性（0-2），采取对策的有效性（0-2），共计（0-4）分。
2.灰色聚类法的评价机理
灰色聚类法是灰色理论与方法的重要组成之一[2]，它便于对评比对象进行评比排序来挑选对象，该法的要点步骤如下：
2.1 确定评价指标值（打分值）矩阵D-dij指标值
（1）指标值类型：a理论公式计算值；b定量测试值；为某产品生产率值；c专家及领导定性打分值：差（0-2分），一般（2-3分），较高（3-4分），高（4-5分）。
（2）指标值的极性统一化处理：指标极性为大，即指标越大越好，属正指标以pol（max）表示，反之，如资产负债率对企业绩效的影响要越小越好以pol（min）表示。灰色聚类法要求同一评价值矩阵D-dij只能有一种极性。如果矩阵极性为pol（max），而同一矩阵出现pol（min）则以1- pol（min）纳入pol（max）矩阵，这就是进行极性统一化处理。
（3）指标值无量纲化处理：将所有评价对象的同一指标，如J1中的dij：d11，d21，d31（i=1，2，3为参评对象L i ）（J=1为第一指标）以d11除之。无量纲才能免除各指标特征属性不同，单位不同影响评比质量的不准确度。
（d11，d21，d31）=（d11/d11，d21/ d11，d31/ d11）
评价指标值矩阵D-dij[3]
指标J
参评对象1J11J21J31J41J51J61J7L1（i=1）1d111d121d131d141d151d161d17L2（i=2）1d211d221d231d241d251d261d27L3（i=3）1d311d321d331d341d351d361d372.2 確定灰类等级h
对客观对象的评价具有不确定性，相对性和模糊性，即所谓灰色性。其影响的因素部分处于确知状况，部分处于不确知状况，基于这种灰色特性，将其灰色特性分成灰类等级：h=1，2，3，4对应低，一般，较高，高。
2.3求白化权函数值fih（dij）
fih（dij）表示指标值dij属于某一灰类等级h的程度（相当权重值）称为白化权函数[3][4] .
每一灰类等级存在上，中，下限h∈[0，h，2h].
当dij∈[0，h]， fih（dij）= dij/h
当dij∈[h，2h]，fih（dij）= （2h-dij）/（2h-h）
当dij[0，2h]，fih（dij）=0 （注：表示“不属于”）
要对h=1，2，3，4分别求出fih（dij）.
2.4 求白化权函数的转折点—门槛值
cjk=min（dij）+（h-1）Δ
式中， Δ=[max（dij）-min（dij）]/（h max-1）
h max=4
max（dij）和min（dij）为一个j指标中所有评价对象i=1，2，3的最大值和最小值。
对应一个j指标，对应h=1，2，3，4有4个值。
2.5求折算系数
ηjh=cjh/mcjk
对应一个j指标，对应h=1，2，3，4有4个ηjh值。
2.6计算灰色评估值
σik=m[f（dij）×ηjk]，对应h=1，2，3，4的每个i都有4个σik值，如，i=2，则有σ21，σ22，σ23，σ24。
2.7求灰色聚类评估结论值及执行排序准则
从每一个评比对象的各h中选出最大σik值，作为σkik，σkik=max{σi1，σi2，σi3，σi4}。排序准则是从σk1k，σk2k，σk3k，σk4k，中找出灰类级别的排充第一，如属于同一灰类等级，则将σkik值大的排在前列，而终选排序结论。
3.优选三个图书馆L1，L2，L3的管理绩效排序——类证分析
由领导和专家组成的评审组按指标体系对L1，L2，L3进行评分，并作极性化处理，参见表1
1 第1由表6知：σk32>σk22>σk11，所以该年度图书馆管理绩效的排序是L3第一名，L2第二名，而L1为第三名。
结语：对图书馆管理机制绩效的优选排序表明，采用灰色理论的灰色聚类评价法可以克服专家对指标值指定权重的主观性缺陷。通过优选每个评价对象的灰类评估最大值σkik，再从三个图书馆σkik选灰类等级高的σkik数值大的，排在前列，达到优选排序的目的，上述实证分析说明：这种方法可行，获得良好效果，可研制成软件.以供使用。
参考文献：
[1] 财政预算司.绩效预算及支出绩效考评研究[M].中国财政经济版社，2007 .
[2]Deng Julong . The BASIC Theory of Grey System [M] Wuhan HUST Publishing Group ， 2002， 1th.
[3]Wankan .Grey Clustering of The High Technology Competence [J] The journal of Grey System ， 2002（2）：209-212.
灰色综合评价 第7篇
关键词：营销力,灰色系统,模糊评价
企业营销力是企业系列营销活动有机耦合, 以克服交换中障碍的能力。为了有效培育企业营销力, 企业营销力的评价显得尤为重要。对于企业营销力评价研究, 国内外学者已进行了相关探索, 但至今尚未见到一个相对完整的和可操作的评价方法, 基于此, 本文提出了基于灰色系统的企业营销力综合模糊评价。
1 模型构建
1.1 指标体系
运用Delphi法构建如图1所示的企业营销力三级评价指标体系。其中, 营销文化力 (v1) 是营销文化对市场营销活动的导向能力, 决定着企业在营销活动中的指导思想, 主要评价指标有:营销文化建设 (x1) 、市场的变观念意识 (x2) 、营销道德与责任 (x3) 、营销创新意识 (x4) 、营销工作的地位 (x5) , 这五个指标是定性指标。
营销战略定位力 (v2) 是对未来企业营销发展方向的总体规划, 主要的评价指标:信息系统建设 (x6) 、环境分析能力 (x7) 、战略决策能力 (x8) 、市场定位能力 (x9) , 这四个指标是定性指标。
营销组合力 (v3) 是保证企业营销战略目标的具体实现的产品、价格、促销和渠道有机组合能力。主要评价指标:R&D经费比重 (x10) , 定量指标, R&D经费比重=企业R&D经费数额/企业销售收入总额;新产品产值率 (x11) , 定量指标, 新产品产值率=新产品总产值/同期全部产品的总产值;产品性价比 (x12) , 定性指标;产品合格率 (x13) , 定量指标, 产品合格率=企业合格品产值/企业总产值;渠道分布科学性 (x14) , 定性指标;单位销售额促销成本 (x15) , 定量指标, 单位销售额促销成本=促销费用/企业销售收入总额。
营销执行力 (v4) 是所有营销活动得以有效实施的职能保证、人员保证和机制保证。评价指标:服务体系完善程度 (x16) , 营销组织与队伍建设 (x17) , 销售规章制度完善性 (x18) , 营销过程控制与监督 (x19) , 这四个指标是定性指标。
营销绩效力 (v5) 是企业开展的所有营销活动实施效果的直接体现。主要的评价指标:市场占有率 (x20) , 定量指标, 市场占有率=企业的销售额/市场总销售额;顾客满意度 (x21) , 定性指标;销售利润率 (x22) , 定量指标, 销售利润率=企业利润额/市场总销售额;企业及品牌形象 (x23) 和战略目标实现程度 (x24) , 定性指标。
1. 2 指标的优化调整与权重
对于定量指标, 消除量纲的影响, 统一变换到
效益型指标:指标评价值越大越好的指标, 量化处理公式为:
区间型指标:指在某一区间内取值是才是最优的指标。量化处理公式为:
式中i=1, 2, …, m;j=1, 2, …, n;
对于指标的权重, 借助于层次分析法 (AHP) , 结合相关专家对指标重要性的评判, 可得指标的组合权重:
1.3 数据的收集与处理
对于定量指标, 经过1.2的处理, 变为无量纲值。对于定性指标, 采用专家打分法, 通过向有资深实践经验的专家匿名调查卷的形式, 获得他们对各定性指标的评定值。 对于定性指标依靠专家打分确定, 其评估矩阵是建立在评估者的知识水平、认识能力和个人偏爱之上的, 因而很难完全排除人为因素带来的偏差, 这就使评估者在评估中提供的评估信息不甚确定, 也不甚完全, 从而带有灰色性和模糊性, 故本文利用灰色系统评估法和模糊综合评判, 来处理专家对评估指标的样本矩阵。设l (l=1, 2, …, L) 为评价者, i (i =1, 2, …, I) 为被评价指标, 评价者l对评价指标i 给出的评分记作dli, 那么其样本矩阵:
1.4 确定评估灰类, 构建模糊矩阵
确定评估灰类即确定评估灰类的定级数、灰类的灰数及灰数的白化权函数, 依据实际评估问题设评估灰类, 确定评价灰类就是要确定评价灰类的等级数、灰类的灰数及白化权函数。 依据实际评估问题设评估灰类序号为e (e=1, 2, 3 , …, g) , 即有g个评估灰类。本文根据实际经验和专家咨询, 规定四个评价灰类 (g=4) , 分别是“优”、“良”、“中”、“差”。 其相应的评价等级集合为
第一类“优”, e=1, 灰数为
第二类“良”, e=2灰数为
第三类“中”, e=3灰数为
第四类“差”, e=4
用fe (dli) 表示dli属于第e (e=1, 2, 3, 4) 类评估标准的权, 用pie表示灰色统计法确定灰数的白化权函数, 用表示pi评判矩阵的灰色统计数, 那么对于定性指标, 可得:
pie=
从而求出所有专家对第i个指标的灰色评价权值, 并用rie表示, rie=
关于定量指标, 在经过第二步处理计算后得到无量纲值, 根据确定的白化函数直接计算第k个定量指标第e类评价标准的灰色权值, 用rke表示。以上计算得到的rie和rke, 进行归一化处理, 使得
1.5 计算评价结果
由指标权重和灰色评估权矩阵可得白化的综合模糊评判矩阵:
然后求出最终的评价结果P=BS, 根据计算结果, 可确定项目评价等级。
2 实证研究:基于灰色系统的海尔集团营销力综合模糊评价
海尔集团成立于1984年, 是集科研、生产、贸易及金融等于一体的国家特大型企业, 产品出口到160多个国家和地区, 本文利用所提出的模型, 对该企业营销力进行评价。
2.1 指标的系统权重
采用 AHP法, 结合10位专家对指标的重要性的判断, 可以得到24个指标的组合权重:
2.2 数据的收集与处理
对于定量指标, 以2004年底该企业的实际数据为准, 根据2.2的方法, 变为无量纲值 (表1) 。
对于18个定性指标, 请10位专家打分, 为了便于专家评定, 规定打分范围1—10 分, 以10位专家对18个评价指标评价打分, 得到专家评估样本矩阵D= (dli) 10*18 (略) 。
2.3 确定评价灰类, 构造模糊矩阵
根据1.4 确定的评价灰类、相应的灰数及白化权函数, 根据1.4介绍的方法, 计算pie, pi, rie, rke, 并构造单因素模糊矩阵R (略) 。
2.4 计算评价结果
由1.5, 计算最终评价结果
P=BS=
3 结论
本文运用Delphi法、AHP法、灰色系统评估法和模糊综合评估法, 提出了一种切实可行的基于灰色系统的企业营销力综合模糊评价模型, 并以实例验证了评价模型的可行性和有效性。
参考文献
[1]Weerawardena J, O Cass A.Exploring the characteristics of the mar-ket-driven firms and antecedents to sustained competitive advantage.Industrial Marketing Management, 2004, (33) :419—428
[2]Atuahene-Gima K.Determinants of technology licensing intentions:An empirical analysis of Australian engineering firms.Journal of Prod-uct Innovation Management, 1993; (10) :230—240
[3]刘思锋、郭天榜, 党耀国, 灰色系统理论及其应用.北京:科学出版社, 1999
[4]胡运权, 郭耀煌.运筹学教程, 北京:清华大学出版社, 1998
[5]潘红华, 胡家升, 张圣云, 等.基于灰色系统模型的预测函数控制方法研究.控制与决策, 2004;19 (1) :117—119
[6]王庆金, 吴泗宗.价格折扣和运输折扣下供应链库存-运输优化模型.信息与控制, 2005; (3) :335—339
[7]王庆金, 吴泗宗.市场需求预测偏差下供应链协调.工业工程与管理, 2005; (4) :13—16
基于灰色系统理论的储层综合评价 第8篇
前两类定性评价和半定量评价所使用的方法, 均受到研究人员主观地质认知水平的影响, 分类标准和评价结果会存在一定的差距, 同时, 选取的参数不同也会不同程度的影响储层综合评价结果的一致性。为此, 本文采用了基于灰色系统理论的储层综合评价方法, 这种定量评价方法降低了个人主观因素和因评价参数的变化对最终评价结果的影响。
1 研究区地质概况
子长油田屈家沟区位于鄂尔多斯盆地伊陕斜坡中东部, 伊陕斜坡整体具有东高西低的特征, 坡降8~10m/km, 发育因差异压实作用引起的相对简单的鼻状隆起构造。屈家沟区主力油层为长61-3层, 孔隙度为10.3%, 渗透率为1.04×10-3μm2, 属于低孔、低渗、低丰度、低产岩性油藏。
2 选评价参数
储层综合评价应满足平面上的整体性和分类标准可操作性强的特点。为了提高储层综合评价的准确性, 应优选出多项具有代表性的参数进行评价。根据屈家沟区的基础地质资料的丰度及分布情况, 最终引入砂岩厚度、砂地比、孔隙度、渗透率、沉积微相六种评价参数, 并在这六种参数中进一步优选。
为了优选出相对独立的储层评价参数, 本文引用谱系聚类分析方法[1]。用距离来刻划变量之间的相关性, 即欧氏距离:
由于上述六种评价参数的量纲及物理意义均不相同, 为了降低量纲对计算过程的影响和操作方便, 需要对数据进行变换处理, 本文使用极差正规化变换方法。变换后的数据无量纲, 且在0~1的范围内变化。通过聚类分析最终可绘制出屈家沟区聚类分析谱系图 (图2) 。
根据谱系聚类分析结果, 泥质含量和其它参数相似性最低, 而相似性最高的两组参数为砂岩厚度和砂地比, 可将其中的砂地比去掉。最终优选出了砂层厚度、孔隙度、渗透率、沉积微相、泥质含量五个参数进行储层综合评价。
3 确定评价参数的权系数
灰色系统理论分析法中确定各类评价参数权系数的目的是总结各类评价参数的亲疏关系, 分清主次关系, 明确储层评价的重要参数和因素, 掌握不同评价参数之间的内在联系, 对整了评价系统进行定量描述和解析。具体操作包括了子母序列的选定, 联系数、关联度和权系数的计算。
3.1 选定子、母序列
计算评价参数权系数之前, 需要确定储层评价的子母序列。主要是理清评判事件与各类参数的内在联系, 最终实现可用一种评价参数定量刻画评判事物的特征。上述这种按一定规律分布的参数指标, 称为关联分析的母序列:
分析过程中可决定被评判事物特性的各子参数的有序排列即是子序列, 考虑主因素的m个子因素, 则有子序列:
对泥质含量, 其值越小, 反映储层物性越好。本文把泥质含量的数值作倒数处理, 以便使其变换后的数值越大越利于油气储集。由于系统中各评价参数的物理意义和量纲均不相同。因此本文采用均值化变换方法对原始数据进行无量纲化处理。
3.2关联系数和关联度
具体计算过程中, 引入了分辨系数ρ, 其目的是为了提高灰关联系数之间的差异显著性, 降低最大绝对差数值太大对数据真实性的影响。通常情况下ρ∈[0.1, 1], 本文取值0.1。
统计可知, 子母因素之间的关联度越靠近1, 则关系越紧密, 说明该子因素对母因素的影响越大。
3.3 评价参数权系数的确定
根据计算得出的关联度, 通过归一化处理即可得到权系数。本次选取的砂岩厚度一个参数为母因素, 选取孔隙度、渗透率、泥质含量、沉积微相四个参数为子因素。根据上述计算方法和流程, 最终计算出了各评价参数的权系数 (见表1) 。
4 储层综合分类评价
通过评价权系数的计算, 将优选出的评价参数综合考虑, 即可计算出一个综合性且具有代表性的储层综合评价指标值, 最后可根据储层综合评价指标值分布范围进行储层综合分类。具体计算公式如下:
式中:Re表示综合评价指标;n表示评价参数的个数;Ai表示
评价参数的权系数;Bi表示评价参数。
根据计算结果, 储层发育越好的区域, 相应的储层综合评价指标也越大, 为含油有利区。
本文运用拐点法, 确定各类储层的分阈值, 最终可根据储层评价指标值在平面上区分出Ⅰ类 (有利储层) 、Ⅱ类 (较有利储层) 、Ⅲ类 (差储层) 储层的分布区域。
根据储层综合评价指标值分类阈值图, 可以发现曲线上有3个拐点, 每个拐点就是相应2类储层的区分点, 即分类阈值 (图3) 。具体分类阈值为:A点 (3.0) 、B点 (4.0) 和C点 (6.0) , 并确定了各类储层的分级标准 (见表2) 。
在此基础上, 经过回归分析可以确定各类储层相关评价参数的分布范围 (表3) 。
根据长61-3储层综合评价平面分布图, I类储层主要分布在主河道砂体较为发育的区域, 在研究区北部呈小范围条带状展布, II类储层主要分布在分流河道及河道侧翼的大部分区域, 分布范围较为广泛, III类储层主要分布在河道侧翼向河间洼地过渡区域分布, 分布范围最小。
5 结语
基于灰色系统理论的储层综合评价, 消除了个人主观因素和评价参数选取不同对评价结果的影响, 是一种可靠的定量评价方法。基于此方法最终将子长油田屈家沟长61-3储层评价分为3类:I类储层主要分布在主河道砂体较为发育的区域, II类储层主要分布在分流河道及河道侧翼的大部分区域, III类储层主要分布在河道侧翼向河间洼地过渡区域分布。评价结果符合本区的地质开发特征, 达到了预期的效果。
摘要：于灰色系统理论对子长油田屈家沟区长61-3储层进行定量综合评价。具体思路为首先从各类地质基础数据中优选出评价参数, 其次运用灰色系统理论选定母子序列并计算出关联系统和关联度进而得到评价参数的权系数, 再次采用拐点法确定储层综合评价的分类阈值, 明确储层分类标准, 最终实现了对子长油田屈家沟区长61-3储层的综合定量评价, 取得较好效果。
关键词：灰色系统,权系数,储层定量评价
参考文献
[1]程启贵, 郭少斌, 王海红, 等.鄂尔多斯盆地中西部长6油层组储层综合评价[J].石油实验地质, 2010, 32 (5) :415-419.
[2]裘亦楠, 薛叔浩.油气储层评价技术[M].北京:石油工业出版社, 1997.
[3]孙红志, 刘吉余.储层综合定量评价方法研究[J].大庆石油地质与开发, 2004, 23 (6) :8-10.
[4]吕红华, 任明达, 柳金诚.Q型主因子分析与聚类分析在柴达木盆地花土沟油田新近系砂岩储层评价中的应用[J].北京大学学报, 2006, 42 (6) :740-745.
[5]邓聚龙.灰色预测与决策[M].武汉:华中理工大学出版社, 1992.
灰色综合评价 第9篇
油田加热炉是油、气生产和输送过程中广泛使用的专用设备,将原油、天然气、水及其混合物等介质加热至工艺要求温度,以便满足接下来运输、分离和粗加工等生产环节的需要[1]。由于使用量大、运行时间长、热效率普遍偏低等原因,油田加热炉具有一定的节能潜力。由此开展节能降耗的一项基础性工作,为对油田在用加热炉的用能情况做出综合评价,为采取有效措施提高加热炉设备能源利用效率提供可靠依据。目前石油行业对加热炉进行节能监测时将所有评价指标视为同等权重,得到的评价结果也仅限于定性的“合格”或“不合格”[2]。鉴于各因素对加热炉运行的影响程度各不相同,本文运用灰色关联分析法对油田加热炉用能情况进行分析,并引入熵权法确定各评价指标的权重,避免了权重计算的主观性,量化后的评价结果能够为加热炉的节能技改提供更多有价值的信息。
1综合评价指标的熵权确定法
综合评价是指人们根据不同的评价目的,选择相应的评价形式,确定多个影响因素或指标,通过一定的评价方法,将多个评价因素或指标转化成反映评价对象总体特征的信息[3]。综合评价与单项评价之间最直观的区别就是评价指标数目上的多与少,单项评价实质是单指标评价,而综合评价则表现为多指标评价,因此也被称为“多指标综合评价”。
综合评价的主要研究内容之一是最终评价指标值合成过程中的加权问题[4]。熵权法的基本原理是信息论中的熵概念。如果一个系统可以处于多种不同的状态,而每种状态出现的概率为pi(i=1,2,…,m),则该系统的熵就可以定义为
2灰色关联分析的基本原理
灰色系统理论经历20多年的发展,现在已经建立起一门新兴学科的结构体系。灰色系统是基于人们对客观事物的认识具有广泛的灰色性,即信息的不完全不确定性,因为由客观事物所形成的是一种灰色系统,即部分信息已知部分信息未知的系统。灰色系统理论主要包括:灰色关联分析方法、灰色系统建模理论、灰色系统控制理论、灰色预测方法、灰色规划方法、灰色决策方法等6个方面的内容[5]。
灰色关联是指事物之间的不确定关联简称灰关联。灰色关联分析的基本任务是基于行为的微观或宏观几何接近,以分析和确定因子间的影响程度或因子对主行为的贡献程度。作为一个发展的系统,关联分析事实上是发展态势的比较分析,其基本思想就是比较若干数列所构成的曲线列与标准数列所构成的曲线的几何形状的接近程度,曲线越接近则相应序列的关联度越大,与标准数列的关系越密切。灰色关联分析法可以判断出被评价对象的优劣次序,关联度最大的视为最佳,它是进行优势分析的基础,也是进行科学决策的依据[6]。
3基于熵权的灰色关联分析法
灰色关联分析法克服了传统数学评价模型方法的局限性。然而,灰色关联将各评价指标对评价结果的影响视为等权,这是不符合实际的。如前所述,熵权法是依据指标反映的客观信息来反映其相对重要程度,可避免主观性的缺憾。因此,用熵权法来确定灰色关联分析法中的权数,对被评价对象进行科学、客观、合理的综合评价[7]。其数学模型为:
(1) 确定参考序列和比较序列
设有m个被评价对象,n个评价指标,
评价母序列
a0={a0(1),a0(2),…,a0(n)} (2)
与a0进行比较的子序列
ai={ai(1),ai(2),…,ai(n)}(i=1,2,…,m) (3)
(2) 原始数据的无量纲处理
指标值越大越好的情况下,采用式(4);指标值越小越好的情况下,采用式(5)。
(3)计算参考序列与比较序列的绝对差值、确定最大绝对差值和最小绝对差值
绝对差值
Δi(j)=|b0(j)-bi(j)| (6)
最大绝对差值
最小绝对差值
(4) 计算关联系数
(5) 计算权重
根据熵的定义,可以确定评价指标的熵为
式(10)中
计算评价指标的熵权W
式(11)中,ωj为第j个指标的熵权。这样就可得到熵权集:
W=(ω1,ω2,ω3,…,ωn) (12)
(6) 计算关联度
式(13)中,γi为第i个比较序列的关联度值,比较序列与参考序列的指标曲线越相似,γi就越大,比较序列与参考序列越接近,该比较序列越优。
4加热炉节能运行的综合评价
对某油田使用加热炉的情况进行综合评价。根据石油行业标准SY/T 6275—2007《油田生产系统节能监测规范》有关规定,选取排烟温度、空气系数、炉体外表面温度和加热炉热效率4项评价指标,实测数据结果见表1[8]。
将基于熵权的灰色关联分析法,用于该油田加热炉节能运行的综合评价。
4.1确定权重
综合评价中最主要的部分是各评价指标权重的确定,权重直接影响评价结果。根据公式(11)得出各评价指标的熵值及熵权,见表2。
由表2,在加热炉的运行过程中,各项评价指标对加热炉的影响并不是一样的,结果为wtlw>wtpy>wα>wη。而在SY/T 6275—2007《油田生产系统节能监测规范》中规定加热炉的排烟温度、空气过剩系数,炉体外表面温度、热效率都合格,被评价设备才能视为合格,显然,这种等权处理方法是不恰当的。
4.2关联度计算
对影响加热炉运行的因素进行研究,得出加热炉达到最佳运行效果时排烟温度、过剩空气系数,炉体外表面温度、热效率的最佳值分别为100 ℃、1.5、16 ℃、88%,加热炉灰色关联分析的参考序列则为x0={100,1.5,16,88}。利用式(4)、式(5)对原始数据进行无量纲化处理;再由式(6)计算绝对差值,并得出最大绝对差值Δ(max)=0.903 8和最小绝对差值Δ(min)=0.000 046;根据式(9)计算关联系数见表4,和式(13)求得关联度及排名,见表4。
由表4,关联度越大,说明与最优值之间相似度越大,加热炉的工况就越好,由此得到油田各下属单位加热炉运行综合评价的优劣排序。相比传统加热炉节能监测方法,基于熵权法的灰色关联综合评价,不但能够确定各项评价指标的权重,还可定量评价加热炉运行的能耗水平。
5结论
(1) 在多指标评价体系中,如果某个评价指标的变异程度越大,表明该指标所包含的信息量就越大,评价指标的熵越小;反之亦然。因此,熵可以度量评价指标体系中指标数据所蕴含的信息量,并以此确定各指标的权重。
(2) 灰色关联分析的基本思想是比较若干数列所构成的曲线列与标准数列所构成的曲线的几何形状的接近程度,曲线越接近则相应序列的关联度越大,与标准数列的关系越密切。
(3) 将熵权法和灰色关联分析法相结合,得出一种新的油田加热炉综合评价方法,包括确定参考序列和比较序列,原始数据的无量纲处理,计算参考序列与比较序列的绝对差值,计算关联系数、权重及关联度。
(4) 对某油田实际运行加热炉进行基于熵权法的灰色关联综合评价,得出各项评价指标作用权重大小依次为炉体外表面温度、排烟温度、空气系数及热效率;以关联度数值大小为依据,对各下属单位加热炉运行优劣进行排序,便于企业加强对此种设备的节能管理工作。
参考文献
[1]蔡乔方.加热炉.北京:冶金工业出版社,2007
[2] SY/T 6275—2007,油田生产系统节能监测规范.
[3]孙日瑶,宋宪华.综合评价——理论、模型、应用.银川:宁夏人民出版社,1993
[4]李荣平,李剑玲.多指标统计综合评价方法研究.河北科技大学学报,2004;25(1):85—87
[5]刘思峰.灰色系统理论及其应用.北京:科学出版社,1999
[6]罗庆成,徐国新.灰色关联分析与应用.南京:江苏科学技术出版社,1989
[7]李国良,付强,孙勇,等.基于熵权的灰色关联分析模型及其应用.水资源与水工程学报,2006;17(6):15—18
灰色综合评价 第10篇
绿色供应商位于整条供应链的上游, 它的行动将传递到整条供应链的每一个节点且给供应链带来相当显著的优势。因此, 如何建立科学、可靠的绿色供应商评价和选择体系是一个复杂且很有研究意义的问题。目前国内对供应商的评价多采用层次分析法 (AHP) , 但AHP在构造比较判断矩阵时没有考虑人的主观判断、偏好等对决策结果的影响。本文提出的基于灰色系统理论的灰色综合评价法则可以最大程度地综合考虑每个样本数据对最终评价结果的影响, 充分利用已有信息, 减少人为的误差。
1 绿色供应商的综合评价指标体系选定
通过对构成供应商综合实力的因素进行系统分析和整合, 使得整个供应链的资源消耗和环境影响副作用最小, 本文从供应商的订货周期、供货价格、供应商的可靠性 (信誉) 、环境影响度这四大目标对绿色供应商综合实力进行讨论。
2 多目标决策的灰色系统理论模型的建立
灰色系统理论 (gray system theory) 是一种研究少数据、贫信息不确定性问题的新方法以“部分信息已知, 部分信息未知”的不确定性系统为研究对象, 主要通过对“部分”已知信息的开发, 实现对系统运行行为、演化规律的正确描述和有效监控。这种方法的最大特点是它适用于处理信息不完备的决策问题。在供应商选择的多方案、多目标的决策过程中, 有些影响其决策指标的数据是难以计算的, 甚至难以用具体的数据来描述, 各指标之间相互制约, 相互影响, 许多决策是在信息不完备的情况下做出的。因此, 在供应商选择决策中应用灰色决策方法更为适合。运用灰色决策理论进行决策可以分为以下几个步骤:
2.1 建立决策局势
令ai为被决策事件, bj为对付的第个对策, 则称bj对ai的二元组合为局势, 记为Sij= (ai, bj) = (事件, 对策)
2.2 根据评价局势的目标建立评价体系样本
记局势Sij在目标下的效果样本为Upij, 称U为P目标下的效果样本矩阵
2.3 根据目标极性, 做效果测度变换
令为效果测度变换, Upij为P目标下局势Sij的效果样本, rpij为Upij在下的像, 令:Upij→rpij, 为效果测度变换, 或效果变换, 它满足 (1) rpij具有正极性 (2) rpij∈0, 1.称rpij为局势Sij在目标P下的效果测度。效果测度变换准则:
(1) 极大值目标变换算式 (上限效果测度算式) :极大值目标下的效果变换算式为:
(2) 极小值目标变换算式 (下限效果测度算式) :极小值目标下的效果变换算式为:
(3) 适中值目标变换算式 (适中效果测度算式) :适中值目标下的效果变换算式为:
2.4 建立统一测度空间
效果变换将不同极性的效果样本upij通过变换成为统一的具有相同极性的rpi j, 称rpi j的全体为极性一致 (统一) 空间。在极性一致空间中, 同一局势的效果测度如可作算数运算。
令rpij为局势Sij在P目标下的效果测度。当P=1, 2, …, L, 则称为Sij的统一效果测度, 或统一测度, 即, 令为局势Sij的统一效果测度, 有
称s为局面, si为事件ai的局面, si为下述向量:;称r为统一测度空间, 称ri为事件ai的统一测度空间, ri为下述向量:
2.5 找出满意局势
令为Si及ri分别为ai事件的局面与统一测度空间。若有则称为S*ij满意局势, b*j为ai的满意对策。
3 实例研究
某制造企业对三个可供选择的供应商进行考虑其“绿色度”的综合评价, 从中选出最优。局势:s1= (a, b1) = (供应商选择, 供应商A)
s2= (a, b2) = (供应商选择, 供应商B)
s3= (a, b1) = (供应商选择, 供应商C)
3.1 决策效果样本
目标1:订货周期u1p= (u11, u12, u13)
目标2:供货价格u2p= (u21, u22, u23)
目标3:供应商的可靠性 (信誉) u3p= (u31, u32, u33)
目标4:环境影响度u4p= (u41, u42, u43)
根据供应商已往的供货交易经历及服务可获得的信息, 三家供应商的数据如下表所示:
可得:
3.2 确定目标极值, 做效果测度变换
统一测度空间, 找出满意局势
说明i=1, 即在综合考虑订货周期、价格、供应商的可靠性 (信誉) 、环境影响度等指标后, 供应商A是最佳选择。
参考文献
[1]汪应洛, 王能民, 孙林岩.绿色供应链管理[M].清华大学出版社, 2005.
[2]孙国梓, 吴志军.基于粗糙集的供应商绿色评价体系研究[J].计算机工程与应用, 2004, (32) .
[3]许柏树.层次分析法原理[M].天津:天津大学出版社, 1998.
[4]邓聚龙.灰理论基础[M].武汉华中科技大学出版社, 2002.
[5]邓聚龙.灰理论与灰决策[M].武汉华中科技大学出版社, 2002.
灰色综合评价 第11篇
[关键词] 灰色聚类法 闽江 水质评价
0 前言
闽江是福建省第一大河流，其水质的优劣对流域周围居民的日常生活和工农业的发展都有重大关系，运用科学方法对闽江水质进行评价，对于闽江流域的水资源保护具有重要的现实意义。目前，综合污染指数评价法、模糊综合评价法已被广泛运用在环境质量综合评价中，灰色系统理论中的灰色关联度分析法、灰色聚类分析法、灰色局势决策法等也屡次成功地运用于环境质量综合评价[1]。根据水体污染状况的实际，水质现状除了具有一定的随机性和模糊性的特点外，还具有系统的灰色性[2]。本文尝试使用灰色系统理论中的灰色类聚法对2007年闽江在沙溪段的11个断面水质数据进行分析，能够客观反映该区域水环境的污染现状，为相关部门的科学决策提供科学的依据。
1 数据与分析方法
1.1 数据来源
根据福建省亚热带资源与环境重点实验室2007年6月对闽江流域沙溪段流经南平市王台镇的支流设置11个水质断面进行监测，得到监测数据，具体见表1[3]。
1.2 水质评价方法
运用灰色聚类法对闽江沙溪段水质现状进行综合评价。
1.3 主要评价步骤
把各个监测点作为聚类样本，用n表示；把各个污染指标作为聚类指标，用m表示；把水质类别作为聚类灰数（灰类），用k表示。按照灰色聚类计算的一般步骤[ 2，5 ]，即：给出对象的样本值 、确定各灰类白化函数 、计算聚类权 、确定聚类系数 、构造聚类向量、最后判断聚类，依次进行选取、计算。
表1 2007年6月闽江沙溪段支流水质监测数据（单位：mg/L）
地点TN TPNH3—NCODMnDO
1#安曹下0.870.120.193.095.8
2#果园地1.130.140.871.616
3#水稻田1.270.160.542.346
4#溪后村前1.10.130.242.115.9
5#溪后村后1.620.210.964.663.9
6#水头桥1.170.120.233.435.2
7#井窠水库1.270.150.492.254.8
8#王台桥1.290.140.171.954.7
9#水浮莲地1.470.20.192.123.6
10#蒋家村1.640.240.962.474.2
11#沙溪大坝1.320.140.342.365.1
2 评价结果与分析
2.1 评价样本及标准
评价因子是按照流域内水环境危险较大、影响较密切的污染物作为评价因子，结合在闽江沙溪段水质现状调查的监测指标，选取TN、TP、NH3—N、CODMn、DO作为评价指标[4]。评价标准采用《地面水环境质量标准》（GB 3838—2002），根据水质标准中的Ⅰ～Ⅴ类相应的设置灰色类别。可知，聚类样本数n=11（n=l，2，. . .，11），即n个环境监测点位；聚类指标数m=5（m=1，2，. . .，5） ，即m个环境监测指标；灰类别数p=5（k=1，2，. . .，5） ，即P个环境质量等级。
2.2 白化函数的建立与推求
分别建立5项评价指标的白化函数关系式，并按照表1所给出的闽江沙溪段支流各监测点各指标的监测数据代入后求得白化函数值，具体得出的白化数值见表2。
表2 闽江沙溪段各点位、各指标白化函数值 （单位：mg/L）
监测点位TNTPNH3—NCODMnDO
1#安曹下Ⅰ类000.890.4550
Ⅱ类0.260.80.110.5450.8
Ⅲ类0.740.2000.2
Ⅳ类00000
Ⅴ类00000
2#果园地Ⅰ类00010
Ⅱ类00.60.2601
Ⅲ类0.740.40.7400
Ⅳ类0.260000
Ⅴ类00000
3#水稻田Ⅰ类0000.830
Ⅱ类00.40.920.171
Ⅲ类0.460.60.0800
Ⅳ类0.540000
Ⅴ类00000
4#溪后村前Ⅰ类000.740.9450
Ⅱ类00.70.260.0550.9
Ⅲ类0.80.3000.1
Ⅳ类0.20000
Ⅴ类00000
5#溪后村后Ⅰ类00000
Ⅱ类000.080.670
Ⅲ类00.90.920.330.55
Ⅳ类0.760.1000.45
Ⅴ类0.240000
6#水头桥Ⅰ类000.770.2850
Ⅱ类00.80.230.7150.2
Ⅲ类0.660.2000.8
Ⅳ类0.340000
Ⅴ类00000
7#井窠水库Ⅰ类000.030.8750
Ⅱ类00.50.970.1250
Ⅲ类0.460.5000.9
Ⅳ类0.540000.1
Ⅴ类00000
8#王台桥Ⅰ类000.9410
Ⅱ类00.60.0600
Ⅲ类0.420.4000.85
Ⅳ类0.580000.15
Ⅴ类00000
9#水浮莲地Ⅰ类000.890.940
Ⅱ类000.110.060
Ⅲ类0.061000.3
Ⅳ类0.940000.7
Ⅴ类00000
10#蒋家村Ⅰ类0000.7650
Ⅱ类000.080.2350
Ⅲ类00.60.9200.6
Ⅳ类0.720.4000.4
Ⅴ类0.280000
11#沙溪大坝Ⅰ类000.460.820
Ⅱ类00.60.540.180.1
Ⅲ类0.360.4000.9
Ⅳ类0.640000
Ⅴ类00000
2.3 聚类权
聚类权是衡量各个指标对同一灰类的权重，在水环境质量综合评价过程中，由于各聚类指标的单位不同，以及绝对值相差很大，必须对灰类进行无量纲化处理，便于各样本指标进行综合分析，使得聚类结果具有可比性[5]。明确地面水域的使用目的和保护目标，对各灰类进行无量纲化处理，得出各指标各灰类权重，最后求出各污染指标不同灰类的聚类权值 ，具体见表3～表5。
表3 灰类无量纲化处理
灰色类别TN TPNH3—NCODMnDO
Ⅰ0.40.20.30.50.5
Ⅱ11111
Ⅲ2221.51.33
Ⅳ3332.52
Ⅴ4443.752.33
表4 各指标各灰类权重
灰色类别TN TPNH3—NCODMnDO
Ⅰ0.0380.020.0290.0540.07
Ⅱ0.0960.0980.0970.1080.14
Ⅲ0.1920.1960.1940.1620.186
Ⅳ0.2880.2940.2910.270.279
Ⅴ0.3850.3920.3880.4050.325
表5 聚类权
灰色类别TN TPNH3—NCODMnDO
Ⅰ0.180 0.095 0.137 0.256 0.332
Ⅱ0.178 0.182 0.180 0.200 0.260
Ⅲ0.206 0.211 0.209 0.174 0.2
Ⅳ0.203 0.207 0.205 0.190 0.196
Ⅴ0.203 0.207 0.205 0.214 0.172
2.4 聚类系数
聚类系数是表示聚类样本对灰类的亲疏程度的系数，是通过灰数白化函数的生成而得到的[7]，根据计算可得出聚类系数 ，具体结果见表6。
表6 灰色聚类系数
I
II
III
IV
V
1#安曹下0.2390.5290.2350.0000.000
2#果园地0.2560.4160.3910.0530.000
3#水稻田0.2120.5320.2380.1090.000
4#溪后村前0.3440.4190.2480.0410.000
5#溪后村后0.0000.1490.5490.2630.049
6#水头桥0.1790.3820.3380.0690.000
7#井窠水库0.2280.2910.3800.1290.000
8#王台桥0.3850.1200.3410.1470.000
9#水浮莲地0.3630.0320.2830.3280.000
10#蒋家村0.1960.0610.4380.3070.057
11#沙溪大坝0.2730.2680.3390.1300.000
2.5 构造聚类向量
具体如下：
=（0.239，0.529，0.235，0.000，0.000）
=（0.256，0.416，0.391，0.053，0.000）
=（0.212，0.532，0.238，0.109，0.000）
=（0.344，0.419，0.248，0.041，0.000）
=（0.000，0.149，0.549，0.263，0.049）
=（0.179，0.382，0.338，0.069，0.000）
=（0.228，0.291，0.380，0.129，0.000）
=（0.385，0.120，0.341，0.147，0.000）
=（0.363，0.032，0.283，0.328，0.000）
=（0.196，0.061，0.438，0.307，0.057）
=（0.273，0.268，0.339，0.130，0.000）
灰色综合评价 第12篇
1 指标体系的建立
要相对上市公司经济绩效进行客观科学的综合评价, 其基础和前提是选择合理的经营绩效评价指标体系, 本文遵循以下原则来制定上市公司经营绩效的指标体系: (1) 综合性原则, 上市公司经营绩效评价必须综合考虑评估主体、评估手段、评估对象等诸多内容;综合考虑上市公司经营的实际状况。 (2) 系统性原则, 所确定的经营绩效指标之间要有一定的逻辑联系, 要从不容的侧面反映出盈利能力、营运能力、偿债能力和成长能力等四个方面的主要特征和状态, 而且还要从不同方位、不同层次全面真实的反映这些指标之间的内在联系。 (3) 可比性原则, 指标体系的建立是为上市公司进行绩效评价和科学管理进行服务的, 指标的度量和计算方式必须一致同意, 各指标间要做到简单明了、微观性强、便于搜集相关数据。 (4) 引导性原则, 在遵循着以原则进行指标体系设定时, 必须注意使所选择的指标对上市公司经营绩效评价起到一定的引导和借鉴作用。 (5) 可操作性原则, 数据采集与搜集具有可行性, 符合目前技术水平和上市公司经营实际。
本文遵循上述指标体制制定的五项原则, 将上市公司经营绩效评价的指标体系分解为可以度量4个一级指标和13个二级指标, 一级指标包括偿债能力 (资产负债率、现金流动负债比、已获利息倍数) 、盈利能力 (总资产报酬率、净资产报酬率、主营业务收入利润率、资产现金回收率、每股收益) 、营运能力 (固定资产周转率、应收账款周转率) 和成长能力 (主营业务收入增长率、资本积累率、三年资本平均增长率)
对上市公司经营绩效进行综合评价的第一步是建立评价指标体系。上市公司经营绩效是一个复杂的多因素耦合动态系统, 主要影响因素包括:盈利能力、营运能力、偿债能力和成长能力等四个方面 (见图1) 。由图1的基本原理可知, 本文建立的上市公司经营绩效综合评价指标体系主要包括总目标层 (用U表示) 、准则层 (U1, U2, U3, U4) , 这种评价指标间的关系可以表示为: (U1, U2, U3, U4) , U1= (U1, U12, U13) , U2= (U21, U2, U23, U24, U25) , U3= (U31, U32) , U4= (U41, U42, U43) 。
2 上市公司经营绩效多层次灰色评价实证研究
对于上市公司经营绩效的不同的评价指标体系对总目标层的权重是不一样的, 所以本文应用多层次灰色模型来计算个评价指标的权重矩阵。多层次分析法使用模糊矩阵来代替层次分析法中的比较矩阵来确定各指标的权重, 它解决了层次分析法中标度范围与一致性的矛盾, 具有更科学的一致性检验原则。本文选取五位专家对国内某一知名上市公司的指标数据进行收集, 采用以下步骤对其进行实证分析, 具体建模过程如下:
2.1. 制定评价指标U 1j、U 2j和U3j的评价等级标准
评价的结果和质量在很大程度上会受到评价等级标准制定合理与否的影响, 本文在对上市公司经营绩效各种影响因素进行综合分析的基础上将其评价指标的好坏等级划分为7级, 根据实际情况由好到坏给出4, 3, 2, 1, 分标准, 如果介于两级中间, 则相应评分分别为为3.5、2.5、1.5分。
2.2 计算评价指标准则层和因素层各指标的权重
本文采用利用层次分析法来确定评价指标Ui (i=1, 2, 3, 4) 的权重向量A= (α1α2, α3, α, 4) = (0.0489, 0.1632, 0.2386, 0.5511) ;U 1j (j=1, 2, 3) 的权重向量A1= (α1, α12, α13) = (0.1429, 0.4285, 0.4286) ;U2j (j=1, 2, 3, 4, 5) 的权重向量A 2= (0.1170, 0.0495, 0.1170, 0.1992, 0.5173) ;U3j (j=1, 2) 的权重向量A3= (0.25, 0.75) 。U4j (j=1, 2, 3) 的权重向量A 4= (0.2395, 0.1372, 0.6232) ;
2.3 确定评价样本矩阵
一般由若干名专家组成专家组对该上市公司经营绩效进行评价打分。假设有五名专家参与打分, 结果填入评分表, 然后根据评分表确定评价样本矩阵D= (dijl) , 第l个专家对评价指标U ij的打分用dijl表示。
2.4 评价灰类和白全化函数的计算
设有4个评价灰类, 他们是“好”、“较好”、“一般”、“较差”四级, 可以确定各灰类和白全化函数:
第1灰类“好” (e=1) , 灰数⊗∈[4, +∞], 白化权函数为f (1图1-1) ;第2灰类“较好” (e=2) , 灰数⊗∈[0, 3, 6], 白化权函数为f (2图1-2) ;第3灰类“一般” (e=3) , 灰数⊗∈[0, 2, 4], 白化权函数为f (3图1-3) ;第4灰类“较差” (e=4) , 灰数⊗∈[0, 1, 2], 白化权函数为f (4图1-4) 。
2.5 计算每个因素层指标U ij的灰色评价权
如果二者的比值越大, 则说明全体专家主张指标U ij属于第1个评价灰类e1的愿望越强烈, 说明评价者在很大程度上认为U ij属于灰类e1, 则此灰类e1的灰色评价权记作rijl, 即, 所以U ij的灰。评价权向量为rij= (rij1, rij2, rij3, rij4) , 因此
2.6. 对准则层做综合评价
准则层指标由U1, U2, U3, , U构4成, 对U i做综合评价, 得出U i的灰色综合评价权向量为:Bi=Ai*Ri=, 其中R i由向量rij构成。由此得出
2.7 对总目标层U做综合评价
总目标层U由准则层U1, U2, U3, U4组成, 故对U做综合评价, 得出U的灰色评价权向量为:
于是, 对受评上市公司U的做综合评价, 其综合评价结果B:B=A*R= (0.3482, 0.4112, 0.2406, 0)
该上市公司旅游景区物流管理总评价结果为B= (0.2684, 0.4308, 0.3008, 0) , 第二类灰数的白全化值最高为0.4308, 按照最大接近原则, 属于“较好”等级。
3 结束语
上市公司经营绩效的影响因素众多, 有时候一些不可预见的因素也会影响其经营绩效评价, 本文在考虑到上市公司经济绩效评价系统的复杂性、多因素性、多层次性和不可预见性的属性, 建立了一种基于多层灰色评价的数学模型, 结合实际案例, 对上市公司经营绩效进行了科学的评价, 并取得了很好的效果, 同时也说明该方法具有一定的可操作性和实用性, 通过该方法可以使上市公司找到自身经营的优势和劣势, 对症下药改进不足。
参考文献
[1]丽霞.上市公司财务分析与业绩评价.湖南:湖南人民出版社, 2002
[2]业绩评价指标EVA.财会审计.2006.6:7-8
[3]展红.电信上市公司绩效评价指标体系的构建.当代通信.41-42
[4]梁继强, 刘尚坤.多层次灰色综合评价法在港口建设项目风险评价中的应用[J].中国水运, 2011年第8期:223-224