主成分分析赋权的灰色模型在港口安全评价中的应用
灰色系统理论在环境评估中的应用分析
灰色系统理论在环境评估中的应用分析引言：随着环境污染和资源浪费的日益严重，环境评估成为我们认识、改善和保护环境的重要手段之一。
在环境评估过程中，我们需要对各种因素进行全面、准确的分析与评价。
灰色系统理论作为一种新颖的分析方法，具有适用于不确定和不完全信息的特点，逐渐引起环境评估领域的关注与应用。
本文将通过分析灰色系统理论在环境评估中的应用，探讨其优势和局限性，并展望未来的发展。
一、灰色系统理论概述灰色系统理论是由我国科学家陈纳言教授于1982年提出的，是一种处理灰色信息的系统方法。
灰色信息是指知识、数据或信息不完全、不确定的情况下所获得的信息。
灰色系统理论通过数学和统计方法，将灰色信息转化为可分析的模型，从而实现对信息的预测、决策和优化。
灰色系统理论具有简单、快速、灵活、经济等特点，被广泛应用于工程、经济、环境、社会等领域。
二、灰色系统理论在环境评估中的应用1. 环境质量评估环境质量评估是对某一特定环境区域内的污染状况进行全面评估的过程。
灰色系统理论可以有效地处理环境质量评估中存在的不完全信息和不确定性。
通过对已知的环境因素进行建模和分析，可以预测环境变量的发展趋势，评估环境质量的变化情况，并提出预警措施。
例如，在城市环境质量评估中，可以利用灰色系统理论预测空气质量、水质指标等，并为城市管理部门提供决策依据。
2. 环境风险评估环境风险评估是对自然环境或人类活动可能引发的危害和风险进行定量评估的过程。
灰色系统理论可以有效地处理环境风险评估中的不确定性和复杂性。
通过对已知的环境影响因素进行建模和分析，可以预测环境风险的发展趋势，并进行等级评估。
例如，在土壤污染风险评估中，可以利用灰色系统理论分析土壤样本中的有害物质含量、地下水流动速度等因素，评估土壤污染的程度和风险，并制定相应的修复和监控对策。
3. 环境绩效评估环境绩效评估是对某一特定组织、企业或行业在环境保护和可持续发展方面的表现进行评估的过程。
多目标智能加权灰靶决策模型构建及应用
多目标智能加权灰靶决策模型构建及应用伴随着社会经济、科技发展的不断进步，许多实际问题都以复杂多目标、资源有限的形式出现。
多目标决策问题（Multiple-Objective Decision Making Problem，MOMDP）是指面对多个冲突的、同时考虑多个决策目标的决策问题，其决策结果不仅满足单一目标最优解，而且要满足多个决策目标的最优折中解.色理论是一种非线性的系统分析方法，在模糊环境中能更好的估计复杂问题。
本文就以灰色理论和多目标智能加权等理论为基础，构建一种特殊的多目标智能加权灰靶决策模型，并利用它解决多目标问题的实际应用。
一、多目标智能加权灰靶决策模型灰靶（GOAL）决策理论（ Grey Goal Programming）是从灰色理论出发建立的一种多目标决策模型，它将灰色系统分析方法与目标规划理论相结合，把灰色系统分析结果应用于目标规划中，以实现多目标的有效决策。
灰色决策理论充分决策局面中的变化，这样在复杂条件下才能取得较优的决策结果。
多目标智能加权灰靶决策模型是以灰色决策理论为基础，通过对灰色决策结果进行智能权重加权，将决策局面转换为单一优化变量，最终确定最优决策结果，从而可以解决复杂的多目标决策问题。
首先，用多个不确定条件来描述多目标决策问题；其次，用灰色理论分析多目标决策问题，得出各不确定条件的可能取值范围；再次，根据决策者对不确定条件影响程度的认识，通过智能加权分配权重值，使不确定条件能够有效地影响最终结果，最终可以决定最优结果；最后，将最优结果通过可视化的方式展示出来。
二、多目标智能加权灰靶决策模型在实际应用中的优势多目标智能加权灰靶决策模型在实践中有很多优势，其中主要有以下几点：（1）在多目标决策中，能够有效考虑多个决策目标。
它不仅可以模拟和解决单个目标的最优解，而且可以满足多个决策目标的最优折中解，从而可以更好地解决实践中的多目标决策问题。
（2）采用智能加权方法，可以把不确定的因素的影响有效地引入到决策过程中，从而有效提高决策的准确性和可靠性。
多层次灰色综合评价法在港口建设项目风险评价中的应用
1 2
+" +k nm × x
)
，
其中d ijpl 为第l 个评价者对评价指标U ijp的评分。 （3 ）确定评价灰类 确定评 价灰类就是要确定评价灰类的 等级数、灰类的灰 数以 及灰数的白化 权函数。设有 g 个评价灰类C 1 ，C2 ，…，
224
中 国 水 运
第 11 卷
C g，相应的白化权函数及其阈值分别为f1（x ）， f2（x ）， …， fg（x ）和λ 1 ，λ 2 ， …，λ g 。如 港口建设 项目风险 评价定为5 个评价等级，则g=5 ，相应的灰色白化权函数分别为：
据灰色系统理论提出了多层次灰色综合风险评价数学模 型，并结合港口建设项目实例说明该模型方法上的可行，对 相关实际工作具有较好的参考价值。 关键词：港口建设项目；风险评价；多层次灰色综合评价 中图分类号：U651 文献标识码：A 文章编号：1006- 7973（2011）08- 0223- 02 U ij ={U ij1，U ij2，…，U ij k j }，j= 1 ，2 ，… .. ， ni ；p= 1 ， （1 ） 2 ．多层次灰色综合评价 （1 ）确定项目评价指标的权重及评价等级标准 在多层次评价中， 各评价指标的重要程度通常是不同的， 一般通过 对其赋予相应的权重来体现这 种不同。权重的确定 是否科学 、合理直接影响着评价的准确 性。权重构造技术是 当前风险 评价研究的重要课题，若直接 请专家给出各项指标 的权值， 结果可能受专家们的主观因素 影响太大，从而影响 科学性，为了弱化主观因素的影响，本文利用专家评分结果， 经层次分析法来确定各层次的指标权值。 设已确定一级评价指标U i 的权重系数为 ai ，注意它们必 须满足 a i ≥0及∑ ai
灰色关联分析及其应用的研究
根据灰色关联度的特性 对灰色 T 型关联度模型和灰色斜率关联度模型进行了改 使其克服现有模型存在的一些缺陷 最后 将改进的关联度模型应用于江苏省科技投入与经济增长的关联分析
验证了所建模型的有效性与实用性 关键词 灰色系统 灰色关联分析 模型 改进 科技投入 经济增长
i
灰色关联分析及其应用的研究
ABSTRACT
2
可接近性
南京航空航天大学硕士学位论文
极性一致性
的序列构成
灰关联差异信息空间则是灰关联分析的依据[2] 它是以各因素的样本数据为依
灰色关联分析是一种多因素统计分析方法
1
贫信息 不确定系统为研究对象 主要通过对 部分已知信
息 的生成 开发 提取有价值的信息 实现对系统运行行为 演化规律的正确
灰色关联分析及其应用的研究
难以找到典型的分布规律 往往计算量大 过程复杂繁琐 可能出现量化结果与 定性分析结果不符的现象 导致系统的关系和规律遭到歪曲和颠倒 灰色关联分 析方法从某种程度上弥补了上述缺憾 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 应用十分方便 而且分析的结果一般与定性分析相吻合[1] 因此 灰关联分析是系统分析中很有独特优势 比较实用和可靠的一种分析方法 灰色关联分析是通过灰色关联度来分析和确定系统诸因素间的影响程度或 因素对系统主行为的贡献程度的一种方法 灰色关联度是灰色关联分析的基础和 工具 是灰色系统的 细胞 灰色关联度描述了系统发展过程中 因素间相对 变化的情况 也就是变化大小 方向和速度的相对性 相对变化基本一致 则认 为两者关联度大 反之 两者关联度就小 关联度是事物之间 因素之间关联性 的 量度 它通过从随机性的序列中找到关联性 从而为因素分析 预测的精 度分析提供依据 为决策提供基础 为主要因素的判断提供方法途径 因此 关 联度模型及其计算方法的研究具有十分重要的意义 自然成为灰界学者广为关注 的焦点 成为灰色系统研究领域最为活跃的分支之一
基于灰色关联分析和综合评价法的港口与产业发展关系研究
关 键 词 ：灰 色关联 分 析 ；基 于 均衡 性 和功 能性 的 综 合评 价模 型 ；功 能 性 ；均衡 性 ； 产 业发 展 水 平 ；港 口发展 水平 中图 分 类 号 ：Ｕ ６ ｌ ５ 文献 标 志 码 ：Ａ 文 章 编 号 ：１０ — ９２ ２ １ ）５ ０ ７ — ５ ０ ２ ４ ７ （ ０ １ ０ — ０ ０ ０
该地 区港 １与产业发展 间的关系，以港 口吞吐量和集装箱吞 吐量表 示地 区港 口发展状况 ，以从 业人数和产业总产值表 示地 区 ３ ＇
产 业发 展 状 况 ，首 先基 于灰 色关 联 分 析 法 对各 县 港 口与 产 业发 展 间 的 关 系进 行 比较 分 析 ，总 结 归纳 发 展 对 策 ，为 辽 宁 沿海 经
济带的港 口与产业发展提供借鉴。然后 ，建立兼顾均衡 性与功能性的综合评价模型 ，确定影响 濑户内海地 区产业发展 水平 的
主要 港 口指 标 为 港 口吞 吐 量 。最 后 ，将 其 与其 它评 价模 型进 行 比较 ，结 果 表 明 构 建 的 综合 评 价 模 型 与 现 实更 吻合 ，能 够更 准
ｓｕ ｉ ｇ ｔ ｄｙｎ ．Ｔｏ ｅ ｐ ｏ ｅ ｔ ｅ ａ ｉｎ ｈ ｐ ｏ ｒ ｎ ｈ ｎ ｕｓｒ ，ｃ ｒ ｏ ｔ ｒ ｕ ｈｐ ｔａ ｏ ｔ ｉ ｒｔ ｏ ｇ ｐ ｔａ ｅ ｕｓ ｄ ｘ ｌ ｒ ｈｅ ｒ ｌｔｏ ｓ ｉ ｆｐｏｔａ ｄ ｔ ｅ ｉ ｄ ｔｙ ａ ｇ ｈ ｏ ｇ ｕ ｎｄ ｃ ｎ ａｎｅ ｈｒ ｕ ｈ ｕ ｒ ｅ ｔ ｅ ｒ ｓ ｎ ｈｅ ｏ ｅ ｅｏ ｍｅ ｔｌ ｖ １ ｏ ｒ ｐ ｅ ｅ ｔｔ ｐ ｒ ｄ ｖ ｌ ｐ ｎ ｅ ｅ．ＧＤＰ ｎｄ ｔ ｅ ｎ ｔ ａ ｈ ｕｍｂ ｒｏ ｍｐｌｙ ｅ ｒ ｓ ｄ ｔ ｅ ｅ ｅ ｔ ｔ ｅ ｉ ｄ ｔ ａ ｅ ｆｅ ｏ ｅ ｓ ａ ｅ ｕ ｅ ｏ ｒ ｐｒ ｓ ｎ ｈ ｎ ｕｓｒ ｌ ｉ ｄｅ ｅｏ ｍｅ ｔｌ ｖ １ ｉｓｌ，ｇ ｅ ｅａ ｉｎ ｌａ ａｙ ｉ ｔ ｏ ｓ ｕｓ ｄ ｔ ａ ｃ ｌ ｔ ｈ ｏ ｒ ｌｔｏ ｅ ｗｅ ｎ ｐ ｒｓ ａ ｄ ｖ ｌ ｐ ｎ ｅ ｅ．Ｆ ｒ ｔ ｙ ｒ ｙ ｒ ｌ ｔ ａ ｎ ｌ ｓｓ ｍｅｈ ｄ ｉ ｅ ｏ ｃ ｌ ｕ ａ ｅ ｔ ｅ ｃ ｒｅａ ｉ ｎ ｂ ｔ ｅ ｏ ｎ ｏ ｔ ｉ ｄ ｓｒｅ ，ａ ｄ ｔ ｅ ｇ ｅ ｏ ｅａ ｉｎ ｆｅ ｃ ｏ ｎ ｙ ａ ｅ ｃ ｍｐ ｒ ｄ ａ ｄ ｔ ｅ ｄ ｖ ｌｐｉ ｇ ｓｒ ｔ ｇｅ ｆｔ ｅ Ｓ ｔ ｅ ｒ ａ ｎ ｕ ｔｉｓ ｎ ｈ ｒ ｙ ｃ ｒ ｌ ｔ ｓ ｏ ａ ｈ ｃ ｕ ｔ ｒ ｏ ａ ｅ ｎ ｈ ｅ ｅ ｏ ｎ ｔａ ｅ ｉ ｓｏ ｈ ｅ ｏ ｓ ａ ａ ｅ ｏ
基于主成分分析的综合评价模型
基于主成分分析的综合评价模型在数据分析领域中，主成分分析（Principal Component Analysis，简称PCA）是一种常用的降维技术，它能够将高维的数据转化为较低维的数据，并保留数据的主要信息。
基于主成分分析的综合评价模型则是在PCA的基础上，对多个评价指标进行综合评价的模型。
本文将介绍基于主成分分析的综合评价模型的原理和应用。
一、主成分分析（PCA）简介主成分分析是一种通过线性变换将原始数据转化为低维空间的技术。
它通过找到数据中的主要方向，将数据投影到新的坐标系中，使得投影后的数据具有更好的可解释性和区分性。
主成分分析的基本步骤包括特征值分解、选择主成分和投影计算。
二、综合评价模型的构建方法基于主成分分析的综合评价模型的构建方法包括数据准备、特征值分解、主成分选择和综合评价计算。
首先，需要收集和整理待评价的指标数据，并进行归一化处理，以消除不同指标之间的量纲差异。
然后，对归一化后的指标数据进行特征值分解，得到特征值和特征向量。
接下来，选择主成分，可以根据特征值的大小顺序，选择前几个特征值对应的特征向量作为主成分。
最后，利用选定的主成分对原始指标数据进行投影，得到综合评价结果。
三、基于主成分分析的综合评价模型的应用举例以某酒店为例，我们希望对其服务质量进行综合评价。
我们收集了以下几个指标作为评价依据：员工态度、服务速度、设施条件和价格水平。
首先，对这些指标进行归一化处理，然后进行特征值分解。
假设得到的特征值分别为λ1、λ2、λ3、λ4，对应的特征向量分别为v1、v2、v3、v4。
根据特征值的大小顺序，我们选择前两个特征值对应的特征向量作为主成分。
然后，我们利用选定的主成分对原始指标数据进行投影计算，得到综合评价结果。
假设原始指标数据为X1、X2、X3、X4，对应的投影结果为Y1、Y2。
最后，通过采用某种评分方法，将投影结果转化为能够描述酒店服务质量的综合评价得分。
四、基于主成分分析的综合评价模型的优势与不足基于主成分分析的综合评价模型具有以下优势：首先，可以将多个指标融合为一个综合指标，简化评价过程；其次，可以消除不同指标之间的量纲差异，减小指标权重确定的困难。
基于全局主成分分析的港口上市公司财务绩效评价
基于全局主成分分析的港口上市公司财务绩效评价二、文献综述1. 港口上市公司的财务绩效评价港口上市公司的财务绩效评价一直是学术界和实践者关注的焦点。
早期的研究主要采用财务比率、财务指标等传统方法对港口上市公司的财务绩效进行评价，如利润率、资产收益率、偿债能力等。
这些方法往往只能对部分指标进行评价，无法对港口上市公司的整体财务绩效进行全面评价。
需要引入更为综合的评价方法来评价港口上市公司的财务绩效。
2. 全局主成分分析全局主成分分析是一种多变量分析方法，它通过线性组合原始变量，得到新的综合指标（主成分），从而对原始变量进行综合评价。
全局主成分分析在财务绩效评价中被广泛应用，其优势在于能够综合评价各项指标，并解释各主成分对原始变量的影响程度，同时还能为未来财务绩效的预测提供一定的参考。
基于全局主成分分析的方法对于港口上市公司的财务绩效评价具有重要意义。
三、研究方法1. 数据来源本文选取了中国A股市场上的港口上市公司作为研究对象，通过Wind数据库获取了这些公司的财务报表数据，包括资产负债表、利润表和现金流量表。
2. 变量选择在全局主成分分析方法中，需要选择代表港口上市公司财务绩效的变量。
本文选取了包括利润率、资产收益率、偿债能力、营运能力和市场表现在内的一系列财务指标作为评价变量。
3. 模型构建在进行全局主成分分析时，需要对数据进行标准化处理，以及进行KMO检验和巴特利特球形检验。
接着通过因子旋转，选择累计方差贡献率较高的主成分作为综合指标，从而进行港口上市公司财务绩效的评价。
经过因子旋转，得到了主成分的累计方差贡献率，确定了主成分的个数。
最终选取了3个主成分进行综合评价。
通过主成分分析，我们得到了主成分载荷矩阵，从中可以看出各个指标对各主成分的影响程度。
通过主成分得分矩阵，可以得到每家港口上市公司在各个主成分上的得分。
通过对主成分得分矩阵的解释，可以得出不同港口上市公司的财务绩效情况。
五、结论基于全局主成分分析的方法，本文对中国A股市场上的港口上市公司进行了财务绩效评价。
融合灰色关联和主成分分析的磨粒自动识别
融合灰色关联和主成分分析的磨粒自动识别王国忠;王静秋;于海武【摘要】针对机械故障中产生的磨损情况,通过磨粒识别可以有效的提高设备的故障诊断和监测水平,减少机械故障事故发生的概率.文中对难分析的氧化物磨粒、严重滑动磨粒、疲劳磨粒提出了针对性的识别方法.提出利用主成分分析与欧氏距离相结合的方法识别红色氧化物磨粒和黑色氧化物磨粒；灰色关联分析和主成分分析相结合的方法识别严重滑动磨粒和疲劳磨粒,最后作者通过实例,验证了上述方法的准确性和可行性,提高了磨粒识别的速度和效率.%According to abrasive wear of the mechanical failure, abrasive recognition technology can be used to effectively improve the e-quipment fault diagnosis and monitoring of standards and reduce the occurrence of mechanical failure. Identification of specific analysis methods has been proposed oxide abrasive,abrasive severe sliding, fatigue, abrasive. Principal component analysis combined with the Euclidean distance identification oxide abrasive. Grey relational analysis and principal component analysis combined analysis identified fatigue and severe sliding abrasive. Finally, verified the accuracy and feasibility of the method by example, abrasive identification speed and efficiency is improved.【期刊名称】《计算机技术与发展》【年(卷),期】2012(022)004【总页数】5页(P16-20)【关键词】磨粒识别;主成分分析,灰色关联度;欧氏距离【作者】王国忠;王静秋;于海武【作者单位】南京航空航天大学机电学院,江苏南京210016;南京航空航天大学机电学院,江苏南京210016;南京航空航天大学机电学院,江苏南京210016【正文语种】中文【中图分类】TP3120 引言机械零部件的磨损是造成机械设备发生故障和失效的主要原因。
灰色变形预测模型在码头健康监测中的应用
口 口
为 了反 应 码 头 码 头 在 一 个 时 间段 内 的变 化 情 况 ，本 实 验 小组分别在 ２ ０ ０ ９年 ￣ ０１ ２ １年 期 间 ， 用灵 锐 ￥ ６双 频 对 崇 利 ８
（ ４）
贤 码 头 监 测 点 进 行 数 据 采 集 。根 据 灰 色 理 论 将 这 些 数 据 的 观 测 时 间定 为每 次 监 测 的 一 个 周 期 【。 由于 监 测 的观 测 数 据 还 ４ 】
中 图分 类 号 ： Ｔ ４ １ Ｕ ７
引言
文 献 标 识 码 ：Ａ
文 章 编 号 ： １０ — ９ ３ （ ０ ２ ８ ０ ４ — ２ ０ ６ ７ ７ ２ １ ）０— ０ ３ ０
一
、
对 （ 作 出 累 减 得 到 原 始 序 列 （ 模 拟 序 列值 ，即 ： ） 。 ）
＋ ） （ ＋ ） （） １： 后 １一 （） ５
＝
１ ７ １ ９ ｍ ４ ㈣ ¨ ５ ■ Ⅲ ５
０． ５ ＞ ０． ９９ ９
㈦ ㈨ ㈣㈣ 关联 度 为 １级 ，预 测 精 度 为 优 。 因 此 ，可 利 用 本模 可知 ㈣
４４矾４４姗４一 ４姗矾４～
控制 点 的 水 平位 移 时 间序 列 为 ： 其一次累加生成序列为 ：
一 ＿ 一 ● 一 ● 一 ● 一 ＿ 一 ● 一
（ 接第 ４ 上 ２页 ）
计 算机 三 维 技 术 的 应 用 为 大 规 模 异 性 建 筑 物 的设 计 、 为 施 工 带 来 了 可 行 性 ，为 优 秀 建 筑 师 的大 胆 构 思 提 供 了广 阔 的 实施 空 间 ，本 项 目的 实 现 得 益 于 现 代 科 学 技 术 的发 展 ，得 益 于 参 建各 方 勇 于 探 索 ，精 心 组 织 ，敢 于 创 新 的精 神 ，在 此对
灰色组合模型在港口集装箱吞吐量预测中的应用
中图分 类 号 ：Ｕ ５ ．＋ ６ ２１ ４
文 献 标 识 码 ：Ｂ
文 章 编 号 ：１０ － ９ ２ ２ ０ ）９ ０ １— ２ ０ ２ ４ ７ （０ ６０ — ０ ４ ０ －
色 预测模 型 ： １ ）作 一 阶 累加得 到没 有 随机 性 ｈｏ ｆｒ ｗ ｓ ｌ ｔｏ ｒｓ ｏ—ｔｒ ｎ ｏ ｇ ｔ ｒ ｔｒ ｕ ｈ ｕ ｏ ｅ ａ ｔｎ ． ｈ ｓｐ ｐ ｒ ｗｈ ｃ ｆｅ ｓａｎｅ ｏ ｕ ｉｎ ｆ ｈ ｔ ｅ ａ ｄｌ ｎ — ｅ ｍ ｈ ｏ ｇ ｐ ｔｆｒ ｃ ｓｉ ｇ ｉ ｏ ｍ
维普资讯
第 ９期
杨 中庆 ，等 ：灰色组合模型在港 口集装箱吞吐量预测 中的应用
・１ ５’
１ Ｇ （，）模 型 ． ２ Ｍ １１ 假设 有数 列 ＝ （） （） ｛ １ ２，… ， （ （），其 ㈣ 。 ｎ｝ 中 ㈣ ｔ０ （ ＝，， ） （） ， ｋ １ … ，通 过 以下 ５步建 立灰 ＞ ２
Ａｐ ｉ ａ ｉ ｎ ｏ ｅ ｍ ｂ ｎ ｔｏ ｏ ｅ ｎ Ｆｏ ｅ ａ ｔｎ ｆＣｏ ｔ ｉ ｅ ｒ ｕｇ ｕｔ ｐｌｃ ｔｏ ｆＧｒ ｙ Ｃｏ ｉ ａ ｉ ｎ Ｍ ｄ ｌ ｒ ｃ ｓｉ ｇ ｏ ｎ ａ ｎ ｒ Ｔｈ ｏ ｈｐ ｉ
ＹＡＮＧ ｏ ｇ ｉ ｇ ＺＨＡ０ ｎ ｂｉ ， ＡＯ ｉ Ｚｈ ｎ －ｑ ｎ ， Ｂｉ — ｎ ＬＩ Ｈｕ －ｍｉ ｎ （ ａ ｇ ｈ ｕＢ ａ ｃ ，ｈ ｅ ｏ ｄＩ ｖ ｓ ｇ ｔ ｎ＆ Ｄ ｓｇ ｎｔ ｕｅ Ｃ Ｅ， ａ ｇｈ ｕ５ ２ ０ Ｃ ｉａ Ｇｕ ｎ ｚ ｏ ｒｎ ｈ ｔｅＳ ｃ ｎ ｎ ｅｔ ａｉ ｉ ｏ ｅ ｉｎＩｓｉ ｔ， Ｔ Ｇｕ ｎ ｚ ｏ ６ ， ｈｎ ） ｔ １ ０
基于组合权重的灰色关联度方案决策模型及其应用(精)
基于组合权重的灰色关联度方案决策模型及其应用王广月刘健(山东大学土建学院济南250061)摘要:分析了岩土工程方案决策中存在的问题,提出了组合权重的概念,建立了基于信息熵和层次分析法确定权重的灰色关联度决策模型,既考虑了主观因素的影响,又考虑了方案指标体系固有信息的重要性,并通过实例验证了该方法的合理性,为岩土工程方案决策的科学性与准确性提供了一个新的思路。
关键词:信息熵层次分析法组合权重灰色关联度CREYRELATIVEDEGREEDECISIONMAKINGMODELBASEDONCOMBINATOR IALWEIGHTANDITSAPPLICATIONWangGuangyue LiuJian(SchoolofCivilEngineering,Shandong)Abstract:AgreyrelativedegreedecisionmakingmandAHPisestablished,andaconceptionofc ombinatorialweightisputinprojects′decisionmakingo fgeotechnicalengineering.Themodel ,proved,ofsubjectivefactorsandimportanceofinformationofprojects′indextoselectgeotech nicalengineeringprojectsmorescientificallyandexactly.Keywords:entropy analytichierarchyprocess combinatorialweight greyrelativedegree岩土工程方案设计中许多评价问题都属于多人、多层次和多目标综合评价问题。
目前国内外建立的综合评价方法有几十种,但大多数尚处于理论研究阶段,不十分成熟。
这些评价方法各有特点,但大体上可以分为两类,主要区别在确定权重上。
基于熵权的模糊集对模型在港口水域通航风险评价中的应用
ｉ ｖ ｌ ａ ｉ ｎ ｏ ａ ｉ ａ ｉ ｎ ｒｓ ｎ ｐ ｒ ｔ ｒ ａ ｅ ｎ ｅ ａ ｕ ｔｏ ｆ ｎ ｖ ｇ ｔｏ ｉｋ ｏ ｏ ｔ ｗａ ｅ ｒ ａ
Ｘ ｕ ｎｂ ，Ｘ Ａ ｈ ｏｏ ｇ Ｏ ｉｇｕ Ｕ Ｇ ａ ｇ ｏ Ｕ Ｎ Ｓ ａｙ ｎ ，Ｙ Ｕ Ｑｎ ｈ ａ
照 集对 分析 理论 和 方法 ， 以信 息 熵来确 定指 标权 重 ，构建基 于熵权 的模 糊 集对 评价 模 型 ． 该 方 法 将
应用于我 国的台州港 ， 对其 ８个航段的通航风险进行评价和排序． 结果表 明， 于熵权的模糊集对 基
模 型的评 价 结果较 为客 观 、 理 ， 合 并与基 于未确 知 测度评 价 方 法的评 价 结果一 致． 关键 词 ： 通航 环 境 ； ； 糊 集对模 型 ； 系度 ；风 险评 价 熵 模 联
第３ ３卷 第 １期
２１ ０ ２年 ３月
上
海
海
事
大
学 学 报
Ｖｏ ． ３ Ｎｏ １３ ．１ Ｍ ａ ．２０１ ｒ ２
Ｊ ｕ ｎ ｌｏ ｈ ｎ ｈ ｉＭａ ｉ ｍｅ Ｕｎ ｖ ｒｉ ｏ ｒ ａ ｆ ａ ｇ ａ ｒ ｉ ｉｅ ｓ ｙ Ｓ ｔ ｔ
文 章 编 号 ：６ ２—９ ９ （ ０２ ０ ・０ ７０ １７ ４ ８ ２ １ ） １００ —５
Ｋ ｅ ｒ ｓ：ｎａ ｉａ ｉｎ ｅ ｖｒ ｎｍｅ ｔ ｅ ｔｏ ｙ；ｆ ｚ ｙ ｓ ｔｐａｒｍ ｏ ｅ ；ｃ ｎ ｅ ｔ ｎ ｄ ｇ ｅ ｙ ｗｏ ｄ ｖ ｇ ｔｏ ｎ ｉｏ ｎ ； ｎｒｐ ｕ ｚ ｅ ｉ ｄ ｌ ｏ ｎ ｃｉ ｅ ｒ ｅ； ｒｓ ｖ ｌ ｔｏ ｏ ｉ ｋ ｅ ａｕａｉｎ
Ｃｈｎ ｏ ｅ ａｕ ｔ ｎ ｏ ｈ ａ ｉａ ｉｎ ｒ ｋ ｆｔ ｅ ｅ ｇ ｔｓ ｃｉｎ ｆｔ ｅ ｐ ｒ．Ｔ ｅ ｒ ｓ ｌ ｈ ｗ ｔ ａ ｈ ｉ ａ ｔ ｖ ｌ ａｅ ａ ｄ ｓ ｒ ｔ ｅ ｎ ｖ ｇ ｔ ｓ ｓｏ ｉｈ ｅ ｔ ｓｏ ｏ ｔ ｈ ｅ ｕ ｔ ｓ ｏ ｈ ｔｔ ｅ ｔ ｏ ｉ ｈ ｏ ｈ ｓ
灰色综合评价法
灰色综合评价法是一种模糊综合评价方法，它是由中国科学家郑毅提出的。
灰色综合评价法是一种新型的综合评价方法，它结合了定性分析和定量分析的优点，克服了它们的缺点。
它可以用于评价一个系统或组织的整体状况，从而提出有效的改进措施。
灰色综合评价法的基本原理是，将评价对象的某些特征属性抽象成一个灰色系统，并给出一个灰色综合指数来衡量该对象的总体状况。
灰色综合评价法的灰色指数反映了评价对象的综合水平，它可以表达出系统或组织的整体状况，从而帮助决策者更好地识别出系统或组织的优劣势。
灰色综合评价法的优点是，它可以有效地提取出评价对象的客观性和主观性，并将它们结合起来，使评价结果更加客观准确。
它还可以解决一些传统综合评价方法所不能解决的问题，比如评价结果的不确定性和计算量的大小等。
灰色综合评价法的应用非常广泛，它可以用于评价系统、组织、产品和服务等，从而提出有效的改进措施。
例如，它可以用于评价组织的管理水平，从而指导组织改进管理水平；它也可以用于评价产品的质量，从而指导产品的改进；它还可以用于评价服务的水平，从而指导服务的改进。
灰色综合评价法是一种新型的综合评价方法，它结合了定性分析和定量分析的优点，克服了它们的缺点，可以有效地提取出评价对象的客观性和主观性，并将它们结合起来，使评价结果更加客观准确。
它的应用非常广泛，可以用于评价系统、组织、产品和服务等，从而提出有效的改进措施。
因此，灰色综合评价法是一种非常有用的综合评价方法，它可以为决策者提供可靠的决策依据，从而更好地指导系统和组织的发展。
基于灰色马尔可夫模型的港口吞吐量预测研究
第11卷第8期中国水运V ol.11N o.82011年8月Chi na W at er Trans port A ugus t 2011收稿日期：2011-06-05作者简介：武政（），男，中交水运规划设计院有限公司工程师。
冯伟（3），男，中交第二航务工程勘察设计院有限公司助理工程师。
基于灰色马尔可夫模型的港口吞吐量预测研究武政1，冯伟2（1中交水运规划设计院有限公司北京100007；2中交第二航务工程勘察设计院有限公司，湖北武汉430071）摘要：将GM （1，1）模型与马尔可夫模型相结合，构建灰色马尔可夫预测模型。
按特定的状态划分方法，先用GM （1，1）模型预测，再用马尔可夫预测模型进行优化，使预测结果大大提高。
通过防城港吞吐量的预测表明：该模型具有较好的应用价值，能为港口的发展战略研究提供一定的技术支持。
关键词：吞吐量；GM （1，1）模型；马尔可夫模型；预测中图分类号：F550文献标识码：A文章编号：1006-7973（2011）08-0023-02港口吞吐量是港口发展战略研究的重要内容，正确预测港口吞吐量，对于合理、科学的港口布局、基础设施投资、营运策略、发展战略以及集疏运相关的综合运输规划具有重要的指导意义。
然而港口吞吐量预测是一个复杂的过程，它与港口所在腹地的地理位置、经济状况、交通条件等密切相关，同时也受国家宏观经济政策和周边港口竞争等因素的影响。
目前常用的预测方法有回归分析法、时间序列法、指数平滑法、灰色模型法等[1]。
灰色预测模型能对小样本、贫信息的不确定性系统作出预测。
其主要特点是模型不直接采用原始数据，而是对原始数据进行灰处理，然后采用灰处理后的数据建立模型。
灰色预测对于序列较短且具有明显上升趋势的序列来说，具有较好的预测效果。
马尔可夫随机性过程理论指出：系统将来所处的状态只与现在系统状态有关，而与系统过去状态无关（即无后效性）。
它可以描绘一个随机变化的动态系统，根据状态之间的转移概率来推测一个系统未来的发展变化，适合描述随机波动性较大的预测问题，通常该模型用来确定状态的转移规律[2]。
基于全局主成分分析的港口上市公司财务绩效评价
基于全局主成分分析的港口上市公司财务绩效评价港口是国家外贸的重要枢纽和国际间贸易往来的桥梁，港口上市公司的财务绩效评价一直是市场投资者和业内专家所关注的焦点。
本文采用全局主成分分析方法，对港口上市公司的财务绩效进行评价。
一、数据搜集本文搜集了2015年到2019年5年期间29家港口类上市公司的财务数据，包括营业收入、净利润、资产总额、负债总额、股东权益、毛利率、净利率、总资产回报率、负债率、流动比率、速动比率等指标。
这些数据来源于Wind财经数据库，数据选取的原则是覆盖面尽可能广，并且公司财务数据的真实性和可靠性。
二、全局主成分分析全局主成分分析是一种以方差贡献率为评估指标的因子分析方法，其目的是将多个变量转换为少数几个构成的新变量，通过这些新变量来刻画原始变量间的共性和差异性。
在本文中，我们将29家公司的财务数据进行标准化处理，然后将其带入全局主成分分析模型中。
通过保留前k个主成分，解释了总方差的k%后，得到了4个主成分，对应的方差贡献率分别为40.22%、18.89%、11.49%和8.87%。
同时，我们还计算了每个指标对于四个主成分的贡献率。
三、财务绩效评价通过全局主成分分析，我们得到了四个主成分，这四个主成分可以分别解释港口上市公司的以下财务特征：主成分1：规模和经营能力。
这个主成分的主要成分是资产总额、营业收入和净利润，它反映了公司的规模和经营水平。
主成分4：流动性和支付能力。
这个主成分的主要成分是负债率、流动比率和速动比率，它反映了公司的流动性和支付能力。
通过对各公司在四个主成分上的得分进行排名，我们可以得出以下结论：第一，中港集团、宁波海运、青岛港、珠海港居于综合评价排名前列，其在规模和经营能力、财务分析方面得分较高，同时在资本结构和流动性和支付能力方面表现也较好。
第二，每个主成分对应的重要财务指标是不同的。
例如，在规模和经营能力这个主成分中，资产总额、营业收入和净利润是重要的指标；在财务分析主成分中，总资产回报率、毛利率和净利率是重要的指标。
灰色理论在港口集装箱吞吐量预测中的应用的开题报告
灰色理论在港口集装箱吞吐量预测中的应用的开题报告一、选题背景港口作为国家经济发展的重要组成部分，一直是各行各业的重要支撑，港口集装箱吞吐量的预测对于港口经济运行及整个国家经济发展具有重要意义。
由于众多不可预见的因素影响着港口集装箱吞吐量的预测，如船舶进出、货物数目、货物种类，还有供需关系、天气等因素，因此建立可靠的预测模型对于港口的管理与经营具有重要意义。
随着信息化程度的加深和技术的进步，灰色理论将逐渐成为港口集装箱吞吐量预测的重要分析方法。
因为灰色理论具有不确定性系统的优势，能够更好地处理港口集装箱吞吐量预测中的不确定性因素。
二、研究目的本文旨在探究灰色理论在港口集装箱吞吐量预测中的应用。
三、研究内容（一）灰色理论的基本概念和原理。
（二）港口集装箱吞吐量的影响因素及其特点。
（三）建立灰色理论模型对港口集装箱吞吐量进行预测模拟。
（四）模型输出结果的分析与验证。
四、研究方法（一）参考文献法，对相关文献进行梳理和分析，收集和整理国内外港口集装箱吞吐量预测方面的研究成果和经验。
（二）运用灰色理论建立港口集装箱吞吐量预测模型，对模型进行有效性检验，优化参数。
（三）对模型输出结果进行分析或验证。
五、预期结果通过对港口集装箱吞吐量预测中不确定性因素的灰色建模，能够建立较为准确的模型，在港口管理和运营中具有实际应用价值。
六、研究意义建立港口集装箱吞吐量预测模型的研究可以为港口管理部门提供可靠的数据支持，优化港口资源整合与管理，推动港口经济的可持续发展。
此外，本文运用灰色理论在港口集装箱吞吐量预测中的应用也为其他领域的不确定性预测提供了新思路。
基于改进CRITIC权的灰色关联评价模型及其应用
基于改进CRITIC权的灰色关联评价模型及其应用
王磊;高茂庭
【期刊名称】《现代计算机（专业版）》
【年(卷),期】2016(000)023
【摘要】为了改进灰色关联分析模型评价精度低的缺点,将CRITIC算法与灰色关联分析方法相结合,并根据实际,建立起基于改进CRITIC权的灰色关联分析评价模型.采用CRITIC法确定指标权重,不仅克服传统灰色关联分析中多采用主观赋权法的不确定性,而且与常用客观赋权法相比,CRITIC在考虑指标变异性大小的同时兼顾指标之间的相关性,因而更具客观性.模型在城市雨水资源开发利用潜力综合评价中的分析结果表明:将CRITIC理论引入到灰色关联分析模型中是科学的,所建立的模型是合理的,能够提高灰色关联分析模型的评价精度.
【总页数】6页(P7-12)
【作者】王磊;高茂庭
【作者单位】上海海事大学信息工程学院,上海201306;上海海事大学信息工程学院,上海201306
【正文语种】中文
【相关文献】
1.基于熵权的改进灰色关联度分析在县域经济竞争力评价中的应用 [J], 任红松;陈宝峰;黄润
2.基于改进CRITIC-GGI-VIKOR的工业发展绿色度动态评价模型构建及其应用研究 [J], 傅为忠;陈文静
3.基于改进熵权的属性综合评价模型在雷达BIT测试性能评估中的应用 [J], 张晔;吴坤;张芳;姜新亮
4.基于改进CRITIC权的灰色关联评价模型及其应用 [J], 王磊;高茂庭
5.基于改进熵权的灰色关联模型在湿地水质综合评价中的应用 [J], 侯保灯;李佳蕾;潘妮;梁川
因版权原因，仅展示原文概要，查看原文内容请购买。
主成分分析和灰色模型组合的身管多点烧蚀磨损量预测
主成分分析和灰色模型组合的身管多点烧蚀磨损量预测
康总宽;闫彬;周子璇;宋洪震;陈学军
【期刊名称】《火力与指挥控制》
【年(卷),期】2024(49)4
【摘要】身管是火炮类武器的关键零件,对其烧蚀磨损量进行预测,有助于保持火炮作战效能。
针对火炮身管沿轴向各点烧蚀磨损量需分别建立数学模型进行预测问题,提出一种组合烧蚀磨损量预测方法。
采用主成分分析(principal component analysis,PCA)方法对身管多点烧蚀磨损量进行数据空间降维,提取反映烧蚀磨损量变化的主成分,利用灰色模型对主成分进行多步预测,通过PCA逆运算获得身管内膛多点烧蚀磨损量预测值。
结果表明,在历史数据较少的条件下,通过选择合适的预测步数可获得较为准确的预测值,为身管内膛多点烧蚀磨损量的预测提供了一种新的有效途径。
【总页数】8页(P142-149)
【作者】康总宽;闫彬;周子璇;宋洪震;陈学军
【作者单位】西北机电工程研究所;华中科技大学机械科学与工程学院
【正文语种】中文
【中图分类】TJ3;TP206
【相关文献】
1.金刚石木工刀具材料蚀除量的灰色组合预测模型
2.基于组合灰色神经网络模型的火炮身管烧蚀磨损量预测
3.火炮身管烧蚀磨损的灰色预测模型
4.身管熔化烧蚀的
预测数学模型5.基于ANGM(1,1)和PSO-BP神经网络组合模型的身管烧蚀磨损量预测
因版权原因，仅展示原文概要，查看原文内容请购买。
- 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)。
第39卷 第2期2010年4月 船海工程SHIP &OCEAN EN GIN EERIN G Vol.39 No.2Apr.2010 收稿日期:2009204202修回日期:2009206210作者简介:许世波(19822),男,硕士生。
研究方向:交通信息系统研究。
E 2m ail :bluesky9511@DOI :10.3963/j.issn.167127953.2010.02.042主成分分析赋权的灰色模型在港口安全评价中的应用许世波,肖英杰,邵敬礼,徐庭留(上海海事大学商船学院,上海200135)摘 要:针对传统的灰色模型的主观赋权,过多的倚重于专家的观点,使评价结果往往与实际情况有出入;客观赋权的原始数据来源于评价指标的原始数据,具有绝对的客观性,但一般的客观赋权方法原理过于复杂,计算较为烦琐,难以掌握的问题,借助SPSS 软件,应用主成分分析法赋权,并将其应用于港口航行安全评价中,以期评价结果更客观,更接近于事实。
关键词:主成分分析法;灰色模型;SPSS ;赋权中图分类号:U698.5 文献标志码:A 文章编号:167127953(2010)022******* 在海上安全评价领域,已有很多对船舶航行风险给出较合理评价的方法,包括:层次分析法、模糊理论、灰色理论、神经网络分析、数据包络法、贝叶斯不确定性推理、主成分分析法、因子分析法等。
所有这些方法中以,对评价指标权重的确定是一个重要环节。
借助SPSS 软件,用主成分分析赋权法,力求确定的权重更客观,更能反映各指标对评价结果的要求,并将其应用到港口航行安全评价灰色模型中,并同传统赋权的灰色模型作比较,力图评价结果跟接近于实际[1]。
1 赋权方法的选取1.1 评价指标指标要有代表性,能很好地反映研究对象某方面的特性;每个指标要内容清晰、相对独立;指标要可行,符合客观实际水平,有稳定的数据来源,易于操作,具有可测性。
1.2 指标权重目前关于权系数的确定方法有数十种之多,根据计算权数时原始数据来源的不同,这些方法大致可归分为两类:一类是主观赋权法,其原始数据主要由专家根据经验主观判断得到;另一类为客观赋权法,其原始数据由各指标在被评价单位中的实际数据形成。
虽然对于主观赋权法的研究较为成熟,但是此类方法主观随意性大,在个别情况下应用这种方法得到的权重结果可能会与实际情况存在差异。
而客观赋权的数据来源于评价矩阵的实际情况,具有绝对的客观性。
传统的赋权方法过分地强调了超标指标的作用,对监测数据的处理十分简单(仅做算术平均),如何找到合适的方法确定各指标的权重,一直困扰着学术界。
对此,一些学者提出了诸如三角模糊数判断矩阵转化法,熵权法等方法,取得了一定的突破,但是这些方法计算过程复杂。
[223]。
主成分分析法在统计学中常被用作寻找判断某种现象的综合指标,并对其所包涵的信息做合适的解释,是常用的降维工具。
在将原始指标值转化为主成分的过程中,同时形成反映主成分的权重,这样在指标权重选择上克服了主观因素的影响,客观反映了各指标间的现实关系。
同时主成分分析法可用SPSS 软件轻松地实现,应用十分简单。
1.3 主成分分析赋权方法主成分分析是设法将原来众多具有一定相关性的指标,重新组合成一组新的互相无关的综合指标来代替原来的指标的方法。
通常数学上的处理就是将原来p 个指标作线性组合,作为新的综合指标。
F =A ×BF 1=α11x 1+α12x 2+…+α1p x p F 2=α21x 1+α22x 2+…+α2p x p F m =αm 1x 1+αm 2x 2+…+αmp xp(1)941第2期船 海 工 程第39卷式中:αij———X的协方差矩阵的特征值,i=1,…, m;j=1,…,p;x i———原始数据经标准化处理后的值,i=1,…,p。
令A=(αij)m×p=(α1,α2,…,α1p)Z・αi=λiαi式中:Z———相关系数矩阵;λi,αi———相应的特征值及对应的单位特征向量,λ1≥λ2≥…≥λm。
最经典的做法就是用F1的方差来表达,即Var (F1)越大,表示F1包含的信息越多。
因此在所有的线性组合中选取的F1应该是方差最大的,故称F1为第一主成分。
如果第一主成分不足以代表原来p 个指标的信息,再考虑选取F2即选第二个线性组合,为了有效地反映原来信息,F1已有的信息就不需要再出现在F2中,用数学语言表达就是要求C ov (F1,F2)=0,则称F2为第二主成分,依此类推可以构造出第三、第四,直至第p个主成分。
当按照一定原则(比如特征根大于1,或贡献率大于85%,以特征根大于1选取主成分)选定若干个(假设m个)主成分后,得分系数亦被确定。
利用SPSS软件可以自动生成因子载荷矩阵B,通过公式(B T B)-1・B T得出主成分得分系数矩阵,即为A,其元素代表各因子对主成分的贡献量。
因子i在m个主成分中的系数与各主成分方差解释贡献率之积求和后,取其绝对值可视为该因子的权重。
设F i主成分对方差的贡献了为g i, j因子在主成分F i中的系数为αij,则i因子的权重w i为:ωi=|∑mi=1g i×αij|(2) 2 实例分析借助文献[4]中为评价港口危险度而建立的港口航行环境危险度评价指标及数据(见表1),运用主成分赋权的灰色模型进行评价并同传统的灰色模型5进行比较分析。
表1 部分港口航行环境危险度评价指标及数据编号港口能见度/(d・年-1)大风/(d・年-1)最大流速/(m・s-1)航道长/n mile交叉点数船宽/航道宽度密度加权交通量x1x2x3x4x5x6x7x81大连27.040.43.09.550.101.557.86 2秦皇岛11.38.63.014.020.251.230.74 3天津9.880.21.520.210.141.641.20 4烟台24.277.40.54.220.242.113.98 5青岛54.094.83.07.480.078.145.70 6连云港16.1139.02.93.670.360.714.00 7上海24.751.16.085.5290.1224.376.24 8宁波28.021.45.013.660.2017.621.80 9黄埔25.073.33.563.710.202.942.00 10湛江13.311.33.540.8180.100.532.80 使用SPSS软件对表1所示的评价指标进行成分分析,结果见表2和表3。
表2 各指标相关系数表能见度/(d・年-1)大风/(d・年-1)最大流速/(m・s-1)航道长/n mile交叉点数船宽/航道宽度密度加权交通量相关性能见度1.0000.2330.158-0.1010.063-0.4380.3460.242大风0.2331.000-0.352-0.215-0.1940.370-0.180-0.194最大流速0.158-0.3521.0000.6240.689-0.2180.7820.514航道长-0.101-0.2150.6241.0000.649-0.2960.5090.650交叉点数0.063-0.1940.6890.6491.000-0.3690.6410.561船宽/航道宽-0.4380.370-0.218-0.296-0.3691.000-0.256-0.695密度0.346-0.1800.7820.5090.641-0.2561.0000.478加权交通量0.242-0.1940.5140.6500.561-0.6950.4781.000051主成分分析赋权的灰色模型在港口安全评价中的应用———许世波,肖英杰,邵敬礼,徐庭留 续表2能见度/(d・年-1)大风/(d・年-1)最大流速/(m・s-1)航道长/n mile交叉点数船宽/航道宽度密度加权交通量单尾检验P值能见度0.2580.3320.3900.4310.1030.1640.251大风0.2580.1590.2750.2950.1470.3100.296最大流速0.3320.1590.0270.0140.2730.0040.064航道长0.3900.2750.0270.0210.2030.0660.021交叉点数0.4310.2950.0140.0210.1470.0230.046船宽/航道宽0.1030.1470.2730.2030.1470.2380.013密度0.1640.3100.0040.0660.0230.2380.081加权交通量0.2510.2960.0640.0210.0460.0130.081注:表1,表2中(1)能见度:该港口5年来能见度低于1km的平均天数;(2)大风:该港口5年来6级以上风的平均天数;(3)密度:5年内每平方公里内船舶艘数的最大值;(4)加权交通量为5年内日交通量的平均值。
表3 各主成分解释方差贡献率表主成分初始特征值未经旋转提取因子的载荷平方和特征根贡献率%累计贡献率%特征根贡献率%累计贡献率%1 3.86748.34248.342 3.86748.34248.3422 1.39517.44165.784 1.39517.44165.7843 1.12514.06879.852 1.12514.06879.85240.7819.75889.6100.7819.75889.61050.351 4.38593.9950.351 4.38593.99560.213 2.65696.6510.213 2.656 2.33970.187 2.33998.9900.187 2.33998.99080.081 1.010100.0000.081 1.010100.000 主成分分析法选取的主成分的个数一般不多于评价指标个数,因此选取8个主成分,见表3。
前三个主成分的特征值均大于1,且累计贡献率为79.851。
由于第四个主成分的特征值接近于1,其贡献率与第三主成分接近,故文中宜选取前四个主成分,此时的贡献率达89.610%,已经包含了评价所需要的绝大部分信息。
再利用SPSS的得出主成分得分矩阵,如表4。
表4 主成分得分矩阵指标因子主成分1234能见度/(d・年-1)0.0680.6390.141-0.310大风/(d・年-1)-0.0980.2960.5860.622最大流速/(m・s-1)0.217-0.1470.236-0.365航道长/n mile0.201-0.2300.0710.489交叉点数0.213-0.1170.1660.141船宽/航道宽-0.157-0.3350.531-0.114密度0.2060.0320.344-0.412加权交通量0.2110.138-0.1920.473 根据公式(2)可计算得到指标x权重ω为:(0.430 0.279 0.077 0.115 0.120 0.071 0.113 0.145)。