灰色综合评价操作步骤

灰度评价法

本文研究的城市广场旅游功能的评价系统即属于一个灰色系统。

首先，由于关于广场旅游功能的影响要素、层级分类及指标选定均具有“信息不完全性”；其次，所选取的评价指标数据，有些是已知的，即可以从现有的统计资料中获得，而另一些数据却是未知的，无法从统计资料中获得；再则，本文建立的评价指标中既有定性(灰色)指标，也有定量(白化)指标，各因素指标之间本质上是一种灰色关系。

因此，该系统具有信息不完全的“灰色”特征。

鉴于该系统的灰色特征，本文拟采用灰色模型对城市广场旅游功能进行综合评价。

灰色综合评价方法的原理为:首先将各评价指标分为不同的灰类型，然后建立隶属于各灰类的权函数，以定量地描述某一评价对象隶属于某个灰类的程度。

对具有多层次评价指标的体系，在子系统评价的基础上再对上一层次加权综合，以反映系统的整体状况。

运用这种方法进行综合评价的课题有物流中心选址、风险企业投资价值综合评价、商业银行竞争力综合评价、科研项目综合评价等，该方法取得了比较好的评价效果。

具体计算步骤如下：1(l)确定评价指标集根据设计的指标体系，有两层指标集，U=(U1，U2，U3，U4，U5，U6),其中U1=(U11，U12，U13)，U2=(U21，U22，U23，U24，U25，U26)，U3=(U31，U32，U33，U34，U35，U36)，U4=(U41，U42，U43，U44，U45)，U5=(U51，U52)，U6=(U61，U62，U63)(2)确定指标评分等级在本文中，所有指标分为很好（大）、较好（大）、一般、较差（小）四个等级，分别为4、3、2、1分，指标等级介于两相邻等级之间，相关评分为3.5、2.5、1.5分，具体等级标准由专家根据经验确定。

(3)层次分析法确定各评价指标的权重常见的确定权重的方法有，德尔菲法、层次分析法、熵值法、模糊聚类分析法等。

本文采用层次分析法确定权重，本文在运用层次分析法时做了两点优化:①采用9/9-9/1标度法。

多层次灰色综合评价

多层次灰色综合评价
多层次灰色综合评价原理
进行复杂系统的综合评价时，要考虑的因素很多，需要用多个指标来衡量，指标间还可划分为不同层次，所以需要进行多层次综合评价。评价需要信息才能做出结论，但评价信息的全面与准确受评价人员的知识水平、认识能力、个人经验和偏好制约。我们可以用“黑”表示评价信息缺乏，“白”表示评价信息充足，而介于白与黑之间的“灰”表示评价信息不甚全面、不甚确切。也就是说部分信息已知，部分信息未知，具有灰色性。因此，可以利用灰色理论来分析与综合某个评价系统各指标的实现程度，根据评价标准得出综合性的评价结论。灰色理论是多层次灰色综合评价的原理。
多层次灰色综合评价
多层次灰色综合评价的步骤
4、确定评价方案的评价值矩阵
设有 p 个评价人员，即 k = 1，2，…，p;
q 个评价方案，即 s = 1，2，…, q；
m 个一级（大类）指标，即 i =1，2，…，m；
第 i 大类指标下设ni个二级（具体）评价指标，即 j =1，2，…，ni。
评价人员按指标 vij 的评分等级标准给某个方案打分。设第 k 个评价人员对第 s 个方案按指标 vij 的评分等级标准给
多层次灰色综合评价
多层次灰色综合评价的步骤
３．确定各评价指标的权重
可以利用层次分析法（AHP法）确定其相对权重。
假设求得一级（大类）指标 ui 相对于目标 G 的权重为 α i，（i =1，2，…，m），则大类指标的权重分配向量为
α =（α 1, α 2,…，α m）。
设二级评价指标 vij 相对于一级指标 ui 的相对权重为 α ij，（i=1，2…，m;j=1，2，…，ni），则 ui 所属的二级评价指标的相对权重分配向量为 Ai=（α i1, α i2,…，α ini）。

第七章灰色系统综合评价方法

对于多指标分类综合评价而言，当按单项指标对评价对象的价值水平进行分类时，通常是将各指标按其实际取值情况划分为若干个不同的区间段，不同区间段属于不同的“灰类”。显然，每一区间段实际上就是一个“信息不完全明确”的灰数。例如，一个地区的人均GDP低于3000美元时，属于“竞争力弱”（记为灰类1）；当人均GDP介于3000美元至5000美元之间时，属于“竞争力一般”（记为灰类2），当人均GDP介于5000美元至8000美元时，属于“竞争力较强”（记为灰类3）；当人均GDP超过8000美元以上时，属于“竞争力很强”（记为灰类4）。相应于这四个灰类，就有四个灰数：、、、。对于特定的被评价对象（地区），其人均GDP指标的具体取值实际上就是灰类上灰数的一个白化值。计算该白化值的“权”，便可以确定该地区“单项竞争力”偏好于特定灰类的“程度”。通过综合这些程度，便可以判断被评价对象区域竞争力强弱的类型。因此，灰色系统中的灰类划分（或灰色聚类），为多指标综合评价提供了一条新的思路。也就是说，把灰色系统理论与方法应用于多指标综合评价是可行的。
（）
于是，灰色聚类系数（即加权合成值）为：
（）
第五步：进行灰色系统聚类评价。
记，则与模糊聚类评价类似，可以根据“最大隶属原则”进行聚类。若
则该单位被判别为“c灰类”。但当“最大隶属原则”失效时，采用点值进行灰类识别更加合理。
第六步：若需要进行综合评价排序，则将B转化为点值y，即
式中，tj为第j灰类的“灰水平”赋值。根据每个单位的y值大小就可以进行综合评价排序，其赋值原则与模糊综合评价类似。
第四步：计算聚类系数bj，确定聚类向量。
第j类的聚类系数定义为：
（）
即为第j灰类各指标的白化权函数值的加权算术平均。
若将各指标在各灰类之下的白化权函数值用矩阵表示，记为R，即

基于层次分析法的灰色关联度综合评价模型

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。

多指标加权灰靶的决策模型

多指标加权灰靶的决策模型灰色关联分析是一种多指标加权的决策模型，常用于多因素综合评价和决策分析等领域。

本文将介绍灰色关联分析的基本原理、方法步骤以及应用案例，以帮助读者更好地理解和运用这一决策模型。

一、灰色关联分析基本原理灰色关联分析是一种基于灰色数学理论的综合评判方法，通过建立数学模型，对多个指标之间的关联程度进行综合度量和分析。

其基本原理是在有限信息下，通过借用灰色关联度的概念，实现对多指标的加权处理和排序，从而确定最佳的决策方案。

二、灰色关联分析方法步骤1. 数据预处理：首先需要进行数据的标准化处理，将各指标的取值范围统一到[0,1]之间，以确保各指标具有可比性。

2. 构建关联矩阵：将标准化后的指标数据构建成关联矩阵，其中每个元素的值表示第i个指标与第j个指标之间的关联程度。

3. 确定权重系数：根据决策需求和实际情况，确定各指标的权重系数。

可以根据专家判断、层次分析法等方法确定权重系数。

4. 计算关联度：利用灰色关联度计算公式，计算各指标与决策方案的关联程度。

关联度的计算过程中，将权重系数引入，起到对各指标进行加权处理的作用。

5. 确定相对关联度：通过对各指标的关联度进行排序，确定各指标与决策方案的相对关联度。

关联度越大，则指标与决策方案的关联程度越高。

6. 综合评价和排序：最后，根据各指标的相对关联度，对决策方案进行综合评价和排序，确定最佳的决策方案。

三、灰色关联分析应用案例以某电子产品为例，假设需要对其外观、功能、性能、价格等多个指标进行评价和排序，确定最佳的产品设计方案。

具体步骤如下：1. 数据预处理：对外观、功能、性能、价格等指标进行标准化处理，将其取值范围统一到[0,1]之间。

2. 构建关联矩阵：根据标准化后的指标数据，构建4×4的关联矩阵，其中每个元素的值表示某两个指标之间的关联程度。

3. 确定权重系数：根据决策需求和实际情况，确定各指标的权重系数。

假设外观权重为0.3，功能权重为0.2，性能权重为0.3，价格权重为0.2。

灰色综合评价操作步骤

灰色综合评价操作步骤步骤一：明确评价的对象和目标。

确定需要进行灰色综合评价的对象是什么，以及评价的目标是什么。

比如，可以选取一个产品、一个项目、一个公司或者一个个人作为评价对象，然后明确评价的目标是对其综合各方面进行评价。

步骤二：确定评价指标和权重。

根据评价的对象和目标，确定需要考虑的评价指标，这些指标应该涵盖事物或者人的各个方面，如质量、性能、创新能力、市场影响力等。

然后给每个指标设定相应的权重，以反映其在整体评价中的重要性。

步骤三：收集数据和信息。

收集评价对象相关的数据和信息，包括定量数据和定性信息。

通过市场调研、问卷调查、访谈等方式来收集和获取所需的数据和信息。

步骤四：数据处理和分析。

对收集到的数据和信息进行整理、分类和处理，以便于后续的分析和评价。

可以使用统计方法、模型分析等工具来对数据进行处理和分析，得出相应的结果。

步骤五：综合评价和分等级。

根据所确定的评价指标和权重，对得到的评价结果进行综合计算和评估。

根据评估结果，对评价对象进行分等级，如优秀、良好、一般、不及格等。

步骤六：结果解读和建议提供。

对评价结果进行解读，说明各个方面的优势和不足之处，并提出相应的改进建议和措施。

这些建议应该针对评价对象的具体情况，具有可行性和可操作性。

步骤七：结果反馈和跟踪。

将评价结果反馈给相关的人员和决策者，并跟踪评价结果的执行情况和效果。

根据反馈和跟踪结果，及时进行调整和改进。

步骤八：定期复评和持续改进。

定期对评价对象进行复评，以了解其发展和改进情况，评估其综合评价的变化和趋势。

同时，不断改进评价方法和指标体系，提高评价的准确性和有效性。

以上就是灰色综合评价的操作步骤。

通过这些步骤，可以全面客观地评价一个事物或者一个人，发现其优势和不足之处，并提供改进的方向和措施，以促进其进一步的发展和提升。

第三节灰色综合评价法

劣进行分析比较 (二)基于灰色关联度分析的灰色综合评价法的步骤
二、灰色综合评价法的模型和步骤
对事物的综合评价，多数情况是研究多对象的排序问题，即在各个评价对象之间排出优选顺序
灰色综合评判主要是依据以下模型：R=E×W
式中：R=[r，r2，…，rm]'为m个被评对象的综合评判结果向量；W=[w，W2，…， Wm]为n个评价指标的权重分配向量，其中 ∑w=1;E为各指标的评判矩阵 (k)为第i种方案的第k个指标与第k个最优指标的关联系数根据R的数值，进行排序
三、灰色综合评价法的实例分析
若k为指标或观测对象序号，而且X也为单项，对于X项目的运动员来说，应以X为最重要
的辅助训练项目
而对于学生来说，在X项目成绩比较好的情况下，为提高其身体素质的全面发展，应抓住弱势，积极进行X和X项目的锻
炼
灰色关联分析主要着重研究" 外延明确、内涵不明确"的对象，解决"小样本、贫信息、不确定"问题，是一种解决不
三、灰色综合评价法的实例分析
某个体或某群体的行为数据如下(表12-5) (二)计算步骤第
一步：求初值像(或均值像) 第二步：求差序列第三步：求两极差第四步：求关联系数(表12-6) 第五步：计算关联度(表12-7) (三)结果与分析若k为时间序号，X与X(总分)的关联度最大，为0.717，它们关联度程度的大小顺序依次为X>X>X，这说明三个项目成绩的好差排序也应如此，体育工作者在教学或运动训练中，应根据具体情况进行针对性教学或训练
第三节灰色综合评价法
第三节灰色综合评价法
目录
二、灰色综合评价法的模型和步骤三、灰色综合评价法的实例分析

模糊评价--灰色评价

模糊评价一、模型的建立设系统有n 个待优选的对象组成备择对象集，有m 个评价因素组成系统的评价指标集。

每个评价指标对每一备择对象的评判用指标特征量表示，则系统有n m ⨯阶指标特征量矩阵：n m ij mn m m n n mxn x x x x x x x x x x X ⨯=⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡=)(212222111211，;,,2,1m i =)2(3,,2,1 n j = 式中ij x 为第j 个备择对象的第i 个评价因素的指标特征量，一般情况下，它具有两种类型:（1)“越大越优”型，其隶属度计算式为：)3(3maxx x r ij ij =式中max x 为n j m i x ij ,,1;,,1, ==中的最大值。

（2）“越小越优”型,其隶属度计算式为：)4(3min ijij x x r =式中min x 为n j m i x ij ,,1;,,1, ==中的最小值。

优化的任务在于根据指标特征量矩阵选择出最优对象或对象的最优排序。

事实上，优与次（或劣）这一对立的概念之间不存在绝对分明的界限，这是优化的模糊性。

另一方面，优化是依据指标特征量在备择对象集中进行，优或次是相对于备择对象集中的元素间比较而言，这是优化的相对性。

通过3（3）、3（4）式，可将指标特征量矩阵3（2）转变为指标隶属度矩阵3（5）（例如可用适当的计算隶属度公式等）：),(212222111211ij mn m m n n mxnr r r r r r r r r r R =⎥⎥⎥⎦⎤⎢⎢⎢⎣⎡= ;,,2,1m i =)5(3,,2,1 n j = 根据优化的模糊性与相对性概念，可以给出下面定义：定义1 设系统有指标隶属度矩阵3（5）若)6(3),,,(),,,(21222211121121Tmn m m n n Tm r r r r r r r r r g g g G ∨∨∨∨∨∨∨∨∨==称为系统的优向量。

灰色关联分析方法

灰色关联分析方法灰色关联分析方法（Grey Relational Analysis，GRA）是一种多指标决策方法，它用于研究因素之间的关联程度。

与传统的关联分析方法相比，灰色关联分析方法具有较强的适用性和灵活性。

它可以用于分析多个指标之间的关联程度，对于复杂决策问题具有较强的应用能力。

灰色关联分析方法的基本思想是将系统的各个指标转化为灰色数列，再利用灰色关联度来评估指标之间的关联程度。

该方法可以对多个指标进行综合评价，找出各个指标之间的关联程度，并根据关联程度来进行排序和决策。

灰色关联分析方法的具体步骤如下：1. 数据预处理：将原始数据进行标准化处理，以确保各指标在同一数量级上进行比较。

2. 构建灰色数列：将标准化后的数据转化为灰色数列，通过建立灰色微分方程来描述数据序列的发展趋势。

3. 确定关联度测度：根据灰色数列的特点，选择适当的关联度测度方法来计算指标之间的关联程度。

4. 计算关联度：根据所选择的关联度测度方法，计算每个指标与其他指标之间的关联度。

5. 排序和决策：根据计算得到的关联度值进行排序，并作出相应的决策。

灰色关联分析方法的优点有以下几个方面：1. 适用性广泛：灰色关联分析方法适用于各种类型的指标数据，包括定量指标和定性指标。

2. 考虑了指标之间的时序关系：灰色关联分析方法考虑了指标数据的时序性，能够更好地反映指标之间的演变趋势。

3. 简单易行：灰色关联分析方法不需要过多的统计方法和复杂的计算过程，容易被理解和操作。

4. 提供了多指标综合评价的能力：灰色关联分析方法可以将多个指标之间的关联程度综合考虑，对于决策问题的综合评价有着较好的效果。

然而，灰色关联分析方法也存在一些限制和局限性：1. 灵敏度不高：由于灰色关联分析方法只考虑了指标之间的线性关联程度，对于非线性关系的刻画较为困难，灵敏度较低。

2. 依赖于初始数据：灰色关联分析方法对初始数据的选取较为敏感，不同的初始数据可能导致不同的关联度结果。

灰色关联分析法(灰色综合评价法)

灰色关联分析法对于两个系统之间的因素，其随时间或不同对象而变化的关联性大小的量度，称为关联度。

在系统发展过程中，若两个因素变化的趋势具有一致性，即同步变化程度较高，即可谓二者关联程度较高；反之，则较低。

因此，灰色关联分析方法，是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”，作为衡量因素间关联程度的一种方法。

应用于综合评价（灰色综合评价）步骤：（1）确定比较对象（评价对象）和参考数列（评价标准）。

设评价对象有m 个，评价指标有n 个，参考数列为{}00()|1,2,,x x k k n ==⋅⋅⋅，比较数列为{}()|1,2,,,1,2,,i i x x k k n i m ==⋅⋅⋅=⋅⋅⋅。

（2）对参考数列和比较数列进行无量纲化处理由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，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，一般都要进行无量纲化的数据处理。

设无量纲化后参考数列为{}00()|1,2,,x x k k n ''==⋅⋅⋅，无量纲化后比较数列为{}()|1,2,,,i i x x k k n ''==⋅⋅⋅1,2,,i m =⋅⋅⋅。

（3）确定各指标值对应的权重。

可用层次分析法等确定各指标对应的权重[]12,,,n w w w w =⋅⋅⋅，其中(1,2,,)k w k n =⋅⋅⋅为第k 个评价指标对应的权重。

（4）计算灰色关联系数：0000min min ()()max max ()()()()()max max ()()s s s t s t i i s s tx t x t x t x t k x k x k x t x t ρξρ''''-+-=''''-+- 为比较数列i x 对参考数列0x 在第k 个指标上的关联系数，其中[]0,1ρ∈为分辨系数，称0min min ()()s s t x t x t ''-、0max max ()()s s tx t x t ''-分别为两级最小差及两级最大差。

安徽省新型工业化水平的灰色关联综合评价

．、
标提供的信息量越大
，
其在综合评价中所起的作用越大相
，
指标体系建立
，
应的信息熵越小权重越大；反之该指标的权重也越小；如
结合安徽省实际经济情况
果该项指标的指标值全部相等则该指标在综合评价中不起
= ：
．．
。
i
x ／j
…
行评价并对安徽省新型
，
工
业化发
展提出建议
，
负向指标将数据归
Y 矩阵：
=
一
：x
X
jm
in
x
／u x
"
关键词：新型
工
业化
；灰色关联；熵权
化处理
，
yF
X
ij
／
∑
x
。
由此得数据的标准化
{y i Im
X n
党的十六大提出了走新型工业化道路
“
”
，
这是我国本世
纪头二十年经济建设的主要任务之
一
，
这条道路是实现经济
。
( 2 ) 计算第 j 项指标的熵值
e
j
=
一
k
I
∑Y ql
=
n
y ij
,
其中 k
=
l l ／n
m
1
增长方式由粗放型向集约型转变的必然选择安徽省是经济

综合评价之层次分析法与灰色评价法

层次分析法AHP(Analytic Hierarchy Process)AHP的基本原理假设有n 个物体A, A2 , …, A n , 它们的重量1分别记为W, W2，…，W n. 现将每个物体的重量1两两进行比较如下：A1 A2 …AnA1 W1 /W1 W1 / W2 …W1 /W2A2 W1 /W2 W1 /W2 …W1/W2……………An Wn /W1 Wn /W2 Wn /WnAHP 的基本原理111212122212/////////n n n n n n W W W W W W W W W W W W A W W W W W W ⎛⎫⎪ ⎪= ⎪ ⎪⎝⎭L L M M M M L 若以矩阵来表示各物体的这种相互重量关系,判断矩阵由线性代数知识可以证明：矩阵A 最大特征根是n ,对应的特征向量是12[,,]Tn W W W W =L AHP 的基本原理例如,若购买一台设备, A 1为功能, A 2为价格,A 3为维修服务.1531/511/31/331A 1A 2A 2A 3A 3A 1x i 比x ja ij 值同样重要1稍重要3重要5很重要7极重要9AHP 的基本原理Matlab 编程A=[1,5,3;1/5,1,1/3;1/3,3,1];[x,y]=eig(A)W=x(:,1)/sum(x(:,1))AHP 的基本步骤建立递阶层次结构.构造出各层次中的所有判断矩阵.层次单排序及其一致性检验.层次总排序.下面通过实例来说明各步骤中所做的工作.AHP 的基本步骤2. 构造出各层次中的所有判断矩阵首先构造各准则A 1,A 2,…, A 5对目标O 的判断矩阵首先构造O-A i 的判断矩阵A 1 A 2 A 3 A 4A 5OA 1 A 2 A 3 A 4A 5x i 比x ja ij 值同样重要1稍重要3重要5很重要7极重要911/2433217551/41/711/21/31/5211/31/53111/3111/2433217551/41/711/21/31/31/52111/31/5311A ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦由上表, 可得O -A i 的判断矩阵ijji ij n n ij a a a a A 1,0,)(=>=⨯正互反阵任务：要由A 确定A 1,…, A 5对O 的权向量(权重)AHP 的基本步骤AHP 的基本步骤111212122212/////////n n n n n n W W W W W W W W W W W W W W W W W W ⎛⎫⎪ ⎪ ⎪ ⎪⎝⎭L L M M M M L 11/2433217551/41/711/21/31/31/52111/31/5311A ⎡⎤⎢⎥⎢⎥⎢⎥=⎢⎥⎢⎥⎢⎥⎣⎦nj i ,,2,1, =ijkj ik a a a =⋅一致阵允许不一致但要确定不一致的允许范围AHP 的基本步骤3. 层次单排序及其一致性检验即A 的最大特征根是n ,n 阶判断矩阵A 是一致的一致性的判别⇔max nλ=AHP 的基本步骤一致性比率查表: RI计算: CI 当CR <0.1时, 认为成对比较阵具有满意的一致性.当CR >0.1时, 必须重新调整成对比较阵.max ()1A nCI n λ-=-CI CR RI=n3 4 5 6 7 8 9RI 0.58 0.90 1.12 1.24 1.32 1.41 1.45一致性指数5072.5)(max ≠=A λ018.0155)(max =--=A CI λ12.1=RI 016.012.1018.0===RI CI CR CR<0.1结论：A 虽不是一致阵, 但它具有满意的一致性.A 的不一致程度是可以接受的.AHP 的基本步骤验证一致性(以旅游地为例){}0.264, 0.476, 0.054, 0.098, 0.109W =AHP 的基本步骤求A 1,…, A 5对O 的权向量(权重)所对应的归一化特征向量.矩阵A 的max λAHP 的基本步骤桂林B 1黄山B 2北戴河B 3选择旅游地O景色A 1费用A 2居住A 3饮食A 4旅途A 50.4760.2640.0540.0980.109AHP 的基本步骤先成对比较三个旅游地的景色, 得成对判断矩阵B 111251/2121/51/21B ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦类似可得211/31/8311/3831B ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦31131131/31/31B ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦41341/3111/411B ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦5111/4111/4441B ⎡⎤⎢⎥=⎢⎥⎢⎥⎣⎦AHP 的基本步骤k123451k ω2k ω3k ω0.595277.0129.0082.0236.0682.0429.0429.0142.0633.0193.0175.0166.0166.0668.0kλ005.3002.33009.33k CI 003.0001.000005.0kRI 58.058.058.058.058.0k v 计算可知通过一致性检验.k CR 54321,,,,B B B B B桂林B 1黄山B 2北戴河B 3选择旅游地O景色A 1费用A 2居住A 3饮食A 4旅途A 50.4760.2640.0540.0980.1090.5950.1290.2770.0820.2360.6820.1420.1750.1660.4290.4290.1930.6330.1660.668B 1对总目标的权重为：3.0110.0166.0099.0633.0055.0429.0475.0082.0263.0595.0=⨯+⨯+⨯+⨯+⨯故最后的决策应为去北戴河.B 1对总目标的权重为：0.5950.2640.0820.4760.4290.0540.6330.0980.1660.1090.3⨯+⨯+⨯+⨯+⨯=0.246, 0.456.同理得B2, B3对总目标的权值分别为：312B B B >>即各方案的权重排序：123B , B , B 又分别表示桂林, 黄山, 北戴河.优点：缺点：存在着较大的主观性.对AHP 的简单评价计算简便, 结果明确, 便于决策者直接了解和掌握.灰色综合评价法3. 灰色综合评价法的步骤(1) 根据评价目的确定评价指标体系, 收集评价数据.12n x x x 12111212122212mm m n n nm f f f a a a a a a a a a ⎛⎫ ⎪⎪ ⎪⎪⎝⎭ (2) 确定最优指标集( )*F ****12[,,]m F a a a = 式中*(1,2)i a i n = 为第i 个指标的最优值.设2. 灰色系统的应用范畴(1) 灰色关联分析.(2) 灰色预测: 人口预测、初霜预测、灾变预测等. (3) 灰色预测控制.应用灰色关联分析方法对受多种因素影响的事物和现象从整体观念出发进行综合评价是一个被广为接受的方法. 该方法不仅可以充分利用原始数据所提供的信息, 而且计算比较简便.选定最优指标集后，可构造矩阵D :确定最优指标集时, 要考虑可行性. 若最优选的过高, 则不现实, 评价的结果也就不可能正确.***12111212122212m m m n n nm a a a a a a D a a a a a a ⎛⎫ ⎪ ⎪ ⎪= ⎪ ⎪ ⎪⎝⎭(3) 对指标数据进行无量钢化无量纲化后的数据序列形成如下矩阵：***12111212122212mm m nnnma a a a a a a a a a a a ⎛⎫''' ⎪''' ⎪ ⎪''' ⎪ ⎪ ⎪'''⎝⎭(4) 求差数列i j∆它表示第i 个评价对象第j 个指标数据与最优指标集中第j 个指标数据的绝对差。

灰色系统方法步骤

灰色系统方法步骤1 评价指标集根据前面的评价指标体系,设U 为评价指标集:U={1u ,2u ,…,l u },(l 为一级指标的个数),其中k u ={1k u ,2k u ,…,km u },(m 为第k 个指标所属的二级指标个数)。

2 评价指标权重的确定本文运用层次分析法(AHP)来确定指标的权重值,即运用专家咨询法构造两两比较判断矩阵,求矩阵特征向量和特征根,并进行一致性检验,得出各项指标的权重。

设评价指标k u 的权重集为:A={l a ,2a ,…,l a },k a 表示评价指标k u 在U 中的权重,且11=∑=l k k a同时设各二级指标的权重集:k A ={ak1,ak2,…,km a },ki a (i=1,2,…,m)表示指标ki U 在k u 中的比重,且∑==m i ki a113、确定评价指标ki u 的评分标准将评价指标的优劣程度划分为不同的等级,然后给各等级赋值(评分)。

考虑到人们思维最大可能分辨力,本文将评价指标ki u 的优劣程度划分为4级,并分别赋值(10,8,5,3)。

若指标等级介于两相邻等级之间,其相应的评分为9,6.5,4,1.5分4、组织评价者评分设有S 个评价者,其评价者的序号为h=1,2,…,s 。

依据评分标准分别给各评价指标ki u 评分,并填写评价专家评分表(表式略)5、根据评价专家评分表构造评价矩阵D其中hkid表示第h个评价者依据评分标准对评价指标kiU的评分。

6、求评价灰类设评价灰类为n类。

分析上文的评分等级标准,本文决定选取n=4,即设灰类j=1,2,3,4。

分别代表4个评价灰类。

各评价灰类及其白化函数为: 第一类(j=1):“优”,评分在10分或10分以上,白化函数为1f:第二类(j=2):“良”,评分在8分左右,白化函数为2f：第三类(j=3):“中”,评分在5分左右,白化函数为3f:第四类(j=4):“差”,评分在3分或3分以下,白化函数为4f ：7、计算灰色评价系数对于评价指标ki u 属于第j 个评价灰类的灰色评价系数,记为jki x 则有:j ki x =)(1h ki s h jd f ∑=。

熵权灰色综合评价法

熵权灰色综合评价法
熵权灰色综合评价法是一种基于熵权法和灰色关联度分析的综合评价方法。

该方法综合考虑了数据的信息熵和灰色关联度，用于对多个指标进行综合评价。

具体步骤如下：
1. 确定评价指标：选择适当的评价指标，用于评估被评价对象的各个方面。

2. 数据标准化：将原始数据进行标准化处理，使得数据具有可比性。

3. 计算信息熵：对每个指标计算信息熵，用于衡量指标的信息量和差异性。

4. 计算权重：根据信息熵计算各个指标的权重，权重越大表示该指标对评价结果的影响越大。

5. 灰色关联度分析：利用灰色关联度分析方法，计算各个指标之间的关联度，用于衡量指标之间的关联程度。

6. 计算评价结果：根据指标的权重和关联度，计算出最终的评价结果。

熵权灰色综合评价法在实际应用中具有较高的灵活性和适用性，能够考虑到多个指标之间的相互关系，提高评价结果的准确性和可靠
性。

船舶海上应急管理的灰色综合评估

关键词：船舶安全；应急评价；色综合评价灰中图分类号：６８Ｕ９文献标志码：Ａ
ＧｒｙＣｏｐｅｅｓｖａｕｔｏｆＭａａｅｅｔａｍｒｈｎｉｅＥｖｌａｉｎｏｎｇｍｎｏｈｐｔＥｍｅｇｎｙｏｅｆＳｉｓａｒｅｃｎＳａ
５
＝
Ｒ＝
ｒ１１ｒ１２５５
ｒ１５５
第３灰类“ 一般 ” ｅ３，（＝）灰数ｏ，０７，５］白 ∈［，５１０，
化权函数为；
其中，１＝１一１，ｒ１ ∑ ＝，（２，） ≤ｏ５０ ≤
ｌ
（）６综合评价
Ｉｏ，；古ｄ［５．７ ∈ ］０
查表和层次分析法（Ｈ＇得到的权重。Ａｒ法）
船上应急相关设备Ｕ —’一堵溜设备Ｕ，４｝通信设备Ｕ５＿一１
Ｌ一其他设备ｕ６１
（）３确定评价样本矩阵
广一船长的资历与管理水平ｕＩ２
设评价人员序号为ｋ＝，，，，，ｋｌ２ … Ｐ即有Ｐ位评价人员，组织Ｐ位评价人员对船舶应急评价指标体系各指标．按指标评分等级标准给末级即二级评价指标评分．根据Ｐ评价人员所填写的评分表，位求得评价
８
江建华：舶海上应急管理的灰色综合评估船
２１年第２期０１
Ｉｏ，；古ｄ［５￣８Ｅ１０
，
ｒｌ１ｒ２１
ｒ１２ｒ２２
●
ｒ１５
ｒ５２
● ●

跨年度产业关联度灰色综合评价法

跨年度产业关联度灰色综合评价法
跨年度产业关联度灰色综合评价法是一种用于评价不同年度之间产业之间关联程度的方法。

该方法综合考虑了多个评价指标，通过对数据进行灰色关联度分析和灰色理论模型建立，来评估产业之间的关联水平。

具体步骤如下：
1. 数据处理：收集和整理跨年度的相关数据，包括产业发展指标、产业产值、就业人数等。

2. 灰色关联度分析：通过对数据进行灰色关联度计算，确定不同年度之间的关联程度。

灰色关联度分析是一种将原始数据序列转化为灰色数列，进而计算关联度的方法。

3. 确定评价指标权重：根据实际情况和需求，确定评价指标的权重。

可以使用层次分析法等方法来确定权重。

4. 建立灰色综合评价模型：根据灰色关联度和指标权重，建立灰色综合评价模型，计算产业之间的跨年度关联度。

5. 进行评价和分析：根据评价模型得出的结果，对不同年度之间的产业关联程度进行评价和分析，找出关联度高和低的产业。

跨年度产业关联度灰色综合评价法可以帮助政府和企业了解不同年度产业之间的关联程度，有助于制定相应的产业政策和发展战略。

同时，该方法还可以为决策者提供决策依据，帮助其做出合理的决策。