模糊数学评价模型

模糊数学评价模型（精选十篇）

模糊数学评价模型篇1

关键词：土地整理,绩效评价,模糊数学评价模型

开展土地开发整理工作,是人类社会经济水平发展到一定阶段的产物,也是我国在耕地资源有限的现实情况下,土地利用战略的必然选择。自1998年以来,我国实施了大量的土地开发整理项目,但对于土地开发整理项目效果和影响的研究还比较有限,缺乏深入细致的分析和论证,使得土地开发整理绩效评价成为土地开发整理研究的重要课题。

1 土地整理绩效评价的内涵

土地整理绩效评价是指在土地整理项目实施后的一段时间内,为衡量项目的真实效益,指导后期项目的顺利开展,对项目综合效益进行的科学分析和评价活动[1]。土地整理绩效评价是针对土地整理活动对整理区域的贡献和效果,进行土地整理项目绩效评价,是土地整理项目后评价的核心内容,是从效益方面对所实施的土地整理项目的评价,其目的在于考核项目是否实现了预期的效益并衡量效益的大小。

土地整理应追求经济、社会、生态环境的统一,做到生态上平衡,经济上有效,社会上可行和可接受[2],因此土地整理项目实现的效益可以分为经济效益、社会效益、生态环境效益3个方面。土地整理项目的综合效益是经济效益、社会效益和生态效益组成的有机整体,三者相互联系、相互制约,共同构成土地整理项目绩效的评价内容[3]。

经济效益是对土地进行资金、劳动、技术等的投入所获得的效益,表现为土地整理后产量增加、投入产出率提高等;社会效益指对社会环境系统的影响和产生的宏观社会效应,即土地整理为实现农村经济发展、缩小城乡差别等所做出的贡献与影响程度;生态效益是土地整理对区域内的水资源、土壤、植被、生物等产生诸多直接或间接、有利或有害的影响,要求在保护和改善生态环境的前提下进行开发整理,避免造成新的生态破坏[4]。

2 土地整理绩效评价的指标体系构建

合理选取评价指标,科学构建评价体系是土地整理绩效评价工作的基础,是客观评价和反映土地整理工作绩效好坏的重要前提。土地整理是诸多因素相互作用的过程,构建一套能够客观、准确、全面并定量化反映土地整理绩效的评价指标体系,应充分考虑地区经济和社会发展的特点,遵循系统与层次相结合、动态与静态相结合、定性与定量相结合、可操作性与区域特点相结合的原则。

依据土地整理绩效评价指标选取的原则,根据实地调查结果并结合当地国土、农业、水利、环保等方面专家的意见,从经济、社会、生态3个方面选取相关指标建立项目区土地整理综合效益评价指标体系,该体系由目标层A、准则层B和指标层C构成(见表1)。

3 土地整理模糊数学评价模型的应用

模糊数学评价的原理是先把要评判的同一类事物的多种因素,按其属性分成若干类因素进行综合评判[5]。甘肃省武都区角弓镇土地整理项目作为评价对象,项目区位于角弓镇,项目区分为“角弓街片”“白草坝片”和“肖坝子片”3个片区。项目区“角弓街片”位于N33°32′51″～33°34′10″、E104°38′03″～104°39′14″,东至村庄,西、南至白龙江,北至212国道。“白草坝片”片区位于N33°31′52″～33°32′11″、E104°39′28″～104°39′57″,东至大桥,南至白龙江,西、北至村庄。“肖坝子片”位于N33°34′46″～33°35′09″、E104°36′56″～104°37′10″。项目区内实有土地面积173.3 hm2,实际建设规模173.3 hm2。该项目主要建设内容分为4个部分,包括增加有效耕地面积、提高耕地质量、优化土地利用结构和提高土地利用效率及改善农业生产条件。基于模糊数学评价的原理,结合项目区实际,在土地整理工作中构建评价模型。

3.1 评价指标权重的确定

指标的权重是某评价指标对于评价对象相对重要程度的一种衡量。该研究采用层次分析法,利用多位专家的经验判断结合适当的数学模型进一步运算确定权重。由于土地整理工程系统中的复杂性、不可逆性和模糊性,与普通精确的数学模型相比,以熟悉土地整理工作的专家的综合意见进行因素判断反而比较可靠[7]。具体步骤是:对土地整理综合效益评价进行量化研究,在建立项目区土地整理效益评价指标体系的基础上,根据专家意见,按照1～9的标度确定各个指标间相对性,建立两两成对比较的判断矩阵,然后利用和积法计算矩阵的最大特征向量,并进行一致性检验,以此来确定各评价指标的权重。

3.2 模糊综合评价

模糊综合评价法是以模糊集合论为理论基础,应用模糊关系合成原理将模糊、不易定量的因素或指标定量化进行综合评价的一种方法。它是一种应用非常广泛并且有效的模糊数学方法,通过影响某事物的各个因素的综合考虑,对该事物的优劣做出科学的评价[6,7]。土地整理工程是一个复杂系统,其效益评价涉及经济、社会、生态等多个效益目标因素,为了全面正确地评价其综合效益,就需要考虑多方面的指标,该文结合土地整理工程的实际要求,综合专家意见,将层次分析法与模糊决策评价方法有机结合,建立多层次模糊综合评价模型来评价土地整理的各项效益,并利用模糊变换原理和最大隶属原则,考虑与土地整理效益相关的各因素,从而得出比较客观的土地整理效益评价结果。将多层次模糊综合评价应用于土地整理项目绩效评价既能够通过单级模糊综合评价对评价指标体系中的定性指标的等级(优、良、中、差)进行定量化的评判,又能够通过二级和多级模糊综合对多层次、多种类指标进行综合评价,能有效地适用于不同性质、类别和规模的土地整理项目绩效综合评价,得到项目综合效益的客观结果。

模糊综合评价具体过程:(1)建立评价因素集合,即指标集undefined;(2)建立评价等级标准集合undefined。(3)构建评价矩阵(隶属度矩阵),由于U中各因素有不同的侧重,需要对每个因素赋予不同的权重,它可表示为U上的一个模糊子集即权重集合undefined,并且规定∑ai=1,ai≥0,它反应各指标的重要程度。鉴于目前国内对土地整理绩效评定缺乏统一的标准,依靠相关各领域专家组的经验,综合各评价指标的评价结果,对项目的成功度做出定性结论的成功度评价法。将项目区各指标整理前后的状况分成优、良、中、差4个等级,由10位相关各领域的专家进行评判(见表8),然后将特征向量U构成模糊关系矩阵R与模糊子集进行模糊复合运算。采用“·”和“+”模糊算子,记为模型M(·,+)。设复合运算的结果为C,则C中的元素为:undefined。(4)式中a·b=ab,是乘积算子(代数积);a+b=(a+b)∧1,是闭合加法算子(代数和);∑表示对k个数在“+”下求和。

对于经济效益有:U1=(u1,u2,u3…,un),权重为A1=(0.500,0.250,0.250),单因素评判矩阵为:

结合各指标隶属度矩阵,建立经济效益的模糊综合评价模型为:Bi= AiM(·,+)Ri;B1=A1M(·,+)R1=(0.300,0.400,0.225,0.075),根据隶属度最大原则,在计算结果中0.4为最大值,相对应的经济效益为良。同理,社会效益和生态效益为:A2=(0.356,0.325,0.194,0.125);

B2=A2M(·,+)R2=(0.512,0.312,0.140,0.040);B3=A3M(·,+)R3=(0.493,0.344,0.146,0.020)

根据隶属度最大原则,社会效益和生态效益分别为:0.512和0.493,相对应的整理效益为优。

对于土地整理综合效益评价综合权重为:

A=(0.539,0.164,0.297)

B=A M(·,+)B=A M(·,+)(B1,B2,B3)T

即:

undefined

根据隶属度最大原则,其中0.440为最大值,相对应的土地整理效益为良。

由定量计算可知,该项目的社会效益和生态效益都属优级,经济效益属于良,综合效益评价结果为良,相对于成本而言,项目实施达到了与预期的目的和效益,评价结果与项目实际状况相符。

4 结论与讨论

通过建立模糊数学模型评价土地整理的具体效果,从而判断该土地整理项目的实施是否成功,为土地整理效益评价提供了一个新思路,但受到项目特点及个别指标不宜量化的制约,该文中对评价指标的选取还存在一些不完善之处,如评价指标只是针对当前土地整理所涉及的方面提出来的,不够全面和完善;评价指标量化过程中参与了过多的主观性,要进一步优化量化指标,提高土地整理效益评价的科学性和客观性;土地整理评价的步骤中,还缺乏必要的、可操作性强的程序,需要随着研究的进一步深化,不断改进评价程序,使评价更科学、合理;评价中缺少高新技术的支持,如将遥感和地理信息系统引入评价过程,提高评价的真实性和客观性。

土地整理是建设社会主义新农村的重要内容,提高耕地质量,增加耕地面积,是确保我国粮食安全的要求,也是构建和谐社会的重要方面。而土地整理效益的体现是一个长期的过程,其各方面的效益都需要通过长期的监测检验才能得到一个相对准确的判断,因此需要建立土地整理的长效机制,促进土地资源的良性利用。土地整理项目的绩效评价就是通过对研究区域土地整理效益的评价,发现问题并提出对策以促进土地资源可持续利用,是土地整理长效机制的重要组成。

参考文献

[1]陈超.土地整理项目后效益评价研究[D].武汉:华中农业大学,2006.

[2]何芳.前联邦德国土地整理介绍与分析[J].中国土地,1997(10):41-44.

[3]王炜,杨晓东,曾辉,等.土地整理综合效益评价指标与方法[J].农业工程学报,2005,21(10):70-73.

[4]陈薇.土地整理理论与实践研究[D].合肥:安徽农业大学,2008:67-69.

[5]Stair R M,Reynolds G W.信息系统原理[M].北京:机械工业出版社,2005.

[6]谢季坚,刘承平.模糊数学方法及其应用[M].武汉:华中理工大学出版社,2000.

[7]刘洋,谭文兵,陈传波,等.土地整理模糊数学评价模型及其应用[J].农业工程学报,2005(2):164-166.

[8]王瑷玲,赵庚星,李占军.土地整理效益项目后综合评价方法[J].农业工程学报,2006(4):58-61.

[9]钟毅.土地整理项目后效益评价研究[D].长沙:湖南农业大学,2007.

[10]金晓斌,黄玮,易理强,等.土地整理项目绩效评价初探[J].中国土地科学,2008(6):57-62.

数学建模：模型的评价和推广篇2

7.1 模型的评价 7.1.1模型的优点：

（1）在数据处理方面，我们详细分析了视频数据，引用了标准车当量数（PCU），引用了通流量，规范了数据的格式和可用性，为下一步解题提供了简洁的数据资料。（2）在视频数据统计方面，我们实行分阶段定点查数，在每隔30秒的时间内取值，符合上游路口信号配时，并满足了第一相位、第二相位的地理性。

（3）模型在图像处理和显示上，我们采用SPSS和MATLAB双重作图，拟合数据的变化趋势及正态Q-Q图，使问题结果更加清晰、条理和直观。

（4）从数据中筛选出发生堵车时的合理数据，融合排队论模型的核心思想，给出科学直观的显示结果。

（5）在模型建立上，提取了排队论模型和交通波模型的理论架构，同时简化了无用的模型公式，尽量贴近数学建模“用最简单的方法解决最难问题“的思想。7.1.2 模型的缺点

（1）在视频数据采样上，采用的是人工读取，虽然大大提高了灵活性，但也容易使数据出现人为的偏差和不精确；视频中从小区从进入到道路上的车辆并没有进行确切的统计。

（2）在问题一中，只采用了一种分析方法，结果比较单一，没有系统和全面地分析横断面通行能力的变化过程。

（3）问题三的所建立的关系模型中没有明确体现横断面实际通行能力，这也就使我们的关系模型不能准确地反应变量之间的关系。

（4）在统计完全堵车时的汽车数量时没有明确的标准规定，只是单纯地用主观认识确定完全交通拥堵。7.2 模型的推广

依据题目中提供的视频数据和附录，建立了车祸横截面通行能力的通行量模型，并利用排队法的相关知识，确定了车辆排队长度、事故排队时间、路段上游车流量的函数关系，对城市中交通事故的处理方面有一定的参考价值。

模型中分析问题、解决问题的一些独到方法，排队法数据取样的总体思想，对其他数学问题及一般模型仍可使用。

模糊数学评价模型篇3

关键词：分层教学；学生成绩；模糊综合评价

数学是高职院校的一门重要的基础课程，但随着高校招生规模的扩大，处于高校招生低层的高职院校生源质量越来越差，生源层次也呈现多样化，他们之中有技能高考生、有参加全国统一高考的学生，还有五年一贯制等，拿高职生的数学成绩来说，他们相差悬殊，如以参加全国统一高考的学生为例，数学满分一百五十分的试卷中，高分一百多，低分二三十分甚至零分，为搞好教学工作，提高教学质量，各高职院校采取了一系列的教学改革，分层教学是许多高职院校采用的方法，在分层教学中，学生成绩的评定是一项重要的工作，它既关系到学生的评优、奖学金的评定，也关系到学生是否顺利毕业等，因此，建立健全的科学的成绩评价体系，是摆在各高职院校教务管理部门的重要任务，本文结合高职学生的特点，建立高职学生成绩评价的模糊综合评价模型，旨在为高职学生成绩评价提供必要的依据。

1 对象与方法

1.1 调查对象

2014年，湖北职业技术学院为适应教学改革工作的需要，在建筑学院新生中首次实行了分层教学，2014年新生入学后，对新生的语文、数学、英语进行了摸底考试，然后根据学生成绩将每个专业的学生分成A、B、C三个层次进行教学。本模型就是以2014的建筑学院新生为对象加以研究的。

1.2 调查方法

在对学生实行分层教学的过程中，我们将学生的数学成绩分为平时成绩，实验成绩，考试成绩三部分，平时成绩[1]分为作业、课堂提问、纪律、学生自评、学生互评等，这部分成绩有的由老师上课时记录、有的由学生代表记录。实验成绩是考查学生数学应用能力的重要依据，由教师在平时的教学中根据相应的内容准备数学应用问题由学生独立完成或分组完成，计入实验成绩。考试成绩是检查学生学习和老师教学情况的重要依据，考试命题可由主管部门或主讲教师根据学生层次完成。

2 模糊综合评价模型的建立

对学生成绩的评定，我们用模糊综合评价的方法，[2]分为五步：第一，确定因素集，由调查方法将学生成绩分为三部分：平时成绩u1、实验成绩u2、考试成绩u3，记为U={u1，u2，u3}；第二，确定评语集，学生成绩每一项又分为优秀v1、良好v2、合格v3、不及格v4，记为V={v1，v2，v3，v4}，各等级的数值区域对应于：优秀90 ～ 100，良好75 ～ 89，合格60 ～ 74，不及格0 ～ 59；第三，确定各因素的权重，记为w={w1，w2，w3}，这一权重指标一般由各任课教师根据所任班级学生成绩确定并由主管领导批准；第四，确定因素集到评语集之间的模糊综合评价判断矩阵，记为R，这一矩阵的确定由主讲教师根据平时记录及学生考试成绩给出每个学生的模糊综合评判矩阵。第五，综合评判，记为B=wR.

3 实例分析

用模糊综合评价法来确定学生成绩，首先要确定的是各因素的权重，就湖北职院高数成绩测算来说，一般权重指标定为w=（0.3，0.2，0.5），其次确定每个学生的模糊评价矩阵，这由任课教师根据学生情况决定。如某个学生的平时成绩在某学期的十个考核周中有7次优秀、2次良好、1次合格，为简单起见，记该学生的模糊综合评价矩阵第一行的数据为，其他数据也可釆用类似的方法得到。若该生最后的模糊综合评价矩阵为：

则对该生进行综合评判：B=wR=（0.58，0.27，0.1，0.05），由最大隶属度原则，对该生的评价为优，若想将测算等级转化为分数则该生成绩应为：

0.58×95+0.27×85+0.1×65+0.05×55=87

4 结语

学生成绩评定一直是各级各类学校关注的问题，文章用模糊综合评价的方法给出了学生成绩的评定，方法比较简单，易于操作，这种方法还可用于学对学生考试试卷分析、学生助学金的评定等方面。

参考文献：

[1]张卓.模糊综合评判法在学生平时成绩考核中的应用[J].广州大学学报（社会科学版），2009，8（5）：63-64.

模糊数学评价模型篇4

1 多因子分层模糊综合评价模型的建立

模糊数学首先是由美国控制论专家扎德于1965年提出的,它是一门运用数学方法研究和处理具有“模糊性”现象的数学[1]。模糊综合评价法的基本思路遵循定性——定量——定性的步骤,即从定性研究入手,经定量加工处理,得出定性的评价结果。多因子模糊综合评价模型的构建一般分以下几个步骤:[2,3]

1)取X={X1,X2,X3,…,Xn}为对象集;

2)取U={ u1,u2,u3,…,um}为指标集,由于评价指标有一定的层次,下一层指标是上一层指标的具体化;

3)取V={V1,V2,V3,…,Vn}为评语集,并把其看成一个向量C,进行赋值;

4)确立模糊转换矩阵R(rij)m×n

其中,rij(i=1,2,…,m,j=1,2,…,n)表示对第i个指标做出的第Vj级评语的隶属度,一般通过专家打分得到;若总调查对象为N人,其中多个评价主体对同一评价对象的指标评为Vj等级的有X人,则隶属度rij=X/m;

5)取A={A1,A2,…,Am}为各层指标的权重集,同理,有的上层指标权重可由若干个下层指标权重代替;

6)计算B=A。R,若∑bij≠1,则对其进行归一化处理,即bij=bij/∑bij,得B=(B1,B2,…,Bm);

7)计算W=B·CT即为Xi的最后得分值。

这样,对象集每一层的所有影响因子都能算出W值。设研究对象Xi的总的评价值为Wi,第二层各指标的评价值为W2j(i)(j=1,2…n),第三层各指标的评价值为W3k(i)(k=1,2…n)。通过不同研究对象之间相同指标值之间的比较,我们可以看出研究对象之间各自的资源竞争优势,而不同指标值的比较则可以找出资源之间的差异性,从而为以后竞争战略的制定提供依据。

2 旅游资源评价指标体系的建立

旅游资源价值评价指标体系的设立要遵循科学性、层次性、整体性、可操作性以及可比性原则。科学性原则是指设立的指标要能反映旅游资源价值的内涵、计算方法科学;层次性原则是指标体系的设置应能准确反映各层次之间的支配关系,按照层次递进的关系组成层次分明、结构合理的整体;整体性原则是指采用一定的方法将各单个指标综合成一个指标,用以说明旅游资源价值的整体情况;可操作性原则是指标所需的数据易于取得、真实可靠、计算方便;可比性原则指各指标间便于纵横对比,以反映区域间旅游资源价值的差距。

本文在保继刚[4]的资源评价指标体系的基础上又增加了两个指标,以增加评价的准确性,如图1所示,为该评价指标的层次结构图,从中可以看出其层次的递阶结构与因素的从属关系,各指标的权重见表1。

其中:

资源价值U1:是指旅游资源开发与利用价值,即对其开发利用后能够产生经济效益为主导的社会综合效益。

观赏价值U11:主要指自然景观的艺术特征、意义和地位。

科学价值U12:指旅游景观在自然科学、社会科学和教学上的某种研究功能。

文化价值U13:指古迹的历史意义,是评价历史文物价值的主要指标。

景点组合U21:是由相对集中的旅游景观组合而成的具有一定经济结构和经济形态的环境空间。不同类型旅游景观的布局和组合是旅游地资源优势和特色的重要反映。

旅游容量U22:指在一定时间内,在不影响旅游活动和旅游业持续发展的基础上,旅游资源的性质和空间规模能够容纳的旅游活动量。

交通条件U31:区域的海、陆、空交通状况。包括航运频度、国际航线条数、航班密度、铁路班次、公路密度等。

注: 表中各影响因子的权重由参考文献[3]中的评价参数处理得到

3 旅游资源模糊综合评价示例

3.1 指标层次划分

假定有两个风景区1和2。由表1将因素指标集U={u1…u13}划分为三个层次:综合评价集U={U1,U2,U3}={资源价值,景点规模,旅游条件},权重A=(0.54,0.18,0.28);

因素评价集U1={U11,U12,U13}={观赏价值,科学价值,文化价值},U2={U21,U22}={景点地域组合,旅游环境容量},U3={U31,U32,U33,U34}={交通通讯,饮食,旅游商品,人员素质},相应的权重分别为A1=(0.57,0.17,0.26),A2=(0.56,0.44),A3=(0.54,0.18,0.14,0.14);

因子评价集U11={u1,u2,u3},U12={u4,u5},U13={u6,u7,u8},U21={u9,u10},

U31={u11, u12,u13},相应权重分别为A′1=(048,0.23,0.29),A′2=(0.56,0.44),A′3=(0.5,0.29,0.21),A′4=(0.4,0.6),A′6=(0.6,0.2,0.2);

评语集V={v1,v2,v3,v4,v5}={优,良,一般,较差,差},可将评语集V中的等级视为一向量C=(5,4,3,2,1)。

3.2 对风景区1作综合评判

对“资源价值”作综合评价

首先对第四层作综合评价,通过专家对各因子相对于评语集打分,得到单因素评判矩阵为R′1,作综合评价,用模型M(· ,+)计算得

B′1=A′1。R′1=(0.225,0.373,0.256,0.123,0.029), W31(1)=B′1·CT=3.660;同理:B′2=A′2。R′2=(0.156,0.256,0.400,0.100,0.088),W32(1)=B′2·CT=3.292;

B′3=A′3。R′3=(0.021,0.121,0.350,0.387,0.121);W33(1)=B′3·CT=2.534;

再对第三层作综合评价,

B1= A1。R1=(0.160,0.288,0.305,0.188,0.063);W21(1)=B1·CT=3.306。

对“景点规模”作综合评价

同样先对第四层作综合评价,类似地,

B′4= A′4。R′4=(0.1,0.14,0.36,0.3,0.1),W34(1)=B′4·CT=2.840;

通过打分得到B′5=(0.2,0.3,0.3,0.1,0.1),W35(1)=B′5·CT=3.400;

所以,B2= A2。R2=(0.144,0.210,0.334,0.212,0.100);W22(1)=B2·CT=3.086。

对“资源条件”作综合评价

B′6=(0.14,0.28,0.36,0.18,0.04),W36(1)=B′6·CT=3.300;

通过打分得到:B′7=(0,0.3,0.3,0.2,0.2),W37(1)=B′7·CT=2.700;

B′8=(0.1,0.2,0.4,0.3,0),W38(1)=B′8·CT=3.100;

B′9=(0.1,0.1,0.4,0.3,0.1),W39(1)=B′9·CT=2.800;所以,

所以,B3= A3。R3=(0.104,0.247,0.360,0.217,0.072);W23(1)=B3·CT=3.094;

最后对顶层作综合评价:

B= A。R=(0.141,0.262,0.326,0.200,0.072),

总评分W1=B·CT=3.203。

3.3 对风景区2作综合评价

类似地,

B′1=(0.244,0.254,0.281,0.175,0.046);W31(2)=B′1·CT=3.475

B′2=(0,0.156,0.356,0.344,0.144);W32(2)= B′2·CT=2.524;

B′3=(0.050,0.100,0.279,0.350,0.221);W33(2)=B′3·CT=3.608;

B′1=(0.152,0.197,0.293,0.249,0.108);W21(2)=B1·CT=3.033;

B′4=(0.06,0.2,0.26,0.34,0.14);W34(2)=B′4·CT=2.700;

B′5=(0.2,0.2,0.4,0.2,0);W35(2)=B′5·CT=3.400;

所以,B2=(0.122,0.2,0.322,0.278,0.078);W22(2)=B2·CT=3.010。

B′6=(0.06,0.18,0.36,0.26,0.14),W36(2)=B′6·CT=2.760;

B′7=(0.2,0.3,0.3,0.2,0),W37(2)=B′7·CT=3.500;

B′8=(0.1,0.3,0.4,0.2,0),W38(2)=B′8·CT=3.300;

B′9=(0,0.2,0.3,0.3,0.2),W39(2)=B′9·CT=2.500;

所以,B3=(0.082,0.221,0.346,0.246,0.104),W23(2)=B3·CT=2.928;

得到B=(0.127,0.204,0.313,0.253,0.101),W2=B·CT=2.997。

4 结论

把两风景区旅游资源综合评价的各影响因子含义及其评价结果汇总如表2,可以看出风景区1的最终评价值3.203大于风景区2的最终评价结果值2.997,所以风景区1资源的综合价值大于风景区2;但是风景区2在文化价值、饮食、旅游商品等方面的评价结果值明显大于风景区1,这说明风景区2的旅游资源在这些方面具有绝对优势,因此,在开发过程及以后的市场竞争中要有意识地加以利用,以建立自己的竞争优势。

层次分析法也是资源评价常用的一种评价方法,但是,从本文的评价过程及结果,我们可以看到模糊综合评价法比层次分析法更精确,它可以算出每一层每个影响因子的W值,并且通过研究对象之间这些指标的比较,从而找出各风景区的优劣势及资源之间的差异,进而为各景区开展竞争提供参考和依据;而层次分析法只能给出最终的评价结果,这必然忽视各评价对象的潜在优势,从而导致了评价的片面性。

参考文献

[1]佟玉权.旅游资源的模糊性及其评价[J].桂林旅游高等专科学校学报,1998,9(2):15-16.

[2]杨朝丽.旅游资源综合评价模型及其应用研究[J].昆明大学学报,2001(1):16-21.

[3]裴斌,戴尔惠.区域旅游资源模糊综合评价方法探讨[J].滁州师专学报,2001,3(2):100-101.

[4]保继刚.旅游资源开发与研究[M].北京:科学出版社,1996:30-36.

模糊数学评价模型篇5

基于模糊理论的ERP项目风险评价模型

多年来国内许多企业投身于ERP热潮,但实施ERP的成功率不高.据统计,国外企业实施ERP的.成功率约为70%.而在我国实施ERP的企业中,按预算成功实现系统集成的只占10%～20%,仅部分集成的占30%～40%,完全失败的占50%,并且实施成功的企业多为外资企业.因此,对企业实施ERP项目进行风险评估,并对其进行系统、有效的风险控制将有助于企业做出科学的决策,避免风险带来的损失.本文提出一种ERP风险评估方法,帮助企业认识高风险因素,以达到有效控制风险,实现ERP功能和效益的目的.

作者：祁明扬作者单位：武汉科技大学,湖北,武汉,430081刊名：企业技术开发(下半月)英文刊名：TECHNOLOGICAL DEVELOPMENT OF ENTERPRISE年，卷(期)：200928(3)分类号：F275关键词：ERP 项目风险模糊理论

模糊数学评价模型篇6

[关键词] 管理信息系统（MIS）指标体系 AHP法模糊综合评价

一、引言

随着信息化进程的加快，管理信息系统（MIS）在企业中日显重要，但是，其应用效果往往需要在系统建成并投入使用相当一段时间之后才能体现出来。而且对于管理信息系统作为一种特殊的软件产品，对于它的评价是具有模糊性的，因为影响软件质量的某些因素是模糊的，这时如何对其模糊信息资料进行量化处理和综合评价就显得尤为重要。为此，利用模糊综合评价原理对工程软件进行评价有其科学性和实用价值。为了实现准确、全面的评价，有时需要考虑的因素很多，因素间还可能分属不同的层次，这时就需要在每一层上对要解决的问题进行评价，引入AHP法和模糊综合评价法相结合。

二、企业管理信息系统(MIS)评价的指标体系

MIS评价工作的一个重点就是建立评价指标体系，，即确定从哪些方面来评价MIS。在遵循系统性、可测性、层次性以及定性与定量关系的基础上从系统性能、系统效益、系统的技术、系统的可操作性四类指标，在这四类指标下共有25个具体指标。

1.系统性能（B1）

系统可靠性(C1）、系统效率(C2）、可维护性(C3）、系统安全性(C4）、系统实用性)C5）、适应性(C6）、可共享性(C7）、系统寿命(C8）、可扩充性(C9）、可移植性(C10)共十个子指标。

2.系统效益(B2)

直接经济效益(D1）、战略效益(D2）、技术效益(D3）、间接经济效益(D4）、具体运作效益(D5)共五个子指标。

3.系统的技术(B3）

准确度和精确性(E1）、及时性(E2）、存取能力(E3）、资源利用率(E4）、规范性(E5）、开发效率(E6)共六个子指标。

4.系统的可操作(B4）

数据输入方式(F1）、输出(F2）、文档完备性(F3）、界面友好方便性(F4)共四个子指标。

三、管理信息系统的改进的模糊综合评价模型

该模型建立的基本思想是:首先，利用AHP法获得对系统的多个因素的分析，计算出每一层次全部因素的相对重要性的权重值。然后，确定MIS评语集;对影响MIS四个方面25子个指标的内容利用改进的模糊综合评价方法进行多级模糊综合评价。其具体实施步骤如下：

1.基于AHP方法的评价模型权重的建立

(1)建立层次结构模型。

应用层次分析法首先要从复杂众多的因素中筛选取最重要的关键性评判指标，并根据他们之间的制约关系构成多层次指标体系。在本文中我们构建了MIS的多级评价指标体系，这就作为层次分析法的层次结构模型。

(2)构建判断矩阵

一旦确定了递阶层次结构，上下层次之间元素的隶属关系就被确定了。假定上一层次元素C为准则，所支配的下一层次的元素为P1,P2，…,Pn,它们对于准则C的相对重要性赋予u1，u2，...un相应的权重。如果某个元素的权重不能直接获得,这时可通过准则C,对元素进行两两比较，决策者反复回答问题,针对准则C，两两元素中哪一个更重要,重要多少,并按1～9标度对重要性程度赋值。

(3)层次单排序

层次单排序可以归结为计算判断矩阵的特征根和特征向量问题，即对判断矩阵A，计算满足AW=nW的特征根与特征向量。λmax为A的最大特征根;W为对应于λmax的正规化特征向量;W的分量Wi即是相应因素单排序的权值。

(4)一致性检验

我们可以由λmax是否等于n来检验判断矩阵A是否为一致矩阵。对判断矩阵的一致性检验的步骤如下:

i 计算一致性指标（式1）

ii 查找相应的平均随机一致性指标RI。RI的值是这样得到的，用随机方法构造500个样本矩阵:随机地从1～9及其倒数中抽取数字构造正互反矩阵，求得最大特征根的平均值λ`max，并定义

（式2）

iii计算一致性比例（式3）

当CR＜0.10时，认为判断矩阵的一致性是可以接受的，否则应对判断矩阵作适当修正。

2.改进的模糊综合评价法的评定

(1)确定评语集合论域 Vn

V={v1,v2,……,vn}

(2)用隶属度函数等手段确定各子因素相对于评语集的隶属度，得到了单因素的模糊评价矩阵M1

(3)改进的一级模糊综合评价

确定进行二级模糊综合评价模糊矩阵(k为一级指标项的数目）。利用上面的M1和相对于某一级指标的二级指标权重A={a1,a2,…,am}（利用AHP法求得）为模糊向量(m为相对于某一级指标的二级指标项目数)，计算一级隶属度。

在此对传统的计算Rl方法进行了改进，利用取权与单因素隶属度的乘积代替了模糊变换中的取大取小的算法。此改进的目的在于:在“标准”的模糊综合评价算法中Rl计算方法为:

把r`lj作为样本X就m个指标对第j类Cj的综合隶属度。事实上，这样计算的r`lj不能综合反映X对Cj的综合隶属情况，这是因为在进行ai∧m1ij的运算时，只选取了部分信息，而丢掉了某些更重要的信息。而取权与单因素隶属度的乘积aim1ij，就综合反映了样本就因素对类Cj的隶属情况，综合考虑各单因素的影响后，样本对Cj的综合隶属度可表示为故一级隶属度Rl为

(4)二级模糊综合评价

利用一级指标的权重及其模糊矩阵R进行二级模糊综合评价，其具体形式为:。

(5)评价结果的确定

在传统的模糊综合评价方法中对归一化后利用最大隶属度法得到评价对象的评定结果。由于该评语集V本身具有模糊性，所以根据最大隶属度法得出的软件综合评价结果较粗。因此，在此我们对传统的方法又进行了改进，采用各个评语实行百分制记分的办法对评语进行定量化处理。

四、实例研究

在此以陕西渭南机床厂的《“星火”高效节能促产》项目为依托，从该公司实际情况得到了反映该企业MIS需求的基础数据，并组织开发了适合该企业的“星火”信息管理系统，利用的改进模型对其进行评价，过程如下:

1.基于AHP方法的评价模型权重的建立

结合本公司的实际对评价指标进行了简化，运用萨迪提出的“1～9标度方法”，建立评价的判断矩阵，并计算出各自的最大特征根λmax和相应的排序向量W，进行一致性检验，其具体数据如表1～5。

2.模糊综合评价法

(1)确定评语集合论域

V={优秀、良好、中等、合格、差}

(2)定性指标采用模糊统计方法或逐级估量法确定对评价集的隶属关系。式中:nij为第i个指标评语为Vj的次数，n为参与评价专家的人数。模糊统计就是让参与评价的各位专家，根据评语调查表，按划定的5个评价等级{优秀、良好、中等、合格、较差}给各评价指标确定等级，然后依次统计各评价因素等级Vj的频数nij，计算各指标的隶属度mij。

(3)改进的一级模糊综合评价

利用改进的模糊综合评价方法得到单因素的评价矩阵为:

(4)二级模糊综合评价

对归一化后为

(5)评价结果的确定

对各个评语实行百分制记分的办法:50≤c1<60(差),60≤c2<70(合格),70≤c3<80(中等),80≤c4<90(良好), 90≤c5<100(优秀)。这样就得到一个分数向量C={c1,c2,c3,c4,c5}有了分数向量后我们可以计算得分：

对评论进行定量化处理后，该管理软件的最高得分为85.07>85;最低得分为76.07>75。故该软件只能评为“良好”。

五、评价效果分析与结论

基于上述评价结果，在本软件投入一段时间运行后对单因素（系统性能、系统效益、系统的技术、系统的可操作）和整体软件的使用效果利用统计软件进行了统计，得到了下图的结果。以系统性能这个单因素为例:单因素的评价矩阵第一行为该因素的模糊评价结R1=(0.331 0.374 0.125 0.279 0.089)归属于“良好”的隶属度最大与投入使用后的统计的实际效果相一致,研究表明该模型能够较客观准确的完成评价。

参考文献:

[1]汪培庄陈永义:综合评判的数学模型[J].模糊数学,1983,1(1):61～70

[2]Loargoven Van, Pedrycz W. A fuzzy extension of saaty's priority theory[J].Fuzzy Sets and Systems, 1983,11(1):229～241

[3]Mark Lycett. Component-Based Informat- ionSystems: Toward a Framework for Evaluation, Proceedings of the 33rd Hawaii InternationalConference on System Sciences～2000

[4]熊德国鲜学福:模糊综合评价方法的改进[J].重庆大学学报,2003,6(6):93～95

[5]张灵莹:定性指标评价的定量化研究[J].系统工程理论与实践,1998,18(7):98～101

城市品牌模糊综合评价模型初探篇7

一、城市品牌基本构成体系分析

所谓品牌,是指给拥有者带来溢价、产生增值的一种无形的资产,它的载体是用以和其他竞争者的产品或劳务相区分的名称、术语、象征、记号或者设计及其组合。增值的源泉来自于消费者心智中形成的关于其载体的印象。品牌本身是一个复杂的识别系统,它应该是由品牌属性、利益、价值、文化、个性和用户这六个层次构成的一个体系。将品牌概念引入城市形象建设,对城市进行品牌化管理是营销研究深化的一个重要标志。正如营销大师菲利普?科特勒所指出:广告、促销等手段已无法应对当今的全球城市竞争,要实现城市营销的多元目标,包括树立积极、正面的形象以吸引企业、投资、游客、高素质的居民、公共机构、重要活动以及开拓出口市场等等,就必须采用战略营销规划工具,必须进行自觉的品牌建设和管理。

城市品牌是蕴含城市独特个性及受众效用的城市名称和标志,是构成城市的各种因素之总和在城市公众心目中的总体印象和实际评价,是城市性质、功能和文明的外在表现。关于城市品牌的基本构成体系,一个全面的城市品牌评价系统应由城市品牌属性、利益、价值、文化、个性和用户这六个基本方面构成。其中:

1. 属性:

品牌代表着特定的商品属性,属性是消费者判断是否接受商品的第一要素。对于城市品牌来说,则是它所反映出来的一个城市的基本面貌,如:城市规模、生活水平、工作效率等。

2. 利益:

品牌利益在很大程度上受制于品牌属性,而属性需要转换成品牌消费者功能和情感利益。也就是指一个城市对投资者、游客和其他潜在客户所能够带来的各种利益,如:良好的投资环境、完善的公共配套设施、便利的交通条件等。

3. 价值:

品牌还体现了拥有者的某些价值观。体现在一个城市的诚信建设、安全状况、产品质量等方面。

4. 文化:

品牌也象征了一定的文化。品牌中所蕴含的文化是使品牌得到市场认可的重要因素。对于一个城市而言,文化主要是指历史文化脉络以及能够凝练反映城市传统特征的文化特色方面。

5. 个性:

不同的品牌会使人们产生不同的品牌个性联想。品牌还代表了一定的个性。这在品牌方面主要是指一个城市的特色。

6. 用户:

品牌暗示了购买或使用产品的消费者类型。城市品牌用户体现的是城市对某些特定人群的吸引力。

二、运用模糊评价与I A H P进行城市品牌测评

城市品牌测评是要将品牌基础理论研究的最新成果与我国城市发展的现状及国际化方向相结合,科学制定城市品牌评价指标体系,旨在对我国城市品牌测评体系进行系统研究。基本思路是:第一,在品牌基本构成层次的基础上,对各级城市的相关要素进行确定并量化;第二、综合利用模糊评价原理与层次分析法(I A H P),建立了我国城市品牌的评价指标体系和评价模型;第三、对样本城市品牌进行测评,为城市决策者提供相应的对策建议。

对于城市品牌状况,其影响因素具有极大的复杂性,精确化能力的降低造成对系统描述的模糊性,运用模糊手段来处理模糊性问题,将会使评价结果更真实、更合理。模糊综合评价模型的建立须经过以下步骤:模糊综合评估的数学原理,首先考虑到影响城市品牌的量的确定是模糊的,也就是在确定了城市品牌能力指标体系之后对各因素指标标准首先不做定量处理。而是由评估专家对各因素指标标准进行模糊选择,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最后计算。模糊评估法的基本过程就是先从定性的模糊选择入手,然后通过模糊变换原理进行运算取得结果。

指标体系的构建,首先根据对影响城市品牌因素的分析,综合地反映城市品牌的各项指标,利用层次分析法,从品牌属性、利益、价值、文化、个性和用户等六个方面来构建城市品牌评价指标体系。

1. 建立模糊评价矩阵R

(1)依据综合评价指标体系,设立评价指标集A,一级评价指标,其中,分别为:属性、利益、价值、文化、个性和用户。二级评价指标,其中i=1,2,……,n,n为一级指标数,j为一级指标Ai含有的指标数。

(2)确定评语集

评语集是对各种指标作出可能结果的集合,可请专家进行评估定级。我们根据城市品牌评价的目的。从A到U的模糊关系可以用模糊评价矩阵R来描述:

现在要对若干样本城市分别比较他们的文化、价值、个性、用户、属性和利益。

先成对比较所有样板城市的“文化”因素,根据专家评估定级,得成对比较阵:

经计算,的权向量

对所有样本城市的“价值”、“个性”、“用户”、“属性”、“利益”因素同样得成对比较阵后,经计算可得其权向量依次为:

2. 确定指标权重集K

所谓权重系数是表示某一指标在整个指标体系中具有的重要程度。某种指标越重要,则该指标的权重系数越大,反之,权重系数越小。可以通过专家打分法并运用层次分析法(IAHP)来确定各指标的权重,。

层次分析法(The analytic hierarchy process)简称AHP,是由Thomas L.Staaty最先发明的用于解决包含多项标准时的复杂问题,在这个过程中,决策者需要判断各项评判标准的重要性、决策变量相对于评判标准的优先极。应用层次分析法可以给出各个标准的权重,各个决策变量相对于每项标准的优先级,量化决策变量,从而为决策提供依据。从心理学观点来看,专家打分法如分级太多会超越人们的判断能力,既增加了作判断的难度,又容易因此而提供虚假数据。Saaty等人还用实验方法比较了在各种不同标度下人们判断结果的正确性,实验结果也表明,采用1-9标度最为合适。对比矩阵如下:

根据判断矩阵,精确地求出的最大特征根所对应的特征向量。所求特征向量即为各评价因素的重要性排序。归一化后,也就是权数分配。经过计算确定指标权重集为:

3. 利用模糊矩阵的合成运算

通过模糊矩阵的合成运算,对样本城市的品牌进行排序。

模糊矩阵的合成运算模型:;其中i为评价指标权重(隶属度)所在列(行),J为样本城市所在列。

同样可以得出其他样本城市的P值,分别为:0.12、0.17、0.25、0.35。

由此可知样本城市的品牌进行的综合排序结果。若以最大值作为标准,则其他各城市品牌的分数分别为:31分、34分、49分和71分。

总之,城市品牌是一个复杂的社会识别系统,在全面建设小康社会、加快推进社会主义现代化的发展阶段,在城市化进程和城市间竞争日益激烈和经济全球化背景下,塑造城市品牌已成为城市实现可持续发展的关键。加强对我国城市品牌发育水平的研究,探讨科学的城市发展战略定位,并以此促进我国城市的科学发展和城市的国际化进程,将是每个城市决策者和相关领域的理论研究者所愈来愈关注的问题。

摘要：结合品牌内涵,在对城市品牌基本构成体系加以研究的基础上,将理论与实际相结合,探讨了运用模糊评价和层次分析法建立我国城市品牌评价模型的基本框架思路。目的在于进一步提高城市品牌测评的科学性。加强对城市品牌发育水平的研究,有利于促进我国城市的科学发展和国际化进程。

关键词：城市品牌,模糊综合评价,层次分析法

参考文献

[1]菲利普·科特勒:营销管理[M].上海人民出版社,2006.303

模糊数学评价模型篇8

1. 1旅游地产的概念与特点

旅游地产出现在20世纪90年代,当时房地产和旅游业都异常升温,促使了旅游业和房地产的联姻。目前,我国比较认同的概念是旅游地产是以旅游度假为目的的房地产,在一定程度上实现旅游的功能。旅游地产的特点主要有: 旅游地产以旅游资源为依托,毗邻景区或旅游资源; 具有特定的目标人群———追求高生活品质的人群; 环境质量要求高。

1. 2旅游地产开发风险

旅游地产具有投资周期长、投资数额大、投资回报慢、环境质量要求高、影响因素复杂等特征,很容易受到多方面因素的影响,在现行经济多元化和投资的巨大压力下,旅游地产开发存在的风险主要包括经济风险、社会风险、技术风险、生态环境风险、管理风险,这也是本文研究的关键因素。旅游地产开发方面的风险影响因素还包括政府政策风险、支持活动风险、物业风险等。

2旅游地产开发风险模糊评价模型

2. 1模糊评价

传统的风险分析是依据数理统计的基础知识,对历史数据和通过调查得到的数据进行分析,要求数据翔实可靠,而旅游地产开发还处于初期阶段,许多精确数据都无法有效获得,因此应用模糊评价模型对旅游地产开发进行风险评估有积极的意义。

2. 2风险因素评价指标和风险等级的确定

通过分析旅游地产开发项目存在的风险,建立模糊评价的风险因素指标。

一级风险因素: 经济风险( V1) 、社会风险( V2) 、技术风险( V3) 、生态环境风险( V4) 、管理风险( V5) ; 二级风险因素: 通货膨胀风险( V11) 、利率风险( V12) 、供求风险( V13) 、变现风险( V14) ,公关风险( V21) 、区域发展风险( V22) 、公众干预( V23) 、交通风险( V24) ,预算风险( V31) 、规划风险( V32) 、安全风险( V33) 、材料选择风险( V34) ,水污染风险( V41) 、空气污染( V42) 、固体废弃物( V43) 、绿化风险( V44) ,人员风险( V51) 、合同风险( V52) 、策划风险( V53) 、决策风险( V54) 。

对于模糊评价的指标还应注意以下几点: 将以上所有指标分成5个子集,记为V1,V2,…,Vi,并满足条件: Vi∩Vj= Φ ( i≠j) ; 每个子集Vi( i = 1,…,5) 又可由它下一级评价指标子集( Vi1,Vi2,…,Vij) ,j = 1,2,3,4来评价。

风险等级定性的分为安全、潜在非安全、显在非安全、危险。为了便于定量评价,我们用等级论域( c1,c2,c3, c4) 来表示这4个风险等级。

2. 3以技术风险( V3) 为例,进行模糊综合评价

为了得到技术风险对4个等级隶属度,调研一批专业人员,对预算风险( V31) 、规划风险( V32) 、安全风险( V33) 、材料选择风险( V34) 4个方面给出相应意见。假设20% 的专业人员认为旅游地产开发期间不可能发生预算带来的技术风险,70% 和10% 的专业人员认为预算带来技术风险是潜在非安全和显在非安全,没有人认为预算环节是危险的。据此可用0. 2,0. 7,0. 1,0分别作为技术风险( V3) 从预算风险( V31) 角度来看对( c1,c2,c3,c4) 的隶属度。因此得到一个模糊向量:

同样得到V3从另外三个指标对(c1,c2,c3,c4)的隶属度,设已知为:

由RMV31、RMV32、RMV33、RMV34得到模糊关系矩阵R:

其中,R反映从各因素来看对等级模糊子集的隶属程度。

下面考虑V3的4个指标的权重问题,即预算风险、规划风险、安全风险和材料选择风险带来技术风险的严重程度不同,假设所有技术风险是预算风险、规划风险、安全风险、材料选择风险4个因素带来的,可设v1,v2,v3,v4( v1+ v2+ v3+ v4= 1) 为4个指标可能带来的技术风险严重程度,构造模糊权向量:

假设对技术风险而言,V31,V32,V33,V34对V3的权重向量为D3= ( 0. 2 0. 10. 40. 3) 。

在权向量基础上,通过D与R模糊转换对评价结果进行模糊综合。由模糊转换可得:

其中,ο 为模糊合成算子。

E3为模糊综合评价结果向量,反映V3总体上对( c1, c2,c3,c4) 的隶属程度。

同样步骤可以得到其他4个指标综合评价结果向量Ei( i = 1,2,3,4,5) 。

2. 4模糊评价结果分析

已知模糊综合评价结果向量E3,为精确评价旅游地产开发风险,用具体数值表示综合评价得分。设综合评价结果风险等级向量为K = [k1,k2,k3,k4],风险等级取值见下表。具体项目风险评价得分为S = KE = ( k1b1+ k2b2+ k3b3+ k4b4) 。

如技术风险模糊综合评价结果向量E3= ( 0. 20. 3 0. 4 0. 2) ,项目综合评价得分为:

结果表明,该旅游地产开发项目技术风险处于潜在非安全状态之中。

3结论

本文依据模糊数学理论,建立模糊评价模型对不定量风险进行量化,更有针对性、准确性和有效性,同时也希望通过本文研究为未来旅游地产项目开发风险研究提供一种可能的范式。

摘要：旅游地产作为房地产行业的一个新兴市场,是房地产和旅游业的交叉产业。而目前国内旅游地产开发与运行面临各种风险。因此本文对于旅游地产项目的开发风险从量化角度进行分析,对其开发风险进行模糊评价,并以技术风险因素为例,进行实例分析。

关键词：旅游地产,模糊评价模型,风险评价

参考文献

[1]耿松涛.我国旅游地产开发模式及风险规避策略研究[J].建筑经济,2012(1):49-53.

[2]沈飞.旅游房地产悄然起步[N].中国经营报,2001-06-28.

[3]郑奋.浅谈旅游地产开发及风险规避策略[J].产业经济,2013(1):203.

[4]张广海.海南省旅游生态开发风险评价与预警机制[J].热带地理,2013(1):88-95.

[5]田艳.黄山风景区生态风险分析与评价研究[D].羌胡:安徽师范大学,2010.

学习型城市模糊综合评价模型研究篇9

城市是现代社会发展的基本单位, 城市的竞争力关键取决于城市社会各阶层对知识技术的获取和创新能力。自本世纪以来, 我国各大中小城市启动和推进学习型城市建设。学习型城市的构建是一个系统工程, 涉及城市建设的各个方面, 它是一种通过营造终身教育体制, 发展知识经济, 促进全民学习, 不断创新和发展的城市发展类型。在10多年的实践中, 各学习型城市建设到什么程度, 有些什么差距, 没有统一的标准, 同时各学习型城市建设达到了什么样的水平, 各要素之间哪些需要进一步改善、增强和提高, 没有相应的科学评价方法, 因此, 本文试图通过佛山市的具体情况, 借助运筹学的方法, 提出一种学习型城市建设的综合评价模型, 并将模型应用于佛山市学习型社会的建设中, 为佛山市学习型城市建设提供决策参考。

1 学习型城市评价指标体系

1.1 构建评价指标体系的原则

在构建学习型城市评价指标的过程中, 指标的选取不可能包罗万象, 面面俱到, 过多过滥, 从而影响指标的使用效率, 因此指标体系的构建必须遵循以下原则:

①系统性。知识经济时代, 人们的物质文化生活与社会、经济、科技和环境紧密相连, 因而评价指标应全面地、客观地反映学习型城市各层指标及其相互协调与整体运作。

②科学性。在考虑指标的选取、权重的选择、数据的可比性以及计算方法的科学性时, 都要根据可持续发展的客观规律, 全面反映学习型城市的运行过程。

③可操作性。重点考虑指标的代表性、内涵的覆盖性、人口素质的提高、人民文化消费观念的改变、科技创新能力与城市竞争力的提高、指标的量化、数据获取的难易程度与可靠性、计算方法的简易性以及人机交互功能等。

④动态性。建设学习型城市既是城市建设的目标也是过程, 其内涵随着社会经济的发展和社会的进步而不断深化, 因此指标体系应动态反应学习型城市建设的现状及未来发展趋势。

1.2 评价指标体系的构建

创建学习型城市的目标是在“终身学习”的组织原则下, 通过学习技术的应用, 促进城市的个体发展、城市的社会、文化、环境以及经济的发展, 从而大幅提高城市的整体学习和创新能力, 使城市形成和长期保持强大的竞争能力。因此, 为了建设学习型城市, 我们需要提供充分的学习资源和教育培训资源, 使得我们的市民“活到老, 学到老”, 从而提高人口素质和科技创新能力, 增强城市竞争力。本文根据指标体系的构建原则和目标, 构建了包括5个一级指标和15个二级指标的评价体系, 如表1所示。

2 学习型城市模糊综合评价模型的建立

2.1 确定评价指标模糊集

由表1指标体系的定义, 一级准则层指标集为, 二级指标层指标集, , 其中:i=1, 2, …m, j=1, 2, …, n。

2.2 确定评语集

定义评语集为, 其中:j=1, 2, …, n, 在此取n=5, V1, V2, V3, V4, V5分别代表评语为学习能力很强、学习能力较强、能力一般、学习能力较弱、学习能力很弱。

2.3 确定权重

本文采用AHP确定学习型城市建设评价指标体系的权重。AHP层次分析法根据问题的性质和要达到的总目标, 将问题分解为不同的组成因素, 并按照因素间的相互关联影响以及隶属关系将因素按不同层次聚集组合, 形成一个多层次的分析结构模型, 将每一层次的各要素两两比较, 按照一定的标度理论, 建立判断矩阵, 通过计算判断矩阵的最大特征值及特征向量, 建立权重向量。具体步骤如下:

①根据标度理论, 构造判断矩阵, 其中:

②求判断矩阵A的每一行元素相乘后, 求其n次方根:

③对进行归一化处理得到排序权重向量ωi:

④求出最大特征根λmax

⑤进行一致性检验

2) 找出相应的平均随机一致性指标R.I.;

3) 计算一致性比例;

当C.R.<0.1时, 可接受一致性检验, 否则对A修正。

2.4 模糊评价矩阵的确定

对U中的作单因素评价, 确定Ui对第j级评语的隶属度;j=1, 2, …, n) , 则因素Ui的单因素评价集为:

则从Ui到V的模糊评价矩阵为

2.5 建立模糊综合评价模型

模糊综合评价模型为

这里, 。对向量B= (b1, b2, …, bn) 作归一化处理, 取bj=max{b1, b2, …, bn}, 则目标层U的模糊综合评价结果为评语Vj。

2.6 多级模糊综合评价法

将学习型城市的评价采用二级评价的方法, 成立不少于10人的专家小组, 采用定量与定性相结合的方法, 将每个层次按类进行评价, 最后再对评价结果进行类之间更高层次的综合评价。

2.7 评价结论

将隶属度和权重代入模糊综合评价模型, 计算出衡量学习型城市学习水平的综合评价值。指标的测量采用李克特量表的方法, 利用语义学标度分为5个测量等级:学习能力很强、学习能力较强、能力一般、学习能力较弱、学习能力很弱, 为便于计算, 我们将主观评价的语义学标度进行量化, 分别赋值5、4、3、2、1。

3 佛山市学习型城市建设模糊综合评价

根据以上模型, 结合佛山市的具体实际, 我们选择了表1所示的指标体系, 计算结果为:

人口素质的权重:

学习资源的权重:ω2= (0.1958, 0.3108, 0.4934)

教育培训的权重:ω3= (0.2184, 0.1515, 0.6301)

城市竞争力的权重:ω4= (0.4934, 0.3108, 0.1958)

科技创新的权重:

一级指标权重:ω= (0.3196, 0.2848, 0.1283, 0.1391, 0.1283)

各判断矩阵一致性指标均小于0.10, 因此权系数的分配是合理的。

对综合评分值的加权平均的结果:

4 建议与结论

从综合得分结果可以看出, 学习资源得分较高, 其次是人口素质, 教育培训、城市竞争力和科技创新发展略有不足, 总体得分3.2932, 发展良好。因此, 在佛山市目前这种文化氛围下, 可以加强教育基础设施的建设, 大幅提高学习资源建设的水平, 进一步激活教育培训市场, 增强城市的聚集能力, 充分利用知识和科技对竞争力的渗透作用来增强城市的整体水平。具体分析如下:

①充分的学习资源和教育培训是佛山市建设学习型城市的保障。学习资源值为4.1675, 教育培训值为2.5942, 不但传统学习资源比例增长, 很多人学会使用新媒体, 而政府和相关教育机构不断对相关网站的内容多样化和增加新的学习方式, 使学习变得更加容易, 通俗易懂。人均教育文化娱乐服务支出的增加, 说明从业人口参与培训的比例增加, 居民学习意识的增长。同时教育培训值最低, 说明政府应该增加人们的教育培训机会, 增加对培训机构的建设与投入。这些是佛山市学习型城市建设的促进因素。

②良好的人口素质是佛山市能够开展学习型城市建设的基础。该指标值为3.1500, 所选指标为大专以上人口的比例和平均受教育年限, 得到的结果表明良好。这说明佛山市进行学习型城市建设的人文基础较好, 学习型城市建设具有广泛的社会基础和可行性, 这也从一个方面说明了佛山市从提出创建学习型城市到如今所取得的成果。

③城市竞争力和科技创新能力是当前佛山市学习型城市发展的薄弱环节。城市竞争力值是2.8630, 科技创新值是2.8721, 研发投入不高造成该指标值偏低。但随着中德工业园的建设, 以及高新技术企业的不断发展, 城市竞争力一定会有较大的提升。

综上所述, 本文构建的学习型城市模糊综合评价模型, 具有较强的实用价值, 能够较好地评价学习型城市整体状况和各子系统及其要素的水平, 完整描述学习型城市的发展状况, 更好地为佛山市学习型城市建设提供决策依据。

参考文献

[1]叶忠海.创建学习型城市的理论和实践[M].上海:三联书店, 2005.

[2]Tim Campbell.Learning cities:knowledge, capacity competiti veness.Habitat International, No.33, 2009:195-201.

[3]孙玫璐, 等.可持续发展:学习型城市建设造就社会发展的光明未来[J].高等继续教育学报, 2014, 27 (1) :13-16.

[4]汤兵勇.市场经济控制论.北京:中国环境科学出版社, 1997.

模糊数学评价模型篇10

1. 基于熵权模糊综合评价模型

基于熵权模糊综合评价方法是在考虑多种因素的影响下, 利用熵值法得到各因素在总体中所占权重, 通过结合权重运用模糊数学工具对事物作出综合评价。

将拥有n个评价指标的评价对象U{u1, u2, u3, …, un}, 通过模糊映射函数映射到对指标有m种评语的评价集V{v1, v2, v3, …, vm}上, 根据评价指标集可得n个待评价方案的评价矩阵A, A′为A的标准化矩阵:

其中aij=uij (i=1, 2, …, n, j=1, 2, …, m) , a′ij为aij标准化以后的数据。利用标准化矩阵A′根据熵值法计算指标的熵和熵权从而得到m个评价指标的熵权重向量为ω=[ω1, ω2, …, ωm]。利用隶属度函数计算各项评价指标在评价集V上的模糊子集得到每个方案的模糊评价矩阵:

综合评价集Bi为V上的模糊子集

对Bi归一化处理, 从而得到第i个方案的评价结果为:

式中为第i个方案相对于评语k的隶属度, 表示方案i在多大程度上可以被评语k描述。最后按照隶属度选取排序方法得到最终排名结果。

2. 实验分析

以2014年美国数学建模大赛B题为例, 通过NCAA官网获取8名具有代表性的美国大学篮球教练各项评价指标数据, 同时对评价指标数据进行标准化处理, 利用于基于熵权模糊综合评价模型得到排名结果, 同时, 将该组数据应用于文献[5]提出的Topsis模型, 对比结果如表1所示。

根据官方公布的往年美国大学篮球教练排名数据为判断基准, 显示基于熵权模糊综合评价模型与Topsis模型所得结果整体相似度较高, 但是基于熵值的模糊综合评价模型结果更为准确。

3.结论

基于熵值的模糊综合评价模型利用熵权权重, 消除了部分主观因素对结果的影响, 在避免权重的不平衡情况下又考虑了单个权重在综合权重中的主次问题, 同时将评价指标合理模糊化, 实现方案的相对优劣排序。通过这种模型, 使得排名次序更具有公平性和科学性。

参考文献

[1]徐雅静, 汪远征.主成分分析方法的改进[J].数学的实践与认识, 2006, 36 (6) :68-75.

[2]赵全超, 赵国杰, 王举颖.基于BP神经网络模型的企业综合绩效评价方法研究[A].天津理工学院学报, 2004, 20 (2) :12-15.

[3]陈自洁.一种改进的粗集综合评价算法[A].海南师范学院学报 (自然科学版) , 2005, 18 (4) :324-329.