浅议灰色关联度分析方法及其应用
科技信息
SCIENCE&TECHNOLOGY INFORMATION
2010年第17期
1关联度的概念
关联度是事物之间、因素之间关联性大小的量度。它定量地描述
了事物或因素之间相互变化的情况，即变化的大小、方向与速度等的
相对性。如果事物或因素变化的态势基本一致，则可以认为它们之间
的关联度较大，反之，关联度较小。对事物或因素之间的这种关联关
系，虽然用回归、相关等统计分析方法也可以做出一定程度的回答，但
往往要求数据量较大、数据的分布特征也要求比较明显。而且对于多
因素非典型分布特征的现象，回归相关分析的难度常常很大。相对来
说，灰色关联度分析所需数据较少，对数据的要求较低，原理简单，易
于理解和掌握，对上述不足有所克服和弥补。
2关联度的计算
灰色关联度分析的核心是计算关联度。一般说来，关联度的计算
首先要对原始数据进行处理，然后计算关联系数，由此就可计算出关
联度。
2.1原始数据的处理
由于各因素各有不同的计量单位，因而原始数据存在量纲和数量
级上的差异，不同的量纲和数量级不便于比较，或者比较时难以得出
正确结论。因此，在计算关联度之前，通常要对原始数据进行无量纲化
处理。其方法包括初值化、均值化等。
2.1.1初值化。即用同一数列的第一个数据去除后面的所有数据，得
到一个各个数据相对于第一个数据的倍数数列，即初值化数列。一般
地，初值化方法适用于较稳定的社会经济现象的无量纲化，因为这样
的数列多数呈稳定增长趋势，通过初值化处理，可使增长趋势更加明
显。比如，社会经济统计中常见的定基发展指数就属于初值化数列。
2.1.2均值化。先分别求出各个原始数列的平均数，再用数列的所有
数据除以该数列的平均数，就得到一个各个数据相对于其平均数的倍
数数列，即均值化数列。一般说来，均值化方法比较适合于没有明显升
降趋势现象的数据处理。
2.2计算关联系数
设经过数据处理后的参考数列为：
{x0(t)}＝{x01，x02，…，x0n}
与参考数列作关联程度比较的p个数列(常称为比较数列)为：
{x1(t)，x2(t)，…，x p(t)}＝
x11x12…x1n
x21x22…x2n
…………
x p1x p2…x pn
上式中，n为数列的数据长度，即数据的个数。
从几何角度看，关联程度实质上是参考数列与比较数列曲线形状的相似程度。凡比较数列与参考数列的曲线形状接近，则两者间的关联度较大；反之，如果曲线形状相差较大，则两者间的关联度较小。因此，可用曲线间的差值大小作为关联度的衡量标准。
将第k个比较数列(k＝1，2，…，p)各期的数值与参考数列对应期的差值的绝对值记为：
Δok(t)=x0(t)-x k(t)t＝1，2，…，n
对于第k个比较数列，分别记n个Δok(t)中的最小数和最大数为Δok(min)和Δok(max)。对p个比较数列，又记p个Δok(min)中的最小者为Δ(min)，p个Δok(max)中的最大者为Δ(max)。这样Δ(min)和Δ(max)分别是所有p个比较数列在各期的绝对差值中的最小者和最大者。于是，第k个比较数列与参考数列在t时期的关联程度(常称为关联系数)可通过下式计算：
ζok(t)=Δ(min)+ρΔ(max)
ok
式中ρ为分辩系数，用来削弱Δ(max)过大而使关联系数失真的影响。人为引入这个系数是为了提高关联系数之间的差异显著性。0＜ρ＜1。
可见，关联系数反映了两个数列在某一时期的紧密程度。例如，在使Δok(t)＝Δ(min)的时期，ζok(t)＝1，关联系数最大；而在使Δok(t)＝Δ(max)的时期，关联系数最小。由此可知，关联系数变化范围为0＜ζok(t)≤1。
显然，当参考数列的长度为n时，由p个比较数列共可计算出n×p个关联系数。
2.3求关联度
由于每个比较数列与参考数列的关联程度是通过n个关联系数来反映的，关联信息分散，不便于从整体上进行比较。因此，有必要对关联信息作集中处理。而求平均值便是一种信息集中的方式。即用比较数列与参考数列各个时期的关联系数之平均值来定量反映这两个数列的关联程度，其计算公式为：
r ok=1
n
n
i=1
Σζok(t)
式中，r ok为第k个比较数列与参考数列的关联度。
不难看出，关联度与比较数列、参考数列及其长度有关。而且，原始数据的无量纲化方法和分辩系数的选取不同，关联度也会有变化。
2.4排关联度
由上述分析可见，关联度只是因素间关联性比较的量度，只能衡量因素间密切程度的相对大小，其数值的绝对大小常常意义不大，关键是反映各个比较数列与同一参考数列的关联度哪个大哪个小。
当比较数列有p个时，相应的关联度就有p个。按其数值的大小顺序排列，便组成关联序。它反映了各比较数列对于同一参考数列的“主次”、“优劣”关系。
灰色关联度分析方法的运用之一，就是因素分析。在实际工作中，影响一个经济变量的因素很多。但由于客观事物很复杂，人们对事物的认识有信息不完全性和不确定性，各个因素对经济总量的影响作用不是一下子就能够看清楚的，需要进行深入的研究，这就是经济变量的因素分析。运用灰色关联度进行因素分析是非常有效的，而且特别适用于各个影响因素和总量之间不存在严格数学关系的情况。
例1：利用关联度分析方法研究某公路施工企业工资序列（表1）。
表1某公路施工企业工资序列表单位：千元
根据表1中数据，以工资总额为参考数列x0(t)，以计时工资x1(t)、档案工资x2(t)和承包工资x3(t)为比较数列，计算三种工资对于工资总额的关联度。
第一步，对各数列作均值化处理。
工资总额和三种工资的均值分别为：
浅议灰色关联度分析方法及其应用
孙芳芳
(濮阳市公路管理局河南濮阳457000)
【摘要】灰色关联度是灰色数学中的一种方法，用来研究事物相互关联、相互作用的复杂因素的影响作用，确定影响事物的本质因素，使各种影响因素之间的“灰色”关系清晰化。本文介绍了灰色关联度在实际工作中的分析方法和步骤，为定量描述事物或因素之间相互变化的情况提供了理论依据。
【关键词】灰色关联度；分析方法；综合评价；应用
年份工资总额计时工资档案工资承包工资
200313974.23831.06587.23556.0
200415997.64228.07278.04491.6
200517681.35017.07717.44946.9
200620188.35288.69102.25797.5
200724020.35744.011575.26701.0
x i軃18372.34821.78450.05098.6○公路与管理○
880
科技信息2010年第17期
SCIENCE&TECHNOLOGY INFORMATION
x 0軈＝18372.3，x
1軈
＝4821.7，x
2軈
＝8450.0，x
3軈
＝5098.6
分别用以上均值去除各原始数列得均值化数列，见表2：
表2均值化处理数列表
第二步，计算各比较数列同参考数列在同一时期的绝对差。
当t＝2003时，
Δ01(2003)＝|0.7606-0.7945|＝0.0339
Δ02(2003)＝|0.7606-0.7794|＝0.0188
Δ03(2003)＝|0.7606-0.6974|＝0.0632
再分别计算其余4年的各绝对差。全部结果如表3所示。从中找出最大值和最小值为：
Δmax＝0.1161Δmin＝0.002
表3绝对差计算表
第三步，计算关联系数，取分辩系数ρ＝0.2，则计算公式为：
ζ0i(t)Δ(min)+0.2Δ(max)Δoi(t)+0.2Δ(max)=0.002+0.2×0.1161
Δ0i(t)+0.2×0.1161
=0.02522
Δ0i(t)+0.02322
当t＝2003时
ζ01(2003)=0.02522
0.0339+0.02322
=0.4414
ζ02(2003)=0.02522
0.0188+0.02322
=0.6008
ζ03(2003)=0.02522
0.0632+0.02322
=0.2919
用同样方法分别计算其余4年的各个关联系数，计算结果见表4。
表4关联系数计算表
第四步，计算关联度。利用表4，分别求各个数列每个时期的关联系数的平均值即得关联度：
r01=1(0.4414+0.8596+0.2489+0.9994+0.1810)=0.5460
r02=1
5
(0.6008+0.7673+0.3478+0.5588+0.2956)=0.5141
r03=1(0.2919+0.7546+0.8115+0.4104+0.8382)=0.6213
第五步，排关联序
由关联度数值可看出，r03＞r01＞r02。这表明，三种工资对工资总额的关联程度的排列顺序为：承包工资、计时工资、档案工资。即该公路施工企业的工资发展方向是以承包工资为主导，计时工资和档案工资对工资总额的影响属于同一水平。3用灰色关联度分析方法进行综合评价的方法步骤
灰色关联度分析法的应用之二，就是用来进行综合评价。基本思路是，从样本中确定一个理想化的最优样本，以此为参考数列，通过计算各样本序列与该参考序列的关联度，对被评价对象做出综合比较和排序。
设有n个被评价对象，每个被评价对象有p个评价指标。这样，第i个被评价对象可描述为
x i={x i1，x i2，…，x ip}，i＝1，2，…，n
3.1确定参考序列
根据各评价指标的经济含义，在n个被评价对象中选出各项指标的最优值组成参考序列x0
x0={x01，x02，…，x0p}
实际上，参考序列x0构成了一个相对理想化的最优样本，是综合评价的标准。如果第j项指标是数值越大越好的正向指标，则x0j就是n个被评价对象第j项指标实际值的最大值；如果是逆向指标，则是最小值；如果是适度指标，便是该指标的适度值。
3.2无量纲化
无量纲化是指通过一定的数学变换来消除原始变量不同量纲的影响，因子分析采用对指标值进行正态标准处理来消除量纲的影响。由于受各评价指标量纲和数量级不同的影响，使各评价指标间不具有可比性。因此，必须对各指标实际值进行无量纲化处理。采用直线型无量纲化公式，即：
x ij’=x ij
x
0j
i=1，2，…，n；j＝1，2，…，p
此时，各指标的最优值均为1。为叙述方便，把无量纲化后的数据仍记为x ij，则最优参考序列为x0＝{1，1，…，1}。
3.3求两级最大差Δ(max)和两级最小差Δ(min)
为此，要先计算各被评价对象序列与最优参考序列间的绝对差序列。计算公式：
Δij=x ij-1i＝1，2，…，n；j＝1，2，…，p
在此基础上，依公式
Δ(max)=max
1≤i≤0
max
1≤j≤0
(Δij)
Δ(min)=min
1≤i≤0
min
1≤j≤0
(Δij)
就可求得两级最大差Δ(max)和两级最小差Δ(min)。
3.4计算关联度
计算公式：ζij=Δ(min)+ρΔ(max)
Δij+ρΔ(max)
计算第i个被评价对象与最优参考序列间的关联度。
3.5计算综合评价系数E i
计算公式：E i=r i×100
事实上，E i与关联度r i有相同的含义。比例系数设为100，是与人们习惯的百分制评分标准相一致。
3.6比较和排序
由于r i反映的是第i个被评价对象与评价标准序列X0相互关联的程度，因此，如果E i＞E j，则表明第i个样本比第j个样本好。所以，根据{E i}就可对被评价对象做出排序和比较。
用灰色关联度分析方法进行综合评价的特点是：这种方法能通过改变分辩系数ρ的大小来提高综合评价结果的区分效度，而且数学处理不太繁难，并能使用样本所提供的全部信息。由于评价对象或多或少都具有灰色性，因此，这种方法的适用范围较广。但该方法没有考虑
到各评价指标的相对重要性程度，它把各指标等同看待，使用等权1
ρ计算综合评价系数。为了克服这一不足，应引入权数来改进这种评价方法，即综合评价系数应按下述公式计算：
E i=
ρ
j=1
Σωjζij×100
式中ωj为第j项指标的权数。
例2：利用灰色关联度分析方法对1996～2005年某公路施工企业经济效益动态趋势进行评价，评价指标体系由7项指标组成（见表5）。
根据7项效益指标的经济含义，在1996～2005年10年中找出最优值组成参考序列：
x0={54.05，52.44，1629.2，16.34，65.05，24.91，0.4382}
年份工资总额计时工资档案工资承包工资
20030.76060.79450.77940.6974
20040.87070.87690.86110.8809
20050.9624 1.04050.91310.9702
2006 1.0988 1.0968 1.0769 1.1371
2007 1.3074 1.1913 1.3695 1.3143
年份Δ01(t)Δ02(t)Δ03(t)
20030.03390.01880.0632
20040.00610.00960.0102
20050.07810.04930.0079
20060.0020.02190.0382
20070.11610.06210.0069
年份ζ01(t)ζ02(t)ζ03(t)
20030.44140.60080.2919
20040.85960.76730.7546
20050.24890.34780.8115
20060.99940.55880.4104
20070.18100.29560.8382
○公路与管理○
881
科技信息
SCIENCE &TECHNOLOGY INFORMATION 2010年第17期表7
被评价对象序列与最优参考序列间的绝对差序列计算表
表8
关联度计算表
表9
综合评价系数E i 表
年份
199619971998
1999
2000
2001
2002
2003
20042005E i (%)78.6870.7768.7472.6679.9763.6265.8859.64
64.4
58.19
综合投入产出率
综合投入边际
产出率
社会劳动生产率
能源净产值率
资金净产值率
资金利税率
投资效果系数
19960.00000.37380.43890.00000.15030.00000.189019970.01910.27210.41090.05940.16300.04300.486119980.05790.34630.38630.08940.15370.05860.249419990.06360.09020.33840.12180.12910.06860.158120000.05980.00000.26690.17010.06980.02690.000020010.08440.78220.19600.20930.00000.43720.236220020.10510.28640.15580.22580.02640.17100.590620030.13470.32680.09240.24720.35070.19910.425420040.18450.44260.01560.27360.07470.16940.500920050.20980.58050.00000.26740.12130.32600.8672Δ(max)0.20980.78220.43890.27360.35070.43720.8672Δ(min)
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
0.0000
年份
指标综合投入产出率
综合投入边际产出率
社会劳动生产率
能源净产值率
资金净产值率
资金利税率
投资效果系数
1996 1.00000.62610.4445 1.00000.6511 1.00000.785919970.89800.69690.46080.78660.63260.89060.588019980.74350.64370.47620.71010.64600.85650.735519990.72510.87400.50920.64250.68480.83590.814420000.7374 1.00000.56820.56270.80080.9286 1.000020010.66550.44440.64180.5112 1.00000.44450.746020020.61500.68600.69260.49220.91390.67160.540220030.55480.65690.79170.46960.44450.63720.619920040.47640.58570.95750.44450.78970.67370.58072005
0.4444
0.5188
1.0000
0.4501
0.6982
0.5176
0.4444
指标年份
表5
1996～2005年某公路施工企业效益指标值
将各年的7项效益指标值构成的序列作为比较序列，在进行无量纲化处理后，计算关联系数(分辩系数ρ取为0.8)，由此即可求出各年的综合经济效益指数E i ，计算过程见表6、7、8、9。
表6无量纲化处理表
从表9可以看出，某公路施工企业经济效益最好的是2000年，其综合效益指数高达79.97%，其次是1996年，综合效益指数为78.68%。最低的是2005年，综合效益指数为58.19%，高低悬殊达21.78个百分点。同时也可以看出，2000年之前该企业综合效益是由弱变强的趋势，2000年之后，则转为由强变弱的趋势。
综合投
入产出率(%)
综合投入边际产出率(%)
社会劳动生产率(%)
能源净产值率
(%)资金净产值率
(%)资金利税率
(%)投资效果系数
199654.0532.84914.216.3455.2724.910.3554199753.0238.17959.815.3754.4523.840.2252199850.9234.28999.914.8855.0523.450.3289199950.6147.711077.814.3556.6523.200.3689200050.8252.441194.413.5660.5124.240.4382200149.4911.421309.912.9265.0514.020.3347200248.3737.421375.312.6563.3320.650.1794200346.7735.301478.712.3042.2419.950.2518200444.0829.231603.811.8760.1920.690.21872005
42.7122.001629.211.9757.1616.790.0582最优值
54.05
52.44
1629.2
16.34
65.05
24.91
0.4382
指标年份
综合投
入产出率
综合投入边际产出率
社会劳动生产率
能源净产值率
资金净产值率
资金利税率
投资效果系数
1996 1.00000.62620.5611 1.00000.8497 1.00000.811019970.98090.72790.58910.94060.83700.95700.513919980.94210.65370.61370.91060.84630.94140.750619990.93640.90980.66160.87820.87090.93140.841920000.9402 1.00000.73310.82990.93020.9731 1.000020010.91560.21780.80400.7907 1.00000.56280.763820020.89490.71360.84420.77420.97360.82900.409420030.86530.67320.90760.75280.64930.80090.574620040.81550.55740.98440.72640.92530.83060.49912005
0.7902
0.4195
1.0000
0.7326
0.8787
0.6740
0.1328
指标年份
科
●
科
（上接第857页）在目前的地下室防水中通常采用卷材防水和混凝土自防水两种相结合的防水方式进行防水。地下室渗漏主要是工程结构产生裂缝使混凝土的刚性防水功能和卷材柔性防水功能失效，地下室渗漏产生的原因较为复杂，主要有设计、材料、施工三个方面处理不当而造成。设计时对当地的水文地质资料掌握不全、工程结构设计过于复杂并且对施工缝及后浇带等设置和处理不具体；施工方面的主要原因有施工缝留设不合理、钢筋密集处振捣不实造成蜂窝孔洞现象；材料上的原因主要是所采用的混凝土配合比不当及防水卷材使用时选择质量较差的防水卷材。
要防止地下室渗漏现象的产生，必须从源头抓起，把好设计、施工和材料关，唯有如此才能减少防水失效的现象产生。
4结语随着目前建筑市场的不断规范，工程的各个质量问题都得到有效的控制，在实际的施工过程中，要严格按照规范执行，认真对待每个施工步骤，把合格的材料运用到工程中去，把好设计和施工关，并不断创新技术，尽可能避免质量问题的产生。【参考文献】
［1］郭正兴，李金根.建筑施工.南京：东南大学出版社，1996：137.
［2］蒋金荣.地下室防水施工技术及质量控制实例分析，2010，No.07：46.
作者简介：陆荣臻（1983—），男，江苏经贸职业技术学院基建处，助理工程师。
［责任编辑：翟成梁］
●○公路与管理○［责任编辑：汤静］
882
灰色关联分析(算法步骤)
灰色关联分析 灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度[1]。 灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关统计数据几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求样本容量可以少到4个，对数据无规律同样适用，不会出现量化结果与定性分析结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如国民经济各部门投资收益、区域经济优势分析、产业结构调整等方面，都取得较好的应用效果。 [2] 关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。[2] 灰色关联分析的步骤[2] 灰色关联分析的具体计算步骤如下： 第一步：确定分析数列。 确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。 设参考数列（又称母序列）为Y={Y(k) | k= 1,2,Λ,n}；比较数列（又称子序列）X i={X i(k) | k = 1,2,Λ,n},i= 1,2,Λ,m。 第二步，变量的无量纲化 由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。
浅议灰色关联度分析方法及其应用
科技信息 SCIENCE&TECHNOLOGY INFORMATION 2010年第17期 1关联度的概念 关联度是事物之间、因素之间关联性大小的量度。它定量地描述 了事物或因素之间相互变化的情况，即变化的大小、方向与速度等的 相对性。如果事物或因素变化的态势基本一致，则可以认为它们之间 的关联度较大，反之，关联度较小。对事物或因素之间的这种关联关 系，虽然用回归、相关等统计分析方法也可以做出一定程度的回答，但 往往要求数据量较大、数据的分布特征也要求比较明显。而且对于多 因素非典型分布特征的现象，回归相关分析的难度常常很大。相对来 说，灰色关联度分析所需数据较少，对数据的要求较低，原理简单，易 于理解和掌握，对上述不足有所克服和弥补。 2关联度的计算 灰色关联度分析的核心是计算关联度。一般说来，关联度的计算 首先要对原始数据进行处理，然后计算关联系数，由此就可计算出关 联度。 2.1原始数据的处理 由于各因素各有不同的计量单位，因而原始数据存在量纲和数量 级上的差异，不同的量纲和数量级不便于比较，或者比较时难以得出 正确结论。因此，在计算关联度之前，通常要对原始数据进行无量纲化 处理。其方法包括初值化、均值化等。 2.1.1初值化。即用同一数列的第一个数据去除后面的所有数据，得 到一个各个数据相对于第一个数据的倍数数列，即初值化数列。一般 地，初值化方法适用于较稳定的社会经济现象的无量纲化，因为这样 的数列多数呈稳定增长趋势，通过初值化处理，可使增长趋势更加明 显。比如，社会经济统计中常见的定基发展指数就属于初值化数列。 2.1.2均值化。先分别求出各个原始数列的平均数，再用数列的所有 数据除以该数列的平均数，就得到一个各个数据相对于其平均数的倍 数数列，即均值化数列。一般说来，均值化方法比较适合于没有明显升 降趋势现象的数据处理。 2.2计算关联系数 设经过数据处理后的参考数列为： {x0(t)}＝{x01，x02，…，x0n} 与参考数列作关联程度比较的p个数列(常称为比较数列)为： {x1(t)，x2(t)，…，x p(t)}＝ x11x12…x1n x21x22…x2n ………… x p1x p2…x pn 上式中，n为数列的数据长度，即数据的个数。 从几何角度看，关联程度实质上是参考数列与比较数列曲线形状的相似程度。凡比较数列与参考数列的曲线形状接近，则两者间的关联度较大；反之，如果曲线形状相差较大，则两者间的关联度较小。因此，可用曲线间的差值大小作为关联度的衡量标准。 将第k个比较数列(k＝1，2，…，p)各期的数值与参考数列对应期的差值的绝对值记为： Δok(t)=x0(t)-x k(t)t＝1，2，…，n 对于第k个比较数列，分别记n个Δok(t)中的最小数和最大数为Δok(min)和Δok(max)。对p个比较数列，又记p个Δok(min)中的最小者为Δ(min)，p个Δok(max)中的最大者为Δ(max)。这样Δ(min)和Δ(max)分别是所有p个比较数列在各期的绝对差值中的最小者和最大者。于是，第k个比较数列与参考数列在t时期的关联程度(常称为关联系数)可通过下式计算： ζok(t)=Δ(min)+ρΔ(max) ok 式中ρ为分辩系数，用来削弱Δ(max)过大而使关联系数失真的影响。人为引入这个系数是为了提高关联系数之间的差异显著性。0＜ρ＜1。 可见，关联系数反映了两个数列在某一时期的紧密程度。例如，在使Δok(t)＝Δ(min)的时期，ζok(t)＝1，关联系数最大；而在使Δok(t)＝Δ(max)的时期，关联系数最小。由此可知，关联系数变化范围为0＜ζok(t)≤1。 显然，当参考数列的长度为n时，由p个比较数列共可计算出n×p个关联系数。 2.3求关联度 由于每个比较数列与参考数列的关联程度是通过n个关联系数来反映的，关联信息分散，不便于从整体上进行比较。因此，有必要对关联信息作集中处理。而求平均值便是一种信息集中的方式。即用比较数列与参考数列各个时期的关联系数之平均值来定量反映这两个数列的关联程度，其计算公式为： r ok=1 n n i=1 Σζok(t) 式中，r ok为第k个比较数列与参考数列的关联度。 不难看出，关联度与比较数列、参考数列及其长度有关。而且，原始数据的无量纲化方法和分辩系数的选取不同，关联度也会有变化。 2.4排关联度 由上述分析可见，关联度只是因素间关联性比较的量度，只能衡量因素间密切程度的相对大小，其数值的绝对大小常常意义不大，关键是反映各个比较数列与同一参考数列的关联度哪个大哪个小。 当比较数列有p个时，相应的关联度就有p个。按其数值的大小顺序排列，便组成关联序。它反映了各比较数列对于同一参考数列的“主次”、“优劣”关系。 灰色关联度分析方法的运用之一，就是因素分析。在实际工作中，影响一个经济变量的因素很多。但由于客观事物很复杂，人们对事物的认识有信息不完全性和不确定性，各个因素对经济总量的影响作用不是一下子就能够看清楚的，需要进行深入的研究，这就是经济变量的因素分析。运用灰色关联度进行因素分析是非常有效的，而且特别适用于各个影响因素和总量之间不存在严格数学关系的情况。 例1：利用关联度分析方法研究某公路施工企业工资序列（表1）。 表1某公路施工企业工资序列表单位：千元 根据表1中数据，以工资总额为参考数列x0(t)，以计时工资x1(t)、档案工资x2(t)和承包工资x3(t)为比较数列，计算三种工资对于工资总额的关联度。 第一步，对各数列作均值化处理。 工资总额和三种工资的均值分别为： 浅议灰色关联度分析方法及其应用 孙芳芳 (濮阳市公路管理局河南濮阳457000) 【摘要】灰色关联度是灰色数学中的一种方法，用来研究事物相互关联、相互作用的复杂因素的影响作用，确定影响事物的本质因素，使各种影响因素之间的“灰色”关系清晰化。本文介绍了灰色关联度在实际工作中的分析方法和步骤，为定量描述事物或因素之间相互变化的情况提供了理论依据。 【关键词】灰色关联度；分析方法；综合评价；应用 年份工资总额计时工资档案工资承包工资 200313974.23831.06587.23556.0 200415997.64228.07278.04491.6 200517681.35017.07717.44946.9 200620188.35288.69102.25797.5 200724020.35744.011575.26701.0 x i軃18372.34821.78450.05098.6○公路与管理○ 880
灰色关联分析
2 灰色关联分析方法 在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。 一、灰色关联分析概述 我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： xy yx r r =，即因素y 对因素x 的相关程度与因素x 对因素y 的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。 灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。 设x 1，x 2，…，x N 为N 个因素，反映各因素变化特性的数据列分别为｛x 1(t)｝，｛x 2(t)｝，…｛x N (t)｝，t=1，2，…，M 。因素j x 对i x 的关联系数定义为 min max max ()1,2,3,,(1)()ij ij k t t M t k ξ?+?= =?+? (5)式中，ξij (t)为因素j x 对i x 在t 时刻的关联系数； max min ()|()()|,max max (),min min ();ij i j ij ij j j j j t x t x t t t ?=-?=??=?k 为介于[0，1]区 间上的灰数。不难看出，△ij (t)的最小值是min ?，
灰色关联分析法原理及解题步骤教学提纲
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
灰色关联度分析
第五章灰色关联度分析 目录 壹、何谓灰色关联度分析----------------------------------------- 5-2 贰、灰色联度分析实例详说与练习 ---------------------------- 5-8 负责组员 工教行政硕士班二年级 周世杰591701017 陶虹沅591701020 林炎莹591701025
第五章灰色关联度分析 壹、何谓灰色关联度分析 一.关联度分析 灰色系统分析方法针对不同问题性质有几种不同做法，灰色关联度分析(Grey Relational Analysis)是其中的一种。基本上灰 色关联度分析是依据各因素数列曲线形状的接近程度做发展 态势的分析。 灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统(或因素) 之间的数值关系。简言之，灰色关联度分析的意义是指在系统 发展过程中，如果两个因素变化的态势是一致的，即同步变化 程度较高，则可以认为两者关联较大；反之，则两者关联度较 小。因此，灰色关联度分析对于一个系统发展变化态势提供了 量化的度量，非常适合动态(Dynamic)的历程分析。 灰色关联度可分成「局部性灰色关联度」与「整体性灰色关联度」两类。主要的差别在于「局部性灰色关联度」有一参 考序列，而「整体性灰色关联度」是任一序列均可为参考序列。 二.直观分析 依据因素数列绘制曲线图，由曲线图直接观察因素列间
的接近程度及数值关系，表一某老师给学生的评分表数据数据为例，绘制曲线图如图一所示，由曲线图大约可直接观察出该老师给分总成绩主要与考试成绩关联度较高。 表一某一老师给学生的评分表单位：分/ % 由曲线图直观分析，是可大略分析因素数列关联度，可看出考试成绩与总成绩曲线形状较接近，故较具关联度，但若能以量化分析予以左证，将使分析结果更具有说服力。
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
最新2灰色关联分析汇总
2灰色关联分析
精品资料 仅供学习与交流，如有侵权请联系网站删除 谢谢2 2 灰色关联分析方法 在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。 一、灰色关联分析概述 我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： xy yx r r =，即因素y 对因 素x 的相关程度与因素x 对因素y 的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。 灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。 设x 1，x 2，…，x N 为N 个因素，反映各因素变化特性的数据列分别为 ｛x 1(t)｝，｛x 2(t)｝，…｛x N (t)｝，t=1，2，…，M 。因素j x 对i x 的关联系数定义为 min max max ()1,2,3,,(1)()ij ij k t t M t k ξ?+?==?+? (5)式中，ξij (t)为因素j x 对i x 在t 时刻的关联系数； max min ()|()()|,max max (),min min ();ij i j ij ij j j j j t x t x t t t ?=-?=??=?k 为介于[0，1]区间上的灰数。不难看出，△ij (t)的最小值是min ?，
基于灰色关联度分析企业竞争力分析设计
基于灰色关联度分析企业竞争力分析设计
分类号_________ 编号___________ U D C _________ 密级___________ 中国民航飞行学院 毕业设计（论文） 题目“中华酷联”企业核心竞争力分析 作者姓名赵蓉 指导教师姓名及职称吴永强副教授 二级学院及专业名称航空运输管理学院物流管理专业 提交日期 2014年6月6日答辩日期 2014年6月9日 答辩委员会主任评阅人 2014 年 6 月 6 日
“中华酷联”企业核心竞争力分析 学生：赵蓉指导老师：吴永强 摘要 随着技术的发展和集成度的提高，整个电子行业市场是完全竞争的，本文基于国内外对企业核心竞争力的研究成果，运用灰色关联度法对国内手机制造企业进行核心竞争力评价。为了改进灰色关联度分析评价模型的精确度和避免由于人的主观因素而形成权重分配偏差,本文将熵值法与灰色关联分析法相结合,建立起基于熵权的灰色关联度分析模型。模型首先从人力资源、技术创新、知识产权、组织协调能力、计划调控能力等5个方面评价企业的获利能力与可持续性，然后综合企业在这5个方面的表现形成对中华酷联核心竞争力的综合评价，并给出相应的核心竞争力提升建议。论文研究认为企业只有统筹兼顾各方面因素才能实现核心竞争力的提升。 关键词：手机制造业；核心竞争力；灰色关联度；熵值法
Research on Evaluation of “Zhong Hua Ku Lian” Core Competence of Enterprise Candidate：Zhao Rong Supervisor: Wu Yong Qiang Abstract With the increasing development of technology and integration, the market of the electronics industry is completely competitive. My paper based on the domestic and foreign research results of evaluation of core competence of enterprise and use the grey relational analysis on the development direction of the manufacture mobil-phone Industry.In order to improve the accuracy and personal factor caused the weight deviation, my paper combines the entropy method and grey relational analysis to establish the entropy method and grey relational analysis model.The model first from human resource, technical innovation, intellectual property, ability to organize and coordinate, the ability of planning control evaluate the profitability and the sustainability.Than combine their perfoemance to evaluate the core competence and given the homologous improved susgestion.Thesis research conclud that the core competence of enterprise only over all consideration every factor to realize the ascension . Key Words:Mobile Phone Manufacturing;Core Competence;Grey Relational Degree; Entropy Methord
灰色关联度分析解法及详细例题解答
1.地梭梭生长量与气候因子的关联分析 下表为1995年3年梭梭逐月生长量（X0）、月平均气温（X1）、月降水量（X2）、月日照（X3）时数和月平均相对湿度（X4）的原始数据，试排出影响梭梭生长的关联序，并找出主要的影响因子。 灰色系统理论提出了灰色关联度的概念，它是提系统中两个因素关联性大小的量度，关联度的大小直接反映系统中的各因素对目标值的影响程度。运用灰色关联分析法进行因素分析的一般步骤为： 第一步：确定分析数列。 确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。（Y）设参考数列（又称母序列）为Y = {Y （k）| k = 1，2，Λ，n}；影响系统行为的因素组成的数据序列，称比较数列。（X）比较数列（又称子序列）Xi = {Xi（k）| k = 1,2,Λ,n}，i = 1，2，Λ，m。 第二步，变量的无量纲化 由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此为了保证结果的可靠性，在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。 第三步，计算关联系数。X 0（k）与x i （k）的关联系数 记，则 ，称为分辨系数。ρ越小，分辨力越大，一般ρ的取值区间为(0,1),具体
取值可视情况而定。当时，分辨力最好，通常取ρ = 。 ξi（k）继比较数列xi的第k个元素与参考数列xo的第k个元素之间的关联系数。 第四步，计算关联度 因为关联系数是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（即曲线中的各点）的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度ri公式如下： 第五步，关联度排序 关联度按大小排序，如果r1 < r2，则参考数列y与比较数列x2更相似。 在算出Xi（k）序列与Y（k）序列的关联系数后，计算各类关联系数的平均值，平均值ri就称为Y（k）与Xi（k）的关联度。 本题解答过程： 第一步：数据处理 X 0（k）= {，，，，13，，18，，，，8，1 } X 1（k）= {，，10，，，，，，22，18，， } X 2（k）= {17，，，，，，，，，，， } X 3（k）= {，，，137，，，，，，84，， } X 4（k）= {81，79，75，75，77，79，83，86，83，82，81，82}
灰色关联度分析
灰色关联度分析 第五章灰色关联度分析 目录 壹、何谓灰色关联度分析 --------------------------------------- 5-2 贰、灰色联度分析实例详说与练习 --------------------------- 5-8 负责组员 工教行政硕士班二年级 周世杰591701017 陶虹沅591701020 林炎莹591701025 第五章灰色关联度分析 壹、何谓灰色关联度分析 一.关联度分析 灰色系统分析方法针对不同问题性质有几种不同做法，灰 色关联度分析(Grey Relational Analysis)是其中的一种。基本 上灰色关联度分析是依据各因素数列曲线形状的接近程度做
发展态势的分析。 灰色系统理论提出了对各子系统进行灰色关联度分析的 概念，意图透过一定的方法，去寻求系统中各子系统(或因素) 之间的数值关系。简言之，灰色关联度分析的意义是指在系统 发展过程中，如果两个因素变化的态势是一致的，即同步变化 程度较高，则可以认为两者关联较大;反之，则两者关联度较 小。因此，灰色关联度分析对于一个系统发展变化态势提供了 量化的度量，非常适合动态(Dynamic)的历程分析。 灰色关联度可分成「局部性灰色关联度」与「整体性灰色 关联度」两类。主要的差别在于「局部性灰色关联度」有一参 考序列，而「整体性灰色关联度」是任一序列均可为参考序列。二.直观分析 2 依据因素数列绘制曲线图，由曲线图直接观察因素列间的接近程度及数值关系，表一某老师给学生的评分表数据数据为例，绘制曲线图如图一所示，由曲线图大约可直接观察出该老师给分总成绩主要与考试成绩关联度较高。 表一某一老师给学生的评分表单位:分/ % 姓名 周阿舍刘阿华萧阿蔷评分项目 总成绩(X) 100 95 60 0 考试成绩(X) 90 80 50 1 出席率(X) 100% 90% 80% 2 100 909090 85 總成績808080
基于灰色关联度分析企业竞争力分析毕业设计论文
分类号_________ 编号___________ U D C _________ 密级___________ 中国民航飞行学院 毕业设计（论文） 题目“中华酷联”企业核心竞争力分析 作者姓名赵蓉 指导教师姓名及职称吴永强副教授 二级学院及专业名称航空运输管理学院物流管理专业 提交日期 2014年6月6日答辩日期 2014年6月9日 答辩委员会主任评阅人 2014 年 6 月 6 日
“中华酷联”企业核心竞争力分析 学生：赵蓉指导老师：吴永强 摘要 随着技术的发展和集成度的提高，整个电子行业市场是完全竞争的，本文基于国内外对企业核心竞争力的研究成果，运用灰色关联度法对国内手机制造企业进行核心竞争力评价。为了改进灰色关联度分析评价模型的精确度和避免由于人的主观因素而形成权重分配偏差,本文将熵值法与灰色关联分析法相结合,建立起基于熵权的灰色关联度分析模型。模型首先从人力资源、技术创新、知识产权、组织协调能力、计划调控能力等5个方面评价企业的获利能力与可持续性，然后综合企业在这5个方面的表现形成对中华酷联核心竞争力的综合评价，并给出相应的核心竞争力提升建议。论文研究认为企业只有统筹兼顾各方面因素才能实现核心竞争力的提升。 关键词：手机制造业；核心竞争力；灰色关联度；熵值法
Research on Evaluation of “Zhong Hua Ku Lian” Core Competence of Enterprise Candidate：Zhao Rong Supervisor: Wu Yong Qiang Abstract With the increasing development of technology and integration, the market of the electronics industry is completely competitive. My paper based on the domestic and foreign research results of evaluation of core competence of enterprise and use the grey relational analysis on the development direction of the manufacture mobil-phone Industry.In order to improve the accuracy and personal factor caused the weight deviation, my paper combines the entropy method and grey relational analysis to establish the entropy method and grey relational analysis model.The model first from human resource, technical innovation, intellectual property, ability to organize and coordinate, the ability of planning control evaluate the profitability and the sustainability.Than combine their perfoemance to evaluate the core competence and given the homologous improved susgestion.Thesis research conclud that the core competence of enterprise only over all consideration every factor to realize the ascension . Key Words:Mobile Phone Manufacturing;Core Competence;Grey Relational Degree; Entropy Methord
灰色关联度分析MATLAB程序
x(1,:)=[83 0.191 12.9 7.2 89.4 0.432 6.33]; x(2,:)=[75 0.189 11.6 9.1 82.3 0.453 5.87]; x(3,:)=[64 0.165 11.9 10.3 69.3 0.512 6.31]; %列出各数值，可修改 x(4,:)=[63 0.165 12.8 9.7 68.2 0.455 6.6]; x(5,:)=[56 0.211 13.2 12.6 77.5 0.317 7.12]; m=5;n=7; x0=[83 0.211 13.2 7.2 89.4 0.317 5.87]; %参考序列 for i=1:n avg(i)=0; %均值初始化 end for i=1:m for j=1:n avg(j)=avg(j)+x(i,j); end end %求均值序列 for i=1:n avg(i)=avg(i)/m; end for j=1:m for i=1:n x(j,i)=x(j,i)/avg(i); %均值化 end end for i=1:n x0(i)=x0(i)/avg(i); %参考序列均值化end for j=1:m for i=1:n delta(j,i)=abs(x(j,i)-x0(i)); %求序列差 end end max=delta(1,1); for j=1:m for i=1:n if delta(j,i)>max max=delta(j,i);
end end end %求两极差 min=0; for j=1:m xgd(j)=0; for i=1:n glxs(j,i)=0.5*max/(0.5*max+delta(j,i)); %计算关联系数及相关度 xgd(j)=xgd(j)+glxs(j,i); end xgd(j)=xgd(j)/n; end xgd %因此，A—E区与参考序列（最佳指标）的相关度分别为0.8489 0.6983 0.5588 0.5858 0.7105
灰色关联分析算法步骤
灰色关联分析算法步骤 SANY标准化小组 #QS8QHH-HHGX8Q8-GNHHJ8-HHMHGN#
灰色关联分析 灰色关联分析是指对一个系统发展变化态势的定量描述和比较的方法，其基本思想是通过确定参考数据列和若干个比较数据列的几何形状相似程度来判断其联系是否紧密，它反映了曲线间的关联程度。 是由着名学者教授首创的一种系统科学理论(GreyTheory)，其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度，来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析，完成对系统内时间序列有关几何关系的比较，求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列，其发展方向和速率与参考数列越接近，与参考数列的关系越紧密。灰色关联分析方法要求可以少到4个，对数据无规律同样适用，不会出现量化结果与结果不符的情况。其基本思想是将评价指标原始观测数进行无量纲化处理，计算关联系数、关联度以及根据关联度的大小对待评指标进行排序。灰色关联度的应用涉及社会科学和自然科学的各个领域，尤其在社会经济领域，如各部门投资收益、区域经济优势分析、等方面，都取得较好的应用效果。 关联度有绝对关联度和相对关联度之分，绝对关联度采用初始点零化法进行初值化处理，当分析的因素差异较大时，由于变量间的量纲不一致，往往影响分析，难以得出合理的结果。而相对关联度用相对量进行分析，计算结果仅与序列相对于初始点的变化速率有关，与各观测数据大小无关，这在一定程度上弥补了绝对关联度的缺陷。 灰色关联分析的步骤 灰色关联分析的具体计算步骤如下： 第一步：确定分析数列。 确定反映系统行为特征的参考数列和影响系统行为的比较数列。反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。 设参考数列（又称母序列）为Y={Y(k)|k=1,2,Λ,n}；比较数列（又称子序列） X i={X i(k)|k=1,2,Λ,n},i=1,2,Λ,m。 第二步，变量的无量纲化 由于系统中各因素列中的数据可能因量纲不同，不便于比较或在比较时难以得到正确的结论。因此在进行灰色关联度分析时，一般都要进行数据的无量纲化处理。 第三步，计算关联系数 x0(k)与x i(k)的关联系数
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：
灰色关联度分析法在系统综合评价中的应用(精)
灰色关联度分析法在系统 综合评价中的应用 李玉辉,张建 2 (1.长沙理工大学,湖南长沙410076;2.济南市公路管理局,山东济南250013) 摘要:基于灰色系统理论,研究了灰色关联度分析法在系统综合评价中的应用。并通过实例对该方法进行了实证研究,表明了该方法的有效性。关键词:灰色关联度;综合评价;指标体系中图分类号:U491 文献标识码:A 的标准数据列,记为X0,设第一个指标值记为X0(1),第二个指标值记为X0(2),第k 个指标值记为X0(k),因此参考数据列可以用如下公式表示 X0=X0(i) i=1,2,3,,n ……………(1)比较数据列是研究的对象数据列,记为 X1,X2,,,Xm,可以用如下公式表示 X1=X1(i) i=1,2,3,,nX2=X2(i) i=1,2,3,,n,, Xm=Xm(i) i=1,2,3,, (2) 引言 系统综合评价的方法很多,如层次分析法、模糊综合评判法、主成分分析法、因子分析法等。这些方法都有各自的优点,但是也存在着一定的不足。例如模糊综合评判法是对难以精确化的复杂系统进行分析的间接评判法,这种方法的重要步骤是确定评价指标的隶属度,如果隶属函数选择的不合适,则容易引起较大的误差;层次分析法是将人们的定性思维转化为定量分析的过程,很大程度上依赖于人的经验;主成分分析法则要求有多个非线性相关的指标,指标太少的话,会在很大程度上影响评价的客观性。笔者应用灰色系统的有关理论,研究了灰色关联度分析法在系统综合评价中的应用。 1.2 关联系数 在分析参考数据列和比较数据列的关联程度时,首先分析各个指标间的关联程度,用关联系数这个概念表示,计算公式如下 Gi(J)= vMin+K#vMax (3) i(J)+K#vMax 其中,vi(J)=&Xi(J)-X0(J)&;vMin=MiinMJin&Xi(J)-X0(J)&:vMax=MiaxMJax&Xi(J)-X0(J)& Gi(J)为Xi对X0的k指标关联系数;K为分辨系数,一般在0与1之间,通过计算验证,笔者取为0.5,结果较为合理。
2灰色关联分析讲解
五灰色关联分析方法 在实际问题中，许多因素之间的关系是灰色的，人们很难分清哪些因素是主导因素，哪些因素是非主导因素；哪些因素之间关系密切，哪些不密切。灰色关联分析，为我们解决这类问题提供了一种行之有效的方法。 一、灰色关联分析概述 我们知道，统计相关分析是对因素之间的相互关系进行定量分析的一种有效方法。但是，我们也注意到相关系数具这样的性质： rxy=ryx，即因素y对因素 x的相关程度与因素x对因素y的相关程度相等。暂且不去追究因素之间的相关程度究竟有多大。单就相关系数的这种性质而言，也是与实际情况不太相符的。譬如，在国民经济问题研究中，我们能将农业对工业的关联程度与工业对农业的关联程度等同看待吗？其次，由于地理现象与问题的复杂性，以及人们认识水平的限制，许多因素之间的关系是灰色的，很难用相关系数比较精确地度量其相关程度的客观大小。为了克服统计相关分析的上述种种缺陷，灰色系统理论中的灰色关联分析给我们提供了一种分析因素之间相互关系的又一种方法。 灰色关联分析，从其思想方法上来看，属于几何处理的范畴，其实质是对反映各因素变化特性的数据序列所进行的几何比较。用于度量因素之间关联程度的关联度，就是通过对因素之间的关联曲线的比较而得到的。 设x1，x2，…，xN为N个因素，反映各因素变化特性的数据列分别为 ｛x1(t)｝，｛x2(t)｝，…｛xN(t)｝，t=1，2，…，M。因素xj对xi的关联系数定义为 ξij(t)=?min+k?max ?ij(t)+k?maxt=1,2,3, ,M(1) (5)式中，ξij(t)为因素xj对xi在t时刻的关联系数； ?ij(t)=|xi(t)-xj(t)|,?max=maxmax?ij(t),?min=minmin?ij(t);k为介于[0，1]区jjjj 间上的灰数。不难看出，△ij(t)的最小值是?min， 当它取最小值时，关联系数ξij(t)取最大值maxξij(t)=1;?ij(t)的最大值为i ?max，当它取最大值时，关联系数ξij(t)取最小值minξij(t)=i?min1? k+ 1+k??max??，即? ξij(t)是一个有界的离散函数。若娶灰色k的白化值为1，则有 1??min 1+2??max??≤ξij(t)≤1?(2) 在实际计算时，取?min=0，这时有 0.5≤ξij≤1(3) 作出函数ξij=ξij(t)随时间变化的曲线，它就被称之为关联曲线。图中的水平线，说明任何时刻的关联系数为1，它代表xi与xi本身的关联曲线ξij≡1，因为自己与自己总可以认为是密切关联的。
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