基于多维灰关联熵模型的高科技产业绩效评价研究

农业科技灰色关联熵分析【论文】

农业科技灰色关联熵分析１引言农业的发展变化时刻受着农业科技的影响，探讨农业科技发展变化的相关影响因素就显得很重要。在这方面，国内的学者无论从理论上还是实践上都进行了深入广泛的研究，并取得了比较有意义的研究成果，肯定了农业发展进程中科技因素的重要性。目前的研究方法更多集中在农业科技的评价、测度，也通过建立相关指标来探究农业科技的发展情况，目前比较常用的评价农业科技发展情况方法有测算贡献率的比较法、单一指标评价法以及总体评价方法，这些方法能比较全面的衡量某一时期农业科技的发展水平。刘明、王克林提出目前我国农业现代化进程测度的支撑技术———多指标综合测度法的优化方案，来实现对农业现代化进程时空上动态特征的量化分析。卢亚丽、傅新红提出了区域农业科技进步测度模型的设计的依据和应该遵循的原则，并构造了一个测度模型。以上研究仅从测度和评价的角度对农业科技的发展变化进行了研究，为了能更深入的研究农业科技的发展变化情况，本文将以系统思想为研究基础，结合灰色系统理论来探讨农业科技系统的发展变化状况。

２基于灰关联熵的农业科技系统演化方向判别模型２．１农业科技系统的有序性分析由于农业科技时刻都在发展进步中，因此整个农业科技系统充满随机和不确定性，在对农业科技系统分析的时候，把其看作是一类灰色系统，根据灰色系统理论中的关联分析原理，来做定量描述分析，揭示农业科技发展水平和合理阈值之间的关联程度，获得的关联系数越大，就表示系统的有序性越强，所以计算性越强。但由于农业科技系统的多目标性，所获得的关联系数也比较多，不能很好的反映农业科技系统整体的变化规律，为了解决这个问题，可以将这种关联系数的变化规律用熵来表述，通过不同时段系统熵的变化来对其演化方向进行判别。２．２农业科技系统的灰色关联熵（１）有关的模型。农业科技系统演化发展的灰色关联系数：设时间序列为ｘｉ＝（ｘｉ（１），ｘｉ（２），…，ｘｉ（ｍ）），ｘｉ（ｍ）表示在第ｍ年第ｉ个指标的数值。首先：要获得每个数列的初值像，令Ｘ′ｉ＝Ｘｉ／ｘｉ（１）＝（ｘ′ｉ（１），ｘ′ｉ（２），…，ｘ′ｉ（ｍ）），

基于熵权的灰色关联度分析方法在汽车零部件供应商选择中的应用_(精)

收稿日期：2009-08-17作者简介：刘小国（1982-），男，研究生，主要从事管理科学与工程研究；彭玲（1983-），女，助理工程师，主要从事供应链管理工作。基于熵权的灰色关联度分析方法在汽车零部件供应商选择中的应用刘小国1，彭玲2 （1. 武汉科技大学管理学院，武汉430081；2. 江铃汽车股份公司，南昌330001）摘要：供应商选择是供应链运行的基础，运用单一的评价方法存在主观性过强的缺陷。为避免供应商选择单一评价方法出现不足，提出了基于熵权的灰色关联度分析评价方法，该方法综合运用信息熵权和灰色关联度分析方法的长处使供应商评价选择更客观合理。并以某汽车企业供应商选择为例进行了实证研究，表明这种方法应用于汽车零部件供应商选择简便可行。关键词：供应商选择；熵权；灰色关联度中图分类号：F407.471文献标志码：A 文章编号：1000-8772（2009）18-0098-02 一、引言在不确定性的环境下，任何一个企业只能在某一方面拥有一定时间内的优势。为了在竞争中获胜，摒弃过去那种“纵向一体化”模式，转而选择与产品生产各个环节最有优势的企业进行合作，构成了一条从供应商、制造商、分销商到最终用户的物流和信息流网络，这就是供应链[1]。供应商是整个供应链的“源头”，对供应商的评价和选择是供应链合作关系运行的基础。如何在供应

链伙伴关系的情况下进行供应商的评价、筛选对供应链实现目标有着重要的意义，这也是学术界和企业界都较为关注的问题。二、供应商评价指标体系建立供应商选择会受多种因素影响。对供应商选择和评价研究最早是Dickson ，他通过分析170份对采购代理人和采购经理的调查结果，得到了对供应商进行评价的23项指标，并对指标的重要性进行了分类[1]，他认为质量为影响供应商选择最为重要的一个因素，交货、价格等则相当重要。从国内的研究状况来看，文献[2]在对神龙汽车有限公司和20家零部件供应商进行调查后指出，对供应商的评价应根据供应商在质量、交货期、批量柔性、交货期与价格的权衡、价格与批量的权衡及多样性等方而的水平，得出企业评价合作伙伴的主要标准。本文结合我国汽车企业实际情况，综合考虑以前学者研究成果，认为影响汽车零部件供应商选择的指标体系为质量、价格、交货期和信息交换程度。质量：定性指标，收益指标，我们以交货质量合格率来表示，指在一定时期内的质量合格的产品数量占总交货量的百分比，计算方法[3]为：交货质量合格率= m i=1ΣQ i

灰色关联模型及其应用研究

重庆三峡学院大学生创新性实验计划项目申报表项目名称灰色关联模型及其应用研究项目负责人所在院系、专业指导教师联系电话电子邮件填表日期教务处制

项目名称灰色关联模型及其应用研究申请经费0.3万元计划起止时间2014年5月至2015年6月申报团队学号姓名年级所在院系、专业联系电话E-mail 2012 导师姓名院系职称/学历E-mail 电话申请理由（包括项目背景及自身具备的知识条件）一、项目背景：灰色系统理论是中国学者邓聚龙教授于1982年提出来的一门新兴理论，该理论是一种运用特定的方法描述信息不完全的系统并进行预测、决策、控制的崭新的系统理论。灰色系统理论认为任何随机过程都是在一定的幅值和一定时区变化的灰色量，并把随机过程看成灰色过程，其是控制论观点和方法的延伸，它从系统的角度出发来研究信息间的关系，即研究如何利用已知信息去揭示未知信息，也即系统的“白化”问题。灰色系统的实质为：部分信息已知部分信息未知的一类系统。灰色关联分析是灰色系统理论的主要内容之一，它是对运行机制与物理原型不清楚或者根本缺乏物理原型的灰关系序列化、模式化，进而建立灰关联分析模型，使灰关系量化、序化、显化，能为复杂系统的建模提供重要的技术分析手段。灰色关联分析方法是一种多因素分析方法，其基本原理是通过对统计序列几何关系的比较，若序列几何形状越接近，则它们的灰关联度就越大。灰色关联分析的基本任务是基于行为因子序列的微观或宏观几何接近，以分析和确定因子之间的影响程度或对因子对主行为的贡献测度。关联分析的实质是整体比较，是有参考系的、有测度的比较。目前，常见的灰色关联计算模型主要有以下几种：邓聚龙提出的邓氏关联度；王清印的灰色B型关联度和C型关联度；唐五湘的T型关联度；刘思峰的广义关联度；赵艳林的灰色欧几里德关联度等。

证券投资基金绩效评估模型分析

本文依据衡量指标的不同，将目前国际上较为流行的证券投资基金绩效评估模型分为五大类，并评述了这五大类模型的运用方式、作用和区别，以及这些模型运用的相关检验，最后进行了简要的评论并提出了几点建议。证券投资基金绩效的评估主要是针对一只基金的实际运作成果进行评价。在绩效评估中，主要包括：(1)对基金的整体收益进行评估，判断其是否超过市场平均收益；(2)超过市场平均收益的部分中有多少可归结为基金经理的投资才能；(3)采用什幺因素或指标对基金绩效进行评估，并判断不同因素或指标对绩效评估结果的影响；(4)选择什幺类型的评估模型，评估模型的选择应根据一国的基金市场状况等因素而确定。根据以上内容及不同管理风格的基金，评估基金绩效的因素或指标主要分为两类：对于采用消极管理风格的基金，主要是评估其在证券市场的一般收益水平和风险水平；对于采用积极管理风格的基金，除了以上两个指标外，还包括基金经理的选股能力、市场运作中的时间选择(或定时)能力以及基金组合的分散化程度等指标。这些指标分别衡量了基金经理预测市场的发展趋势、识别证券价格是否被低估或高估及控制风险的能力。本文的分析是根据积极管理风格基金类型来进行的。一、理论模型分析 (一)Markowits均值一方差模型证券投资基金投资及其它风险资产投资首先需要解决的是预期收益与预期风险这两个核心问题。如何测定组合投资的预期收益与预期风险、如何以这两项指标进行资产分配，是市场投资者迫切需要解决的问题。正是在这样的背景下，Markowits(1952、1958)的理论应运而生。该理论依据以下4个假设：1．投资者在考虑每一次投资选择时，其依据是某一持仓时间内的证券收益的概率分布。2．投资者是根据证券的预期收益率估测证券组合的风险。3．投资者的投资决定仅仅是依据证券的预期收益和预期风险。4．在一定的风险水平上，投资者希望收益最大，相应的是在一定的收益水平上，投资者希望风险最小。根据以上假设，Markowits确立了证券组合预期收益、风险的计算方法和有效边界理论，建立了资产优化配置的均值一方差模型，该模型运用于基金整体绩效的评估，可表达为：目标函数：限制条件：(不允许卖空) 式中Rp为基金组合收益，Ri为i基金(或第i只股票)的收益，Xi和Xj为基金i、j的投资比例，δ2(Rp)为组合投资方差(组合总风险)，Cov(Ri—Rj)为两个基金之间的协方差。该模型为现代证券投资理论奠定了基础。该模型表明，在限制条件下求解Xi基金收益率使组合风险δ2(Rp)最小，可通过拉格朗日目标函数求得。其经济学意义在于，投资者可以预先确定一个期望收益，通过模型可以确定投资者在每个投资项目(如某只基金或股票)上的投资比例，使其总投资风险最小。不同的期望收益就有不同的最小方差组合，这就构成了最小方差集合。 (二)单因素整体绩效评估模型

灰色关联分析法原理及解题步骤

灰色关联分析法原理及解题步骤 ---------------研究两个因素或两个系统的关联度（即两因素变化大小,方向与速度的相对性）关联程度——曲线间几何形状的差别程度灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密 1>曲线越接近,相应序列之间的关联度就越大,反之就越小 2>灰色关联度越大，两因素变化态势越一致分析法优点它对样本量的多少和样本有无规律都同样适用,而且计算量小,十分方便,更不会出现量化结果与定性分析结果不符的情况。灰色系统关联分析的具体计算步骤如下 1》参考数列和比较数列的确定参考数列——反映系统行为特征的数据序列比较数列——影响系统行为的因素组成的数据序列 2》无量纲化处理参考数列和比较数列（1）初值化——矩阵中的每个数均除以第一个数得到的新矩阵

（2）均值化——矩阵中的每个数均除以用矩阵所有元素的平均值得到的新矩阵（3）区间相对值化 3》求参考数列与比较数列的灰色关联系数ξ（Xi）参考数列X0 比较数列X1、X2、X3…………… 比较数列相对于参考数列在曲线各点的关联系数ξ（i）称为关联系数，其中ρ称为分辨系数，ρ∈（0，1），常取0.5.实数第二级最小差，记为Δmin。两级最大差，记为Δmax。为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值。记为Δoi(k)。所以关联系数ξ（Xi）也可简化如下列公式： 4》求关联度ri 关联系数——比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此有必要将各个时刻（即曲线

灰色关联分析及其应用

题目灰色关联分析及其应用学生姓名魏婧学号 1109014115 所在学院数学与计算机科学学院专业班级数学与应用数学数教1101班指导教师马引弟完成地点陕西理工学院 2015年06月08日

灰色关联分析及其应用魏婧（陕西理工学院数计学院数学与应用数学（师范类)专业数教1101班,陕西汉中 723000）指导教师：马引弟 [摘要] 本文对灰色关联分析相关理论进行研究和总结,通过建立教师教育教学的评价指标体系,用灰色关联度模型进行决策,将定性与定量方法有机结合,使决策简单清晰,计算简单,便于实用. [关键词] 灰色关联分析;教育教学;评价;决策 1 引言灰色系统理论是20世纪80年代,由中国华中理工大学邓聚龙教授首次在“含未知数系统的控制问题”的学术报告中提出“灰色系统”一词,它是以数学理论为基础的系统工程学科,为灰色系统理论鉴定基础[1].自灰色系统理论诞生以来,灰色关联分析理论作为其中最重要的一部分就受到学术界的广泛关注.它不仅是灰色系统理论的重要组成部分,也是灰色系统、预测和决策的基石. 随着灰色系统在各个方面的推广、应用,对灰色关联分析的关注也越来越多,同时也存在一些不足.因此,为了更好的将灰色关联应用到实际生活中,对灰色关联分析理论探讨及实际应用进行研究是十分必要的. 党的十八大明确提出深化教育领域综合改革,努力办好人民满意的教育,要坚持教育优先发展,全面贯彻党的教育方针,对教师进行教育教学评价是十分有必要的.由于影响教师教育教学评价的因素很多,如何建立灰色关联模型进行合理的评价,是灰色关联分析应用实际教育教学评价体系的重点. 2 灰色关联分析概述灰色关联分析理论的基本思想就是根据描述所研究系统指标序列曲线的几何形状与所选的标准系统指标序列曲线的相似程度来判断它们的关联程度是否紧密[1].曲线形状越接近,说明相对应的指标序列关联程度越大;曲线形状差异越大,说明相对应的指标序列的关联程度越小. 由此可以看出,对于如何定义关联度以及关联度的计算方法是灰色关联分析理论的重要组成部分[2].同时在进行关联分析时,必须先确定参考序列,然后比较其他序列的接近程度, 这样才能对其他序列进行比较,进而做出判断. 2.1灰色关联主要基本概念 X为表征系统特征行为的量,其在序号k上的观测数据为定义1[1]:设

绩效评估模型

评估目的评估的目的通常有两种，“员工个人业绩提升与激励”和“组织业绩提升”。前者着眼于通过激励个体员工，提高其业绩，进而促进组织业绩，但这种递进关系通常是不必然的；后者则直接将视点放在了组织业绩提升上。前者重视的是评估结论所形成的对业绩优劣的定性判断；而后者则更关注评估结果对管理改善的提示作用（当然实际上它仍然可以用来判断业绩优劣）。在不同的评估目的下，我们通常选择不同类型的业绩指标。以“员工个人业绩提升与激励”为主要目的的评估通常选取与个人或小团队的工作投入，产出以及个人资质有关的业绩指标，而且对指标的量化程度，统计方式的严谨程度等都不能有太严格的要求。以“组织业绩提升”为主要目的的评估通常选取与战略、流程，以及跨职能团队有关的业绩指标，并且对指标的质量、统计方式等问题有着较高的要求。目前大多数的本土企业业绩评估主要出于第一种目的。虽然这一目的缺乏对真正的企业业绩的充分关注和深入思考，但对于多数本土企业而言，它仍然能够引导企业刷新管理理念，建立初步业绩管理能力。而第二种目的则对评估基础和评估能力有着较高的要求。由于当前主流的业绩管理理论都趋向于讨论针对第二种目的方法论，所以要严格地将诸如平衡计分卡BSC、作业成本法ABC、整合业绩管理IPM等相对较新的方法引入仅仅出于第一种目的下的业绩评估，通常不会成功。评估基础和评估能力评估基础主要是指组织战略、业务流程、组织结构、岗位职责等是否具备基本的合理性，并且是否被澄清。良好的评估基础将使企业实施以组织业绩提升为目的的业绩评估模式成为可能，并且使企业能够在追求关键业绩指标的科学性和业绩薪酬挂钩的有效性时拥有更多的施展空间。而多数本土企业在这些方面都是比较薄弱的。这也导致本土企业当前在业绩管理上能够选择的变通方式非常有限。评估能力主要是指评估数据管理能力，包括在数据生成、收集、处理、分析报告等工作上所能承担的工作量和复杂程度。评估能力越高，就越能够支持战略性的业绩评估；反之，企业也许会由于评估能力的限制而只能暂时性地选择针对个人业绩的评估。此外，在数据管理能力较为有限的情况下，经理人的业绩沟通技能也成为了一项重要的评估能力。评估能力不是一个独立的方面，它与评估基础有很大关联。在运营流程，组织结构还没有理清的情况

加权灰色关联度

加权灰色关联度摘要：灰色关联度是评价两个因素之间的关联程度，可以描述系统的因素间的相对变化情况，在决策融合等方面具有重要意义。本文在邓氏关联度的基础上深入研究，对数据的可信度深入分析，提出了加权灰色关联度算法。仿真证明了算法的可行性。关键词：灰色关联决策融合邓氏关联度加权关联度 0 引言灰色关联分析是灰色关联理论的重要部分，随着灰色关联理论在各个方面的应用，灰色关联分析的研究分析也越来越多。为了定量的描述出相关因素或者系统之间的相关程度，人们相继提出了各种形式的相关系数，但是由于这些算法都是建立在数理统计理论之上的，需要大量的数据去寻求规律，然而在实际的工作中数据有限，而灰色关联分析需要的样本数据少，计算量小，应用也十分方便。 1 邓氏灰色关联度 1.1 关联系数和关联度 1.2 算法步骤 2 加权灰色关联融合算法 3 仿真分析从仿真结果可以看出，加权关联度算法不但可以获得正确的决策结果，而且识别的结果差别大，更容易得到结论。加权关联度将信息的可靠性考虑在内，使识别结果的可靠性增加。 4 结论本文在邓氏关联度的基础上，将信息熵运用到信息的可靠性上，增加了算法的可信任程度，仿真结果也表明这种算法的实用性，但是信息可靠性的算法方法较多，各种方法的实际应用效果还需要大量的研究和仿真实验，这需要进一步的学习和研究。参考文献： [1]刘思峰，党耀国，方志耕等.灰色系统理论及其应用[M].北京：科学出版社，2004：1-14，50-77. [2]王正新，党耀国，曹明霞.基于灰熵优化的加权灰色关联度[J].系统工程与电子技术，2010，32（4）：774-783. [3]胥永刚，李凌均，何正嘉.近似熵及其在机械设备故障中的应用[J].信息与控制，2002，31（6）：547-551. [4]唐五湘.灰色绝对关联度的缺陷[J].系统工程，1994，12（5）：59-62. [5]万树平.多传感器目标识别的改进灰色关联算法[J].计算机工程与应用，2009，45（24）：25-27. [6]张雷，常天庆，王庆胜，李勇.一种灰色关联度的改进方法[J].火力与指挥控制，2012，27（1）：121-124. [7]梅振国.灰色绝对关联度及其算法[J].系统工程，1992，10（5）：43-44，72.

数学建模常见评价模型简介

常见评价模型简介评价类数学模型是全国数学建模竞赛中经常出现的一类模型，如200５年全国赛A题长江水质的评价问题，20０8年B题高校学费标准评价体系问题等。主要介绍三种比较常用的评价模型:层次分析模型，模糊综合评价模型,灰色关联分析模型，以期帮助大家了解不同背景下不同评价方法的应用。层次分析模型层次分析法(AＨP)是根据问题的性质和要求，将所包含的因素进行分类，一般按目标层、准则层和子准则层排列，构成一个层次结构，对同层次内诸因素采用两两比较的方法确定出相对于上一层目标的权重，这样层层分析下去, 直到最后一层,给出所有因素相对于总目标而言,按重要性程度的一个排序。其主要特征是,它合理地将定性与定量决策结合起来，按照思维、心理的规律把决策过程层次化、数量化。运用层次分析法进行决策,可以分为以下四个步骤: 步骤1 建立层次分析结构模型深入分析实际问题,将有关因素自上而下分层(目标—准则或指标—方案或对象)，上层受下层影响,而层内各因素基本上相对独立。步骤2构造成对比较阵对于同一层次的各元素关于上一层次中某一准则的重要性进行两两比较,借助1～9尺度，构造比较矩阵；步骤3计算权向量并作一致性检验由判断矩阵计算被比较元素对于该准则的相对权重，并进行一致性检验，若通过,则最大特征根对应的特征向量做为权向量。步骤４计算组合权向量（作组合一致性检验) 组合权向量可作为决策的定量依据通过一个具体的例子介绍层次分析模型的应用。例（选择旅游地决策问题)如何在桂林、黄山、北戴河3个目的地中按照景色、费用、居住条件、饮食、旅途条件等因素进行选择。步骤1 建立系统的递阶层次结构将决策问题分为3个层次:目标层O,准则层Ｃ，方案层P；每层有若干

教育信息化绩效评价模型的制定

教育信息化绩效评价模型的制定在评价中，不同的评价方法将对评价结果有着不同的影响。根据教育信息化涉及的指标多且难以统一量化的特点，采用的是多指标综合评价法，各个三级指标都用相应的量纲来给出评价值。制定出的教育信息化绩效评价模型，很难同时用来比较不同省份学校的教育信息化建设水平。评价指标可以相同或相近，但权重不一样，因为指标的量纲不一样。标签：教育信息化；绩效；评价；模型评价模型是整个评价体系的主体部分，而评价的基本思路、评价方法、评价指标及权重则是评价模型最核心的要素。一、评价的基本思路在选择评价方法之前，先要确定评价目的及评价依据。（一）教育信息化绩效评价的目的本文所研究和建立的模型是用来衡量广东省以文科类为主的民办高等学校的教育信息化发展水平。随着服务对象不同，看问题的角度不同。本文建立的模型可用于以下服务对象： 1.政府。将模型提供给政府，目的是使政府更清楚地了解广东省民办高等学校信息化的现状和需求，争取让政府从经济上、政策上对民办高校教育信息化建设提供更大的支持。 2.学校。将模型提供给学校，目的是让各个民办高校有关领导和部门用来评价自己学校的信息化水平，找出差距及制定发展规划和改进措施。 3.社会。将模型用于社会，为社会各界人士提供一个更方便、更准确地了解广东省民办高校信息化水平。 4.研究者。将模型提供给研究者，可以促进研究者更深入地开展民办高校信息化研究工作。（二）教育信息化绩效评价的依据 1.要考虑我国教育信息化发展的实际情况，目前，我国在教育信息化发展还很不平衡，总体水平还需进一步提高。 2.要借鉴国内外已成熟的同类评价模型。如《国家信息化指标构成方案》、《浙江省高校教育信息化评价模型》、《高校教育技术工程的绩效研究》等等，在这些

公共部门绩效评估

浅谈顾客满意度绩效模型对社会公众对政府部门绩效评估体系的启示摘要：企业绩效评估中的顾客满意度与政府等公共部门绩效评估体系中的公众评价（市民感知）政府绩效，其本质都是服务对象对服务主体的评价。公众评价是政府绩效管理的尤为重要的程序，有助于联系群众，反映民生，提高公共服务质量，优化公共资源配置，建设服务性政府。在文中，笔者将试图借鉴企业中相对先进的顾客满意度绩效模型，例如KANO模型、ACSI模型等，来完善公共部门中的公众评价体系，希望对中国的社会公众评价政府绩效体系有所建言。关键字:社会公众评价政府绩效顾客满意度绩效管理 KANO模型 ACSI模型 Abstract：The customer satisfaction of the enterprise performance evaluation is the same with social public comments in essence, which is the evaluation about the service object to the service main body. Social public comments are the important procedure in the government performance management. It will help tie with the masses and reflect the people's livelihood. Then it is good for improving public service quality and building the service-oriented government. In my essay , I will try to use the customer satisfaction of the enterprise performance evaluation for reference , such as KANO、ACSI etc. I hope that my ideas will do some good for the social public evaluation system in China. Key words:The social public evaluation system \The customer satisfaction of the enterprise performance evaluation\ KANO\ ACSI 无论是当下十分受宠的平衡记分卡，抑或是EFQM卓越化模型（The European Foundation for Quality Management ），我发现顾客维度均占很重要的地位。通过课堂的学习，我了解到了还有很多其他的绩效评估模型，例如通用评估框架

土工夹层材料对应力强度因子影响的灰关联熵

土工夹层材料对应力强度因子影响的灰关联熵发表时间：2018-10-01T18:55:22.290Z 来源：《基层建设》2018年第24期作者：胡学亮1 孙启亮2 [导读] 摘要：反射裂缝一直是半刚性基层沥青混凝土路面难以避免问题，设置土工夹层材料可以有效延缓反射裂缝出现时间，基于断裂力学相关理论采用有限元的方法，计算不同夹层材料夹层切向劲度系数、宽度、模量和厚度等参数对应力强度因子的影响，运用灰关联熵的分析方法，分析以上因素对应力强度因子的影响程度，并提出在不同荷载情况下各因素对应力强度因子影响程度的排序结果，研究结果表明：灰关联熵分析方法用于分析诸因素对应力强度因 1.山东高速集团有限公司山东济南 250000； 2.山东高速工程咨询有限公司山东济南 250031 摘要：反射裂缝一直是半刚性基层沥青混凝土路面难以避免问题，设置土工夹层材料可以有效延缓反射裂缝出现时间，基于断裂力学相关理论采用有限元的方法，计算不同夹层材料夹层切向劲度系数、宽度、模量和厚度等参数对应力强度因子的影响，运用灰关联熵的分析方法，分析以上因素对应力强度因子的影响程度，并提出在不同荷载情况下各因素对应力强度因子影响程度的排序结果，研究结果表明：灰关联熵分析方法用于分析诸因素对应力强度因子的影响能获得较好结果。关键词：应力强度因子、灰关联熵分析 0引言自从20世纪30年代以来，反射裂缝一直为各国道路研究者所关注，并且开展了多方面的研究。在防治半刚性基层沥青路面反射裂缝的工程实践中，我国已试验了多种防治措施，涉及整个路面结构。这些措施大致可分为三类：第一类为改善沥青混凝土罩面层性能，如增加沥青层厚度，采用改沥青及加筋材料，在混合料中添加聚酯纤维等；第二类为设置中间夹层，如土工织物、玻璃纤维格栅、SAMI层等；第三类为设置防裂结构层，如沥青碎石或级配碎石等。其中设置中间夹层对于由基层水平位移引起的张开型裂缝能起到较好的防裂作用，并在京唐(北京—唐山) 公路、京哈(北京—哈尔滨)一级公路、津沽(天津—塘沽)公路、沪嘉(上海—嘉兴) 等高速公路广泛应用，效果明显。本文从断裂力学角度，先采用有限元模拟不同荷载作用下设置土工材料路面结构应力强度因子变化规律，运用灰关联熵分析方法研究夹层切向劲度系数、宽度、模量和厚度对应力强度因子的影响程度，从而更好地指导工程实践。一、灰关联熵分析法灰关联熵的理论是在灰关联基础上发展的方法，有效克服了灰关联分析局部关联倾向和个性信息损失的缺点，可以更加有效对有限的、表面无规律的数据进行处理，从而找到系统本省具有的特征，并且在有限信息中，分析各种因素序列的相互关联性，找到影响系统的主要因素和次要因素。因此，本文中采用灰关联熵分析法，分析土工织物参数对应力强度因子的显著性，灰熵关联度越大，影响越显著。 1.1灰熵分析的基本步骤首先求出关联系数，然后进行灰熵关联的密度值计算、灰熵计算，最后计算出灰熵关联度，并根据其大小确定主次因素。根据上述方法，可以确定各种影响因素的的排序：比较列的灰关联熵越大，灰关联系数差异性越小，与参考列的吻合程度高，表明比较列对应的影响因子排序越靠前，影响的显著性越高。二、实例分析根据断裂力学相关理论，采用有限元软件模拟路面结构，计算了设置土工织物夹层后，应力强度因子在行车荷载及温度荷载作用下的变化规律，分析了聚酯玻纤布、土工布及玻璃纤维格栅的结构参量对裂缝尖端应力强度因子的影响。 2.1基本参数取值沥青面层模量E1=1000-3000MPa,μ1=0.25，厚度h1=0.15-0.3m，基层模量E2=1000-3000MPa，μ2=0.25，h2=0.3-0.6m,土基模量E3=50MPa，μ3=0.25。夹层材料分别采用聚酯玻纤布、土工布及玻璃纤维格栅，模量的取值分别为917MPa、500MPa、3000MPa，层间接触条件均采用切向劲度系数表示。KS1=KS2=108MPa/m表示层间完全连续，KS1=KS2=10MPa/m表示层间完全光滑。裂缝扩展深度1～10cm。 2.2 计算结果通过有限元软件分析计算土工夹层材料在不同影响因素条件下，应力强度因子，结果如表2.1，表2.2及表2.3所示表2.1正载作用下KI的计算

基于熵权灰色关联的开放式基金综合评价模型Matlab程序

基于熵权灰色关联的开放式基金综合评价模型Matlab程序详细算法流程请见我的文库-《Garch-Var开放式基金风险度量及综合评价体系》的第二部分，综合评价体系，程序中的变量请对应文章的算法涉及变量。输入的表格字段如下：其中第一个变量代表基金的名称（这里总共选取了100只基金，只截取了部分数据），后面的变量根据影响基金表现的因素分别建立模型并收集数据计算得到。输出是一系列的基金的权重，按照大小排序既可以得到基金的综合评分：程序： function FuzzyEvalue(FileName)

clc; fid = fopen(FileName); head_ = textscan(fid, '%s %s %s %s %s %s',1,'delimiter', ','); head = {{zeros(length(head_) - 1)}}; for i = 2:length(head_) head{i-1}(1) = head_{i}(1); end clear head_ %for i = 1:length(head) % head{i}(1) % end %head inputMatrix_ = textscan(fid, '%s %f32 %f32 %f32 %f32 %f32','delimiter', ','); fclose(fid); for j = 2:length(inputMatrix_) inputMatrix(:,j - 1) = double(inputMatrix_{:,j}); end alpha = 0.5; [n,m] = size(inputMatrix); optimalMat = zeros(1,m); for i = 1:m %inputMatrix(:,i) if isempty(cell2mat(strfind(head{i}(1), 'max'))) == 0 optimalMat(i) = max(inputMatrix(:,i)); elseif isempty(cell2mat(strfind(head{i}(1), 'min'))) == 0 optimalMat(i) = min(inputMatrix(:,i)); end end optimalMat; D = [optimalMat;inputMatrix]; R = zeros(n+1,m); for i = 1:m if isempty(cell2mat(strfind(head{i}(1), 'max'))) == 0 R(:,i) = 1.0*(D(:,i) - min(D(:,i)))/(max(D(:,i)) - min(D(:,i))); elseif isempty(cell2mat(strfind(head{i}(1), 'min'))) == 0 R(:,i) = 1.0*(max(D(:,i)) - D(:,i))/(max(D(:,i)) - min(D(:,i))); end end clearvars D inputMatrix; R;

绩效评价模型运用

绩效评价模型运用文化认同从企业的角度看待利已，人才对企业的认同度很重要，对企业的认同度，最主要是体现在认同这家企业已形成的行为准则和价值观，不是每家企业都已具备了完整的企业文化内容和系统框架，但作为企业文化的核心组成部分，每家企业一定都有各自不同的行为准则和价值观。作为企业的核心员工，在他们的思想和行为中，都会不自觉的体现出比较鲜明的共同特性，这样一个人群就组成了企业的中层和骨干，作为企业雇主自然希望这样的人群越多越好。对这份职业是否有非常强烈的兴趣，能否在这样的工作环境和氛围中努力工作。不同的认同度决定了不同的工作态度，从而导致了不同的工作品质。为事业而工作，追求的是超越自我；为工作而工作，追求的是成就感；为生活而工作，追求的是经济回报。所以利已，站在企业的角度，就是对企业文化认同。绩效产出从企业的角度看待利人，就是评价人才能否创造出预期的价值。所谓人才价值，就是企业在经营过程中，为了完成经营目标，所设立的不同职位的人，在本职岗位应该产出的绩效。每个人都有他自身的价值存在，如何使人尽其才，才尽其用，将其价值发挥出最大化，是企业雇主必须关注的。满足大部分员工的需求，营造良好的工作氛围和环境，让员工能够无忧的工作，提高员工满意度，这样就能够最大限度的提高员工的绩效产出。所以利人，站在企业的角度，就是对企业的绩效产出。绩效评价模型那现在通过对“人的评价模型”，可以得出企业的绩效评价模型。

如何界定通过文化认同和绩效产出二个维度的考核，就得出全部的绩效分数的排序，根据正态分布原则，前20%排名员工，是企业的优秀员工，他们创造了企业80%的绩效产出；当中70%排名的员工是达成预期目标的员工，是企业的维持日常工作的主要组成人员；最后10%排名的员工，是企业绩效产出最差的员工。因此文化认同考核分数和绩效产出考核分数排名都在前20%的员工就是企业的“明日之星”，同样文化认同考核分数和绩效产出考核分数都在最后10%的员工就是“害群之马”。如果文化认同考核分数排名在前20%，但绩效产出考核分数排名在最后10%，那就是金牛员工。同样如果文化认同考核分数排名在最后10%，而绩效产出考核分数排名在前10%，那就是危险人物。企业中大部分员工的绩效评价表现平平，主要集中分布在四个象限当中，也就是绿色圆圈部分，这部分人群称之为迷途羔羊。

灰色预测灰色关联分析报告

灰色关联分析法根据因素之间发展趋势的相似或相异程度，亦即“灰色关联度”，来衡量因素间关联程度。灰色关联分析法的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。根据评价目的确定评价指标体系，为了评价×××我们选取下列评价指标：收集评价数据（此步骤一般为题目中原数据，便省略）将m 个指标的n 组数据序列排成m*n 阶矩阵： '' ' 12''' '''1212''' 1 2(1)(1)(1)(2)(2)(2)(,,,)()() ()n n n n x x x x x x X X X x m x m x m ?? ? ? = ? ? ??? 对指标数据进行无量纲化为了消除量纲的影响，增强不同量纲的因素之间的可比性，在进行关联度计算之前，我们首先对各要素的原始数据作...变换。无量纲化后的数据序列形成如下矩阵： 01010101(1)(2) (1)(2)(2)(2)(,,,)()()()n n n n x x x x x x X X X x n x n x n ?? ? ?= ? ??? 确定参考数据列为了比较...【评价目的】，我们选取...作为参考数据列，记作 ''''0000((1),(2),,())T X x x x n = 计算0()()i x k x k -，得到绝对差值矩阵求两级最小差和两级最大差 01 1min min ()()min(*,*,*,*,*,*)*n m i i k x k x k ==-== 01 1 max max ()()max(*,*,*,*,*,*)*n m i i k x k x k ==-== 求关联系数由关联系数计算公式0000min min ()()max max ()() ()()()max max ()() i i i k i k i i i i k x k x k x k x k k x k x k x k x k ρζρ-+?-= -+?-，取 0.5ρ＝，分别计算每个比较序列与参考序列对应元素的关联系数，得关联系数如下：

绩效评价模型研究

绩效评价模型研究集团标准化小组：[VVOPPT-JOPP28-JPPTL98-LOPPNN]

中国上市公司绩效评价模型研究 ----------------------------------------------------------------------------- 但从近几年的实践来看，以上评价体系都只从肯定的角度对企业的绩效举行了评价，并未能形成科学完备的绩效评价指标体系，许多题目值得商讨。 1.存在财政指标权重过大、非财政指标权重偏小的评价偏向。比喻国有企业效绩评价模子中财政指标占80%的权重；而中国诚信证券评估有限公司与《中国证券报》相助提出的上市公司业绩综合评分模子，选取的指标则全部为财政指标。由于财政指标具有综合性和数据易网络等特点，一定成为效绩评价指标体系的紧张组成部门。但财政指标权重过大所带来的毛病也显而易见。首先，财政指标权重过大，导致企业太甚珍视短期财政效果，助长管理者急功近利头脑和短期举动，使得企业不乐意举行大概会低落当前盈余水平的资本投资，从而影响了公司恒久战略目的的实现。其次，由于知识经济时期的特别性，企业只有投资和关注于主顾、提供商、员工和技能创新等各个方面，才气完成创造未来价钱的举动，但财政指标评价体系显然不能实现对这一历程的引导，它评价和形貌的是已往的事变，用来引导和评价知识经济时期的企业显得左支右绌。而且，现行的会计制度对企业无形资产简直认和计量做出了很严酷的限定，企业的许多无形资产不能在企业的财政陈诉中体现，使得财政指标在评价企业无形资产方面也显得力有未逮，而这恰正是评价知识经济时期的企业恒久竞争力的要害所在。因此在现实事情中，绩效评价体系中财政指标权重过大，易导致企业重短期业绩评价，轻恒久业绩评价，重已往财政效果，轻未来价钱创造；重有形资产业绩，轻无形资产业绩等偏向。

绩效评价模型研究

绩效评价模型研究 The latest revision on November 22, 2020

基于层次分析法的灰色关联度综合评价模型

第1章基于层次分析法的灰色关联度综合评价模型灵活型公共交通系统是一个复杂的综合性系统，单一的常规评价方法不能够准确对系统进行全面评价【39】，这就要求在进行灵活型公共交通系统评价时，结合系统固有特点，根据各种评价方法的优缺点，构建适合该系统的综合评价模型。本章以灵活型公共交通系统评价指标体系为基础，参考常规型公共交通系统评价方法，建立了基于层次分析法的灰色关联度综合评价模型。 1.1评价方法适应性分析灰色关联度分析法基于灰色系统理论，是一种多指标、多因素分析方法，通过对系统的动态发展情况进行定量化分析，考察系统各个要素之间的差异性和关联性，当比较序列与参考序列曲线相似时，认为两者有较高关联度，反之则认为它们之间关联度较低，从而给出各因素之间关系的强弱和排序【50】。与传统的其它多因素分析法相比【80】【81】【82】，灰色关联度分析法对数据量要求较低，样本量要求较少，计算量较小，可以利用各指标相对最优值作为参考序列，为最终综合评价等级的确定提供依据，而不必对大量实践数据有过高要求，能够较好解决灵活型公共交通系统作为新型辅助式公系统没有足够的经验数据支撑其模型参数的问题。此外，灵活型公共交通系统评价体系是基于乘客、公交企业、政府三方主体的综合评价体系，涉及因素较多，指标较为复杂，部分指标之间存在关联性和重复性，信息相对不完全，而灰色系统的差异信息原理以及解的非唯一性原理，可以很好的解决这一问题【79】。综上所述，认为灰色关联度分析法比较适合于灵活型公共交通系统的综合评价。然而灰色关联度分析法将所有指标对于总目标的影响因素大小视作等同，没有考虑指标权重的影响，评价值可信度较低，应当通过科学的方法，确定指标权重，将其与关联度系数相结合，增加评价结果的科学性和有效性【83】。常见的权重确定方法包括，专家打分法、等权重法、统计试验法、熵值法等。等权重法不能很好的体现不同指标影响程度的差异性，并且在综合评价值相差不大时不利于方案的选择【84】；专家打分法、统计试验法评价的主观性较高，并且不适用于指标较多的情况【85】；行和正规化法、列和求逆法等指对判断矩阵的一部分数据进行利用，结果可信度不高【86】；最小偏差法、对数回归法等，利用同一指标不同方案值，认为变化程度较大的指标传递更多信息，应具有较高权重，然而对于灵活型公共交通系统单方案综合水平等级评价的情况，并不适用。本文应用层次分析法确定系统各指标权重，层次分析法【51】【52】（Analytic Hierarchy Process—AHP）是一种典型的系统工程分析方法，它将人们复杂的系统思维过程数学化、层次、条理化，把复杂问题的各种因素整合为相互联系的有序层次【53】，有助于保持决策者思维的一致性，适用于各种类型的复杂综合评价系统，能够有效的将定性分析和定量分析进行综合集成，具有的可置换性、互容性、对称性等较优性质，是目前确定指标权重的一种常用方法。鉴于此，本文引入了基于层次分析法的灰色关联度综合评价模型【54】【55】【56】，在建立基于三方主体的综合评价体系同时量化评价指标的基础上，进一步对各指标进行无量纲化处理，通过层次分析法确定各指标权重，进而建立灰色关联度评价矩阵，与各指标权重相结合，确定灵活型公共交通系统综合评价结果。考虑到灵活型公共交通系统综合评价体系评价指标较多，本文采用了基于灰色关联度的二级指标评价矩阵，由低层向高层逐步进行评价，避免