评定模型（精选六篇）
评定模型 篇1
1.1 确定评价指标集
我们分一级指标和二级指标，一级指标包括历史业绩X1、科技潜在能力X2、战略策划X3、品牌影响X4、营销管理X5等。而二级指标是在一级指标之下，如历史业绩X1包括利润x11、市场占有率x12、信誉x13，并把x11,x12,x13对X1由专家赋予权重P1=(p11,p12,p13)，科技潜在能力X2包括技术潜力x21、创新潜力x22、开发潜能x23、成本潜力x24、质量潜力x25等，权重P2=(p21,p22,p23,P24,P25)。用相同的办法，可以得到X3,X4,X5的二级指标及权重。
1.2 确定企业竞争力的评语集Y
Y={Y1,Y2,Y3,Y4}。如{很强，较强，一般，较差}。
1.3 建立模糊评价矩阵
对每个一级指标Xi(i=1,2,3,4,5)下的二级xij建立评价矩阵
n为一级指标Xi(i=1,2,3,4,5)下的二级指标数，rijk为第j个二级指标隶属于评语k的程度(j=1,2,…,n,k=1,2,3,4)。做Ai=Pi·Ri得到Ai=(ai1,ai2,ai3,ai4)其中。
这里“∨∧”是模糊运算符号，不同的运算有不同的模型，下面采用模糊数学求赋权Borda数的方法，对企业竞争力进行评定。
2 模糊数学对企业竞争力评定模型
对各项一级指标X1,X2,X3,X4,X5再赋予权重W1,W2,W3,W4,W5。然后，按各项一级指标对企业竞争力排序，如表1所示。
表1中mij代表按第i项指标排名第j的企业i=1,2,3,4,5;j=1,2,…,n。对排序结果求赋权Borda数,。
其中Bi(m1j)是Xi项指标下，排在m1j之后的人数(i=1,2,3,4,5;j=1,2,…,n)。按Borda数B軒(m1j)的大小排序，大者优，小者劣。
3 例
设有甲、乙、丙、丁、四企业，取四项一级X1,X2,X3,X4加权平均后列表如表2，表3。
设级X1,X2,X3,X4的权重为(0.35,0.25,0.25,0.15)。求Borda数。
排序结果为乙优，丁最差，顺序是乙、甲、丙、丁。
摘要：评价企业的竞争力有多种因素,各因素的性质决定企业竞争力的评定具有模糊性。该文用模糊数学方法对各项指标进行排序测定。
关键词：模糊评价,评价矩阵,企业竞争力
参考文献
评定模型 篇2
离散AMSAA模型在火箭发动机可靠性增长分析与评定中的应用
结合固体火箭发动机的有效试验信息,运用离散的AMSAA模型计算固体火箭发动机的可靠性增长趋势,并用基于遗传算法的思想求参数的最大似然估计及似然函数的.极值.最后求解出最终研制的可靠性置信下限.结果表明:此模型与算法的运用,有效地利用实验信息,反映了发动机的可靠性增长过程,并可节省样本试验经费.
作 者：吕海峰 戴新生 王鹏 於杨 LV Haifeng DAI Xinsheng WANG Peng YU Yang 作者单位：空军工程大学导弹学院,陕西三原,713800刊 名：弹箭与制导学报 PKU英文刊名：JOURNAL OF PROJECTILES, ROCKETS, MISSILES AND GUIDANCE年，卷(期)：28(1)分类号：V435关键词：离散AMSAA模型 遗传算法 极大似然估计
评定模型 篇3
近年来,铁道车辆轻量化和快速化的发展趋势已成为铁道车辆抗横风安全性低的主要原因。为此,能精确评定铁道车辆抗横风的运行安全性是十分重要的。
评定车辆抗横风安全性所用的指标通常是“轮重减载率”或“临界倾覆风速”。临界倾覆风速定义为相当于迎风侧的轮重降为零时,即轮重减载率为100%时所对应的气动力的风速。在日本,常用“国枝式”[1]静态解析式或基于该式和反映近期研究成果的“详细计算式”[2],来评估轮重减载率或临界倾覆风速。日本铁道综合技术研究所(RTRI)(以下简称研究所)通过对详细计算式扩展的动态分析模型的最新系列研究,阐明了过去没有考虑过的横风波动频率对车辆动态特性的影响,并用整车模型试验验证了分析模型的正确性[3,4]。
然而,RTRI所开展的全部研究只用了半车模型,这种研究无法考虑轮重减载率(或临界倾覆风速)与横风引起的摇头运动和各轮对轮重静态不平衡之间的关系。摇头运动在某些情况下是特别关键的,如在隧道出口,风突然冲击从隧道内驶出的车辆,造成车体前、后的气动力不同,所以,有必要预先对其冲击进行定量化评定。
在本文所开展的研究中,针对上述动态分析模型扩展出的整车模型编制了模拟程序(以下称之为“整车模拟程序”),研究过去半车模型所没有考虑的摇头运动对轮重减载率的影响。本文将对研究结果加以阐述。
2 整车模拟程序的编制
2.1 车辆模型
用于模拟研究的整车模型是从文献[3]创建的半车动态分析模型扩展来的。它是在半车模型的自由度基础上(横移、沉浮、侧滚)增加了摇头、点头自由度的模型。车辆模型的y-z、x-z平面见图1。整车模型的特征是:y-z平面与半车模型完全相同。在检测半车模型早期静态分析和动态分析的差别时,可以将分析模型的差对计算结果的影响减至最小,易于与过去的研究结果进行对比,并相当容易地编制模拟程序。此外,整车模型可以研究轮重静态不平衡对轮重减载率(临界倾覆风速)的影响,轮重静态不平衡可用垫片(调节垫板)厚度模拟轴箱弹簧和枕簧之间的垂向位移初值。基于上述整车模型,得到与各种质量因数相关的运动方程(共有31个自由度),计算步长1/1 000s,编制用龙格-库塔-吉尔(Runge-Kutta-Gill)方法求解上述方程的程序。
2.2 模拟程序的验证
2.2.1 利用实车进行动态横向力载荷试验
本节介绍为验证整车模拟程序的正确性而用实车所进行的试验。使产生摇头运动的横向力不断变化地施加到实车上,并将计算得出的模拟数据与测量值进行了对比分析。
在研究所的车辆试验台(图2)上进行了试验。在试验台外侧增加了横向力加载侧柱。用钢丝绳将安装在加载侧柱上的电动作动器与车体相连。然后,在2个地方横向牵拉车辆:一处在车辆的前门附近,另一处在车辆的后门附近。测量内容包括横向力、轮重、车体位移和空气弹簧内压力。用在钢丝绳和车体之间串联的载荷传感器测量横向力,用测力轮对测量轮重,用电位位移计测量车体相对于地面的横向位移和垂向位移,并根据上述测试值计算了车体的倾角。
文献[3]和文献[4]报道了针对半车模型所开展的类似验证试验。在以前所进行的试验中,横向力在车辆的前、后2处是同相位的,而本文所进行的试验在车辆前、后2处的横向力是反相位的,以便评估摇头运动的影响。具体而言,假定风速以正弦波的形式波动,横向力与风速的平方成正比,进行以下4种工况下的试验(工况1~工况4)。每种试验工况下,波动频率从0.05Hz变化到2.5Hz。另外,作为附加试验工况5,依据2001年12月—2004年3月由RTRI在北海道多风区自然风条件下,整车模型气动力测试试验获得的试验结果[5],用自然风气动力进行试验。在上述试验中,测量了车体前、后部位的横向力和升力,用这些横向力进行横向力动载试验所获得的试验结果,与用同样的横向力数据所得出的模拟结果进行了比较。
工况1:单波(仅车辆前部位置);
工况2:单波(车辆前、后位置相差1/4周期);
工况3:连续波(车辆前、后位置反相);
工况4:连续波(车辆前、后位置相差1/4周期);
工况5:自然风情况下的气动力。
上述试验工况中,工况3和工况5验证结果的有关典型示例见图3和图4。图3和图4中的(a)、(b)和(c)分别给出了在横向力动载试验中,车辆前、后部所施加的横向力的测量值、1位轮对轮重减载率的测量结果及计算结果,以及车体摇头角的测量结果及计算结果。由图3和图4中的(b)和(c)可知,轮重减载率和车体摇头角的测量结果和计算结果大致相同。除了这里所给出的试验结果外,其他工况下,轮重减载率、车体摇头角的测量结果和计算结果也大致相同。由此可见,目前研究所用的整车模拟模型,可以用于分析由于外力产生摇头运动影响下的轮重变化情况,而以前的半车模型则无法考虑车辆摇头运动对轮重减载率的影响。
2.2.2 利用缩比车辆模型进行的风洞试验
本节论述为验证整车模拟程序正确性而进行的风洞试验。试验采用各轮对具有静态轮重不平衡的缩比模型,并将测量值与计算值进行了对比分析。
试验所用的车辆模型为窄轨线路上运营的通勤车(103系车辆)的缩比模型。车辆模型的特征如下:由于车辆形状对气动力有极大影响,所以缩比车辆模型与实车相比具有几何外形相似性;转向架弹簧系统,包括为控制车体过度位移而设置的止挡都是精心制作的;考虑到车体外力和车体位移的对应性而选用恒定刚度弹簧。关于动态相似比的确定,是将弹簧力(1)、重力(2)、惯性力(3)和气动力(4)视为物理量,测试了在气动力和车体位移关系的原始值中能够实现相似比的倍数关系。具体而言,考虑到弹簧力和重力的关系,弹簧刚度和模型质量分别设定为原始值的1/100和1/1 000。车辆模型的细节是根据近年来使用的窄轨通勤车设计的。车体外形则模仿前述的103系车辆。模型中装用无摇枕转向架,车辆材质采用轻型不锈钢。假定通勤车质量约为25t,模型质量则设定为约25kg(车体质量约为15kg,转向架质量约为5kg),即模型质量为原车的1/1 000。另外,无摇枕转向架模型轴箱弹簧和枕簧采用刚度为原车1/100的螺旋弹簧。
利用研究所的大型低噪声风洞(米原风洞)进行风洞试验(图5)。试验时,逐渐增大风速,测量了风速和轮重之间的变化关系。用嵌入轨道右侧各车轮下面的载荷传感器测量了车辆模型的各个轮重。在模拟计算时,通过设定垫片(调节垫板)的不同厚度来选择和设定特定的轮重不平衡,从而设定轴箱弹簧和枕簧的高度。在实际车辆或上述车辆模型中,由于车体扭曲或不对称、弹簧不均匀等都可能导致静态轮重不平衡。然而在本文所进行的研究中,调节各垫片的厚度被认为与调节上述因素的影响是等效的。表1给出了车辆模型静态轮重和静态轮重不平衡的测量值,从前位轮对开始计轮对位数,根据车辆前进方向(车辆模型一侧的端板被定义为前进方向的前侧),对前、后、左、右进行命名。在风洞试验中,表1中“右”侧为进风侧,“右”侧轮重变小,此时轮重不平衡用正值表示。对运营中的实际车辆而言,其静态轮重不平衡的目标限度值通常被设定在10%~15%,所以考虑到实际情况,表1所示的车辆模型中,3位轮对和4位轮对的轮重不平衡很大并不是特别设定的。在模拟过程中,静态轮重不平衡几乎与用调整垫片厚度而设定的车辆模型的静态轮重不平衡相等。表1也给出了模拟计算中设定的静态轮重值。
图6(a)给出了风洞试验中轮重减载率与风速的平方之间的关系。在试验过程中,已经确认车辆模型在所有轮对的轮重减载率达到100%前并没有倾覆。进一步发现,在车辆产生倾覆之前,车辆所有轮对的平均轮重减载率随风速平方的增加量(梯度图)几乎保持不变。这里所说的平均轮重减载率并不是各轮对轮重减载率的算术平均值,而是根据整车右侧轮重和左侧轮重的算术平均值所计算出的轮重减载率。由图6(b)所示的计算结果可知,平均轮重减载率的变化趋势与在风洞试验中所表现的趋势是一致的。总之,利用本文所提出的模拟计算方法,可以评估车辆在轮对产生静态轮重不平衡时的抗倾覆运行安全性。
3 半车模型中所没有考虑的因素对倾覆的影响
3.1 摇头运动的影响
为研究摇头运动对轮重减载率的影响,在进行模拟计算时,假定施加图3(a)所示的横向力连续波,车辆前后部位所施加的横向力其相位以1/16周期为步长,从0变到前后部位横向力在相位上差1/2周期。连续波的波动频率为0.1 Hz、0.3 Hz、0.5 Hz和1.0Hz。模拟用的输入波形以及频率相位差与最大轮重减载率的关系见图7。由图7(b)可知,前部和后部横向力处于同相位时,各频率下的车辆轮重减载率均达到最大值。另外还发现,当横向力波动频率接近于车辆下心滚摆的自振频率(试验所用车辆约为0.6 Hz)时,轮重减载率更容易受相位差的影响,而在其他频率下,轮重减载率受相位差的影响较小。此外,当相位差为π(反相)时,不管横向力频率如何,轮重减载率都几乎相同。
因此,关于横向力产生的摇头运动对轮重减载率的影响如下:当前、后部横向力同相位即摇头运动=0时,轮重减载率达到最大值。
3.2 静态轮重不平衡的影响
本节探讨静态轮重不平衡对轮重减载率(或临界倾覆风速)的影响。迄今为止,所有的半车模型在模拟计算中还没有考虑各轮对静载荷不平衡的影响,仅掌握了风速对轮重减载率的影响情况。事实上,车辆所有轮对的静态轮重不平衡总会存在,如图6所示,各轮对的轮重减载率随风速都会有所变化。利用模拟的方法探讨了轮重减载率(或临界风速)与静态轮重不平衡之间的关系。
使用与表1所列实车模拟同样的车辆数据,改变各轮对的静态轮重不平衡,计算了临界倾覆风速。计算过程中,变换设置在轴箱弹簧或枕簧处的垫片位置,设定不同的静态轮重不平衡。倾覆现象是本节的研究主题,故基于前述风洞试验的相关结论,将所有轮对的轮重减载率都达到100%时的风速视为临界倾覆风速。表2给出了垫片的不同设置位置、不同的静态轮重不平衡和临界倾覆风速的计算结果。在模拟中仅考虑了横向力,横向力系数取1.2。轴箱弹簧和枕簧所选用的垫片厚度分别为10mm和20mm。此外,考虑到车辆前、后部是对称的,所以,仅在1位轮对、2位轮对的枕簧处设置垫片。
表2表明,尽管各轮对的静态轮重不平衡有所不同,但经过平均的车辆静态轮重不平衡值几乎都相等,临界倾覆风速也几乎相同。在上述情况下,风速的平方和经过平均的车辆轮重减载率之间的关系也几乎相同。图9给出了在平均静态轮重不平衡几乎相同的情况下(工况2、工况4、工况8、工况10的平均静态轮重不平衡为-0.2%~-0.3%),风速的平方和平均轮重减载率之间的关系。如图9所示,尽管各轮对静态轮重不平衡不同,但风速的平方和经过平均的车辆轮重减载率的关系几乎完全相同。这就意味着,用经过平均的车辆轮重减载率作为指标,就有可能确定出风速和达到倾覆点的轮重减载率之间的关系。
注:临界倾覆风速值是在特定的前提条件下求出的值,并无通用性。
如上所述,关于静态轮重不平衡的影响,不管轮对的静态轮重不平衡是否相同,风速和轮重减载率或车辆临界倾覆的关系,可以用经过平均的车辆轮重减载率作为指标进行评定。
4 结论
为了提高评估临界倾覆风速的精确性,编制了整车模型模拟程序,并验证了其正确性。此外,还对以前半车模型中所没有考虑的因素对轮重减载率(或临界倾覆风速)的影响进行了研究。
实车和缩比模型的试验结果证实了上述方法的正确性。这可进一步详细分析经受横风的车辆特性,为定量化评定验证方法,明确与以前半车模型的分析结果的差异奠定基础。另外,基于安全起见,半车模型代表了摇头运动对车辆倾覆影响的最恶劣条件,本文的研究结果表明,半车模型适合于合理评定车辆抗普通横风的安全性。此外,如果将经过平均的车辆静态轮重不平衡作为指标,整车模型和半车模型在分析静态轮重不平衡的影响时是相同的。
本文所论述方法的重点是定量化地表明以前所用半车模型的合理性。另外,本文所提出的方法对强横风造成倾覆事故的原因进行详细研究,对特定风载情况下的车辆特性进行分析也是一种有用的工具。
摘要：为了研究铁道车辆的抗横风安全性,建立了整车模型并编制了计算程序。利用实车试验和风洞试验验证了模型的正确性。计算结果表明,半车模型代表了摇头运动对车辆倾覆影响的最恶劣条件。本文所提出的方法可以用于研究强横风造成车辆倾覆事故的原因分析,也可用于对特定风载情况下的车辆特性进行分析。
关键词：铁道车辆,整车模型,日本
参考文献
[1]国枝正春.鉄道車両の耘ぶ<闋する力学的理論解析[J].鉄道技術研究報告,1972(793).
[2]日比野有,石田弘明.車両の耘覆限界風速に闋する静的解析法[J].鉄道絳研報告,2003,17(4):39-44.
[3]#12
评定模型 篇4
目前,我国高等教育规模迅速扩大,职业教育培养制度不断改革,为了更好地激励学生,高职综合奖学金的评定工作成为了当代高等职业教育评估最关注的问题之一。高职学生综合奖学金的评定不仅是对一个学生学习成绩的肯定,也是一项非常重要的个人荣誉,因此,奖学金的评定是否合理将在一定程度上直接影响到学生的学习动力和积极性。对于高职学生来讲,奖学金评定不同于一般的本科生,它不仅要考虑学习成绩,还要考虑职业能力等多方面的因素。本文结合高职教育的实际情况,提出基于AHP/PROMETHEE的高职学生奖学金评定方法。其中,AHP具有实用性、系统性、 简洁性的特点,但是评价过于主观,且具有完全补偿性; PROMETHEE能够改进AHP的完全补偿性问题,而且由于不同的高 职院校关 于奖学金 评定的指 标侧重点 不同, PROMETHEE正好可以集成客观决策数据和决策者的主观判断,适用于该决策问题,但是PROMETHEE的缺点是无法将问题进行结构化处理,该方法最大的问题是不能给出各个评价指标的权重。因此本文通过分析两种方法的互补性,结合两者组合上的优势,首先通过AHP方法对奖学金评价问题进行结构化的分析,同时确定出奖学金评价问题中各个指标的权重,然后再通过PROMETHEE方法对能够获得奖学金的备选学生进行排序,在此基础上,得到最终决策。两种方法的结合能较真实客观地反映学生综合奖学金评定方案, 具有合理性、有效性和公平性。
2AHP/PROMETHEE方法
层次分析方法 ( AHP) 是一种定性与定量相结合的系统评价分析方法,该方法于20世纪70年代初期,由美国运筹学家Saaty教授提出。层次分析方法 ( AHP) 能够将决策者的经验判断给予量化,因此该方法适用于目标结构复杂且缺乏数据的评价问题。层次分析法将决策问题的有关元素分解成目标、准则、方案等层。基本思路过程: 一是明确问题建立递阶层次结构; 二是通过两两比较,用相对标度将决策者的判断标量化,并构建判断矩阵; 三是根据判断矩阵计算两两比较元素对该准则的相对权重并进行一致性检验; 四是计算各层元素对系统目标的合成权重即总层次排序。该方法将复杂的问题简单化、标量化,但是评价具有主观性且具有完全补偿性。
偏好排序法 ( PROMETHEE) 是一种多属性决策方法, 该方法于1984年,由Brans、Mareshal及Vincke提出来。 偏好排序法 ( PROMETHEE) 为决策属性提供了6种典型的偏好函数,首先,决策者根据自己的偏好,可以为每一准则定义或选择偏好函数; 其次,利用偏好函数和准则权系数来定义两方案的偏好优序指数; 最后,利用优序关系确定方案的部分或整体排序情况。基本决策过程: 一是确定决策矩阵和属性的相对重要性; 二是确定每个属性的偏好函数及所需的参数; 三是确定方案两两比较的优先指数; 四是确定每个方案的流出量 ( 优于其他方案可能性) 和流入量 ( 其他方案优于该方案的可能性) ; 五是确定净流量; 六是根据净流量确定级别不劣于关系,构成方案的全排序。该方法能够改进AHP的完全补偿问题,但是无法将评价问题进行结构化处理,也不能给予每个评价指标以权重。
3基于AHP/PROMETHEE的高职综合奖学金评定决策模型
由上述分析可知,AHP与PROMETHEE具有互补性, 它们的结合能够发挥各自的优势,在处理较为复杂的评价问题时,使评价的结果更为公平、科学和客观。因此,本文将两种方法进行了结合,构建了高职综合学金评定模型,具体过程如下。
3.1建立高职综合奖学金评定方案综合评价指标集,确定层次结构
根据高校的具体情况以及相关研究,经过实地调研,本文以创业创 新 ( C1) 、课程学习 成绩 ( C2) 、实训成果 ( C3) 、职业素养 ( C4) 、技能竞赛 ( C5) 和平时表现 ( C6) 六项因素作为评价准则进行分析。
其中,创业创新 ( C1) 主要指高职学生的创意、创新、 创业的能力和实践成果; 课程学习成绩 ( C2) 主要是各门功课的课程学习成绩; 实训成果 ( C3) 指学生在顶岗实践或实训课程中所取得的成绩或获得的成果; 职业素养 ( C4) 指学生在职业教育中所表现出来的职业态度、职业习惯和职业道德等; 技能竞赛 ( C5) 是指学生参加校内外各类职业技能竞赛的获奖情况; 以上五个都是其评价值越高越好。平时表现 ( C6) 考虑的是高职学生在课内外的日常表现情况, 包括纪律卫生等德智体美劳各项情况,如班级活动缺席率、 寝室卫生扣分等,因此该项指标评价值越低越好。高职综合奖学金评定问题的层次结构如图1所示。
3.2AHP方法确定高职综合奖学金评定的准则权重
根据层次结构中高职学生综合奖学金评价的准则元素, 通过两两 比较并量 化, 构成相应 的判断矩 阵A = ( aij) m* m ,其中m为考虑的准则数。A导出的归一化权重W,是由AW = λmax ( A ) W求解, W = ( w1,w2,…, wm)T,其中 λmax ( A) 为A的最大特征,A的一致性比例CR( A) = ( λmax( A) - m) / [( m - 1) RI],RI为随机一致性指标,若CR( A) ≤ 0. 1,称A是满意一致性判断矩阵,由此,m个评价准则的权重即为W。
3.3根据评价指标选择适合的偏好函数,并给出合适的参数
假设K为n个奖学金评定候选学生K = { ki| i = 1,2,…,n} 所组成的有限集合,g1,g2,…,gm为m个评估准则C = { Cj| j = 1,2,…,m} 的评估函数,gj( ki) 为奖学金评定候选学生ki在评价准则Cj下的评价值,因此高职学生综合奖学金评定的问题变为在m个评价准则下求下式最优解问题:
两个高职综合奖学金评定的候选学生a,b ∈ K在同一个评价准则下成对比较时,比较结果用偏好表示,偏好函数P为:
Brans提出了六种偏好函数,并对参数进行如下说明: q为无差异阈值,p为绝对偏好阈值,s为介于p和q之间的某一个数值。
P( a,b) = 0,a与b无优劣之分;
P( a,b) ~ 0,a有弱偏好,即g( a) > g( b) ;
P( a,b) ~ 1,a有强偏好,即g( a) > > g( b) ;
P( a,b) = 1,a有绝对偏好,即g( a) > > > g( b) 。 定义多准则偏好指标为:
定义多准则偏好指标为:
公式中: ωj是通过AHP得到的评价准则权重; π ( a, b) 是决策者在综合评估下,对成对候选学生 ( a,b) 中学生a优于学生b的偏好程度,介于0与1之间。
3.4PROMETHEE方法计算出最后的净流量,确定方案排
最后计算各备选学生的流出量、流入量和净流量,计算方法见表1,根据净流量对备选的方案进行优劣评价。
3.5GAIA进行灵敏度分析
GAIA平面中的判断准则表示的是坐标轴,坐标空间中的点代表备选的学生。当两个判断准则的方向一致时,说明他们具有一致性。在GAIA平面中,pi表示的是决策轴, 它是各个判断准则矢量综合的结果,当某个学生与pi的方向相同时,说明这个学生比较优,相反,如果与pi的方向相反,则表示该学生比较差。如果判断准则的权重改变了,那么pi的方向也会发生改变,从而备选学生的优劣顺序也会随之发生相应的变化,也就是说,判断准则权重的变化是能够影响到备选学生的排列顺序的,所以对判断准则权重的变化范围进行分析,就能够找出影响排列顺序的关键准则。
4实证分析
假设某高职院校综合奖学金需要在P1、P2、P3、P4、 P5五个学生中评选奖学金的获得者,根据AHP专家给出评价准则判断矩阵:
求得权重W = ( 0. 07 0. 33 0. 15 0. 12 0. 14 0. 19) T,其中RI= 1. 24,CR ( A)= 0. 0358 < 0. 1,备选学生在各准则下的评估值如表2所示。
决策者对这六项评价准则所属一般化准则的类型及对应的参数取值,如表3所示。
最后得到备选学生的流出量、流入量和净流量,如表4所示。
根据各净流量的大小,可以得到奖学金评定备选学生的优先顺序,见图2。
备选学生的排序依次为: P1> P5> P2> P4> P3。
GAIA分析见图3,由图3分析可知,这六项判断准则之间不存在相互冲突的判断准则。在GAIA平面中,P1与pi方向最接近,说明P1在五位备选学生中最优; 同时也可以看出,P3的方向与pi的方向几乎完全相反,说明P3在五位学生中最不适合获得该项综合奖学金,这与PROMETHEE的决策结果是一致的。
如果将C1的权重值逐渐增大,如图4所示,当C1的权重增加到0. 5时,我们会发现,pi的方向发生了顺时针变动,并逐渐靠近P5,远离P1和P2,这样的变化说明C1权重值增加不利于P1和P2,而有利于P5。
表5是判断准则权重变化分析表。其中, “权重变化范围”是指该判断准则在此范围内发生变化时,方案的最终排列顺序是不会产生影响的。从表5可以看出,C1和C4的变化范围是相对较小的,同时,C2的变化对评价结果几乎不产生影响。
5结论
本文结合高职院校综合奖学金评定的具体情况,采用AHP与PROMETHEE相结合的方法来对其进行评定,充分发挥了两种方法结合的优势,构建了科学合理的高职院校综合奖学金评价指标体系,并依据高职院校的偏好、参考准则的不同特点定义了不同的偏好函数,在此基础上,给出了基于AHP/PROMETHEE方法的高职综合奖学金评定的流程步骤和数学模型,并进行了实证分析。本文所提出的评价方法和数学模型除了适用于高职学生综合奖学金的评定问题,还能够应用到优秀毕业论文评选、优秀士官选拔及多方案选择等问题。
摘要：针对目前高职奖学金评定的问题,结合奖学金评定的特点,通过分析已有决策方法局限性,提出了一种基于层次分析法、偏好排序法相结合的奖学金评定方法。以创业创新,课程学习成绩、技能竞赛、职业素养、课外活动与实训成果作为高职综合奖学金评定的评价准则。运用层次分析法来确定高职奖学金评定问题的结构以及评价准则的权重;运用偏好排序法进行综合奖学金的最终评定,在此基础上,运用交互辅助几何分析法进行灵敏度分析;结合应用实例证明两方法组合的优势以及有效性。目的在于提出一种合理的、客观的高职综合奖学金评定方法。
评定模型 篇5
依据相关的校准规范,用标准物质校准人体微量元素分析仪时,通常选取其中1种标准物质进行测量,计算测量结果的平均值与标准物质标准值的之差即为示值误差。
2 数学模型
人体微量元素分析仪示值误差可表示为 :
式中 : E——示值误差 ;
——测量平均值 ;
Xs——标准值 ;
3 标准不确定度来源及评定
3.1 标准不确定度分量
3.1.1 输入量 的标准不确定u()度评定
输入量的不确定度来源主要是人体微量元素分析仪的浓度值不重复性 , 可以通过连续测量得到测量值 , 采用A类方法进行评定。
选一台经过合格的人体微量元素分析仪,在短时间内连续测7次微量元素锌(Zn)的浓度值(mg/L)如表1。
平均值 : =4.2(mg/L)
单次实验标准差为 :
由于实际情况是在重复条件下连续测量3次,并以3次测量的平均值为测量结果,则可得到 :
3.1.2 标准物质标准值引入的不确定度u(s) 的评定
标准物质标准值的不确定度主要来源于标准物质微量元素锌(Zn)的不确定度,可根据证书给出的不确定度来评定,则 :
3.2 标准不确定度分量一览表(表 2)
4 合成标准不确定度
输入量与Xs彼此独立 , 互不相关,所以合成标准不确定度 :
5 扩展不确定度
取包含因子k =2,则扩展不确定度为 :
6 不确定度报告
评定模型 篇6
1 体能评价指标的选择
综合指标的获得的目的就是为了建立系统运动分析模型, 用以对运动员的综合素质进行全面的评估和监测。获得系统分析运动项目的方法要遵循以下四个简单的步骤:分析运动项目的需求、理解体育运动的位置和重要的赛事、分析运动员的品质、了解体育运动中常见的损伤。这个综合的模型的确立可以为运动训练项目中的每个事项指引方向并可以使运动员具备从事各种运动项目的能力[3]。
对身体如何产生运动机不同的运动项目的具体需求有了基本的了解之后, 就需要了解一个特定的运动项目对运动员身体素质的要求。需要利用测试指标评价运动员在速度、功率、力量、柔韧性等方面的优缺点。通过这样的过程可以实现特定运动项目、特定运动员的个性化、具体化的分析。
对于各个运动项目来说, 体能评价指标的选择要遵循以下原则:评价指标的实用性和可靠性;评价指标要具有项目特点, 即要有代表性;测试指标和测试过程要有延续性;测试指标的可操作性要强, 保证数据的有效性[4]。而对于中长跑来说, 我们要依据测试指标的选择的原则, 根据其项目特点以及业余训练的现状, 通过用秩和比的方法对测试指标及其体能综合评价指标的权重进行筛选和设定。通过文献资料的查阅和专家的指导, 并用R SR综合评价方法对测评指标进行筛选, 并对测试指标进行信度和效度的检验, 最终确定测试指标。
2 体能评价指标及评价方法
对于体能测试指标, 我们把他们分为三大类:形态指标、机能指标和体能素质。形态指标和体能素质指标测试方法较为简单, 对于器材的要求也相对较低, 所以形态指标可以根据教练员的需要灵活运用, 而对于机能指标对于测试的要求和仪器的要求较高以及业余训练的实际情况, 就选择几个常规指标作为机能评价。指标的选择以及分类情况如下表1。
2.1 身体形态指标
身体形态指标作为身体发育的最直接的评价指标, 指标选择较为直观有效。主要反映运动员身体的长度以及围堵的变化, 以及身体发育的阶段性特点。结合以前的评价方法, 我们把运动员的身体成分发育情况加入到形态评价中来, 从而更加直观的评价运动员。
2.1.1 体成分指标
体成分指标包括去脂体重和脂肪含量, 主要粗略的反映运动员的肌肉结构状况, 同时结合身高、体重以及相关的衍生指标来综合评价运动员的发育情况, 以此来进行运动员的选材;作为运动员控制体重的依据, 合理指导营养膳食;指导运动员力量训练等。
2.1.2 围度以及上下肢的生长发育特点
围度指标作为最简单使用的指标之一, 测试内容包括臂围、腿围、胸围、腿围以及肩宽。在运动员身体测试中, 结合身体成分能更全面分析运动员的身体结构状况, 起到相互补充的作用。同时, 长下肢的长度以及手足发育的特点可以推测运动员的发育水平, 并结合相应的衍生指标来进行选材、安排运动员等。
2.2 体能素质指标
中长跑运动员的体能素质主要以跑动能力为主, 但对于运动员的核心力量和腿部力量也有一定的要求, 所以在体能素质指标的选择上, 选择了从400米到10000米的不同等级要求的跑动测试, 可以全面考察运动员的无氧能力水平到运动员的有氧耐力水平。同时, 选择立定跳远和单腿蹲起来评定运动员的腿部能力素质;并结合俯卧撑、坐位体前屈和30秒两头起来腰腹的力量素质和躯干的柔韧性。总的来说, 队员中长跑运动员来说, 速度素质呢耐力素质是最为主要的评价指标, 但在实际训练工作中, 要根据运动员的年龄特点和实际测试评价的需要, 结合专项训练特点, 对于评价指标要有选择的应用。
2.3 中长跑运动员的综合能力测试
竞技能力水平的高低在于运动员自身各项素质指标的发展水平以及技术动作的应用能力[5]。决定中长跑运动员的竞技能力水平因素很多, 除了通过单一指标来考察运动员的某一项体能水平, 也可以根据项目特点或者评价的需要, 通过一系列的指标来综合评价运动员的综合能力。在现代体能评价中, 有人提出实际的需要制定出了FM S测试, 即功能性测试, 主要针对运动的功能性水平进行评估, 可以综合评估运动的平衡性、稳定性、肢体感觉、空间位置感觉、肌肉的协调性、柔韧性等, 操作起来更加简便易行。
3 小结
了解运动的各个构成要素以及他们之间的相互作用和相互关系, 是设计训练计划的重要一步。这些构成要素是基础, 也是训练计划的重要的组成部分。体能训练的目的就是不断增加运动员的肌肉力量、增加肌肉围度、增加肌肉耐力等, 从而达到运动员竞技能力的提高。而体能评价指标的选择和评价模型的建立就显的尤为重要, 简单有限的评价指标的选择和体系的建立, 将为运动训练的体能评价起到长远的影响, 为运动员的运动选材提供科学依据, 并用以帮助教练员认识运动员的生长发育规律和技能发展规律。
摘要：本文通过大量文献资料的调研和训练专家的调查和访谈并对资料进行整理分析, 以及本人从事多年业余训练的积累的经验, 并结合业余体校运动员选材、训练评估以及运动员体能训练的实际情况相结合, 逐步建立并形成一套较为适合业余中长跑运动员体能评价的方法和手段, 以期为今后的运动训练和运动员体能评定提高帮助和指导。
关键词：业余,青少年,中长跑,体能评定,模型构建
参考文献
[1]Thomas R, Baechle Roger, W Earle.体能训练指导[Z].杨则宜, 译.备战2008年奥运会科技专家组编印, 2008.
[2]SAUNDERS, PU.D.B.PY NE, R.D.TELFOR D, AND J A.HAWLEY. (2004) .Factors affecting running economy in trained distance runners.Sp orts Med.34:465-485.
[3]魏春玲, 孙晋海.中外优秀十项全能运动员成绩结构的因子分析及回归预测模型研究[J].北京体育大学学报, 2004 (05) .
[4]张绰庵, 谢永涛, 李雷, 等.对河北省某优势项目男子运动员冬训中有氧训练的评价与分析[J].河北体育学院学报, 2009 (1) .
