ahp权重计算
权重计算方法
权重计算方法
权重计算方法在数据分析和评估中是一个重要的步骤，用于衡量不同因素对结果的贡献程度。
权重计算可以帮助确定决策的权衡和优先级，以及指导合理的资源分配和策略制定。
下面介绍几种常见的权重计算方法。
1. 专家评估法：这种方法通过专家的意见和经验来确定权重，通常采用问卷调查或专家会议等方式收集专家意见。
专家可以根据其专业知识和经验，给出各个因素的权重。
然后根据专家评估的结果进行权重计算。
2. 层次分析法（AHP）：AHP是一种基于矩阵和层次结构的权重计算方法。
它通过构建一个层次结构，将复杂的问题分解成几个层次，然后通过判断矩阵来确定不同层次的权重。
AHP根据专家对因素之间的两两比较，计算出各个因素的权重。
3. 统计分析法：统计分析方法是通过对历史数据和样本数据进行分析，计算不同因素对结果的影响程度。
常用的统计方法包括回归分析、因子分析等。
通过建立数学模型，计算各个因素的系数和权重。
4. 数据挖掘方法：数据挖掘方法是通过挖掘大量数据的隐藏关系和模式，来计算各个因素的权重。
常用的数据挖掘方法包括关联规则、分类算法、聚类算法等。
通过对数据集进行分析和挖掘，可以得到各个因素的权重。
需要注意的是，权重计算方法应根据具体情况选择，不同的方法适用于不同的问题和数据类型。
在实际应用中，可以结合多种方法进行权重计算，以获得更准确和可靠的结果。
同时，权重计算应是一个动态的过程，随着问题和数据的变化，需要不断更新和调整权重，以保持准确性和有效性。
计算权重的8类方法汇总
计算权重的8类方法汇总在实际应用中，我们常常需要计算权重来衡量不同因素或变量的重要性。
根据不同的需求和条件，可以使用各种方法来计算权重。
下面将介绍权重计算的八种常用方法。
1.主成分分析(PCA)：主成分分析是一种常用的多变量分析方法，可用于降维和计算权重。
通过对原始数据进行线性变换，找到能够最大程度地保留原始信息的新变量，然后根据各个主成分的方差解释比例作为权重。
2.层次分析法(AHP)：层次分析法是一种定性与定量相结合的方法，主要用于处理复杂决策问题。
通过构建判断矩阵，计算各个因素之间的相对重要性，在层次结构中将因素按照权重从大到小排列。
3.熵权法：熵权法是一种基于信息熵的权重计算方法。
通过计算变量的信息熵，衡量其离散度，离散度越大，变量的权重越小。
4.模糊综合评价法：模糊综合评价法是一种将模糊理论应用于权重计算的方法。
通过对各个因素的隶属度进行模糊化处理，将不确定性因素考虑在内，从而计算出权重。
5.灰色关联度法：灰色关联度法可以用于衡量变量之间的相关性和重要性。
通过计算各个因素与参考因素之间的关联度，来确定变量的权重。
6.欧几里德距离法：欧几里德距离法可以用于计算多个变量之间的相似性和权重。
通过计算变量间的欧几里德距离，距离越小，变量的权重越大。
7.解模糊模型：解模糊模型是一种结合模糊理论和数学规划模型的方法。
通过建立模糊模型，综合考虑多个因素的权重，进行最优化求解。
8.变异系数法：变异系数法是一种基于变异程度来计算权重的方法。
通过计算变量的标准差和平均值之比，作为权重的衡量。
以上是权重计算的八种常用方法。
在具体应用中，根据需求和实际情况选择合适的方法进行权重计算，可以更准确地衡量不同因素的重要性，并支持决策分析和问题解决。
gis权重的计算方法
gis权重的计算方法GIS权重的计算是地理信息系统（GIS）中一个重要的研究问题，它用于确定不同要素在特定空间分析中的相对重要性。
权重计算是GIS空间分析的基础之一，它可以帮助我们理解和解释地理现象，并做出更准确的预测和推断。
在GIS中，权重可以用于计算多个要素的组合得分，或者用于确定一些变量在整体中的权重比例。
下面将详细介绍一些常用的GIS权重计算方法。
1.主观评价法主观评价法是一种基于专家知识和经验的权重计算方法。
它适用于无法通过定量数据进行权重计算的情况，例如建筑物选择、景观美学评估等。
在主观评价法中，专家根据自己的知识和经验，通过对要素进行逐一比较和排序，来确定它们的相对重要性。
然后将这些比较结果转换为权重值，用于后续的空间分析。
2.分层析因法（AHP）分层析因法（AHP）是一种常用的客观权重计算方法，它基于一种逐步比较的方法来确定不同要素的权重值。
AHP将权重计算过程分为几个层次，包括目标层、准则层和要素层。
首先，确定研究的目标和准则，然后通过专家判断或问卷调查等手段，逐层比较不同准则和要素之间的重要性，并建立层次结构矩阵。
最后，通过计算特征向量，确定各准则和要素的权重值。
3.变异系数法变异系数法是一种适用于定量数据的权重计算方法，它基于不同要素的方差和平均值来确定它们的相对重要性。
首先，计算各要素的标准差和平均值，然后通过计算变异系数（标准差除以平均值），确定各要素的相对权重。
变异系数越大表示方差相对较大，即数据波动性较大，相应的权重值也较大。
4.熵权法熵权法是一种常用的客观权重计算方法，它基于信息论中的熵概念来确定不同要素的权重值。
熵是一种度量不确定性的指标，越大表示信息量越大或者事件越难以预测。
熵权法通过计算各要素的熵值，并将其转化为权重值，来确定各要素的相对重要性。
具体计算步骤包括计算要素的概率分布、计算每个要素的熵值和信息增益值，最后将信息增益值归一化为权重值。
5.层次分析权重法（ANP）层次分析权重法（ANP）是一种用于多准则决策的客观权重计算方法，它是对AHP方法的一种扩展和改进。
ahp指标权重计算方法
ahp指标权重计算方法一、AHP指标权重计算方法的基本概念。
1.1 AHP是啥呢。
AHP啊，就是层次分析法（Analytic Hierarchy Process），这可是个挺实用的方法呢。
就好比我们要给一堆东西按照重要性排个序，AHP就能派上大用场。
比如说，一家公司要选新的办公地点，得考虑好多因素，像交通是否便利、租金高低、周边配套设施咋样等等，AHP就能帮助我们算出这些因素各自的权重，让决策更科学。
1.2 权重的意义。
权重啊，就像是每个因素在决策这个大舞台上所占的戏份。
如果一个因素的权重高，那就说明它在整体的评价或者决策里是个很重要的角色，就像一部戏里的主角。
反之，权重低的因素呢，就像是配角，虽然也有作用，但没那么关键。
二、AHP指标权重计算的步骤。
2.1 建立层次结构模型。
这就好比搭积木，我们得先把问题按照不同的层次搭建起来。
最上面是目标层，就像我们刚刚说的选办公地点这个最终目标。
中间是准则层，也就是那些影响目标的因素，像交通、租金啥的。
最下面是方案层，可能有好几个备选的办公地点。
这一步啊，就像是画地图，把各个元素的关系先搞清楚。
2.2 构造判断矩阵。
这一步可有点门道了。
我们要根据经验或者专家的意见（嘿就像我这样的专家啦），对准则层里的各个因素进行两两比较。
比如说，交通和租金相比，哪个更重要呢？我们就用1 9标度法来表示这种相对重要性。
如果交通比租金稍微重要一点，可能就给3分；如果重要很多，可能就给7分。
这就像是给两个选手打分，看谁在重要性这个比赛里更厉害。
2.3 计算权重向量。
这一步啊，就像是在解一道复杂的数学题。
我们要根据之前构造的判断矩阵，通过一系列的计算得出每个因素的权重向量。
这可不是瞎算的，有专门的计算方法，像特征根法之类的。
算出来的权重向量就像是每个因素的成绩单，明确地告诉我们它在整体中的重要性程度。
三、AHP指标权重计算方法的优缺点。
3.1 优点。
AHP有不少优点呢。
首先啊，它简单易懂，就像家常便饭一样，不是那种让人摸不着头脑的高深方法。
ahp法具体计算步骤
ahp法具体计算步骤AHP（Analytic Hierarchy Process）法是一种常用的多准则决策方法，它基于判断者对不同准则的评价来确定最佳选择。
下面将介绍AHP法的具体计算步骤。
1. 确定决策层次结构：首先，需要确定决策问题的层次结构，包括目标层、准则层和方案层。
目标层是决策问题的直接目标，准则层是实现目标的评价指标，方案层是具体的可行方案。
2. 建立判断矩阵：在准则层中的各个准则之间需要建立判断矩阵，以表达判断者对它们之间相对重要性的判断。
判断矩阵是一个方阵，其中每个元素表示一个准则对另一个准则的相对重要程度，并通过用数字1到9的标度进行比较。
标度1表示两个准则具有相同的重要性，标度9表示一个准则比另一个准则极其重要。
3. 计算权重向量：通过对准则层中各准则的判断矩阵做归一化处理，可以得到每个准则的权重，从而反映其在决策中的相对重要性。
归一化处理可以计算每一行的平均值，再除以各行平均值的总和，得到权重向量。
4. 一致性检验：进行一致性检验是为了确定所建立的判断矩阵是否合理。
通过计算判断矩阵的最大特征值和随机一致性指标RI，可以得到一致性比例CR。
若CR小于0.1，则认为判断矩阵通过一致性检验，权重向量可信。
5. 计算方案的综合评价值：通过将各个准则的权重与其在方案层中的表现值相乘，可以得到各方案的综合评价值。
综合评价值越高，表示方案越好。
以上即是AHP法的具体计算步骤。
通过合理建立层次结构、构建判断矩阵、计算权重向量、进行一致性检验和计算方案的综合评价值，可以帮助决策者系统地进行多准则决策，提高决策的可靠性和准确性。
AHP法在工程管理、资源分配、投资决策等领域有广泛的应用。
应用AHP法确定权重
4.应用AHP法确定权重
AHP方法把复杂的问题分解成各个组成因素，又将这些因素按支配关系分组形成递阶层次结构。
通过两两比较的方式确定层次中诸因素的相对重要性。
然后综合相关人员的判断，确定备选方案相对重要性的总排序。
整个过程体现了人们分解——判断——综合的思维特征。
在运用AHP方法进行评价或决策时，大体可分为以下四个步骤：
（1）分析评价系统中各基本要素之间的关系，建立系统的递阶层次结构。
（2）对同一次的各元素关于上一次某一准则的重要性进行两两比较，构造两两比较判断矩阵，并进行一致性检验。
（3）由判断矩阵计算被比较要素对于该准则的相对权重。
（4）计算各层要素对系统目的（总目标）的合成（总）权重，并对各备选方案排序。
（如图4-1所示）
（目的层）
（准则层）
（方案层）
以1-9级建立判断尺度，并计算各层次中各因素的权重。
标准定义见表4-1所示：
表4-6 判断矩阵及重要性计算
4.4 计算整体优先权重
表4-2 总体优先权重表
结果表明，四个方案的优劣顺序为：S5、S9、S2、S6，且方案S5、S9明显优于方案S2、S6。
AHP——模糊综合评价方法的实现模板剖析
AHP——模糊综合评价方法的实现模板1. AHP计算权重实现模板根据“立法后的评估指标体系”的设计，一共分成三层：B层（B1——B3）为：立法质量、实施标准、绩效标准；C层（C1——C9）为：合法性、合目的性、技术性、执法司法过程、公众守法状况、公众对工商行政管理部门纠纷处理结果的态度法、院判决的效果、效率、适当性标准；D层（D1——D41）为：C 从下的各个指标。
B层权重计算步骤如下：（1）依据专家打分，构造判断矩阵（具体打分方法，详见AHP的理论部分）（2）归一化处理（具体计算方法，详见AHP的理论部分）（3）计算出归一化后的矩阵行与构量的平均值，该平均值就是各指标的权重值。
（4）权重系数推算结果的一致性检验由于矩阵中两两对比指标的标度是根据“若干专家”的主观判断做出的量化规定，其结果与客观事实间或多或少会有一些偏差，所以必须对上述的初步结果进行一致性检验。
过程一般分为三个阶段 ：一致性尺度计算、相容性指数计算、相容性比率计算。
第一，指标一致性尺度计算一致性尺度 CM （Consistency Measure ）或者叫一致性标度是指检验指标与客观事实是否相符的标准与参照物，在层次分析法中，最大特征根 λmax 就是一致性尺度，其求解步骤为 ①求解向量AW.=⎛⎫ ⎪ ⎪ ⎪⎝⎭（）AW ，左侧为判断矩阵，右侧列为上述计算的权重 ②计算最大特征值 λmax向量 AW 的各个分量 AW i 除以相对应的权重分量 W i 就是各指标的最大特征值，整个判断矩阵的最大特征根就是各指标最大特征值之和的平均值。
计算AW ：第二，相容性指数计算相容性指数 CI （Consistency index ）=(λmax —n)/（n —1），n 为待检验的指标个数。
计算CI=第三，相容性比率计算层次分析法一致性检验的规则是 ：CR ＜ 0.10表示判断矩阵的一致性程度较高，“专家们”对各个指标作出的价值判断与事实基本吻合，如 CR ＞0.10，则表示必须修正判断矩阵中的含义值。
fahp权重计算
fahp权重计算Fuzzy Analytic Hierarchy Process (FAHP)是一种基于模糊逻辑的层次分析法，可以用于决策问题的权重计算。
FAHP在决策分析中广泛应用，可以帮助决策者将主观感受与客观数据结合起来，更准确地确定权重。
FAHP的权重计算过程通常包括以下几个步骤：1.设置层次结构：首先需要确定决策问题的层次结构，将问题分解为几个相对独立的层次，以便于进行权重计算。
层次结构一般包括目标层、准则层和方案层。
2.构建判断矩阵：判断矩阵用于表示决策者对不同层次之间的两两比较结果。
决策者需要给出每个层次之间的相对重要性评价，通常使用1-9的评价标度。
1表示两个层次之间具有相同的重要性，9表示一个层次较另一个层次重要性更高。
根据决策者的判断，可以构建出每对层次之间的判断矩阵。
3.求解模糊权重向量：在FAHP中，每个层次都对应一个模糊权重向量。
模糊权重向量表示该层次下的各个元素的重要性。
通过计算判断矩阵的特征向量，可以得到准则层和方案层的模糊权重向量。
具体计算方法可以使用Matlab等软件进行求解。
4.模糊综合权重计算：根据层次结构，将准则层的模糊权重向量与各个准则层下的方案层的模糊权重向量进行综合，得到最终的综合权重。
综合方法通常是加权平均，权重由准则层的权重和方案层的权重相乘得到。
FAHP的优势在于能够处理决策问题中的不确定性和模糊信息。
它可以将决策者的主观判断与客观数据相结合，更加准确地反映决策者的意见。
此外，FAHP还可以处理多指标和多层次的决策问题，适用范围广泛。
然而，FAHP也存在一些局限性。
首先，判断矩阵的构建过程依赖于决策者的主观判断，不同的决策者可能会给出不同的评价结果，导致权重计算的不准确性。
其次，FAHP在处理复杂决策问题时可能需要大量的计算和数据分析，需要较高的专业知识和技术支持。
总之，FAHP是一种能够帮助决策者进行权重计算的方法。
它通过模糊逻辑的思想，将客观数据与主观判断相结合，更加准确地确定权重。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
ahp权重计算土地利用规划课实验指导书尹君教授编河北农业大学城建学院2004年10月目录一、土地适宜性评价权重的计算二、人口与土地需求预测模型三、土地利用规划单目标规划优化四、土地利用规划多目标规划优化五、土地利用规划面积量算六、土地利用规划图编制一、土地适宜性评价权重的计算（一）AHP的基本步骤运用AHP解决问题，大体可以分为四个步骤，即1.建立问题的递阶层结构；2.构造两两比较法判断矩阵；3.由判断矩阵计算被比较元素相对权重；4.计算各层元素的组合。
现分述如下：1.建立递阶层次结构这是AHP是最重要的一步。
首先，把复杂问题分解为由元素组成的各部分，把这些元素按属性不同分成若干组以形成不同层次。
同一层次的元素作为准则对下一层次的某些元素起支配作用，同时它又受上一层次元素的支配。
这种从上至下的支配关系形成了一个递阶层次。
处于最上面的层次只有一个元素，一般是分析问题的预定目标，或理想结果。
中间的层次一般是指标、分指标。
最低一层包括各个方案。
层次之间元素的支配关系不一定是完全的，即可以存在这样的元素，它并不支配下一层的所有元素。
一个典型的层次可以用图表示出来。
2.构造两两比较判断矩阵在建立递阶层次结构以后，上下层次之间元素的隶属关系就被确定了。
假定上一层次的元素C h作为指标，对下一层次的元素A1，A2…，A n 有支配关系，目的是在指标C h之下按它们相对重要性赋予A1，A2，…，A n相应的权重。
对于大多数社会经济问题，特别是那些由人的判断起重要作用的问题中，直接得到这些元素权重并不容易，往往需要通过适当的方法来导出它们的权重，AHP所用的是两两比较的方法。
在这一步中，决策要反复回答问题，针对指标C h两个元素A i和A j哪一个更重要些，重要多少。
需要对重要多少赋予一定数值。
这里使用1~9的比例标度，它们的意义见表标度的含义1.表示两个元素相比，具有同样重要性。
3.表示两个元素相比，一个元素比另一个元素稍微重要。
5.表示两个元素相比，一个元素比另一个元素明显重要。
7.表示两个元素相比，一个元素比另一个元素强烈重要。
9.表示两个元素相比，一个元素比另一个元素极端重要。
2、4、6、8为上述相邻判断中的中值。
若因素i与j比较得a ij，则因素j与i比较的判断为1/a ij 。
例如，指标是社会经济效益，分指标可分经济、社会和环境效益。
如果认为经济效益比社会效益明显重要，它们的比例标度取5。
而社会效益对于经济效益的比例标度则取1/5。
对于n 个元素来说，我们得到两两比较判断矩阵A ：()nxn ij a A = （1）判断矩阵具有如下性质： （1）0〉ij a （2）ji ij a a 1= （3）1=ij a（2）称A 为正的互反矩阵。
由于性质（2）、（3），事实上，对于n 阶判断矩阵仅需对其上（下）三角元素共()21-nn 个给出判断。
A 的元素不一定具有传递性，即未必成立等式ih jh ij a a a = （3）但式（3）成立时，则称A 为一致性矩阵。
在说明由判断矩阵导出元素排序权值时，一致性矩阵有重要意义。
3.计算单一指标下元素的相对权重这一步厅解决在指标C h 下，n 个元素A1，…An 排序权重的计算问题，并进行一致性检验，对于A1，…An 通过两两比较得到判断A ，解特征根问题，AW=λmax W （4）所得到的W 经正规化后作为元素A 1，…A n 在指标C h 下排序权生，这种方法称排序权向量计算的特征根方法。
λmax 和W 的计算一般采用幂法，其步骤为：（1）设初值向量W 0，例如T n n n W ⎪⎭⎫ ⎝⎛=1,,1,10（2）对于k=1，2，3，…计算1-=h h AW W （5） 式中1-h W 经规一化所得到的向量。
（3）对于事先给定的计算精义，若()ε〈--i h hi W W 1max （6）则计算停止，否则继续步骤（2），式中W hi 表示W h 的第i 个分量。
（4）计算()∑=-=n i i h hi W W n 11max 1λ（7）在精度要求不高的情况下，可以用简单的近似方法计算max λ和W ，这里介绍两种方法。
（1）和法：第一步，A 的元素按列规一化；第二步，将A 的元素按行相加；第三步，所得到的行向量规一化得排序权向量W ；第四步，按下列公式计算maxλ。
()∑==n i i i nW AW 1max λ （8）式中（AW ）i 表示AW 的第i 个元素。
（2）根法：第一步，A 的元素按行相乘；第二步，所得到的辫积分别开n 次方；第三步，将方根向量归一化即得排序权向量W ；第四步，按式（8）计算maxλ。
特征根方法是AHP 中最早提出的排序权向量计算方法，也是被广泛使用的一种方法。
近年来，不少学者提出了排序向量计算的其它一些方法，如最小二乘法，对数最小二乘法，等等，这些方法在不同场合下运用各有其优点。
在判断矩阵的构造中，并不要求判断具有完全的一致性。
即不要求式（3）成立，这是被客观事物的复杂性与人的认识多样性所决定的。
但要求判断有大体的一致性，出现甲比乙极端重要，乙比丙极端一重要，而丙比甲极端重要的情况一般是违反常识的。
而且，当判断偏离一致性过大时，排序权向量计算的特征值方法将出现甘些问题。
因此在得到maxλ后，需要进行一致性检验，其步骤如下：（1）计算一致性指标CI1max --=n nCI λ （9）（2）从平均随机一致性指标当中查找RI 。
平均随机一致性是多次（500次以上）重复进行随机判断矩阵特征值的计算这后取算术平均数得到的。
阶数1 2 3 4 5 6 7 8 9 10 11 12RI 0 0 0.5 0.89 1.12 1.26 1.36 1.411.46 1.49 1.52 1.54阶数 13 14 15RI 1.56 1.58 1.59（3）计算一致性比例CRRI CICR = （10）当CR ＜0.1时，一般认为判断矩阵的一致性是可以接受的。
4.计算各层元素的组合权重为了得到递阶层次结构中每一个层次中的所有元素相对于总目标的相对权重，需要把第三步的计算结果进行适当的组膈，并进行总的判断一致性检验。
这一步骤是由上而下逐层 进行的。
最终计算结果得出最低层次元素，即方案优先顺序的相对权重和整个递阶层次模型的判断一致性检验。
假定已经计算出第1-k 层元素相对总目标的组合排序权重向量()T k m k k k a a a a112111,,,----= ，第k 层在第1-k 层第j 个元素作为准则下元素的排序权向量为()Tk nj k j k j kj b b b B ,,,21 =，其中不受支配（即与1-k 层第j 个元素无关的）元素权重为零。
令()k m kk b b B ,,1 =，则第k 层的元素相对于总目标的组合排序权重向量由下式给出 1-=k k k a B a （11）对于递阶层次组合判断的一致性检验，需要类似地逐层计算CI 。
若分别得到了第1-k 层次的计算结晶1-k CI ，1-k RI 和1-k CR 则第k 层的相应指标为 ()11,,-=k m k k k a CI CI CI （12） ()11,,-=k m k k k a RI RI RI （13）⎪⎪⎭⎫ ⎝⎛+=-k k k k RI CI CR CR 11 （14）CI和1k RI分别在1-k层第i个指标下判断矩阵k的一致性指标和平均随机一致必指标。
当10.0〈CR，k认为递阶层次在k层水平上整个判断有满意的一致性。
例在土地适宜性评价中，评价指标权重确定有：因素两两比较法；特尔菲法；层次分析法等，其中层次分析法被认为在因素较多时确定权重的一种较好的方法。
本题采用了此方法，分三个层次，且已给定各层次指标相对分值，判定给定分值是否合理？若合理，请计算各指标的权重及总排序指标权重。
评价目标第一层次第二层次自然因素生态因素社会经济因素第三层土层厚度土壤养分水源质地水土流失覆盖率土壤污染层次结构比较判断矩阵为：自然因素生态因素社会经济因素自然因素 1 4 2生态因素1/4 1 1/2社会经济因素1/2 2 1水土流失覆盖率土壤污染水土流失 1 2 5覆盖率1/2 1 3土壤污染1/5 1/3 1土层厚度土壤养分水源质地土层厚度 1 4 3 7土壤养分1/4 1 1 2水源1/3 1 1 3质地1/7 1/2 1/3 1表各阶矩阵的RI值阶数1 2 3 4 5 6 7 8 9 10R1 0 0 0.58 0.90 1.12 1.24 1.321.41 1.45 1.49计算题答案：自然生态社会经济自然1 4 2 0.5714λmax=3.000生态1/4 1 1/2 0.1429 CI=0.00 社会经济1/2 2 1 0.2857 RI=0.58CR=0<0.1√土厚土养分水源质地土厚 1 4 3 7 0.5739 λmax=4.0206土养分1/41 12 0.1600 CI=0.0069 水源 1/3 1 1 3 0.1913 RI=0. 90质地 1/7 1/21/310.0748CR=0.0076<0.1√水土流失 覆盖率 土壤污染水土流失 1 2 5 0.5813 λmax =3.0037覆盖率 1/2 1 3 0.3092 CI=0.0018 土壤污染 1/5 1/3 1 0.1096 RI=0.58CR=0.0032<0.1√总排序：∑==ni iiCI W CI 1∑==ni ii RI W RI 1RICI CR /=∴权重为0.328，0.091，0.109，0.043，0.083，0.044，0.016，0.286ZCI=0.5714×0.0069+0.1429×0.0018+0.2857×0=0.0042ZRI=0.5714×0.9+0.1429×0.58+0.2857×0=0.5971ZCR=ZCI/ZRI=0.007<0.1√一致性通过。
合理。
二、人口与土地需求预测模型由于人口规模、人口结构和人口分布的不同，决定着社会消费结构、社会消费结构通过产业结构，影响土地利用结构和土地利用规模。
因此，土地利用与人口密切相关。
土地利用总体规划的核心，就是要研究解决人地矛盾的方法，协调人地关系，保持人口增加与土地需求间的平衡关系，为整个经济建设创造良好的用地条件。
所以进行土地利用总体规划，首先应进行人口预测与土地利用需求量预测。
在人口与土地利用中，经常用到的预测方法有100多种，如自然增长率模型，一元线性回归模型（可使双曲线模型，对数函数模型、幂函数模型转变成一元线性问题解决），二次曲线模型，三次曲线模型，罗吉斯谛曲线模型，对数抛物线模型，三次指数平滑模型，神经网络模型和递补的灰色GM(1，1)模型等。