灰色评价法

灰色评价法（精选十篇）

灰色评价法篇1

关键词：机场竞争力,评价指标,灰色综合评价,信息熵

机场竞争力是各个机场参与航空运输竞争的主要支持力量,通过整合机场的内外部资源,综合利用这些条件为顾客提供高质量的服务,从而区别于其他竞争对手。对国内各主要机场竞争力进行评价,也有助于其了解自身优势与不足,从而更有针对性地改善自身服务水平,提高综合竞争力。本文对国内主要机场的选择以货物吞吐量大且占地区比重较大为标准。

1确定机场竞争力评价指标

要对机场的竞争力进行排序,需要考虑的因素有很多,除了机场自身的运营能力,还必须考虑机场所处城市的竞争力。根据实际情况并考虑到数据的可获得性及准确性,将机场自身运营能力指标设定为:货物吞吐量(吨)、航线条数(条)和起降架次(次);城市竞争力指标则设定为:GDP(亿元)、总人口(万人)、平均收入水平(万元)。用以上六个指标作为评价机场竞争力的主要指标,对国内主要机场进行评价,上述指标分别用变量X1,X2,X3,X4,X5,X6表示,于是可得机场评价指标如表1:

注:数据来自《从统计看民航》(2011)和《中国统计年鉴》(2011)。

于是,可得由原始数据组成的分析矩阵

其中,xij表示第i(i=1,2,…,17分别表示北京、天津等机场)个机场的第j项指标(j=1,2,…,6分别表示表1中的X1,X2,…,X6等六项指标)。

采用(0-1)区间变换对原始数据进行无量纲化处理,由于以上对机场进行评价的属性皆属于效益型属性,于是采用公式 $x^{'}_{i j} = \frac{x_{i j} - x_{j m i n}}{x_{j m a x} - x_{j m i n}}$ 。其中xjmax,xjmin分别表示第j项指标在17个备选机场中的最大值和最小值。根据该公式,可计算得标准化评价矩阵如下:

2 用熵值法确定指标权重

指标属性在评价或决策问题中并非同等重要,所以需要首先确定各个指标属性在评价或决策问题中的重要性,即权重。而熵值法是一种客观赋权法,其最大的特点是直接利用决策矩阵的客观数据,得到各个指标的信息熵,利用信息熵的含量确定权重,没有加入人的主观经验,因而降低了主观性。

运用熵值法确定权重的步骤如下:

首先,计算出各指标下,各个机场的贡献度,用ρij表示, $ρ_{i j} = \frac{x_{i j}}{\underset{i = 1}{\sum^{m}} x_{i j}}$ ,m为待评价机场数,等于17。可得各机场在各指标下的贡献度

其次,计算所有机场对指标属性Xj的贡献总量,用Ej表示,用以判断指标是否可以区别各个机场之间的属性差异,可否作为有效的评价指标。

$E j = - Κ \underset{i = 1}{\sum^{m}} ρ_{i j} \ln ρ_{i j} ‚ i = 1, 2, \dots, 17, j = 1, 2, \dots, 6, m = 17$ ,取K=1/lnm,可得:E1=0.64,E2=0.921,E3=0.792,E4=0.896,E5=0.87,E6=0.903,于是可知六个指标都是有效的评价指标。

最后,计算各指标权重值。令dj=1-Ej,计算公式为 $w_{j} = \frac{d_{j}}{\underset{j = 1}{\sum^{n}} d_{j}} ‚ n = 1, 2, \dots, 6$ 。可得:d1=0.36,d2=0.079,d3=0.208,d4=0.104,d5=0.13,d6=0.097。

于是可得各指标权重如下:

w1=0.368,w2=0.081,w3=0.213,w4=0.106,w5=0.133,w6=0.099。

3 基于灰色综合评价法对机场竞争力进行评价

灰色关联分析法是灰色理论应用最广泛的评价方法。其基本思想是通过分析系统中各元素之间的关联程度或相似程度,依据关联度对系统排序。就机场而言,对其竞争力进行综合评价,在各个机场间进行优选顺序排列。

灰色综合评价主要依据如下模型:R=X×W

其中,R=[r1,r2,…,rm]T,为m个评价对象的综合评价结果向量;W=[w1,ww,…,wn]T为n个评价指标的权重分配向量。

X为各指标的评价矩阵:

$X^{‴} = [(\begin{array}{l} ξ_{1} (1) ξ_{1} (2) \dots ξ_{1} (n) \\ ξ_{2} (1) ξ_{2} (2) \dots ξ_{2} (n) \\ ξ_{m} (1) ξ_{m} (2) \dots ξ_{m} (n) \end{array})]$

ξi(k)为第i种方案的第k个指标与第k个最优指标的关联系数。

具体计算步骤如下:

首先,确定每个指标的最优指标值集合,设为X*j。

由于所选六个指标均为效益型指标,于是每个指标最优值均取最大值,可得最优指标值集合为:X*j=[x*1,x*2,x*3,x*4,x*5,x*6]=[370.85,234,55.11,15046.45,3266.33,6.35]

其次,将指标值进行规范化处理得标准评价矩阵X″。

最后,计算综合评判结果。

将X*j=[x*1,x*2,x*3,x*4,x*5,x*6]作为参考数列,X $_{j}^{i}$ =[x $_{1}^{i}$ ,x $_{2}^{i}$ xi,x $_{3}^{i}$ ,x $_{4}^{i}$ ,x $_{5}^{i}$ ,x $_{6}^{i}$ ]作为被比较数列,分别算出第i个机场的第k个指标与第k个最优指标值的关联系数ξi(k):

$ξ_{i} (k) = \frac{m i \underset{i}{n} m i \underset{k}{n} | x_{k}^{*} - x_{k}^{i} | + ρ m a \underset{i}{x} m a \underset{k}{x} | x_{k}^{*} - x_{k}^{i} |}{| x_{k}^{*} - x_{k}^{i} | + ρ m a \underset{i}{x} m a \underset{k}{x} | x_{k}^{*} - x_{k}^{i} |}, ρ \in [0, 1]$ 。

取ρ=0.5,可得各指标的评价矩阵:

于是根据计算公式R=X×W,可得各机场的综合评判结果,

R=[0.644,0.38,0.362,0.902,0.381,0.372,0.356,0.505,0.430,0.334,0.367,0.389,0.369,0.475,0.382,0.344]可得:r2>r9>r14>413>r1>r8>r10>r15>r3>r5>r17>r12>r6>r11>r4>r7>r16

也即,各机场的综合竞争力综合评价结果排序为:

天津>广州>昆明>成都>北京>厦门>深圳>重庆>沈阳>上海>乌鲁木齐>武汉>杭州>海口>大连>南京>西安。

当然,这个排序也不是最准确的,因为评价机场竞争力的指标除了以上六个可以量化的指标,还包括其他不可量化的指标,因此该结果作为顺丰速运企业最终确定航空枢纽中心、构建航空运营网络的参考依据,还必须综合考虑例如政策、法规等不可量化的因素。

参考文献

[1]中国民用航空局发展计划司.从统计看民航(2011)[M].北京:中国民航出版社,2011.

[2]杜栋,庞庆华,吴炎.现代综合评价方法与案例精选(第2版)[M].北京:清华大学出版社,2008.

[3]苏道明.机场竞争力评价指标体系的构建[J].中国民航飞行学院学报,2011,22,(1):18-22.

[4]苏道明,王明英,周官志.机场竞争力形成机理与评价指标体系的构建[J].湖南财经高等专科学校学报,2010,26,(123):98-100.

灰色聚类法评价淀山湖水质状况篇2

灰色聚类法评价淀山湖水质状况

逐月在淀山湖6个站点进行水质参数测定.水质参数在各站点的`月平均变化范围为DO 7.210～9.943(mg/L)、BOD5 3.810～4.940(mg/L)、CODMn 6.016～7.053(mg/L)、TP0.137～0.366(mg/L)、NH3-N 2.176～3.362(mg/L)、Chl.a 29.814～56.02(mg/m3).对各站点20水质参数的月平均测定结果应用灰色聚类方法进行富营养化程度和水环境质量等级评价,结果显示:调查的六个站点全部处于富营养化水平;六个站点的水质全部处于v类水等级.在灰色聚类法评价水质过程中,权系数最大的是氮、磷及叶绿素a.因此,在淀山湖人工栽植水草进行脱氮除磷、放养滤食性鱼类抑制藻类大量繁殖是改善淀山湖水质的有效途径.

作者：王旭晨王丽卿彭自然 WANG Xu-chen WANG Li-qing PENG Zi-ran 作者单位：上海水产大学生命科学与技术学院,上海,90 刊名：上海水产大学学报 ISTIC PKU英文刊名：JOURNAL OF SHANGHAI FISHERIES UNIVERSITY 年，卷(期)： 15(4) 分类号：S912 关键词：灰色聚类法水体富营养化水环境质量评价

灰色评价法篇3

关键词：水质评价；灰色加权关联度法；供水水源地；地下水

70年代以来水质评价方法多采用水体综合污染指数法，该方法简单方便。由于水质标准分级的硬性规定和综合污染指数分级的硬性划分，使在分级临界值附近的实测浓度值或综合污染指数的微小变化都可能导致评价结果的明显不同或级别归属的变化，这显然不合理。事实上水质的分级或水体是否污染并非是黑白明的概念，某种污染物浓度的微小变化决不会引起水体污染程度的明显变化。因此“水质级别”、“污染程度”等都是一些灰色概念，水体环境系统是一个本特征的灰色系统，具有不确定性[1]。灰色关联分析法是基于水质评价中的灰色及不确定性，等权灰关联法的计算结果有时会存在误判现象，本文就是在对灰色关联分析法中改进权重确定方法改进的基础上进行的。

1、灰色加权关联度模型及其水质评价的步骤

1.1灰色关联度模型

1.2本文提出的灰色加权关联度模型

在水环境质量综合评价中，对于不同的指标，标准值不同有时其绝对值相差较大，不同污染物浓度对水环境质量的影响不同。权重系数的确定是水环境质量综合评价的核心问题。目前关于如何确定权数的方法大致可分为两大类：研究者根据其主观价值判断对各指标进行比较而赋权的方法，称主观赋权法；直接根据各指标的原始信息经过一定数学处理后获得权数的方法，称客观赋权法[2]。

本文对灰色关联度分析法中等权求取关联度的方法进行权重计算的合理改进，提出根据污染物超标情况（污染因子实测浓度与标准限值之比）对各点（k=1，2，…，n）的关联系数进行加权，依据数值监测水源地所属的功能区类别计算得到权重，然后计算关联度，根据关联度的大小，确定出样本的质量级别，以判断水质是否符合功能区的要求。

2、实例应用

应用上述方法对岷县15个供水水源地的水质情况进行综合评价。本次评价过程中选定总硬度、氯化物、氟化物、硫酸盐、硝酸盐、亚硝酸盐、氨氮、砷、镉、挥发酚等10个单项污染指数进行水质指数计算，具体实测水质数据见表1。

2.1参考数列与比较数列的确定

将待评价地下水水质样本的各个指标实测值（表1）构成的数列作为参考数列{Xi（k）}，此时k=1，2，…，10，i为水源地（i=1，2，…，15）。

将地下水质量分级标准中某一质量级别的各指标浓度限值构成的数列{Xj（k）}作为比较数列，j为水质级别（j=1，2，…，5），分别表示地下水质量标准中对应的Ⅰ～Ⅴ级。

2.2关联系数的计算

有表2可以看出，MX01水源地的氨氮占Ⅰ-Ⅴ级的權重依次为0.671、0.843、0.561、0.467、0.467，属于Ⅱ类水体，但属于Ⅰ、Ⅱ类水体的权重大于Ⅲ、Ⅳ类水体的权重，这显然不合理。对于岷县各个供水水源地水质综合评价所得结果与实际有一定偏差，因此，提出依据功能区划中的类别确定关联系数权重的方法，即MX01水源地在功能区划中是Ⅲ类水体，对于每一级别的关联系数所取权重值均为Ⅲ类级别水质所对应的权重值。这样避免了权重值依属于其他级别值较大时对评价结果的影响，也符合功能区划的思想[4]。最后计算得到的权重值见表3。

由表4和5可以看出：两种评价方法对各个水源地的评价结果有些差异，MX01、MX03、MX05、MX06、MX07、MX08、MX09、MX10、MX11、MX13、MX14和MX15水源地的评价结果相同，因为等权关联度法对各评价指标的影响等权对待，在各个指标超标情况不大时，其评价结果可信。在水质评价过程中若仅用等权灰关联的结果作为地下水水质综合评价依据，容易出现与实际水质情况不符的误判，而依据不同水源地的功能区类别来确定评价指标的权重，强化了高浓度指标的影响，又考虑到各个指标对地下水水质产生影响的综合效应，从而提高了评价结果的准确性，也可以为地下水功能区划提供依据。

由功能区评价结果可以看出，15个供水水源地的水质情况好于功能区划中的水质类别。

3、结论

本文将灰色关联度法应用于岷县农村供水水源地地下水质量评价的过程中，根据地下水质量评价的特点和监测水质的实际情况，考虑了不同指标对地下水质量不同的影响程度，采用地下水功能区方法确定了各个指标不同的权重值。并从加权和等权两个角度对地下水质量进行了评价，从实例分析结果看出，灰色加权关联度法避免了传统水质评价及等权关联度法评价中对各个指标影响程度“一刀切”的影响，评价结果更准确，更符合实际情况，从而说明了它是一种切实有效的地下水质量评价方法。

参考文献

[1]翟国静.灰色关联分析在水质评价中的应用[J].水电能源科学.1996，14（3）：183-187.

[2]Meng Xianlin，Shao Xue， Qi Zhining， et al.Research on gray-weighted correlation method for evaluation of water environment functional[J].Journal of Harbin Institute of Technology.2012，44（4）：67-70.

[3]GB/T14848 -1993.地下水质量标准[S].国家环境保护总局.北京：中国标准出版社， 2003.

[4]Shao Xue，Meng Xianlin， Wang Peng.Gray weighted correlation water quality evaluation method used in Songhua river[J].Journal of Harbin University of Commerce（Natural Sciences Edition）.2011，27（6）：810-813.

灰色评价法篇4

1 铁矿企业科技进行评价指标体系

根据评价指标体系应遵循的系统性、可比性、可操作性、动态与静态相结合的原则, 以及反映企业运行特征的原则、科学性原则、独立性原则。铁矿企业科技进步评价指标体系既能反映其科技进步的功效, 又反映支持这些结构与功能变化的投入, 因此本文设计的评价指标体系分为科技投入、要素素质和产出效果三个方面 (图1) 。

2 确定各指标的权重

由图1可知, 该评价指标体系共分为4个层次:目标层A、准则层B、子准则层C、指标层D。本文采用专家群定性指标量化赋权方法确定权重, 其基本原理为:设待评价方案共有m个指标, 由n个专家对m个指标判断其重要度, 并进行排序, 得到序次矩阵F[2]:

undefined

矩阵F中, fij为第j位专家对第i个指标的重要性所给出的优先序号, i=1, 2, …, m;j=1, 2, …, n;1≤fij≤m, 由F矩阵按公式:

hij=m+q-fij (2)

构建优先矩阵H:

undefined

矩阵H中, hij为第i个评价指标在第j位专家的排序中优于其它指标的次数, q是为避免某个指标可能排在最后导致权重为0而设置的参数, 一般取q=1、2、3, 其大小取决于权重离差。由优先矩阵可按照公式 (4) 计算评价指标的权重系数[3]。

优先数方根法:

3 确定子准则层的指标值

由于各指标的性质和量纲有所不同, 为了克服不同指标之间的不可公度性, 必须对指标值作标准化处理。标准化处理的方法有均值化、极值化、初值化、转换值法等[4]。根据本文实际, 宜采用初值化方法。设各指标统计原值为xij0, 则对于效益型指标, 其标准化矩阵为:

X={xij}m×n, 其中:xij=xij0/xi10 (5)

对成本型指标有:xij=xi10/xij0 (6)

在式 (6) 中, 当xij0=0时, 可按照该指标值maxxij的3—5倍处理。各子准则层指标值采用对所属指标值加权求和的方法求得:

undefined

式中, k为该子准则层的指标数目。则子准则层指标值矩阵为:

Cij={Cij}e×n (8)

式中, e为子准则数目。

4 运用价值工程法确定矿山企业科技进步价值水平

在e个子准则中, 设有系统特征行为序列a个 (u=1, 2, …, a) , 并视为广义的价值功能指标;相关因素行为序列b个 (v=1, 2, …, b) , 并视为广义的成本型指标:e=a+b。

4.1 利用专家群定性指标量化赋权法确定指标权重

运用式 (1—3) 求得各指标的权重系数为:

对价值功能型指标:

W={w1, w2, …, wa} = (wu) a (9)

对成本型指标:

W={w1, w2, …, wb}= (wv) b (10)

4.2 求矿山企业科技进步价值水平

求价值功能评价值:

undefined

求成本型指标评价值:

undefined

求科技进步价值水平[5]:V=F/C (13)

5 求子准则层灰色关联矩阵

求系统特征行为序列Cu与相关因素行为序列Cv指标的差序列矩阵:

⊿uv=|Cuj-Cvj| (14)

求差序列的两级最大值与两级最小值:

undefined

求系统特征行为序列Cuj与相关因素行为序列Cvj的邓氏关联系数:

ξuv= (⊿min+ρ⊿max) / (⊿uv+ρ⊿max) (17)

式中, ρ为分辨系数 (0≤ρ≤1) 。该关联系数满足规范性、整体性、偶对称性、接近性[6]。

求Cu与Cv的邓氏关联度:

undefined

从而构建灰色关联度矩阵[6,7]:

6应用实例

某大型铁矿企业位于河南省平顶山市, 其下属有几个矿床和工区。近几年来, 该公司加大了引进新设备的力度, 大力开展技术创新, 并与科研院所密切合作进行采矿技术和红矿选矿技术的攻关活动, 资源利用率有所提高, 精矿和球团矿质量大大提高。现对其科技进步状况进行综合评价, 找出影响其科技进步的主要因素, 并提出优化措施。

6.1 评价指标数据矩阵

根据图1所示的评价指标体系, 对该矿业公司1985—2005年科技进步投入及产出的相关数据进行统计并整理, 得出了评价指标的数据矩阵, 见表1。

6.2 确定各指标的权重系数

指标总数m=30, 专家数n=10, 子准则层e=8。首先由每位专家对各子准则层指标的重要性作出判断, 并进行排序, 共得到e=8个序次矩阵, 分别按式 (2) 计算其优先数hij, 从而得到8个优先矩阵H (式3) ;取q=2, 按照式 (4) 即求得其权重系数。其计算过程从略, 各指标权重见图1括号内数字。

6.3 确定子准则层的指标值

由式 (5) 、 (6) 将指标值矩阵标准化, 然后用式 (7) 求得各子准则层的指标值, 见表2。

6.4 确定矿山企业科技进步价值水平

运用式 (1—4) 求得各指标权重为:价值功能型指标Wu= (0.253, 0.244, 0.241, 0.262) ;成本型指标Wv= (0.241, 0.251, 0.252, 0.256) 。运用式 (11) 、 (12) 求得其价值功能型指标值和成本型指标值分别为:F=1.387;C=5.579。根据式 (13) 求得该企业科技进步价值水平为V=0.2486。可见, 该矿山企业科技进步价值水平不高, 因此需要分析其原因, 找出影响其科技进步价值水平的主要指标因素。

6.5 求子准则层的灰色关联矩阵

在8个子准则层中, 确定产品素质C5、经济效益C6、环境与社会效益C7、资源效益C8为系统特征行为序列;硬科技投入C1、软科技投入C2、职工素质C3、设备素质C4为相关因素序列, 即a=b=4。根据式 (16—20) , 运行系统灰色软件, 可求得其灰色关联矩阵:

undefined

∑ 2.877 2.632 3.837 3.872 ∑

6.6 子准则优势分析

从矩阵R可以看出:①ru4>ru1>ru2, 说明C4>C1>C2, 即技术与设备素质对该企业科技进步的影响大于硬科技投入, 硬科技投入大于软科技投入。②ru3>ru1>ru2, 说明C3>C1>C2, 即职工素质对该企业科技进步的影响大于硬科技投入和软科技投入。③在不考虑C1的情况下, 有r4v>r3v, 即C8>C7, 说明在不考虑硬技术投入的情况下, 其它投入及要素对资源效益的影响大于对环境与社会效益的影响。undefined, 说明C8>C7>C5>C6, 即资源效益优于环境与社会效益, 环境与社会效益优于产品素质, 产品素质优于经济效益。undefined, 说明C4>C3>C1>C2, 即技术与设备素质优于职工素质, 职工素质优于硬科技投入, 硬科技投入优于软科技投入。

7 小结

本文通过建立铁矿企业科技进步评价指标体系, 运用专家群定性指标量化赋权方法确定权重, 运用价值工程分析法分析矿山企业科技进步价值水平;运用灰色关联矩阵分析了科技投入指标与系统特征行为指标之间的关联关系。通过实例分析, 找出了影响某铁矿企业科技进步的核心投入与产出指标。即在科技投入指标中, 首先应增强该企业的技术与设备素质, 其次是提高职工素质。在产出指标中, 资源效益最高, 其次是环境与社会效益, 第三是产品素质, 说明该企业走的是一条优先保证资源环境效益和提高产品质量的发展之路。在今后的企业经营中, 在兼顾其它效益的同时, 应尽快提高其经济效益。

参考文献

[1]霍雅琴, 王瑛.技术进步对中国矿产资源采掘业产出的贡献[J].中国矿业, 2005, (3) ∶21-25.

[2]方创琳, 毛汉英.区域发展规划指标体系建立方法探讨[J].地理学报, 1999, (5) ∶14-17.

[3]阎旭骞.矿区生态系统健康评价的理论与方法研究[D].北京科技大学博士学位论文, 2004∶56-57.

[4]李一智, 徐选华.商务决策数量方法 (第一版) [M].北京:经济科学出版社, 2003∶68-79.

[5]刘明, 叶义成, 柯丽华.资源开发方案经济评价的价值工程模型[J].资源环境与工程, 2005, (3) ∶8-11.

[6]刘思峰, 党耀国, 方志耕, 等.灰色理论及其应用 (第三版) [M].北京:科学出版社, 2005∶78-84.

[7]易德生, 郭萍.灰色理论与方法 (第一版) [M].北京:石油工业出版社, 1992∶31-33.

灰色评价法篇5

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

灰色评价法篇6

[关键词] 物流外包灰色聚类关联

物流是创造价值的活动—为企业的顾客和供应商创造价值，为企业的股东创造价值。物流外包指生产或销售型企业为集中精力增强竞争能力，而将其物流业务以合同的方式委托专业的物流服务商操作。物流外包作为一个提高物资流通速度、节省物流费用和减少在途资金积压的有效手段，确实能够给供需双方带来较多的收益。阻碍物流外包发展的因素既有体制的制约、人为的失误，也有观念的陈旧和技术的缺陷，这些因素既存在于物流供应商方面，也存在于物流需求商方面。

一、物流外包风险

现代物流企业在攫取“第三利润源泉”的同时，其面临的风险也与日俱增。根据风险管理的理论，现代物流风险可谓是体系庞大、纷繁复杂，它不仅包括了传统意义上的纯粹风险，还包括责任风险、客户流失风险、合同风险、诉讼风险、投融资风险、财务流动性风险、人力资源风险等各个方面。

外包常常会使企业失去对一些产品或服务的控制，从而增加了企业正常生产的不确定性。企业在外包的过程中有可能由于丧失对外包的控制而影响整个业务的发展。长期依赖某一个第三方物流服务商对企业的资本投资、效率提高具有潜在的好处，但同时又会使第三方物流服务商滋生自满情绪而让企业难以控制。企业物流外包往往会影响企业的内部业务流程，需要企业的内部业务流程重组，这个过程很可能对所有员工都产生影响，受到企业内部员工的抵制而对企业正常的生产经营产生负面影响。降低用户满意度。企业过于依赖第三方物流服务商，又无法控制或影响他们，使企业不能取得所需的用户需要信息，从而影响企业的产品改进。从长期来看，由于对物流活动的失控可能阻碍核心业务与物流活动之间的联系而降低用户满意度。企业利益受损。物流活动的长期外包，会使第三方物流服务商认为企业缺乏专家技术，因此抬高物流服务的价格或提供较差的物流服务，从而使企业蒙受损失。

二、灰色聚类关联评价

物流业在我国是一个刚刚兴起的行业，相对于国外成熟、发达的物流业来说，物流服务模式单一、从事物流的企业大都是一些相对“散、乱、差”的中小企业、政府监管和理论研究薄弱、市场不成熟、法制体系不健全等问题困扰着我国物流业的发展。由于物流风险管理评价系统存在着大量的灰色性，因此将灰色系统理论应用于物流风险管理综合评价无疑是一个新的发展方向。所以本文针对物流外包风险控制提出一种物流外包风险综合评价的灰色聚类关联分析法。其基本原理是先利用灰色聚类法中改进后的白化函数计算各评价样本对各级别的从数度，然后再分别计算样本与清晰综合评价间的灰色加权关联度，根据关联度的大小即可确定各第三方物流企业的优劣。

三、评价原理与方法

设有Z个第三方物流公司（即评价样本），m个评价级别，n个评价指标:

其中为第k个物流公司的第j个评价指标的实测值，而为属于第i个级别的第j个评价指标的标准范围。

1.造灰色聚类白化函数

(a)(b) (c)

2.评价指标的权重

根据关联度确定各因素权重，利用加权法计算每个物流企业中评价指标的权重，计算公式为∶

其中为第k个物流企业第j个评价指标的归一化权重。

3.灰色关联度

灰色系统理论提出关联分析方法，可以对不同指标的行为进行对比、分类及分析，以了解哪些行为比较接近，哪些差别较大，它根据系统各因素间或各系统行为之间的数据列或指标列的发展态势做相似或相异程度的比较，

对于第k个物流企业的评价指标对于第j个级别的从属度为,则

于是得出关联度

4.判断

如果，则该物流企业的风险等级为t级。

四、结束语

本文提出的基于灰色聚类关联评价对第三方物流外包的风险进行评估，为决策者提供一种比较科学的风险防范方式，能够准确预测和防范各类风险，真正形成物流外包的优势。

参考文献：

[1]罗纳德·H·巴罗:企业物流管理[M].机械工业出版社，2002

[2]刘思锋等:灰色系统理论及其应用[M].科学出版社 2005

[3]李学全:灰色关联度量化模型的进一步研究[J].系统工程 1995.13（6）

灰色评价法篇7

关键词：交通影响度,优先次序,权重,灰色关联度

0 引言

随着城市化进程不断加快, 人民生活水平不断提高, 需要新建或改建很多配套设施, 如住宅小区、购物中心、学校、体育馆等, 项目建成后, 会产生和吸引很多交通量, 进而对项目周边的交通产生不同程度的影响。若某区域的所有项目同时进行建设, 将会引起很大交通压力, 甚至会使交通瘫痪。因此, 应对多个项目建设时间进行合理排序, 通过科学合理安排项目建设时间, 减轻项目同时建设对交通系统的冲击, 提高交通系统整体水平。

目前, 已经有很多学者对建设时序问题进行了研究, 如董春娇、邵春福等[1]对城市道路基础设施建设时序规划方法进行了研究, 楼肖华等[2]对公路网建设项目排序方法进行了研究。在此基础上, 本文以交通影响程度为准绳, 综合考虑交通运行、交通组织、交通设施和交通安全等四方面的影响因素, 构建交通影响程度评价指标体系, 提出了项目出入口冲突密度和交通标志设置率指标, 并应用综合灰色关联度加权法对建设项目交通影响程度进行评价。灰色综合评价法既考虑了定量指标, 也考虑了定性指标, 具有一定客观性, 使评价结果更加准确, 而且计算过程简单, 便于操作。灰色综合评价法现已在玉米品种、旅客换乘效率等方面得到了应用[3,4], 具有一定的实用价值。对某区域多个项目的建设时间顺序进行合理安排, 降低建设项目对周边交通的影响程度。

1 建立评价指标体系

为了对交通影响程度问题进行评价, 运用层次分析法构建评价指标体系, 将交通影响程度评价总目标按逻辑分类向下划分成若干个不同组成单元指标, 即子目标, 再把各子目标逐步细分, 形成各级分目标或准则, 直到每一个分目标都可以用具体的定量或定性指标来描述和实现。本文考虑项目建成后对周边交通的综合影响, 进行评价指标的选取, 并考虑了影响较大的项目出入口冲突密度和交通标志设置率指标。

1. 1 评价指标体系建立的原则

1) 系统性原则, 从系统角度出发, 综合考虑交通影响系统整体状况[5]。2) 实用性原则, 交通影响程度评价指标计算简单、可操作性强。3) 可比性原则, 交通影响程度评价指标可比性越强, 评价结果越可靠。4) 定性和定量相结合的原则。在建设项目交通影响程度评价中既包括定量指标, 如路段平均影响度、交叉口平均影响度、公共交通需求度等指标, 又包括定性指标, 如安全性指标等。

1. 2 评价指标的选取

通过对建设项目交通影响因素的分析, 综合考虑交通运行、交通组织、交通设施和交通安全等方面影响因素, 将交通影响程度评价指标分为两个层次, 一级指标共4 个, 二级指标共9 个, 共同构成交通影响程度评价指标体系, 见图1。

1) 交通运行。

路段平均影响度。路段平均影响度反映了项目建成前后对范围内路段的影响程度, 该指标对路段运行状况进行整体评价, 是交通影响程度评价的重要指标之一。

其中, Vsib为路段i的现状高峰小时交通量; Vsip为项目建成后路段i的高峰小时交通量; Csi为路段i的通行能力; m为主要路段数量; Isi为项目建成前后对路段i的影响度。

交叉口平均影响度。交叉口平均影响度反映了影响范围内交叉口的运行水平, 该指标是交通影响程度评价的重要因素。

其中, Vcib为交叉口i的现状高峰小时交通量; Vcip为项目建成后交叉口i的高峰小时交通量; Cci为交叉口i的通行能力; n为交叉口的数量; Ici为项目建成前后对交叉口i的影响度。

2) 交通组织。

项目出入口负荷度。项目出入口负荷度是指项目建成后出入口高峰小时交通量与出入口通行能力之比, 该指标是衡量建设项目出入口数量设置合理性的重要标准, 反映了建设项目交通量的疏散情况。

其中, Q出入口为出入口高峰小时交通量; C出入口为出入口通行能力。

公共交通需求度。公共交通需求度是指项目建成后高峰小时公共交通需求量与所有公交线路旅客输送量的比值。该指标是交通影响程度评价的重要因素, 为公交运力的增设提供合理依据。

其中, Qb为高峰小时公共交通需求量; Cb为公交线路平均每小时旅客输送量; n为公交线路条数。

项目出入口冲突密度。项目出入口冲突密度是指目标年项目每个出入口的平均复杂程度, 该指标是衡量建设项目出入口对外部交通的影响程度。

其中, Bi为项目第i个出入口的复杂程度;n为项目出入口数量。

3) 交通设施。

区域停车需求满足率。区域停车需求满足率是指项目建成后影响区域内停车需求总量与公共停车场、配建停车场和路边停车场提供的停车位总量之比, 该指标反映了停车设施建设的合理性。

其中, Qs为停车需求总量; P为公共、配建和路边停车位总量。

行人过街交通饱和度。行人过街交通饱和度是指目标年项目高峰小时行人过街需求量与行人过街设施的通行能力之比。该指标反映了行人过街设施的服务水平。

其中, V人为高峰小时行人过街需求量; C人为行人过街设施的通行能力。

交通标志设置率。建设项目影响范围内已经设置交通标志的数量与应该设置标志的数量之比。该指标反映了交通标志设置的合理性。

其中, Y为目标年项目影响范围内已经设置的交通标志数量;X为目标年项目影响范围内需要设置的交通标志数量。

4) 交通安全。

安全性指标是指项目建设完成后对周边交通安全影响的一种度量, 具体包括对外部路网交通安全的影响、对内部交通安全的影响和对出入口处交通安全的影响三部分。该指标对交通影响的程度无法定量化, 可根据经验取值[2]。

2 评价模型及算法

1) 构建初始评价矩阵。通过详细的交通调查, 得到交通影响程度评价指标初始值, 并构建矩阵A = ( aij) m × n。考虑各评价指标量化值的量纲不完全相同, 利用cij= aij/ aik ( k任意取定, 且aik≠0) 对评价指标进行无量纲化处理[3], 得到矩阵C = ( cij) m × n。

2) 确定指标权重。根据公式计算灰色关联系数, 其中, ξ一般取0.5[6], 得灰色关联度为。然后根据公式, 求得各评价指标的权重[7]。

3) 确定综合评价值。利用公式zij= aij/ aik, 正向和中性指标aij进行标准化; 利用公式zij= aik/ aij, 对负向指标aij进行标准化;进而得标准化矩阵z = ( zij) m × n。

对标准化矩阵z = ( zij) m × n和权重wj进行加权, 得到建设项目交通影响程度综合评价值, 并对各评价对象进行排序。

3 案例分析

以群力新区为研究范围, 选择三个正在建设的项目, 分别为星耀广场、群力文化产业中心 ( 二期) 和保利城。通过对高峰时段内三个项目的交通影响程度排序, 论证三个建设项目的建设时序合理性。建设项目情况见表1。矩阵A的指标值如表2 所示。

评价指标两两间的关联度如表3所示。

各评价指标的权重如表4所示。

评价指标的标准化矩阵如表5 所示。

评价对象的综合评价值及综合评价值排序如表6 所示。

可以看出, 交叉口平均影响度、路段平均影响度和区域停车需求满足率的权重比较大, 在被评价的建设项目中, 交通影响程度最大的是保利城, 影响最小的是星耀广场。

4 结语

通过对建设项目的交通影响因素进行分析, 构建科学合理的评价指标体系, 运用灰色综合评价模型进行计算, 最后得出各建设项目的综合评价值, 并对综合评价值进行排序。结果符合星耀广场、文化产业中心、保利城的实际建设时间顺序, 避免了三个项目同时建设时对交通系统的冲击。同时说明了灰色综合评价法计算简单, 可操作性强, 评价结果具有一定的实用价值, 在我国建设项目时间次序研究方面具有良好的应用前景, 并为交通影响评价提供参考。

参考文献

[1]董春娇, 邵春福, 胡超凡, 等.城市道路基础设施建设时序规划方法及实践[J].交通信息与安全, 2011, 29 (4) :10-14.

[2]楼肖华, 朱顺应, 王谷, 等.公路网建设项目排序实用方法[J].交通科技, 2005 (4) :87-90.

[3]邹永红, 谭建林.基于综合灰色关联加权法的玉米品种评价[J].南方农业学报, 2011, 42 (8) :1007-1010.

[4]邵毅明, 闫冬梅, 向红艳.城市轨道交通车站旅客换乘效率评价模型研究[J].铁道运输与经济, 2012, 34 (6) :78-81.

[5]翟建峰.城市中心区大型公建项目交通影响分析研究[D].北京:北京交通大学, 2007.

[6]刘思峰, 谢乃明.灰色系统理论及其应用[M].北京:科学出版社, 2008.

[7]郭亚军.综合评价理论与方法[M].北京:科学出版社, 2002.

灰色评价法篇8

科技计划评估一般采用专家评议的方法, 为决策提供科学客观的参考依据及建议。由于科技计划评估依赖于评估专家的判断和意见, 所以评估结论往往受到专家的知识水平、认识能力、个人喜好等不确定因素的影响, 而层次灰色评价法[1]为解决科技计划评价信息的不确定问题提供一种简单有效的方法。

1.层次灰色评价法

层次灰色评价法[1]是运用灰色理论将评价专家的分散信息处理成一个描述不同灰类程度的权向量, 在此基础上再对其进行单值化处理, 得到评价对象的综合评价值, 进而可进行评价对象间的排序选优, 以提高评价的科学性和精确性。

假设科技计划的三层次评价指标体系的一般形式如图1所示。

根据层次分析法原理[2,4], 图1是一个由多个评价指标按属性不同分组, 每组作为一个层次, 按照最高层 (目标层W) 、中间层 (一级评价指标Ui, i=1, 2, …, m) 和最低层 (二级评价指标Vij, i=1, 2, …, m;j=1, 2, …, ni) 的形式排列起来组成的三层次评价指标体系。

假设受评科技计划的序号为S (S=1, 2, …, q) , W (s) 代表第S个受评科技计划的综合评价值;U代表二级评价指标Vij所组成的集合, 记为Ui={U1, U2, …, Um};Vi (i=1, 2, …, m) 代表二级评价指标Vij所组成的集合, 记为Vi={Vi1, Vi2, …, Vinj}。则层次灰色评价法在科技计划评价中的具体应用步骤如下。

(1) 制定评价指标Vij的评分等级标准。

评价指标Vij是定性指标, 将定性指标转化成定量指标, 即定性指标量化可以通过制定评价指标评分等级标准来实现。考虑到人们思维的最大可能分辨能力, 将评价指标Vij的优劣等级划分4级, 并分别赋值 (评分) 4、3、2、1分, 指标等级介于两相邻等级之间时相应评分为3.5、2.5、1.5分。

(2) 确定评价指标Ui和Vij的权重。

按上述评价指标体系评价时, 评价指标Ui和Vij对目标W的重要程度是不同的, 即有不同的权重。评价指标权重的确定可以利用层次分析法 (AHP法) , 通过两两成对的重要性比较建立判断矩阵, 然后用解矩阵特征值的方法解出。

假设求得一级评价指标Ui= (i=1, 2, …, m) 的权数分配为ai= (i=1, 2, …, m) , 各指标权重A= (a1, a2…, am) , 且满足;二级评价指标Vij (i=1, 2, …, m;j=1, 2, …, ni) 的权数分配为aij= (i=1, 2, …, m;j=1, 2, …, ni) , 各指标权重集Ai= (ai1, ai2, …, aini) , 且满足。

(3) 组织评价专家评分

设评价专家序号为k, k=1, 2, …p, 即有p个评价专家。组织p个评价专家对第S个科技计划按评价指标Vij评分等级标准打分, 并填写评价专家评分表。

(4) 求评价样本矩阵。

根据评价专家评分表, 即根据第k个专家对第S个科技计划按评价指标Vij给出的评分d (s) ijk, 求得第S个科技计划的评价样本矩阵D (s) :

(5) 确定评价灰类。

确定评价灰类就是要确定评价灰类的等级数、灰类的灰数以及灰数的白化权函数。分析上述评价指标Vij的评分等级标准, 设定4个评价灰类, 灰类序号为e, 即e=1, 2, 3, 4。它们分别是“优”“良”“中”“差”, 其相应的灰数及白化权函数如下。

第一灰类“优” (e=1) , 灰数, 白化权函数为f1。其表达式如下:

第二灰类“良” (e=2) , 灰数, 白化权函数为f2。其表达式如下:

第三灰类“中” (e=3) , 灰数, 白化权函数为f3。其表达式如下:

第四灰类“差” (e=4) , 灰数, 白化权函数为f4。其表达式如下:

(6) 计算灰色评价系数。

对评价指标Vij, 第S个受评科技计划属于第e个评价灰类的灰色评价系数记为, 则有

对评价指标Vij, 第S个受评科技计划属于各个评价灰类的总灰色评价数记为, 则有

(7) 计算灰色评价权向量及极矩阵。

所有评价专家就评价指标Vij, 对第S个受评科技计划主张第e个灰类的灰色评价权记为, 则

考虑到灰类有4个, 即e=1, 2, 3, 4, 便有第S个受评科技计划的评价指标Vij对于各灰类的灰色评价权向量

从而得第S个受评科技计划的Vi所属指标Vij对于各评价灰类的灰色评价权矩阵

(8) 对Vi作综合评价。

对第S个受评科技计划的Vi作综合评价, 其综合评价结果记为Bi (s) , 则有

(9) 对U作综合评价。

由Vi的综合评价结果Bi (s) 得第S个受评科技计的U所属指标Ui, 对于各评价灰类的灰色评价权矩阵R (s) :

于是, 对第S个受评科技计划的U作综合评价, 综合评价结果记为B (s) , 则有

(10) 计算综合评价值并排序。

设将各评价灰类等级按“灰水平” (阈值) 赋值, 即第1灰类“优”取4, 第二灰类“良”取3, 第三灰类“中”取2, 第4灰类“差”取1, 则各评价灰类等级值化向量C:

C= (4, 3, 2, 1)

于是, 第S个受评科技计划的综合评价值按下式计算:

式中CT为各评价灰类等级值化向量的转置。

综合评价值W (s) 求出后, 根据W (s) 大小给q个受评价的科技计划进行排序。

(11) 作评价结论。

因为当全体评价专家都认为第S个受评科技计划的每个指标Vij评分是2分时, 对应于W (s) =2.7693, 所以确定受评科技计划合格值为W0=2.7693。即当W (s) ≥W0, 则第S个受评科技计划实施情况合格;当W (s)

2.科技计划评估应用实例

根据文献[3], 科技计划三层次评价指标体系如图2所示。

上述评价指标体系中, 一级评价指标Ui= (i=1, 2, 3) 的集合U={U1, U2, U3}, 二级评价指标Vij (j=1, 2, 3) 的集合V1={V11, V12, V13}, V2j (j=1, 2, 3) 的集合V2={V21, V22, V23}, V3j (j=1, 2, 3) 的集合V3={V31, V32, V33}。

设q=3, 即s=1, 2, 3。某受评科技计划, 记为“1#”“2#”“3#”, 按上述评价指标体系采用层次灰色评价法对其评价步骤如下

(1) 制定评价指标V1j、V2j和V3j的评分等级标准。

考虑到人们思维最大可能分辨力将评价指标V1j (j=1, 2, 3) , V2j (j=1, 23) 和V3j (j=1, 2, 3) 优劣等级定为4级, 并分别赋值评分4、3、2、1分。指标等级介于两相邻等级之间时, 相应评分为3.5分、2.5分、1.5分。其余各指标评分等级标准可仿上制定。

(2) 确定评价指标U和V1j、V2j、V3j的权重。

利用层次分析法 (AHP法) 确定评价指标Ui= (i=1, 2, 3) 的权重集A= (a1, a2, a3) = (0.22, 0.32, 0.46) , 评价指标V1j (j=1, 2, 3) 的权重集A1 (a11, a12, a13) = (0.28, 0.41, 0.31) , 评价指标V2j (j=1, 2, 3) 的权重集A2 (a21, a22, a23) = (0.45, 0.42, 0.13) , 评价指标V3j (j=1, 2, 3) 的权重集A3 (a31, a32, a33) = (0.48, 0.33, 0.19) 。

(3) 组织评价专家评分。

设p=7, 即k=1, 2, …, 7, 有7位评价专家, 各评价专家按评价指标评分等级标准打分, 并填写专家评分表。

(4) 求评价样本矩阵。

根据7位评价专家所填写的专家评分表, 求得评价样本矩阵D (1) , D (2) , D (3) :

(5) 确定评价灰类 (参见上节, 略) 。

(6) 计算灰色价系数。

对评价指标V11, 1#受评科技计划属于第e个评价灰类的灰色评价系数

对评价指标V11, 1#受评科技计划属于各个评价灰类的总灰色评价数为

(7) 计算灰色评价权向最及权矩阵。

所有评价专家就评价指标V11, 对1#受评科技计划主张第e个灰类的灰色评价权

所以, 1#受评科技计划的评价指标对于各灰类的灰色评价权向量

(8) 对V1、V2和V3作综合评价。

对1#受评科技计划的V1、V2和V3作综合评价, 其综合评价结果和为:

(9) 对U作综合评价。

由和得1#受评科技计划的总灰色评价权矩阵R (1) :

于是对1#受评科技计划的U作综合评价, 其综合评价结果:

(10) 计算综合评价值并排序。

1#的综合评价值:W (1) =B (1) ·C (T) = (0.3344, 0.4232, 0.2423, 0) · (4, 3, 2, 1) T=3.0920

同理可计算2#、3#受评科技计划的综合评价值:

W (2) =2.8583

W (3) =3.0274

因为W (1) >W (2) >W (3) , 所以受评科技计划排序为1#、3#、2#。

(11) 作评价结论。

在本次评估中, 全体评价专家认为任一科技计划的各项指标Vij评分都是2分时, 科技计划实施情况才为合格, 对应于合格分值W0=2.17693。因为W (1) >W0, W (2) >W0, W (3) >W0。所以, 科技计划综合评价结果是计划1#、计划2#和计划3#实施情况均合格。

3.结论

通过层次灰色评价法在科技计划评估中的应用, 可以看出, 层次灰色评价方法为科技计划实施情况的评价提供了一个定量评价的模型。与加权平均法和模糊综合评判法采用等级比重确定模糊关系矩阵并加权线性运算相比, 其具有评估客观、精确度高、运算简单等优点, 因此将可作为科技管理部门进行科技计划评估与决策的一种有效且易行的方法。

参考文献

[1]邓聚龙.灰色理论基础[M].武汉:华中科技大学出版社, 2002.

[2]胡笙煌.层次灰色评价软科学研究成果[J].科学管理研究, 1995 (13) :34-41.

[3]魏海燕.科技计划的评估方法及其应用研究[J].科研管理, 2007 (28) :26-29.

灰色评价法篇9

我国土木行业在经过多年的发展以后, 取得了较大进步, 但总的来说其管理水平与现实发展间还存在较大差距。近年来建筑行业工程质量事故较多, 施工工期拖延较普遍, 施工利润普遍不高。为使施工企业既能创出优质工程, 又能收到理想的经济效益, 有必要从理论和实践的结合上, 探讨工程施工的各种管理, 研究施工企业生产的经济性, 探索工程施工最适宜的管理方式, 实现质量与经济效益的统一[1]。

1 灰色关联分析

表征两个事务的关联程度即为关联度。通过比较几种曲线的几何形状能够比较关联度的发展态势, 即几何形状越接近, 发展变化态势越接近, 关联度越大。

2 基于灰色关联度分析的灰色综合评价法

对事物的综合评价, 大多数是研究多对象的排序问题, 其步骤如下:

(1) 确定最优指标集 (F*) 。设F*=[j1*, j2*, …, jn*]

式中jk* (k=1, 2, …, n) 为第k个指标的最优值。这个最优值既可以是很多方案的最优值, 也可以是评估者公认的最优值。我们应当考虑先进性和可行性后在选定最优值。如果最优标志过高则不现实, 评价结果也不可能正确[3]。选

定最优指标集后, 可构造矩阵D。

式中:jki为第i个方案中第k个指标的原始数值。

(2) 指标值的规范化处理。设第k个指标的变化区间为[jk1, jk2], jk1为第k个指标在所有方案中的最小值, jk2为第k个指标在所有方案中的最大值, 则可用下式将上式中原始数值变换成无量纲值Cki∈ (0, 1) 。

(3) 计算综合评判结果。根据灰色系统理论, 将{C*}=[C1*, C2*, …, Cn*]作为参考数列, 将{C}=[C1i, C2i, …, Cni]作为被参考数列, 则用关联分析法分别求得第i个方案第k个指标与第k个最优指标的关联系数ξi (k) , 即:

式中, ρ∈[0, 1], 一般取ρ=0.5。

由ξi (k) , 即得E, 这样综合评判结果为:R=E×W, 即

若关联度ri最大, 则说明{Ci}与最优指标{C*}最接近, 亦即第i个方案优于其他方案, 据此, 可以排出各方案的优劣次序。

3 实例分析

有很多因素会影响施工企业管理的水平, 因此, 对其进行评价是十分困难的。虽然评价施工企业管理水平的方法很多, 但是却不能很好的反映施工单位真正的管理水平, 并且计算也十分繁琐。但是灰色关联度综合评价方法却能够很好的克服这些缺点。

3.1 施工单位管理水平指标体系的选择

选择同类施工企业并对共同指标进行分析, 可以有效评价施工企业管理水平的高低。从众多指标中选择一个指标体系, 能够反映使用单位的基本情况且体系中各项指标的优劣程度也能反映客观现实。为此, 我们选取了以下6项指标: (1) 质量, 以评判期建筑产品评分标准为100, 希望评分标准越高越好; (2) 成本, 以评判期计划每平米成本为100, 希望实际成本越低越好; (3) 进度, 以评判期计划工期为100, 希望实现完成的百分数越大越好; (4) 安全, 以评判期事故率为100, 希望实际事故率越低越好。 (5) 工效, 以评判期计划全员工效为100, 希望实现工效越高越好; (6) 顾客满意度, 以评判期顾客满意度为100, 希望实现完成的百分数越大越好, 采用权重上述指标出现的先后次序, 上述指标排序为:

3.2 评价数据

某地有规格相同的5家施工单位, 年终考核各企业管理情况, 其各项指标实际数据如表1。

3.3 指标计算

理想对象的指标值即个评价对象中的每一项指标的最佳值。从参加必选的被评对象中选取最佳值, 以最佳值作为基础就可构造理想对象的指标值。以一企业与理想对象的加权关联度计算为例说明其计算过程。

(1) 计算指标关联系数。

(2) 计算加权关联度。

用同样方法可计算出其他几个企业的加权关联度, 如下:r12=0.785, r13=0.588, r14=0.973, r15=0.527

根据以上关联度可建立关联序如下:r14>r12>r11>r13>r15

可见, 四企业管理水平最高, 二企业次之, 一企业第三, 三企业第四, 五企业最差。

由于灰色综合评价法能够很好的解决指标难以准确量化和统计的问题, 从而排除了人为因素的影响, 因此, 能够得到更加客观准确的结果[5]。工程项目从可行性研究、设计、施工到竣工验收, 是一个复杂的过程。与其他行业相比, 工程项目面临着更多的风险和不确定性, 建设工程中的绝大多数数据都具有模糊性。本文在充分研究施工单位管理影响因素的基础上, 介绍了灰色综合评价法用于施工单位项目管理分析评价的步骤方法, 为施工单位的项目管理分析分析和评价提供了定性和定量相结合的综合评价方法。通过构施工单位项目管理的评价指标体系, 并建立了相应的数学模型, 运用灰色综合评价法对施工单位的管理水平进行了准确的评估。并且通过对施工单位的综合能力评价的实例演示, 证明了灰色综合评价法的科学性和可行性。

参考文献

[1]卢有杰, 项目风险管理[M].北京:清华大学出版社, 1987, 7.

[2]李林, 王道平.基于风险分析的项目工期的估算研究方法[J].系统工程, 2001, 5.

[3]史欣欣.风险分析与风险管理在工程保险中的应用研究[J].天津:天津大学管理学报, 1999.

[4]刘力.模糊层次分析法在工程项目风险管理中的应用[J].科技咨询, 2006, 8.

灰色评价法篇10

自高校扩大招生以来,我国高等教育进入大众化教育阶段,同时,高等教育引起了社会的高度关注,教育教学质量问题成为牵动人心的热点问题。为提高教学质量,各高校相继建立各自的教学质量保障机制。课堂教学作为学校教学的基本形式,是保证教学质量的中心环节,因而,客观的评价课堂教学对教学质量的提高具有重大意义。但在具体实施过程中,由于评价体系中存在一定概念不清和信息不全的问题,宜采用灰色系统理论对其进行研究。

灰色系统理论是我国著名学者邓聚龙教授于1982年提出的,它是从信息的非完备性出发研究和处理复杂系统的理论,通过对系统某一层次的观测资料加以数学处理,达到在更高层次上了解系统内部变化趋势、相关关系等机制。

文章使用基于灰色关联度分析的灰色综合评判法对某高校课堂教学评价的指标体系进行研究分析,根据各指标与最优指标之间的关联度大小对被评价对象进行比较与排序,评判出各教师授课水平的高低。

2 基本步骤

2.1 确定最优指标集

2.2 确定各指标权重系数

权重是以某种数量形式对比、权衡被评价事物总体中诸因素相对重要程度的量值,能够体现各个评价指标在评价体系中的作用地位以及重要程度。

2.3 计算综合评判结果

作为比较数据列,则用关联分析法分别求得第i个被评价对象的第k个指标与第k个最优指标的关联系数,即

我们可以依据关联度ri的值对各被评价对象进行排序,ri的值越大,说明与之对应的被评价对象越接近理想对象,也就是越优。

3 应用实例

3.1 数据来源

文章借鉴了某高校的课堂教学评价体系,共包括五项主要指标,分别为教学效果、教学态度、教学内容、教学方法、教书育人。

6名教师的各评价指标得分情况如表1所示。

3.2 评判步骤

3.2.1 确定最优指标集。根据表1建立原始数据矩阵

确定最优指标集。在上述评价体系的各评价指标中,分值最高的即为最优值。

3.2.2 确定各指标权重系数。

在确定评价体系中各指标的权重时可结合各自学校的实际情况,征询相关专家的意见后,运用Delphi法、层次分析法、专家意见平均法等确定出各项指标的权重。上述评价体系中各指标的权重为:

3.2.3 计算综合评判结果。

将最优指标集作为参考数据列,将作为比较数据列,求出各评价指标与相应的最优指标的关联系数,得出评判矩阵:

由关联系数可以计算加权关联度,以T1教师加权关联度计算为例:

用同样的方法可以计算出r2=0.637,r3=0.690,r4=0.624,r5=0.668,r6=0.798。由此可见,第六位教师的课堂授课水平最高,第三位次之,第四位教师最差。

4 结束语

开展高校课堂教学评价能够促进教学质量的提高,使人才培养的质量得到充分保证。基于灰色关联度的高校课堂教学评价结果表明,此方法能够对教师授课水平的优劣做出评判。由于灰色综合评判法易于计算,操作简单,评价结果客观可靠,有较强的实用性,为学校评价教师课堂教学质量,进行科学的教学管理工作提供了一种行之有效的量化方法。

摘要：文章使用基于灰色关联度分析的灰色综合评判法,对某高校课堂教学评价体系的5项指标进行了关联度分析,得出了各教师授课水平的高低。

关键词：灰色关联度,灰色综合评判,权重

参考文献

[1]赵剑.灰色关联分析综合评价法在地表水环境评价中的应用[J].水利科技与经济.2006,12(9):607.

[2]杜栋,庞庆华,吴炎.现代综合评价方法与案例精选(第2版)[M].北京:清华大学出版社.2008.

本文来自古文书网(www.gwbook.cn)，转载请保留网址和出处

中国现代漆艺术02-04

对我国大陆地区法定继承顺序的研究——以澳门法定继承顺序为视角02-04

水性UV涂料02-04

古村古镇02-04

高效混合机02-04

大型白内障手术02-04