预测模型可靠性的模糊数学评价方法
收稿日期:2003-11-10
作者简介:许康(1969-),男(汉族),江苏宜兴人,讲师,博士研究生,从事油气储运与热能工程方面的教学与科研工作。
文章编号:1000-5870(2004)04-0102-03
预测模型可靠性的模糊数学评价方法
许 康,张劲军,陈 俊,李鸿英
(石油大学石油天然气工程学院,北京102249)
摘要:预测模型的可靠程度是通过预测结果中分布规律的可信度体现出来的。针对常见的预测模型可靠性评价中存在的问题,将预测模型预测结果的可信概率定义为预测模型的可靠度,提出了一种评价预测模型的新方法。在新方法中,运用模糊数学理论对预测结果的可信程度进行了评价,建立了预测结果可信度与预测结果相对误差绝对值之间的隶属函数关系,并将模糊数学与可靠性理论相结合,给出了求解预测模型可靠度的计算公式。以含蜡原油粘温关系模型为例,对新方法的评价过程进行了验证。结果表明,对同一种油样采用不同的隶属函数,或对不同油样采用同一个隶属函数,所得预测模型的可靠度均不相同,这说明该方法具有通用性。关键词:含蜡原油;粘温关系;预测模型;可靠度;评价方法;模糊数学;隶属函数中图分类号:O 159 文献标识码:A
A new assessment method for reliability of prediction model with
fuzzy mathematics
XU Kang,ZHANG Jin -jun,CH EN Jun,LI Hong -ying
(College of Petr oleum Engineer ing in the University of Petroleum ,China,Beij ing 102249,China)
Abstract :T he distribution of the authentic forecast results can embo dy the fiduciar y level o f the prediction model.T he probability o f the authentic for ecast results obtained by t he prediction model w as defined as the fiduciary lev el o f prediction model.A new method for assessment of t he fiduciary level of prediction model was proposed.In or der to assess the fiduciary lev el of the for ecast results,a membership function for describing the relationship betw een the fiduciary lev el and absolute value of relative err or of fo recast results was established on the theory of fuzzy mathematics.By using the fuzzy mat hemat ics and reliabilit y theory ,the formula to calculate the fiduciary level of the pr edict ion model w as provided.A prediction model for waxy o il viscosity was taken as an ex ample to prove the applicability of the assessment method.T he r esults show that the fiduciary levels of prediction model are different fo r the same o il sample with the different membership function or for the different oil sample with the same membership function.
Key w ords :w ax y oil;viscosity -temperature r elationship;prediction model;reliabilit y;assessment method;fuzzy mathe -matics;membership function
我国生产的原油80%以上属于含蜡原油,其组成复杂,粘度及粘温关系的变化规律往往不能用纯液体的粘度模型进行描述。原油粘度及粘温关系
直接影响其管道输送的摩阻,是管输工艺设计及运行管理所需的重要基础数据。国内外研究者提出了若干含蜡油粘度模型,这些模型都是基于实验数据统计分析得出的经验模型,对于预测模型预测结果的可靠程度,常见的方法是用大量的预测结果与实测值之间的(绝对或相对)误差的平均值和其中最大
值来说明。但是预测结果是否 准确可信 是一个很模糊的概念,预测结果的 准确可信 与 不可信 之间没有一个明显的界限,对预测结果可信程度的评
价用常规的数学方法不能解决,需要引入模糊数学的理论。对于使用预测模型进行预测时获得可信的预测结果的概率(可靠度),用常用的预测模型的评价方法是无法得出的。因此,笔者根据模糊数学和可靠性理论提出一种评价预测模型可靠性的新方法,介绍新方法的评价过程。
2004年 第28卷 石油大学学报(自然科学版) Vol.28 No.4 第4期 Journal of the U niversity of Petroleum,China Aug.2004
1 预测模型可信度的评价方法
1.1 预测结果可信程度的判定
模型的可靠程度是通过在大量预测结果中 准确可信 的预测结果所占的比例来体现的。判断预测结果是否 可信 ,通常是借助于预测结果与实测值之间的(绝对或相对)误差来进行判断,但预测结果 可信 与 不可信 之间无明确的界限,从差异的一方到另一方,中间经历了一个从量变到质变的连续过渡过程,这是一个模糊事件,需要采用模糊数学的理论建立一个隶属函数来描述预测结果与实测值之间的(绝对或相对)误差与预测结果可信程度之间的关系。只有用隶属函数将模糊性定量描述后,才能定量处理模糊信息。
确定隶属函数的方法主要有模糊统计(F统计)法、三分法、专家打分法、二元对比排序法等。隶属函数的确定应有一定的客观规律性和科学性,应能较客观地反映实际存在的模糊性。在实际应用模糊数学方法时,可根据所讨论对象的特点选择隶属函数形式,再由经验或试验数据确定比较符合实际的参数,从而获得隶属函数的数学表达式。
建立隶属函数时规定,当模型预测结果与实测值之间的相对误差绝对值为零时,其所对应的隶属函数值(可信度)为1;随着相对误差绝对值的增大,其所对应的隶属函数值逐渐减小(可信度下降),直至为零。根据以上分析,此隶属函数为偏小性模糊分布,其隶属函数的一般形式为[1]
A(x)=1,x a;
f(x),x>a.
(1)
式中,A(x)为预测结果可信度的隶属度函数;a为常数;f(x)为非增函数;x为模型预测结果与实测值之间相对误差的绝对值。
式(1)中的a和f(x)可根据实际情况来确定。对于一般的工程计算来说,当相对误差绝对值不大于5%(x 0.05)时,可认为预测结果可靠,当相对误差绝对值大于5%后,预测结果逐渐趋于不可靠。假设f(x)为正态分布,式(1)又可写为如下形式:
A(x)=1,x 0.05;
ex p-
x-0.05
2
,x>0.05.
(2)
式中, 为正态分布的标准差。
式(2)中的 值可根据实际情况选定,当 = 0 15时,式(2)的隶属函数值如图1所示。
图1 预测结果可信度随相对
误差绝对值的变化
石油天然气行业标准SY/T0520-93 原油粘度测定 旋转粘度计平衡法 [2]中规定:对于非牛顿流体, 同一操作者,在同一实验室使用同一仪器,按方法规定的步骤,在连续的时间里,对同一试样进行重复测定的两个结果之差不得超过平均值的15% 。此规定为用粘度计测量粘度本身所允许的误差,当预测结果与实测值相对误差小于15%时,预测结果是可信的,当相对误差大于15%时,预测结果是不可信的。该模糊分布为矩形分布,此规定的隶属函数的形式为
A(x)=
1,x 0.15;
0,x>0.15.
(3) 1.2 预测模型模糊可靠度的求解方法
可靠度常指产品或系统在规定的条件下和规定时间内完成规定功能的概率,或在规定条件下无故障工作的持续时间或概率[3]。同样可将使用预测模型进行预测时获得 可信的预测结果 的概率定义为预测模型的可靠度。模型的可靠度可作为一种评价指标,用以对各种预测模型的预测质量进行评价,以供使用者选择采用具有最佳可靠度的预测模型。由于预测结果是否 可信 是一个模糊事件,而预测结果与实测值的相对误差绝对值的概率是普通数值,可以通过用多次试验统计的方法或其他的方法求得,所以求解预测模型的可靠度问题就是求解模糊事件的概率问题,其计算公式为
P= R A(x)p(x)d x.(4)式中,P为预测模型的可靠度;A(x)为预测结果可靠的隶属函数;p(x)为相对误差绝对值的概率密度函数;R为相对误差绝对值的值域范围。
2 预测模型可靠度计算实例
2.1 含蜡原油粘度预测模型
LI Hong-ying等根据含蜡原油流变性的机理,
103
第28卷 第4期 许 康等:预测模型可靠性的模糊数学评价方法
借助悬浮体系流变学的理论,提出了含蜡原油在凝点温度以上时的粘度预测模型[4],表达式为
=A ex p[E a/(RT)][1-k0k( )c]-2.5.(5)式中, 为原油的动力粘度,Pa s;A为指前因子或称频率因子,Pa s;E a为粘性流动活化能,J/mol;R 为气体常数;T为绝对温度,K;k0为原油中连续相与分散相的密度比;k( )为与剪切率有关的系数;c 为温度T下的析出蜡量与原油的质量百分比。
用经历不同热历史、不同剪切历史以及添加降凝剂改性处理的47种油样的3458个粘度实测数据(粘度在5~2900mPa s),对模型的预测结果进行了检验,结果表明,预测结果与实测结果的总平均相对误差为6.22%。
2.2 预测模型可靠度的计算
用式(5)对经历不同处理条件的原油粘度进行了预测,以2.5%的间隔统计了预测结果的相对误差绝对值分布情况,结果见表1。
表1 粘度模型预测结果的相对误差绝对值分布
相对误差
绝对值范围/%
出现概率/%
油样 油样 油样 油样
0~ 2.533.0648.5046.2025.72
2.5~ 5.019.3118.0024.732
3.17
5.0~7.517.3615.509.5113.03
7.5~10.010.00 6.508.978.41
10.0~12.5 6.39 4.00 4.89 5.86
12.5~15.0 4.24 2.50 2.45 4.14
15.0~17.5 2.57 2.50 1.09 2.83
17.5~20.0 3.330.500.54 3.38
20.0~22.5 1.74 2.00 1.63 1.86
22.5~25.00.690.000.27 1.93
25.0~27.50.350.000.00 1.52
27.5~30.00.280.000.00 1.31
30.0~32.50.140.000.00 1.31
32.5~35.00.140.000.000.76
35.0~37.50.210.000.000.55
37.5~40.00.070.000.000.48
>40.00.140.000.00 3.72注:油样 表示33种空白原油,经历不同热历史,1440个数据;
油样 表示3种添加降凝剂改性原油,368个数据;油样 表
示10种经过剪切作用的添加降凝剂改性原油,200个数据;油
样 表示经过不同剪切作用的添加降凝剂改性大庆原油,
1450个数据。
根据表1给出的相对误差的分布规律,分别使用式(2),(3)的隶属函数,代入预测模型可靠度的
计算式P= R A(x)p(x)d x中求得了含蜡原油预测模型对不同油样、在不同隶属函数条件下的可靠度,见表2。
从表2可以看出,对于同一种油样,选用不同预测结果可信度隶属函数,得到预测模型的可靠度不同。例如,对于油样 ,使用隶属函数式(2)时,用粘度预测模型得到可信的预测结果的概率为91 05%,使用隶属函数式(3)时,概率为90.36%。此外,粘度预测模型中用相同的隶属函数对不同的油样进行评价时,预测模型的可靠度也不同。这也从一个侧面对预测模型在不同条件下的适用性给予了说明。这种方法对多个原油粘度预测模型可靠性的评定也适用,因而是一种对各种预测模型进行可靠性评价的通用方法。
表2 不同隶属函数条件下粘度预测模型的可靠度%油样隶属函数式(2)隶属函数式(3)
91.0590.36
95.4095.00
96.0696.47
82.0880.33
注:油样分类同表1。
3 结束语
将使用预测模型预测的可信的预测结果的概率定义为预测模型的可靠度,提出了用其对预测模型的可靠程度进行评价的方法。使用模糊数学理论建立了预测结果可信度与预测结果和实测值相对误差的绝对值之间的隶属函数,使预测结果是否 准确可信 这一模糊概念能够得以定量描述。将模糊数学和可靠性理论相结合给出了求解预测模型可靠度的计算方法。
参考文献:
[1] 杨纶标,高英仪.模糊数学原理及应用(第三版)[M].
广州:华南理工大学出版社,2001.75-81,333-338. [2] 中华人民共和国石油天然气行业标准.SY/T0520-
93:原油粘度测定 旋转粘度计平衡法[S].北京:
石油工业出版社,1993.
[3] 王少萍.工程可靠性[M].北京:北京航空航天大学
出版社,2000.4-6.
[4] L I Hong-ying,ZHAN G Jin-jun.A gener alized model for
predicting non-N ew tonian v iscosity of w axy crude as a
function of temperatur e and precipitated wax[J].F uel,
2003,82:1387-1397.
(责任编辑 沈玉英)
104
石油大学学报(自然科学版) 2004年8月
模糊数学评价方法教程
模糊综合评价法（见课件） 模糊数学是从量的角度研究和处理模糊现象的科学．这里模糊性是指客观事物的差异在中介过渡时所呈现的“亦此亦比”性．比如用某种方法治疗某病的疗效“显效”与“好转”、某医院管理工作“达标”与“基本达标”、某篇学术论文水平“很高”与“较高”等等．从一个等级到另一个等级间没有一个明确的分界，中间经历了一个从量变到质变的连续过渡过程，这个现象叫中介过渡．由这种中介过渡引起的划分上的“亦此亦比”性就是模糊性． 一、单因素模糊综合评价的步骤 1． 根据评价目的确定评价指标（evaluation indicator ）集 合 },,,{21m u u u U = 例如评价某项科研成果，评价指标集合为U ={学术水平，社会效益，经济效益}． 2． 给出评价等级（evaluation grade ）集合 },,,{21n v v v V = 如评价等级集合为V ={很好，好，一般，差}． 3． 确定各评价指标的权重（weight ） },,,{21m W μμμ = 权重反映各评价指标在综合评价中的重要性程度，且∑=1i μ． 例如假设评价科研成果，评价指标集合U ={学术水平，社会效益，
经济效益}其各因素权重设为}4.0,3.0,3.0{=W ． 4．确定评价矩阵R 请该领域专家若干位，分别对此项成果每一因素进行单因素评价（one-way evaluation ），例如对学术水平，有50%的专家认为“很好”，30%的专家认为“好”，20%的专家认为“一般”，由此得出学术水平的单因素评价结果为()0,2.0,3.0,5.01=R 同样如果社会效益，经济效益两项单因素评价结果分别为 ()1.0,2.0,4.0,3.02=R ()2.0,3.0,2.0,2 .03=R 那么该项成果的评价矩阵为 ???? ? ??=????? ??=2.03.02.02.01.02.04.03.002.03.05.0321R R R R 5．进行综合评价 通过权系数矩阵W 与评价矩阵R 的模糊变换得到模糊评判集S ： 设m j W ?=1)(μ，n m ji r R ?=)(，那么 ()()n mn m m n n m s s s r r r r r r r r r R W S ,,,,,,212 1 22221 11211 21 =???? ?? ? ??==μμμ 其中“ ”为模糊合成算子． 进行模糊变换时要选择适宜的模糊合成算子，模糊合成算子通 常有四种： (1) ),(∨∧M 算子
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；每层有若干元素，各层元素间的关系用相连的直线表示。
模糊数学综合评价模型
三种电视机模糊综合评价模型 摘要 本文通过顾客对三种电视机的图像，价格，音质三种评价因素建立的模糊综合评价的模型，此模型首先设定了评价指标因素集U 和评语集V ,从而建立了评价矩阵R , 然后根据评价指标权重集A 最后分别运用了四个算子，进而采用了加权平均原则的方法建立了如下四个模型，最终得出 模型一：运用① 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出11 2.73B =，12 2.62B =，13 2.46B =，即第一种电视机最受顾客青睐 模型二：运用② 和加权平均原则方法对三种电视机建立模糊综合评价模型，得出21 2.72B =，22 2.75B =，23 2.51B =，即第二种电视机最受顾客青睐 模型三：运用③ 算子和加权平均原则方法对三种电视机建立模糊综合评价模型，得出31 2.71B =，32 2.58B =，3 3 2.32B =，即第一种电视机最受顾客青睐 模型四：运用④ 算子和最大隶属原则方法对三种电视机建立模糊 综合评价模型，得出41 2.75B =，4 2 2.71B =，43 2.39B =，即顾客对第二种电视机做出综合评价较好。 综合四个模型这三种电视机的综合评价在较好和可以之间并且在这三种电视机中第一种电视机最受顾客青睐，第二种次之，第三种最不受欢迎。 关键词：综合评价 模糊数学 加权平均原则 算子 ),(∨∧M (,)M ?∨算子),(⊕∧M ),(⊕?M
一、问题重述 在对电视机质量的评价中，其涉及的因素很多，一般说来基本要考虑图像，声音，价格等等，而每一类因素的质量水平受许多因素的影响。这些评价因素往往具有模糊性。评价的结果本身也带有模糊性。如何合理地评价电视机的质量呢？ 假设对电视机的评价因素U={图像u1，声音u2，价格u3}，评语集合V={很好v1，较好v2，可以v3，不好v4}，现请专家10人对三种电视机进行评价，结果如下： 设某类顾客主要关心图像、价格，对音质不太关心，即 试对以上三种电视机进行模糊综合评价。 二、问题分析 根据对题目的理解，我们知道问题的求解是根据10位专家对三种电视机的图像，价格，音质的评价结果，而要求我们对这三种电视机进行模糊综合评价，所以我采用四种算子方法。 即① 算子 评语 因素 (1)第一类电视机 (2)第二类电视机 (3)第三类电视机 v1 v2 v3 v4 v1 v2 v3 v4 v1 v2 v3 v4 u1 5 4 1 0 4 3 2 1 1 5 2 2 u2 4 3 2 1 5 1 2 2 4 3 1 2 u3 0 1 3 6 2 1 3 4 2 4 4 (0.5,0.2,0.3) A =(){}n k r r s jk j m j jk j m j k ,,2,1, ,min max )(11 =∧=≤≤=∨μμ＝),(∨∧M
模糊数学模型
第六部分模糊数学 第十五章模糊数学模型 模糊数学的起源 15.1.1数学是精确的 数学是关于物质世界的空间形式和数量关系的科学。在二十世纪三十年代，数学的发展被划分成三个阶段： 第一阶段：数学是数，量，几何图形的科学； 第二阶段：数学是研究量的变化和几何图形变换的科学； 第三阶段：数学是作为关于现实世界一切普遍性的数量形式和空间形式的科学。 近代科学技术的发展同精确数学方法的发展和应用是密切相关的，牛顿力学为其经典。到了19世纪，天文，力学，屋里，化学等理论自然科学先后在不同程度上走向定量化，数学化，形成一个被称为“精密科学”的学科群。大量使用数学方法，反过来又推动了数学的巨大进步。19世纪是精确科学方法飞速发展的时期。 20世纪以来，精确数学及其应用以更大的规模和速度发展着。相对论，量子力学，分子生物学，原子能，电子计算机和空间技术等邻域的创建和开发为精确方法奏响了一曲又一曲的凯歌，但也进一步助长了对精确方法的盲目崇拜。人们愈加相信，一切都应当精确化，只有现在还没有实现精确化的问题，没有不需要或不可能精确化的问题。 客观而言，精益求精是科学工作者的美德，是评价研究工作科学性的一条准则，但是，这种对精确方法的崇拜，似乎被当作一种不言而喻的真理，在很长的历史时期中未受到人们的怀疑。科学方法论中的这种绝对化的观点，也反映到哲学中。例如，一些分析哲学家提倡把一切概念，包括日常用语都加以精确化，这种现象的发生是值得深思的。但是，实践是检验真理的唯一标准，任何理论上的片面性和绝对化，迟早会在实践中暴露其错误而得到纠正。 15.1.2精确数学的局限性 人脑的思维活动一般说来具有两方面的特征： （1）直觉性跟严格性的有机结合，可以进行整体性和平行性的思考，例如联想过程，这些是具有模糊性的； （2）逻辑推理过程，它具有逻辑和顺序的特点，因而又是形式化的。 关于形式化思维，可以用数理逻辑的方法把它数学化，这样就能把它变成一系列的数学符号，可以用计算机去解。最突出的成果就是1976年美国人阿贝尔和哈肯利用电子计算机解决有名的数学难题——四色问题，这一难题的解决使不少人惊叹：这简直是电脑对人脑的嘲弄！ 真是这样吗？ 从另一个角度来看，譬如，看电视的时候，要把图像调得“更清楚一些”，或者，说一个人比另一个人更好看一些或更丑一些，这对于人来说是件容易的事，但是对于电脑来说，却是个大难题。从这个角度来说，电脑的“智力”还不如一个小孩子。 为什么会出现这样的情况呢？ 因为用传统数学的方法处理模糊食物，首先要求将对象简化，舍弃对象固有的模糊性，在本来没有明确界限的对象之间认为地挂定界限，变模糊数量关系为清晰数量关系。例：西
模糊评价方法的基本步骤
模糊综合评价 模糊综合评价法是一种基于模糊数学的综合评标方法。该综合评价法根据模糊数学的隶属度理论把定性评价转化为定量评价，即用模糊数学对受到多种因素制约的事物或对象做出一个总体的评价。它具有结果清晰,系统性强的特点,能较好地解决模糊的、难以量化的问题,适合各种非确定性问题的解决。其基本步骤可以归纳为： ①首先确定评价对象的因素论域 可以设N 个评价指标，12(,, ...)n X X X X =； ②确定评语等级论域 设12n =(W ,W , ...W )A ，每一个等级可对应一个模糊子集，即等级集合。 ③建立模糊关系矩阵 在构造了等级模糊子集后，要逐个对被评事物从每个因素(=1,2,,n)i X i ……上 进行量化，即确定从单因素来看被评事物对等级模糊子集的隶属度i X （R ），进而 得到模糊关系矩阵11112122122212nm ......=..................m m n n n nm X r r r X r r r X r r r ??????????????????????????（R ）（R ）R=（R ），其中，第i 行第j 列元素，表示某个被评事物i X 从因素来看对j W 等级模糊子集的隶属度。 ④确定评价因素的权向量 在模糊综合评价中，确定评价因素的权向量：12(,, ...)n U u u u =。一般采用层 次分析法确定评价指标间的相对重要性次序。从而确定权系数，并且在合成之前归一化。 ⑤合成模糊综合评价结果向量 利用合适的算子将U 与各被评事物的R 进行合成，得到各被评事物的模糊综合评价结果向量B 即：
111212122 2121212nm ......(,, ...)(,, ...)...............m m n m n n nm r r r r r r U R u u u b b b B r r r ??????===?????? 其中，i b 表示被评事物从整体上看对j W 等级模糊子集的隶属程度。 ⑥对模糊综合评价结果向量进行分析 实际中最常用的方法是最大隶属度原则，但在某些情况下使用会有些很勉强，损失信息很多，甚至得出不合理的评价结果。提出使用加权平均求隶属等级的方法，对于多个被评事物并可以依据其等级位置进行排序。
模糊综合评价法的数学建模方法简介_任丽华
８ 《商场现代化》２００６年７月（中旬刊）总第４７３期 ２０世纪８０年代初，汪培庄提出了对绿色供应链绩效进行评价的模糊综合评价模型，此模型以它简单实用的特点迅速波及到国民经济和工农业生产的方方面面，广大实际工作者运用此模型取得了一个又一个的成果。本文简单介绍模糊综合评价法的数学模型方法。 一、构造评价指标体系 模糊综合评价的第一步就是根据具体情况建立评价指标体系的层次结构图，如图所示： 二、确定评价指标体系的权重 确定各指标的权重是模糊综合评价法的步骤之一。本文根据绿色供应链评价体系的层次结构特点，采用层次分析法确定其权重。尽管层次分析法中也选用了专家调查法，具有一定的主观性，但是由于本文在使用该方法的过程中，对多位专家的调查进行了数学处理，并对处理后的结果进行了一致性检验，笔者认为，运用层次分析法能够从很大程度上消除主观因素带来的影响，使权重的确定更加具有客观性，也更加符合实际情况。 在此设各级指标的权重都用百分数表示，且第一级指标各指标的权重为Ｗｉ，ｉ＝１，２，…，ｎ，ｎ为一级指标个数。一级指标权重向量为： Ｗ＝（Ｗ１，…，Ｗｉ，…Ｗｎ） 各一级指标所包含的二级指标权重向量为： Ｗ＝（Ｗｉ１，…，Ｗｉｓ，…Ｗｉｍ），ｍ为各一级指标所包含的二级指标个数，ｓ＝１，２，…，ｍ。 各二级指标所包含的三级指标权重向量为： Ｗｉｓ＝（Ｗｉｓ１，…Ｗｉｓ２，…Ｗｉｍｑ），ｑ为各二级指标所包含的三级指标个数。三、确定评价指标体系的权重建立模糊综合评价因素集将因素集Ｘ作一种划分，即把Ｘ分为ｎ个因素子集Ｘ１，Ｘ２，…Ｘｎ，并且必须满足： 同时，对于任意的ｉ≠ｊ，ｉ，ｊ＝１，２，…，均有 即对因素Ｘ的划分既要把因素集的诸评价指标分完，而任一个评 价指标又应只在一个子因素集Ｘｉ中。 再以Ｘｉ表示的第ｉ个子因素指标集又有ｋｉ个评价指标即：Ｘｉ＝｛Ｘｉ１，Ｘｉ２，…，ＸｉＫｉ｝，ｉ＝１，２，…，ｎ 这样，由于每个Ｘｉ含有Ｋｉ个评价指标，于是总因素指标集Ｘ其有 个评价指标。 四、 进行单因素评价，建立模糊关系矩阵Ｒ 在上一步构造了模糊子集后，需要对评价目标从每个因素集Ｘｉ上进行量化，即确定从单因素来看评价目标对各模糊子集的隶属度，进而得到模糊关系矩阵： 其中ｓｉ（ｉ＝１，２，…，ｍ）表示第ｉ个方案，而矩阵Ｒ中第ｈ行第ｊ列元素ｒｈｊ表示指标Ｘｉｈ在方案ｓｊ下的隶属度。对于隶属度的确定可分为两种 情况：定量指标和定性指标。 （１）定量指标隶属度的确定 对于成本型评价因素可以用下式计算： 对于效益型评价因素可以用下式计算：对于区间型评价因素可以用下式计算：上面三个式子中：ｆ（ｘ）为特征值，ｓｕｐ（ｆ），ｉｎｆ（ｆ）分别为对应于同一个指标的所有特征值的上下界，即是同一指标特征值的最大值和最小 模糊综合评价法的数学建模方法简介 任丽华 东营职业学院 ［摘 要］ 本文一种数学模型方法构造了一种对绿色供应链绩效进行评价的模糊综合评价法，主要从构造评价指标体系，确定评价指标体系的权重，确定评价指标体系的权重，建立模糊综合评价因素集，进行单因素评价、建立模糊关系矩阵Ｒ，计算模糊评价结果向量Ｂ等五个方面介绍这种评价方法。 ［关键词］ 绿色供应链绩效评价 模糊综合评价法 数学模型方法 流通论坛
用模糊数学综合评价法对水质进行评价
用模糊数学综合评价法对水质进行评价 付智娟 （中山市环境保护科学研究所，中山 542803） 摘 要：综合评价法作为模糊数学的一种具体应用方法，在很多领域中得到了广泛的运用。由于综 合评价法的数学模型简单、容易掌握，更适合于对多因素、多层次的复杂问题的评价。将其应用于对水质的评价能更客观、科学地反映水质情况。 关键词：模糊数学 ；综合评价法；水质评价法 Abstract:As the praxis of fuzzy mathematics,comprehensive evaluation is prevalent used in many fields ,Because it is a simple mathematical model and easy to use,comprehensive evaalution has advantage to solve the complex problem that have more different https://www.360docs.net/doc/503591413.html,ing it to evaluate the quality of water can get an objective and scientific result. Key words: fuzzy mathematics; comprehensive evaluation; evaluate the quality of water 模糊数学理论是近年来发展起来的科学，水质的好坏具有模糊的概念，因此也可以用它来评价水质，对水质进行综合评价，打破以往仅用一个确定性的指标来评价水质的方法，并可以弥补其中的不足，更客观、科学地对水质进行评价。现引用对某水质进行评价的例子来说明模糊数学综合评价在水质评价中的运用。 1. 基本概念 1. 1隶属度 以往的水质分级中多用一个简单的数学指标为界限，造成界限两边分为截然不同的等级.例如参数DO ， I 级水的指标为7mg/L,则7.1mg/L 为I 级水，但DO 若为6.9mg/L 就的定为II 级水。事实上，由于水质的污染程度属于模糊概念,所以这里用隶属概念来描述模糊的水质分级界限。所谓隶属度系指某事物所属某种标准的程度：如:DO=7.1mg/L 时,隶属I 级水的程度为100%;6.9mg/L 时,隶属I 级水的程度达95%。 隶属度可用隶属函数表示。为方便起见，取线性函数： 10X X X X --或 11X X X X --，（X 0 翻译质量评估（TQA）中以模糊数学为基础的量化方法探讨 翻译质量评估（TQA）的方法存在传统定性评估与数学定量评估两个相对对立的方法。20世纪60年代美国加利福尼亚大学控制论专家、系统工程教授L.A.札德发表《模糊集合》论文，创立了模糊数学理论，该理论之后被大量应用于模糊控制、信息检索、医学、气象学、结构力学、心理学等多个领域。后来，语言学学者也开始尝试将其应用于语言学研究领域。在中国，将模糊数学基础理论与方法引入翻译质量评估（TQA）的过程中作为一种参数参照，正处于可行性验证与起步阶段，这是中国翻译界的一次大胆尝试。合理的模糊量化分析能够逐渐实现翻译质量评估评的综合化与合理化，具有较为重要的科学意义。 一、国内利用模糊数学方法进行翻译质量评估现状 国内学者将模糊数学与翻译评价相结合的第一人是范守义，他在《中国翻译》1987年第4期的发表的《模糊数学与译文评价》一文中，利用模糊集合中隶属度的概念从定量的角度对译文质量进行评价，大体分三步步骤：（1）选择模糊集合的必要元素，即译文评价单位；（2）确定译文评价特征依据，如修辞、风格、句法、语义等；（3）明确信度控制点，从译文内容各单位部分各自的隶属度相加求出的平均值结果来评价译文的质量。在此之前，范守义（1986）在国内首次将“信、达、雅”标准用 数学公式“I=（R/F）?（S’/S）”进行表示，其中“I”为译文与原文的接近程度指数，“F”代表“信”，“R”代表“达”，“S”代表原文中的“雅”，而“S’”则代表译文所达到的“雅”，“F”与“S”为常量，公式中的“R”对应“F”，“S”对应“S’”，对应量的数值彼此越接近，则“I”越接近最大值“1”。之后，范守义（1990）又对应用与译文评价中的数学模型进行了修改，将主标准与次标准的并集纳入语言变量下，用公式表示为：Q=X∪Y∪Z，或扩展为：Q=[X1，X2，（X3）]∪[Y1，Y2，（Y3）]∪[Z1，Z2，（Z3）]。其中：“X”代表中心信息，即：X1：信息量；X2：形象转换；X3：虚设标准。“Y”代表附加信息，即：Y1：风格层次；Y2：情感元素；Y3：虚设标准。“Z”代表结构信息，即：Z1：元语言方面；Z2：修辞与逻辑；Z3：音韵。 同时，范守义提出了以计算机编程为取向的公式运作方式，包括“数据输入”、“加权”、“计算”与“数据输出”。从其研究所处的时期看来，范守义的研究具有远见性，也具有使用价值，为利用模糊数学的理论与方法对翻译质量进行评估展奠定了基础。 在此期间，徐盛恒也进行了相关研究，他（1987）曾针对范守义公式中存在的不足提出了改进：（W1，W2...Wn）?|X1， X2，…Xn|，其中“W”与“X”分别代表“权值”与“标准”，并规定样本抽样方法必须为等距离抽样，标准的确定依据必须为 用模糊数学班上的学生进行评估 姓名：李万杰 学号：201107010113 2014年6月27日 模糊数学综合评判法，作为一种模糊数学方法，被用于各个领域，取得了很好的效果。本文将用这种方法分析班上的学生以成绩分类。这种方法能有效处理学生平时成绩中的一些模糊性，同时，也使考核的成绩更加合理与公正。 一、模糊数学的基本概念 长期以来，人们对干客观事物的认识习惯于追求其精确性或清晰性。但人脑作为认识和改造客观世界的主体，对自然现象的反映往往都是模糊的。模糊集合是对这些模糊现象或模糊概念的刻画。利用模糊数学理论，建立模型，根据模糊数学最大隶属度原则，使学生以成绩分类更加合理化。综合评判就是对受到多个因素制约的事物或对象作出一个总的评价，这是在日常生活和科研工作中经常遇到的问题，由于从多方面对大学生综合素质进行评价难免带有模糊性和主观性，采用模糊数学的方法进行综合评价将使结果尽量客观从而取得更好的实际效果。 二、评定学生平时成绩的依据 通过长期的教学实践，对学生平时成绩的评定主要依据四个方面：(1)出勤情况，以学生到课情况作为平时成绩给定的依据，这一评价制度的具体要求是通过上课点名的办法来找出缺课的学生。(2)课堂表现，包括课堂笔记记录情况、回答问题的积极主动性、课堂纪律等。根据“上课提问情况”来评定平时成绩是教师经常使用的方法。这种方式也存在不足：假设每一个学生在教师提问 后都举手抢答，教师应该将首答权交给谁呢?这一模式的公正程度取决于教师有没有足够的时间允许学生都回答课堂上的提问。(3)作业情况，检查平时作业是教师经常使用的考核学生平时学习情况的重要方法。然而实践表明，这个方法也存在不足。由于教师无法了解学生的平时作业究竟是不是自己独立完成的，在假定“学生都能按时完成作业”的前提下，教师只能根据作业的工整情况或对错状况来判定学生的平时成绩。教师经常遇到的问题是：有时抄袭作业的学生，作业的卷面反而要比自己独立完成的学生要工整些；或者由于参考了一些同学的作业，其正确率反而比独立完成的同学高一些。(4)平时测验情况。对上述四个方面综合考虑，把学生平时成绩评定分为四级：优、良、中、差。在上述评定学生平时成绩的主要依据的因素中，多数因素很难区分出较严格的数值界限，而且有一定的相关性和很大的“模糊性”。对这些具有“模糊性”的因素进行综合评定，并以此来确定学生平时成绩是很困难的。采用模糊综合评判法来考核学生的平时成绩，在促进学生学习积极性方面，效果是明显的，同时也使考核的成绩更加合理、公正。 三、模糊数学综合评判法 所谓评判，就是按给定的条件对事物的优劣、好坏进行评比、判别；综合的意思就是指评判条件包含多个因素或多个指标。因此，综合评判就是要对受多个因素影响的事物作出全面评价。综合评判的方法有许多种，常用的有两种： (一)评总分法。即根据评判对象列出评价项目，对每个项目定出评价的等级，并用分数表示，以决定方案的优劣。 (二)加权评分法。这种方法主要考虑诸因素(或诸指标)在评价中所处的地位或所起的作用不尽相同，因此不能一律平等地对待诸因素(或诸指标)。于是，就引进了权重的概念，它体现了诸因素(或诸指标)在评价中的不同地位或不同作 现代统计学 1.因子分析(Factor Analysis) 因子分析的基本目的就是用少数几个因子去描述许多指标或因素之间的联系，即将相关比较密切的几个变量归在同一类中，每一类变量就成为一个因子（之所以称其为因子，是因为它是不可观测的，即不是具体的变量），以较少的几个因子反映原资料的大部分信息。 运用这种研究技术，我们可以方便地找出影响消费者购买、消费以及满意度的主要因素是哪些，以及它们的影响力（权重）运用这种研究技术，我们还可以为市场细分做前期分析。 2.主成分分析 主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b,和cluster analysis一起使用，c，和判别分析一起使用，比如当变量很多，个案数不多，直接使用判别分析可能无解，这时候可以使用主成份发对变量简化。（reduce dimensionality）d,在多元回归中，主成分分析可以帮助判断是否存在共线性（条件指数），还可以用来处理共线性。 主成分分析和因子分析的区别 1、因子分析中是把变量表示成各因子的线性组合，而主成分分析中则是把主成分表示成个变量的线性组合。 2、主成分分析的重点在于解释个变量的总方差，而因子分析则把重点放在解释各变量之间的协方差。 3、主成分分析中不需要有假设(assumptions),因子分析则需要一些假设。因子分析的假设包括：各个共同因子之间不相关，特殊因子（specific factor）之间也不相关，共同因子和特殊因子之间也不相关。 4、主成分分析中，当给定的协方差矩阵或者相关矩阵的特征值是唯一的时候，的主成分一般是独特的；而因子分析中因子不是独特的，可以旋转得到不同的因子。 5、在因子分析中，因子个数需要分析者指定（spss根据一定的条件自动设定，只要是特征值大于1的因子进入分析），而指定的因子数量不同而结果不同。在主成分分析中，成分的数量是一定的，一般有几个变量就有几个主成分。 和主成分分析相比，由于因子分析可以使用旋转技术帮助解释因子，在解释方面更加有优势。大致说来，当需要寻找潜在的因子，并对这些因子进行解释的时候，更加倾向于使用因子分析，并且借助旋转技术帮助更好解释。而如果想把现有的变量变成少数几个新的变量（新的变量几乎带有原来所有变量的信息）来进入后续的分析，则可以使用主成分分析。当然，这中情况也可以使用因子得分做到。所以这中区分不是绝对的。 总得来说，主成分分析主要是作为一种探索性的技术，在分析者进行多元数据分析之前，用主成分分析来分析数据，让自己对数据有一个大致的了解是非常重要的。主成分分析一般很少单独使用：a，了解数据。(screening the data),b, 收稿日期:2003-11-10 作者简介:许康(1969-),男(汉族),江苏宜兴人,讲师,博士研究生,从事油气储运与热能工程方面的教学与科研工作。 文章编号:1000-5870(2004)04-0102-03 预测模型可靠性的模糊数学评价方法 许 康,张劲军,陈 俊,李鸿英 (石油大学石油天然气工程学院,北京102249) 摘要:预测模型的可靠程度是通过预测结果中分布规律的可信度体现出来的。针对常见的预测模型可靠性评价中存在的问题,将预测模型预测结果的可信概率定义为预测模型的可靠度,提出了一种评价预测模型的新方法。在新方法中,运用模糊数学理论对预测结果的可信程度进行了评价,建立了预测结果可信度与预测结果相对误差绝对值之间的隶属函数关系,并将模糊数学与可靠性理论相结合,给出了求解预测模型可靠度的计算公式。以含蜡原油粘温关系模型为例,对新方法的评价过程进行了验证。结果表明,对同一种油样采用不同的隶属函数,或对不同油样采用同一个隶属函数,所得预测模型的可靠度均不相同,这说明该方法具有通用性。关键词:含蜡原油;粘温关系;预测模型;可靠度;评价方法;模糊数学;隶属函数中图分类号:O 159 文献标识码:A A new assessment method for reliability of prediction model with fuzzy mathematics XU Kang,ZHANG Jin -jun,CH EN Jun,LI Hong -ying (College of Petr oleum Engineer ing in the University of Petroleum ,China,Beij ing 102249,China) Abstract :T he distribution of the authentic forecast results can embo dy the fiduciar y level o f the prediction model.T he probability o f the authentic for ecast results obtained by t he prediction model w as defined as the fiduciary lev el o f prediction model.A new method for assessment of t he fiduciary level of prediction model was proposed.In or der to assess the fiduciary lev el of the for ecast results,a membership function for describing the relationship betw een the fiduciary lev el and absolute value of relative err or of fo recast results was established on the theory of fuzzy mathematics.By using the fuzzy mat hemat ics and reliabilit y theory ,the formula to calculate the fiduciary level of the pr edict ion model w as provided.A prediction model for waxy o il viscosity was taken as an ex ample to prove the applicability of the assessment method.T he r esults show that the fiduciary levels of prediction model are different fo r the same o il sample with the different membership function or for the different oil sample with the same membership function. Key w ords :w ax y oil;viscosity -temperature r elationship;prediction model;reliabilit y;assessment method;fuzzy mathe -matics;membership function 我国生产的原油80%以上属于含蜡原油,其组成复杂,粘度及粘温关系的变化规律往往不能用纯液体的粘度模型进行描述。原油粘度及粘温关系 直接影响其管道输送的摩阻,是管输工艺设计及运行管理所需的重要基础数据。国内外研究者提出了若干含蜡油粘度模型,这些模型都是基于实验数据统计分析得出的经验模型,对于预测模型预测结果的可靠程度,常见的方法是用大量的预测结果与实测值之间的(绝对或相对)误差的平均值和其中最大 值来说明。但是预测结果是否 准确可信 是一个很模糊的概念,预测结果的 准确可信 与 不可信 之间没有一个明显的界限,对预测结果可信程度的评 价用常规的数学方法不能解决,需要引入模糊数学的理论。对于使用预测模型进行预测时获得可信的预测结果的概率(可靠度),用常用的预测模型的评价方法是无法得出的。因此,笔者根据模糊数学和可靠性理论提出一种评价预测模型可靠性的新方法,介绍新方法的评价过程。 2004年 第28卷 石油大学学报(自然科学版) Vol.28 No.4 第4期 Journal of the U niversity of Petroleum,China Aug.2004 第八章 模糊数学方法建模 1965年,美国自动控制学家首先提出了用“模糊集合”描述模糊事物的数学模型。它的理论和方法从上个世纪七十年代开始受到重视并得到迅速发展，特别是愈来愈广泛地应用于解决生产实际问题。模糊数学的理论和方法解决了许多经典数学和统计数学难以解决的问题，这里，我们通过几个例子介绍模糊综合评判、模糊模式识别、模糊聚类、模糊控制等最常用方法的应用。而相应的理论和算法这里不作详细介绍，请参阅有关的书籍。 §1 模糊综合评判及其应用 一、模糊综合评判 在我们的日常生活和工作中，无论是产品质量的评级，科技成果的鉴定，还是干部、学生的评优等等，都属于评判的范畴。如果考虑的因素只有一个，评判就很简单，只要给对象一个评价分数，按分数的高低，就可将评判的对象排出优劣的次序。但是一个事物往往具有多种属性，评价事物必须同时考虑各种因素，这就是综合评判问题。所谓综合评判，就是对受到多种因素制约的事物或对象，作出一个总的评价。 综合评判最简单的方法有两种方式： 一种是总分法，设评判对象有m 个因素，我们对每一个因素给出一个评分i s ，计算出评判对象取得的分数总和 ∑== m i i s S 1 按S 的大小给评判对象排出名次。例如体育比赛中五项全能的评判，就是采用这种方法。 另一种是采用加权的方法，根据不同因素的重要程度，赋以一定的权重，令i a 表示对第i 个因素的权重，并规定 ∑==m i i a 1 1，于是用 ∑== m i i i s a S 1 按S 的大小给评判对象排出名次。 以上两种方法所得结果都用一个总分值表示，在处理简单问题时容易做到，而多数情况下评判是难以用一个简单的数值表示的，这时就应该采用模糊综合评判。 由于在很多问题上，我们对事物的评价常常带有模糊性，因此，应用模糊数学的方法进行综合评判将会取得更好的实际效果。 模糊综合评判的数学模型可分为一级模型和多级模型两类，这里仅介绍一级模型。 应用一级模型进行综合评判，一般可归纳为以下几个步骤： （1）建立评判对象的因素集},,,{21n u u u U =。因素就是对象的各种属性或性能，在不同场合， 答卷编号（参赛学校填写）： 答卷编号（竞赛组委会填写）： 论文题目：学科评价模型(A) 组别：本科生 参赛队员信息(必填)： 姓名专业班级及学号联系电话参赛队员1 08生物技术一班0886 参赛队员2 08生物技术一班1680 参赛队员3 08生物技术一班0698 答卷编号（参赛学校填写）： 答卷编号（竞赛组委会填写）： 评阅情况（学校评阅专家填写）：学校评阅1. 学校评阅2. 学校评阅3. 评阅情况（省赛评阅专家填写）：省赛评阅1. 省赛评阅2. 省赛评阅3. 学科评价模型 摘要本学科评价模型采用了指标体系法，其所具有的客观公正性使之成为目前大学学科评价的主流方法。学科评价一方面取决于指标体系本身设计是否科学，另一方面则取决于原始数据和指标的可比性。由于本题目并没有给出具体的哪13个学科，而不同学科之间在某些方面存在着不同程度上的差异性。所以，我们采用层次分析法分配权重以及灰色多层次分析法处理数据，从而使评价结果更加客观公正。学科评价应分类别、分层次进行，不同的类别和层次适用于不同的情形。比如科研教学并重型高校的学科评价模型与科研型或者教学型高校的学科评价模型会有所区别。同时，在学科评价体系中，指标分级是必要的，我们将题目所给的指标分为三级。通过模型的建立及求解，我们得出了各学科各指标的评价结果，以及各学科的综合实力评价结果，并对结果进行横向分析和纵向分析，为大学学科评估及资源优化提供了较为合理的依据。 关键词层次分析法，权重, 灰色多层次分析法，关联度 一 问题的重述 学科的水平、地位是高等学校的一个重要指标，而学科间水平的评价对于学科的发展有着重要的作用，它可以使得各学科能更加深入的了解本学科(与其他学科相比较)的地位及不足之处，可以更好的促进该学科的发展。因此，如何给出合理的学科评价体系或模型一直是学科发展研究的热点问题。现有某大学（科研与教学并重型高校）的13个学科在一段时期内的调查数据，包括各种建设成效数据和前期投入的数据。 1、根据已给数据建立学科评价模型，要求必要的数据分析及建模过程。 2、模型分析，给出建立模型的适用性、合理性分析。 3、假设数据来自于某科研型或教学型高校，请给出相应的学科评价模型。 二 合理的假设 1、假设各学科所属领域以及学科特点的差异不对本评估体系产生影响 2、假设某些权威杂志对特定的学科没有偏重 3、假设国家和社会对各学科没有任何偏重 4、假设各学科培养出的人才素质没有差异 5、假设专家对学科各指标相对重要性的评判合理、客观、全面。 三 符号的说明 ijk C ：各级指标 ik C :(i=1,2,3····n;k=1,2,····m)第i 个参评学科中第k 个指标的原始数据 *k C :最优指标集 S ：综合分析评价值 A ：目标向量 ij D ：表示i D 对j D 的相对重要性数值 ij P ：判断矩阵)3,2,1,m 3,2,1(n j i ：特征向量 max ：最大特征值 CR ：判断矩阵的随机一致性比率 CI ：判断矩阵的一般一致性指标 RI ：平均随机一致性指标 i W ：各个分向量的权重系数 *W :第三指标权重分配矩阵 模糊数学方法的数学模型和主观性较强的多属性评价模型 对于非标准化的电子作品难以用精确的百分制来进行评定的问题，可以引入模糊数学方法的数学模型与多属性评价模型进行评价 1．模糊数学方法的数学模型 评价学生成绩的因素可划分为若干类（如课堂平时成绩、电子作品集、其中成绩和期末考试），每类又有相应的评价权重（如课堂平时成绩占30%、电子作品集占20%、期中成绩占20%和期 末考试占30%）和评价等级（如课堂平时成绩—优秀、电子作品集—良好、其中成绩—中、期末考试—良好），称为一级评价因素；而每一类一级评价因素（如电子作品集）又可包含若干二级评价因素（如电子作品集好坏的评价标准）和每个评价标准的权重，依次类推。下面的模型只考虑具有二级评价因素的问题如何用模糊数学的方法来做出科学的评价。 假设考虑学生的成绩的因素中，一级评价因素有n 类，记为U ={u 1,u 2,u 3,…,u n }，其权重为),,,(21n w w w W =，其评价等级对应的成绩为=D ),,,(21n d d d ，则该学生的成绩为： CJ==D W T )(2121n n d d d w w w ?????? ? ?? 下面求=D ),,,(21n d d d 。假设某个评价因素u i 有m 个二级评价指标，记为V i ={v i 1,v i 2,v i 3,…,v im }，权重分别为Q i ={q i 1,q i 2,q i 3,…,q im }，有t 种评价等级，记为P ={p 1,p 2,p 3,…,p t }，与各等级对应的分数是F ={f 1,f 2,f 3,…,f t }，有k 个评委对每个指标的各个等级的投票人数为矩阵W m *t ： W m *t =?? ? ? ? ?? ??32 1 22221 11211m m m t t w w w w w w w w w 其中， m i k w t j ij ,,2,1,1 ==∑= 则D i ),,2,1(n i =为各矩阵的乘积： Q 1*m *W m *t * F t *1 = ()??? ? ? ?? ????????? ??t mt m m t t im i i f f f w w w w w w w w w q q q 212 1 22221 112112 1 多级评价等级可以多次使用此法求得。 第四讲 模糊数学模型（Fuzzy ） 过份的精确反而模糊；适当的模糊反而精确。 起源：1965年 L.A.Zadeh 在杂志“ Information and Control ”上发表著名论文，首先提出模糊集合的概念，标志着模糊理论的产生。 一、模糊综合评判法 （一）模糊集合： 1、X 上的模糊集合A ，由()A U x 表示的隶属函数的集合。 ()A U x 表示X 隶属集合A 的程度，()A U x 越接近1 ，表示X 属于A 的程度越大。 当()A U x =1时，X 肯定属于A ； 当()A U x =0时，X 肯定不属于A ； 2、若X 为离散空间，则X 可以表示为：{}12,, ,n X x x x =,则模糊集合A 可以表示为： {}1122(,()),(,()),,(,())A A n A n A x U x x U x x U x =。 {}:1,2, ,9Eg X =,A=“大体上与5接近的数”， 模糊集合A 可以表示为A ={（1，0），（2，0），（3，0.4），（4，0.8）,(5,1),(6,0.8),(7,0.4),(8,0),(9,0)}。 3、若X 为连续空间，则X 可以表示为：{},,X x x R R =∈为某连续区域，模糊集合 {}(,()),A A x U x x R =∈。 Eg:若建立年轻人的隶属函数，可以根据统计资料，作出年轻人的隶属函数的大致曲线，发现与柯西分布接近。 21 ()()1 1()11 (30)0.3 1 3.51(3025)10 A A x a U x P x x a x a U βαβα≤?? ==?>?+-?===+-1 取a=25,=2,＝ 10 不合理 四类基本模型 1 优化模型 1.1 数学规划模型 线性规划、整数线性规划、非线性规划、多目标规划、动态规划。 1.2 微分方程组模型 阻滞增长模型、SARS 传播模型。 1.3 图论与网络优化问题 最短路径问题、网络最大流问题、最小费用最大流问题、最小生成树问题(MST)、旅行商问题(TSP)、图的着色问题。 1.4 概率模型 决策模型、随机存储模型、随机人口模型、报童问题、Markov 链模型。 1.5 组合优化经典问题 ● 多维背包问题(MKP) 背包问题：n 个物品，对物品i ，体积为i w ，背包容量为W 。如何将尽可能多的物品装入背包。 多维背包问题：n 个物品，对物品i ，价值为i p ，体积为i w ，背包容量为W 。如何选取物品装入背包，是背包中物品的总价值最大。 多维背包问题在实际中的应用有：资源分配、货物装载和存储分配等问题。该问题属于NP 难问题。 ● 二维指派问题(QAP) 工作指派问题：n 个工作可以由n 个工人分别完成。工人i 完成工作j 的时间为ij d 。如何安排使总工作时间最小。 二维指派问题（常以机器布局问题为例）：n 台机器要布置在n 个地方，机器i 与k 之间的物流量为ik f ，位置j 与l 之间的距离为jl d ，如何布置使费用最小。 二维指派问题在实际中的应用有：校园建筑物的布局、医院科室的安排、成组技术中加工中心的组成问题等。 ● 旅行商问题(TSP) 旅行商问题：有n 个城市，城市i 与j 之间的距离为ij d ，找一条经过n 个城市的巡回（每个城市经过且只经过一次，最后回到出发点），使得总路程最小。 ● 车辆路径问题(VRP) 车辆路径问题（也称车辆计划）：已知n 个客户的位置坐标和货物需求，在翻译质量评估(TQA)中以模糊数学为基础的量化方法探讨-精选教育文档
用模糊数学对学生成绩进行评估
数学建模各种分析报告方法
预测模型可靠性的模糊数学评价方法
数学建模案例分析---模糊数学方法建模1模糊综合评判及其应用
数学建模论文《学科评价模型》
模糊数学模型和评价模型
模糊数学模型
数学建模 四大模型总结