一种基于多层次灰色关联的设备信息评估方法
文献发布时间:2023-06-19 11:11:32
技术领域
本发明属于信息处理技术领域,具体的涉及一种基于多层次灰色关联的设备信息评估方法。
背景技术
目前多个领域的设备管理面临着设备数量多、种类庞杂、规模各异,同时伴有时间、空间多维度影响因素,而且具有强烈的专业背景等多种属性标签。
在设备管理过程中应遵循抓重点、分情况的原则,应将设备进行分级化的管理模式,而分级化管理需要有科学的分级依据,需要构建一个科学、完整的设备信息综合评估体系。
大部分设备管理目前仍处于统一的资产管理模式,未实现分级化管理,并且针对设备的分级管理评估还停留在定性、主观性较强的状态。
发明内容
发明目的:本发明的目的在于提供一种基于多层次灰色关联的设备信息评估方法,通过层次分析法和灰色关联分析建立评估模型分析,实现定量评估设备等级。
技术方案:为实现上述发明目的,本发明采用如下技术方案:一种基于多层次灰色关联的设备信息评估方法,包括以下步骤:
一种基于多层次灰色关联的设备信息评估方法,包括以下步骤:
步骤1:采用决策树归纳算法建立层次分析结构,构造判断矩阵;
步骤2:分配评价指标权重,并进行一致性检验;
步骤3:建立参考数据和比较数据评价体系;
步骤4:引入关联度分析,建立评估模型。
进一步地,所述的步骤1中建立层次分析结构具体为明确评价目标,采用决策树归纳算法建立层次分析结构,自上而下形成目标层、准则层和指标层;所述决策树归纳算法,通过算法递归选择最优属性来划分数据,并扩展树的叶节点,直至所有训练样本的属性能够被完全描述。
进一步地,所述的层次分析结构如表1:
表1
建立相应的设备评估层次分析结构,根据实际情况增加或者删减分析层次以及各层次因素的数量,所建立层次分析结构至少需要两个层次,并且按顺序编号。
进一步地,所述的步骤1中构造判断矩阵,具体为:
首先构建准则层的判断矩阵,将准则层两两因素的相对重要程度进行比较评分,构造判断矩阵A=(a
建立指标层判断矩阵,其特征在于根据准则层将指标层因素分成n组,即需建立n个指标层的判断矩阵B
进一步地,所述的步骤2具体为,首先利用方根法计算各个判断矩阵的权重向量近似值W
将各判断矩阵近似权重向量进行归一化处理,即对于某个判断矩阵,用每一个权重向量近似值除以该判断矩阵所有近似向量值之和,进而得到该判断矩阵的权重向量W
计算各个判断矩阵的最大特征值λ
表2
各层次因素的权重见表3:
表3
当CR<0.1时,则认为该判断矩阵可以通过一致性检验,表示所构造的判断矩阵合理,所计算权重有效,可进行下一步骤,否则需要调整判断矩阵并重新进行一致性检验。
进一步地,所述的步骤3具体为:根据实际评估样本的情况,为评价目标设置若干参考等级,每个等级设置一个平均分;参考数据序列矩阵的元素用x(ij)表示,矩阵的个数与准则层因素个数相同,共有n组参考数据序列,每组参考数据矩阵的行数与各准则层因素的指标层因素个数相同,矩阵列数为所设置的等级数。
进一步地,所述的步骤3中建立比较数据序列,针对某评估样本,对其最低层次的所有指标,根据所设置的若干参考等级及相应的评分标准进行赋分,进而构造比较数据序列矩阵,矩阵的个数与准则层因素个数相同,共有n组比较数据序列,每组比较数据矩阵的行数与各准则层因素的指标层因素个数相同,比较数据序列表示为X′
进一步地,所述的步骤4中具体为:
1)计算关联系数,将参考数据序列进行无量纲化处理,得到参考数据序列矩阵的无量纲化矩阵,矩阵的个数与准则层因素个数相同,即有n个无量纲矩阵用Z
2)计算差序列Δ
3)进一步的求关联系数矩阵:
(3)式中ρ为分辨系数。
进一步地,步骤4计算关联度向量,各个准则层下指标层各因素的权重向量与所求各准则层的关联系数矩阵相乘,评价目标的关联度表示为准则层权重向量与上述各关联度向量所组成的矩阵的乘积,该评价目标的灰色关联度其最大关联度所在参考数据序列等级即为评价目标的评价等级。
有益效果:与现有技术相比,本发明的一种基于多层次灰色关联的设备信息评估方法,通过层次分析法和灰色关联分析建立评估模型分析,实现定量评估设备等级;有利于开展进一步的针对性管理举措,提高设备使用效能,促进设备资源信息化管理和开放共享。
附图说明
图1是一种基于多层次灰色关联的设备信息评估方法的框架示意图;
图2为实验设备指标评分雷达图。
具体实施例方式
为了详细的说明本发明所公开的技术方案,下面结合说明书附图及具体实施方案做进一步的阐述。
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合本发明实施例中的计算过程,对本发明实施例中的技术方案进行清楚、完整地描述,显然,所描述的实施例是本发明一部分实施例,而不是全部的实施例。
基于本发明中的实施例,本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例,都属于本发明保护的范围。
一种基于多层次灰色关联分析的设备信息评估方法,包括如下步骤:
步骤1:采用决策树归纳算法建立层次分析结构,构造判断矩阵;
步骤2:分配评价指标权重,并进行一致性检验;
步骤3:建立参考数据和比较数据评价体系;
步骤4:引入关联度分析,建立评估模型。
步骤1建立层次分析结构,其特征在于明确评价目标,采用决策树归纳算法建立层次分析结构,自上而下形成目标层、准则层和指标层,低层次是高层次的影响因素,并影响评估结果;所述决策树归纳算法,通过算法递归选择最优属性来划分数据,并扩展树的叶节点,直至所有训练样本的属性能够被完全描述。
表1中所列层次结构可供参考,并且可根据实际情况增加或者删减分析层次以及各层次因素的数量,但是所建立层次分析结构至少需要两个层次,并且按顺序编号。
表1设备评估层次分析结构
步骤1构造各层次判断矩阵。首先构建准则层的判断矩阵,按照表2,将准则层两两因素的相对重要程度进行比较评分,构造判断矩阵A=(a
建立指标层判断矩阵,其特征在于根据准则层将指标层因素分成n组,即需建立n个指标层的判断矩阵B
表2因素重要性标度含义
步骤2计算评价指标权重,其特征在于首先利用“方根法”计算各个判断矩阵的权重向量近似值W
将各判断矩阵近似权重向量进行归一化处理,即对于某个判断矩阵,用每一个权重向量近似值除以该判断矩阵所有近似向量值之和,进而得到该判断矩阵的权重向量W
计算各个判断矩阵的最大特征值λ
表3随机一致性指标RI查表
表4各层次因素权重向量
步骤3建立参考数据序列,其特征在于根据实际评估样本的情况,为评价目标设置若干参考等级,每个等级设置一个平均分,例如设置5个参考等级,例如Ⅰ级为90-100分,Ⅱ级为80-90分,Ⅲ级为70-80分,Ⅳ级为60-70分,V级为50-60分,并且需要针对最低层次的各项因素制定明确的分数划分标准,例如对于经费来源这一项,应根据实际情况设置不同来源对应不同的分数段,并能涵盖所有的经费来源;其他指标同理。所述参考数据序列示例如表5,示例中的参考数据序列矩阵可表示为
步骤3建立比较数据序列,其特征在于针对某评估样本,对其最低层次的所有指标,根据所设置的若干参考等级及相应的评分标准进行赋分,进而构造比较数据序列矩阵X′
表5参考数据序列和比较数据序列(示例)
步骤4计算关联系数,其特征在于将参考数据序列进行无量纲化处理,得到参考数据序列矩阵的无量纲化矩阵Z
步骤4计算关联系数,其特征在于然后计算差序列Δ
(3)式中ρ为分辨系数,取ρ=0.5。
步骤4计算关联度向量,其特征在于各个准则层下指标层各因素的权重向量与所求各准则层的关联系数矩阵相乘,如示例中γ
进一步的,评价目标的关联度表示为准则层权重向量与上述各关联度向量所组成的矩阵的乘积:γ=[W
步骤4明确评估等级,其特征在于该评价目标的灰色关联度其最大关联度所在参考数据序列等级即为评价目标的评价等级。
实施例
采用本发明所基于层次灰色关联分析的设备评估方法对某高校某套实验设备进行评估其管理等级,具体实施步骤如下:
步骤1:采用决策树归纳算法建立层次分析结构,构造判断矩阵;
步骤2:分配评价指标权重,并进行一致性检验;
步骤3:建立参考数据和比较数据评价体系;
步骤4:引入关联度分析,建立评估模型。
步骤1,建立层次分析结构如表6,共设置两个层次,目标层为实验设备评估等级,准则层包含六个影响因素;
表6某高校实验设备评估层次分析结构
根据所示步骤1构造准则层的判断矩阵,按照表2,将准则层两两因素的相对重要程度进行比较评分,构造判断矩阵:
步骤2计算评价指标权重,其特征在于首先利用(1)式计算各个判断矩阵的权重向量近似值:
W
将判断矩阵近似权重向量进行归一化处理:
W
计算此判断句子的最大特征值λ
步骤3建立参考数据序列,根据本实例,设置四个参考等级,参考数据序列矩阵:
各项指标的评分标准见表7,针对评价目标的6个参考指标,根据所设置的四个参考等级标准进行赋分,进一步构造样本的比较数据序列:
X′=(75,70,95,70,65,75)
表7参考数据序列
步骤4,将参考数据序列矩阵进行无量纲化处理,并计算差序列:
步骤4差序列中两极最大差和最小差为η=0.4615,μ=0.0000,进一步的求关联系数矩阵:
步骤5计算关联度向量:γ
经过绘制实验设备指标评分雷达图2,并向行业专家以及实验室管理相关负责人征求意见,专家认为通过本方法得出的实验设备管理可控性评价等级以实际情况相符,是科学、合理的评估结果。
- 一种基于多层次灰色关联的设备信息评估方法
- 一种基于AHP与灰色关联的多维网络安全评估方法