CN103886432A - 基于加权主成分分析的码头功能调整综合测评方法 - Google Patents

Abstract

本发明属于交通运输规划与管理技术领域，为建立码头功能区调整综合测评模型，并对具体测评结果进行分级，为港口规划调整、码头规划设计调整和管理控制提供技术支持。为此，本发明采用的技术方案是，基于加权主成分分析的码头功能调整综合测评方法，包括下列步骤：码头功能调整综合测评指标体系的建立；权重的确定利用灰色关联度法能客观确定权重这一自然特性，确定码头功能调整综合测评各个测评指标权重；测评模型的建立1）采用灰色关联度法确定各测评指标的权重w_j(j=1,2,...,26)；2）测评指标原始数据的无量纲化处理阈值的选取与级别的划分。本发明主要应用于交通运输规划与管理。

Description

基于加权主成分分析的码头功能调整综合测评方法

技术领域

本发明属于交通运输规划与管理技术领域，具体涉及一种采用加权主成分分析法对码头功能调整进行综合测评的方法。

背景技术

随着社会经济的快速发展、全球经济的一体化和科学技术水平的不断提高，很多码头特别是老港区的码头迫切需要进行功能调整。究其原因主要是这几个方面：城市的发展使得港区成为城市中心，严重影响到港口码头的集疏运系统，迫切需要对港口码头功能区域进行调整；科学技术的发展使得码头的靠泊能力、船边装卸能力和效率大大提高，迫切需要与之配套的前后方堆场、码头道路区域、闸口区域等进行调整；港口和码头企业从追求自身效益特别是经济利益最大化角度，调整部分码头作业区域以及与之配套的其它服务区域。无论何种原因，从可行的码头功能调整方案中选择最佳方案是充分发挥码头靠泊能力、实现码头经济效益最大化、避免港区道路交通拥堵、使港口集疏运系统正常运行的基础工作。考虑到针对具体码头，可行的功能调整方案是有限的，很难通过建立解析模型予以优化实现，对构思的若干可行方案进行综合测评是其选择的必然，因此建立一种科学的码头功能调整综合测评方法型具有重要的理论意义和工程应用价值。

从国内外相关文献阅读可知，现关于码头的测评主要分为两大类，一是对已经建成的码头进行综合性测评。如Dekker以鹿特丹为例，从港口及其辐射地区的相互影响出发,提出对港口作用进行测评的框架；朱逸飞构建集装箱码头测评指标体系，以期对码头企业经营管理提供科学的决策依据；邵雪梅采用集对分析法对铁矿石港口网络布局进行测评；严武元应用AHP（层次分析法）法确定布局方案测评指标体系；丁德平建立集装箱码头建设规模的测评指标体系，并运用模糊综合评判法进行测评。这些测评是建立在已有码头功能布局基础上的，不涉及码头功能调整内容。二是对码头改扩建进型的综合测评。如Howard等在对洛杉矶港口集装箱专用码头扩建项目进行测评时，运用投入产出模型论证了项目的可行性；王新辉以荃湾港区石化码头群的扩建为例，通过专家咨询和经验总结、统计分析得到了基于码头群配置、,码头建设的规模的测评指标，运用AHP法和Delphi法定量地对各方案进行比选、优化,寻求最优方案；侯登凯以营口港集装箱码头为研究对象，运用模糊综合评判法对扩建方案进行测评。

从以上相关文献的阅读可知，针对码头的综合性测评已有技术具有如下特点：

（1）从对象来看，现有码头综合测评主要针对已有码头综合能力的测评分析，不涉及码头功能调整；一些码头改扩建建设项目的综合测评是建立在码头靠泊能力增加或变化基础上，不针对码头功能调整部分，特别不涉及老港区码头功能调整部分。

（2）从测评指标体系建立方面，虽然改扩建项目综合测评的部分文献涉及到码头的各个功能协调问题，但仅是提及，列举出1-2个指标，没有将其作为重点来进行分析，其重点是社会经济指标，各个功能协调指标仅是其次要的满足要求即可的指标。

（3）从测评方法上来看，均是主观测评方法。如AHP、模糊综合测评法、Delphi法等，由专家人为确定，定性化成分多，带来了很多无法克服的主观性，存在巨大的局限性，无法利用客观数据、利用自然规律进行客观测评。且各类测评仅有一个结果，没有具体的分级标准，无法为码头具体功能调整方案提供科学的测评依据。

发明内容

为克服现有技术的不足，本发明旨在利用灰色关联度能客观确定权重、主成分分析法能建立客观的综合测评模型及系统分析目标分析法能建立综合测评指标体系的这一自然特性，采用系统分析法通过目标分解建立面向码头功能区调整的综合测评指标体系，综合主成分分析法和灰色关联度的优缺点-主成分分析法能克服指标间信息重叠和灰色关联度法能生成体现指标之间重要度差异权重的优点，避开主成分分析法确定生成的是机械性权重这一缺点，采用灰色关联度确定码头功能区调整综合测评指标权重，采用主成分分析法建立码头功能区调整综合测评模型，并对具体测评结果进行分级，为港口规划调整、码头规划设计调整和管理控制提供技术支持。为此，本发明采用的技术方案是，基于加权主成分分析的码头功能调整综合测评方法，包括下列步骤：

码头功能调整综合测评指标体系的建立

采用系统分析法利用测评指标体系的建立及其综合测评实际上是更好的实现系统目标即使系统目标得到改进这一自然规律，通过码头功能调整的本质是码头各个功能子系统更加匹配这一总目标的分解，建立码头装卸能力、码头配套设施、财务分析、经济分析四个子目标，从这四个子目标出发，确定各自的测度指标从而建立码头功能区调整的综合测评指标体系；

权重的确定

利用灰色关联度法能客观确定权重这一自然特性，确定码头功能调整综合测评各个测评指标权重；

①原始数据的处理

采用平均值法对原始数据进行处理：即将各测评方案同一指标值相加除以测评方案数目求得平均值做为该指标的参考值，将各个指标的平均值依次排列做为参考数列，设n=26为测评指标的数目，则经过数据处理后的参考数列x₀(t)表示为：

{x₀(t)}＝{x₀₁，x₀₂，...，x₀₂₆}

其中x₀₁表示第一个测评指标的参考值，x₀₂₆表示第26个测评指标的参考值；

②计算关联系数

设p为测评方案的数目，与参考数列作关联程度比较的p个数列即比较数列为：

$\{x_1\left(t\right),x_2\left(t\right),...,x_p\left(t\right)\}=\left[\begin{array}{cccc}{x}_{11}& x_{12}& \·\·\·& x_{126}\\ x_{21}& x_{12}& \·\·\·& x_{226}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ x_{p1}& x_{p2}& \·\·\·& x_{p26}\end{array}\right\}$

其中x₁₁表示第一个测评方案的第一个测评指标值，x₁₂₆表示第一个测评方案的第26个测评指标值，x_p26表示第p个测评方案的第26个测评指标值；

将第k(k＝1，2，...，p)个测评方案各指标的数值与参考数列x₀(t)对应指标值的差值的绝对值记为：

Δ_ok(t)＝|x₀(t)-x_k(t)|t=1,2,...,nx

对于第k个测评方案，分别记26个Δ_ok(t)中的最小数和最大数为Δ_ok(min)和Δ_ok(max)，对p个比较数列，又记p个Δ_ok(min)中的最小者为Δ(min)，p个Δ_ok(max)中的最大者为Δ(max)，这样Δ(min)和Δ(max)分别是所有p个比较数列在各个测评指标中的绝对差值中的最小者和最大者，于是，第k个方案中第t个测评指标的关联系数通过下式计算：

${\mathrm{\ζ}}_{\mathrm{ok}}\left(t\right)=\frac{\mathrm{\Δ}\left(\min \right)+\mathrm{\ρ\Δ}\left(\max \right)}{{\mathrm{\Δ}}_{\mathrm{ok}}\left(t\right)+\mathrm{\ρ\Δ}\left(\max \right)}$

式中ρ为分辩系数，用来削弱Δ(max)过大而使关联系数失真的影响，0＜ρ＜1；

③求关联度

计算第t个测评指标的关联度r_t：

$r_t=\frac{1}{p}\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\ζ}}_{0k}\left(t\right)$

其中ζ_ok(t)为第k个方案中第t个测评指标的关联系数；

④通过关联度确定权重

对各个测评指标的关联度进行归一化处理，即每一个指标的关联度除以所有关联度的总和，然后可得到各个指标的权重矩阵：

w=[w₁，w₂，....，w_j，....，w₂₆]

其中w_j为第j个测评指标的权重；

测评模型的建立

利用主成分分析法-这一客观测评方法能克服指标间信息重叠的这一自然规律，建立基于加权主成分分析法的码头功能调整综合测评模型，具体步骤为；

1）采用灰色关联度法确定各测评指标的权重w_j(j=1,2,...,26)；

2）测评指标原始数据的无量纲化处理

I.对于成本型指标

$y_{\mathrm{lj}}=\frac{{\max x}_j-x_{\mathrm{lj}}}{{\max x}_j--{\min x}_{\mathrm{lj}}}$

II.对于效益型指标

$y_{\mathrm{lj}}=\frac{x_{\mathrm{lj}}-{\min x}_j}{{\max x}_j-{\min x}_j}$

III.对于区间型指标

其中x_lj表示第l个测评对象(样本,方案)的第j项指标值，maxx_j、minx_j分别是x_lj中的最大值和最小值，[S₁,S₂]为指标的最优区间；

将各指标通过无量纲化处理后再乘以100，转化成百分制计数，其中x_lj表示第l个测评对象(样本,方案)的第j项指标值，共L个测评对象，26个测评指标；

3）计算矩阵(y_lj)_L×26的相关矩阵R＝(r_ij)_26×26，其中r_lj为第l行与第j列的相关系数：(y_lj)_L×26是原始数据经过无量纲化处理后的L行26列的矩阵；

4）计算R的特征值λ₁≥λ₂≥λ₃≥......≥λ₂₆及对应的标准正交化特征向量u₁，u₂，...,u₂₆；

5）求主成分：

$Z_k=\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{u}_{\mathrm{kj}}{y}_j,k=\mathrm{1,2},...,26$

其中u_kj表示第k个特征值对应的第j个标准正交化特征向量；其中y_j是第j个标准化指标；

6）计算累计方差贡献率E，使其满足

$E=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_j/\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{\mathrm{\λ}}_j\≥85\%$

其中E的大小表示前m个主成分反映的信息量和的多少，85%表示提出的特征信息的精度，也可以取其它如90%、95%等，具体依据不同的要求确定；

7）标准化指标y_j的加权处理：

$y_j^{*}=w_j{y}_j,j=\mathrm{1,2},...,26$

其中w_j为通过灰色关联度法求得的第j个测评指标的权重；

8）计算每个测评对象(样本,方案)的综合测评指数值Z

$Z=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}({\mathrm{\λ}}_k/\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{\mathrm{\λ}}_j)\×\left(\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{u}_{\mathrm{kj}}{y}_j^{*}\right)$

以该值大小对包括样本，方案各个测评对象进行排序；

阈值的选取与级别的划分

根据各个指标的值以及最后的综合测评值确定级别，即级别的划分既要考虑各个分指标值的大小达到一定标准，又要考虑最后的综合测评值达到指定标准，进而保证整体方案的有效性。

本发明的技术特点及效果：

1）本专利利用测评指标体系的建立及其综合测评实际上是更好的实现系统目标即使系统目标得到改进这一自然规律，通过码头功能调整的本质是码头各个功能子系统更加匹配这一总目标的分解，建立码头装卸能力、码头配套设施、财务分析、经济分析四个子目标，从这四个子目标出发，确定各自的测度指标从而建立码头功能区调整的综合测评指标体系。

2）本专利综合灰色关联度和主成分分析方法各自的优缺点，利用确定灰色关联度测评指标权重，建立基于加权主成分分析法的码头功能调整综合测评模型，实现了客观测评，为保证测评结果的客观性提供基础。

3）本专利通过单向指标和综合指标共同评级的方法，界定了码头功能调整各个测评指标具体的分级标准，建立了切实可行的码头功能调整服务水平评级制度，从而为确定出最优功能调整方案，提供具体工程指导。

附图说明

图1码头功能调整综合测评指标体系。

图2测评具体实施过程。

具体实施方式

基于加权主成分分析的码头功能调整综合测评方法的研究，利用灰色关联度能客观确定权重、主成分分析法能建立客观的综合测评模型及系统分析目标分析法能建立综合测评指标体系的这一自然特性，采用系统分析法通过目标分解建立面向码头功能区调整的综合指标体系，综合主成分分析法和灰色关联度的优缺点，采用灰色关联度确定码头功能区调整综合测评指标权重，采用主成分分析法建立码头功能区调整综合测评模型，并对具体测评结果进行分级，使测评的结果更符合实际情况。在具体应用与实施方式方面为：

（1）已有港口规划调整方面。特别是大面积范围的城市老港区功能规划调整方面，本研究能为其提供能反映实际的定量化的客观的技术支持，包括具体各个功能调整方案的综合得分值、服务水平评级值等以及涉及到的港区道路调整等内容。

（2）已有码头规划调整方面。特别是城市老港区部分码头功能规划调整方面，本研究能为其提供能反映实际的定量化的客观的技术支持，包括具体各个功能调整方案的综合得分值、服务水平评级值等。

（3）为码头企业运输组织优化提供技术支持。码头靠泊能力等一些指标不能改变，但堆场等仓储用地可以进一步细分，如前后方堆场、空重箱堆场、闸口开放数量等，码头企业在无法改变整个功能调整方案的前提下，可以依据本技术方法和企业自身业务情况，求得最佳的各个功能子区域所需面积等指标，得到各自缺口和富裕容量，然后通过租赁等方式予以适当弥补，实现自身企业运输组织的优化作业。

因此基于加权主成分分析的码头功能调整综合测评方法的研究具有重要的现实意义和理论意义。下面结合附图和具体实施方式进一步详细说明本发明。

1.1综合测评指标体系的建立

本专利综合测评体系的建立除遵循整体完备性、客观性、实用性原则、科学性原则外，主要遵循：（1）对很多物理指标在功能调整前、后不会改变的，不需要列出，仅列出是通过功能调整改变的指标，即突出功能调整的指标。（2）必须考虑到各个指标的客观性，除个别指标外，大部分能够通过建立解析和仿真模型能予以定量化预测确定的，或通过具体设计方案予以确定的，尽量避免主观指标。（3）指标简单且尽可能少，没有必要列举出过多的指标。

在上述原则的基础上，本专利采用系统分析法利用测评指标体系的建立及其综合测评实际上是更好的实现系统目标即使系统目标得到改进这一自然规律，通过码头功能调整的本质是码头各个功能子系统更加匹配、协调这一总目标的分解，建立码头装卸能力、码头配套设施、财务分析、经济分析四个子目标，从这四个子目标出发，确定各自的测度指标从而建立码头功能区调整的综合测评指标体系。具体见图1。

1.2测评指标权重的确定

关联度是事物之间、因素之间关联性大小的量度。它定量地描述了事物或因素之间相互变化的情况，即变化的大小、方向与速度等的相对性。灰色关联度分析所需数据较少，对数据的要求较低，原理简单，本发明利用灰色关联度法能客观确定权重这一自然特性，确定码头功能调整综合测评各个测评指标权重，具体测评指标的权重。

①原始数据的处理

采用平均值法对原始数据进行处理：即将各测评方案同一指标值相加除以测评方案数目求得平均值做为该指标的参考值，将各个指标的平均值依次排列做为参考数列，设n=26为测评指标的数目，则经过数据处理后的参考数列x₀(t)表示为：

{x₀(t)}＝{x₀₁，x₀₂，...，x₀₂₆}

其中x₀₁表示第一个测评指标的参考值，x₀₂₆表示第26个测评指标的参考值；

②计算关联系数

设p为测评方案的数目，与参考数列作关联程度比较的p个数列(常称为比较数列)为：

$\{x_1\left(t\right),x_2\left(t\right),...,x_p\left(t\right)\}=\left[\begin{array}{cccc}{x}_{11}& x_{12}& \·\·\·& x_{126}\\ x_{21}& x_{12}& \·\·\·& x_{226}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ x_{p1}& x_{p2}& \·\·\·& x_{p26}\end{array}\right\}$

其中x₁₁表示第一个测评方案的第一个测评指标值，x₁₂₆表示第一个测评方案的第26个测评指标值，x_p26表示第p个测评方案的第26个测评指标值；

将第k(k＝1，2，...，p)个测评方案各指标的数值与参考数列x₀(t)对应指标值的差值的绝对值记为：

Δ_ok(t)＝|x₀(t)-x_k(t)|t=1,2,...,nx

对于第k个测评方案，分别记26个Δ_ok(t)中的最小数和最大数为Δ_ok(min)和Δ_ok(max)，对p个比较数列，又记p个Δ_ok(min)中的最小者为Δ(min)，p个Δ_ok(max)中的最大者为Δ(max)，这样Δ(min)和Δ(max)分别是所有p个比较数列在各个测评指标中的绝对差值中的最小者和最大者，于是，第k个方案中第t个测评指标的关联系数通过下式计算：

${\mathrm{\ζ}}_{\mathrm{ok}}\left(t\right)=\frac{\mathrm{\Δ}\left(\min \right)+\mathrm{\ρ\Δ}\left(\max \right)}{{\mathrm{\Δ}}_{\mathrm{ok}}\left(t\right)+\mathrm{\ρ\Δ}\left(\max \right)}$

式中ρ为分辩系数，用来削弱Δ(max)过大而使关联系数失真的影响，0＜ρ＜1；

③求关联度

计算第t个测评指标的关联度r_t：

$r_t=\frac{1}{p}\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\ζ}}_{0k}\left(t\right)$

其中ζ_ok(t)为第k个方案中第t个测评指标的关联系数；

④通过关联度确定权重

对各个测评指标的关联度进行归一化处理，即每一个指标的关联度除以所有关联度的总和，然后可得到各个指标的权重矩阵：

w=[w₁，w₂，....，w_j，....，w₂₆]

其中w_j为第j个测评指标的权重。

1.3测评模型

利用主成分分析法-这一客观测评方法能克服指标间信息重叠的这一自然规律，建立基于加权主成分分析法的码头功能调整综合测评模型，具体步骤为；

1）采用灰色关联度法确定各测评指标的权重w_j(j=1,2,...,26)；

2）测评指标原始数据的无量纲化处理

I.对于成本型指标

$y_{\mathrm{lj}}=\frac{{\max x}_j-x_{\mathrm{lj}}}{{\max x}_j--{\min x}_{\mathrm{lj}}}$

II.对于效益型指标

$y_{\mathrm{lj}}=\frac{x_{\mathrm{lj}}-{\min x}_j}{{\max x}_j-{\min x}_j}$

III.对于区间型指标

其中x_lj表示第l个测评对象(样本,方案)的第j项指标值，maxx_j、minx_j分别是x_lj中的最大值和最小值，[S₁，S₂]为指标的最优区间。

将各指标通过无量纲化处理后再乘以100，转化成百分制计数，其中x_lj表示第l个测评对象(样本,方案)的第j项指标值，共L个测评对象，26个测评指标；

3）计算矩阵(y_lj)_L×26的相关矩阵R＝(r_ij)_26×26，其中r_lj为第l行与第j列的相关系数：(y_lj)_L×26是原始数据经过无量纲化处理后的L行26列的矩阵；

4）计算R的特征值λ₁≥λ₂≥λ₃≥......≥λ₂₆及对应的标准正交化特征向量u₁，u₂，...,u₂₆；

5）求主成分：

$Z_k=\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{u}_{\mathrm{kj}}{y}_j,k=\mathrm{1,2},...,26$

其中u_kj表示第k个特征值对应的第j个标准正交化特征向量；其中y_j是第j个标准化指标；

6）计算累计方差贡献率E，使其满足

$E=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_j/\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{\mathrm{\λ}}_j\≥85\%$

其中E的大小表示前m个主成分反映的信息量和的多少，85%表示提出的特征信息的精度，也可以取其它如90%、95%等，具体依据不同的要求确定；

7）标准化指标y_j的加权处理：

$y_j^{*}=w_j{y}_j,j=\mathrm{1,2},...,26$

其中w_j为通过灰色关联度法求得的第j个测评指标的权重；

8）计算每个测评对象(样本,方案)的综合测评指数值Z

$Z=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}({\mathrm{\λ}}_k/\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{\mathrm{\λ}}_j)\×\left(\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{u}_{\mathrm{kj}}{y}_j^{*}\right)$

以该值大小对包括样本，方案各个测评对象进行排序。

1.4阈值的选取与级别的划分

根据各个指标的值以及最后的综合测评值确定级别，即级别的划分既要考虑各个分指标值的大小达到一定标准，又要考虑最后的综合测评值达到指定标准，进而保证整体方案的有效性。具体的分级标准见表1。

表1服务水平测评标准

当判定服务水平是否为A—D级时，需考虑每个分指标值和综合指标值是否同时到达标准，如对于A级服务水平的判断，每个指标值必须都大于或等于80，并且综合指标值要大于90；当判定服务水平是否为E级时，只要分指标值或综合指标值某一项到达各自标准即为当前等级，即只要有一个分指标值或综合指标值小于60，即为E级。

1.5计算框图，如图2所示。

1.6具体方案验证分析

1）案例分析对象-天津港北疆堆场基本情况

天津港北疆港区是天津港最早建设的现以集装箱、散杂货为主的老港区，临界滨海新区中心商务区，其中有集装箱、散杂货堆场（主要集中在四号路以南，二号路以北）共有十一个区域25块左右，约280万平米，现用于集装箱约104.8万平米，用于矿石约116.2万平米，用于钢材及杂货约36.4万平米，用于汽车堆场约14.4万平。具体现状部分数据见表2中B1和A1方案。

2）北疆港区现状布局存在的问题

I.码头能力与配套堆场能力不匹配，很大程度上限制了码头能力的发挥，并且，后方堆场条块分割，规模小，经营成分复杂，缺乏统一规划和专业化经营。

II.集港作业时，四号路、六号路、二号路等路段交通压力突出，并且四号路与临海路交叉口、二号路与东环路交叉口拥堵情况严重。

3）码头功能区拟调整方案

码头拟调整方案：A1=现状、A2=（矿石码头调整至南疆、港埠一公司部分集装箱功能码头调整为件杂码头）。具体见表2。

堆场调整方案：B1=现状、B2=近期方案、B3=远期方案。具体见表2。

表2码头堆场现状及远期调整方案

码头用地功能调整方案有4个

方案一：A1+B1。天津港北疆港的各个码头公司维持现状不做调整，后方堆场维持现状不做调整。

方案二：A1+B2。天津港北疆港的各个码头公司维持现状不做调整，后方堆场的功能布局调整如下：部分集装箱堆场B调整为钢杂堆场B、部分集装箱堆场C和部分钢杂堆场C调整为杂货堆场C、矿石堆场D调整为集装箱堆场、矿石堆场E调整为散杂货堆场E、部分矿石堆场J调整为汽车堆场。

方案三：A2+B2。天津港北疆港码头公司调整：港埠四公司的矿石码头调整至南疆港区、港埠五公司的部分矿石码头调整至南疆港区；后方堆场功能布局调整：部分集装箱堆场B调整为钢杂堆场B、部分集装箱堆场C和部分钢杂堆场C调整为杂货堆场C、矿石堆场D调整为集装箱堆场D、矿石堆场E调整为散杂货堆场E、部分矿石堆场J调整为汽车堆场。

方案四：A2+B3。天津港北疆港码头公司调整：港埠四公司的矿石码头调整至南疆港区、港埠五公司的部分矿石码头调整至南疆港区；后方堆场功能布局调整：集装箱堆场B变为钢杂堆场B、集装箱堆场C和钢杂堆场C都变为杂货堆场C、集装箱堆场G和H变为机动区堆场G和H、矿石堆场D和I变为集装箱堆场D和I、矿石堆场E变为散杂货堆场E、矿石堆场J变为汽车堆场J。

为了验证本方法的有效性，选取天津港北疆港码头功能调整的4个方案进行测评分析。根据码头公司的实际调查及模型预测仿真得出的具体方案各指标值见表3。

4）综合测评结果

通过灰色关联度确定各指标权重，其中各方案指标的关联系数矩阵见表4，得到的权重向量W_j=[0.04,0.03,0.04,0.03,0.03,0.04,0.04,0.04,0.02,0.04,0.04,0.03,0.04,0.04,0.03,0.03,0.04,0.04,0.04,0.04,0.04,0.04,0.04,0.04,0.04,0.04]。再通过主成分分析法计算各方案的综合测评指标值，各主成分所对应的特征值及特征向量见表5，对于当前m个主成分，m=3时，累积分差贡献率E=0.92>0.85，故选取3个主成分Z₁、Z₂、Z₃，各方案分指标的百分制得分及综合测评结果Z见表6。

通过最终得到的百分制转化值以及各个方案分指标的百分制得分可以划定方案的服务水平，可以看出方案4为最优方案，服务水平达到了A级，方案各个分指标达到了指定标准，并且综合指标值也达到了指定标准，即可以提高码头的吞吐量、设备的装卸效率及堆场的作业效率，可以获得6.7亿元的财务净现值和6.4亿元的经济净现值。对于其它方案：方案3虽然综合指标值较高，但由于个别分指标较小，达不到相应标准，服务水平为C级；方案1由于分指标低于60，服务水平为E级。通过提出的测评方法和分级标准可以有效、全面的测评各个方案，比选择优，具有很强的应用性。

本发明利用灰色关联度能客观确定权重、主成分分析法能建立客观的综合测评模型及系统分析目标分析法能建立综合测评指标体系的这一自然特性，采用系统分析法通过目标分解建立面向码头功能区调整的综合指标体系，综合主成分分析法和灰色关联度的优缺点，采用灰色关联度确定码头功能区调整综合测评指标权重，采用主成分分析法建立码头功能区调整综合测评模型，并对具体测评结果进行分级，使测评的结果更符合实际情况。为已有港口规划调整、已有码头规划调整、码头企业运输组织优化提供技术支持。

表3各方案指标值

表4各方案指标的关联系数矩阵

表5各主成分所对应的特征值及特征向量

表6.各方案分指标百分制得分及综合测评结果

Claims (1)

1.一种基于加权主成分分析的码头功能调整综合测评方法，其特征是，包括下列步骤：

码头功能调整综合测评指标体系的建立

采用系统分析法利用测评指标体系的建立及其综合测评实际上是更好的实现系统目标即使系统目标得到改进这一自然规律，通过码头功能调整的本质是码头各个功能子系统更加匹配这一总目标的分解，建立码头装卸能力、码头配套设施、财务分析、经济分析四个子目标，从这四个子目标出发，确定各自的测度指标从而建立码头功能区调整的综合测评指标体系；

权重的确定

利用灰色关联度法能客观确定权重这一自然特性，确定码头功能调整综合测评各个测评指标权重；

①原始数据的处理

采用平均值法对原始数据进行处理：即将各测评方案同一指标值相加除以测评方案数目求得平均值做为该指标的参考值，将各个指标的平均值依次排列做为参考数列，设n=26为测评指标的数目，则经过数据处理后的参考数列x₀(t)表示为：

{x₀(t)}＝{x₀₁，x₀₂，...，x₀₂₆}

其中x₀₁表示第一个测评指标的参考值，x₀₂₆表示第26个测评指标的参考值；

②计算关联系数

设p为测评方案的数目，与参考数列作关联程度比较的p个数列即比较数列为：

$\{x_1\left(t\right),x_2\left(t\right),...,x_p\left(t\right)\}=\left[\begin{array}{cccc}{x}_{11}& x_{12}& \·\·\·& x_{126}\\ x_{21}& x_{12}& \·\·\·& x_{226}\\ \·\·\·& \·\·\·& \·\·\·& \·\·\·\\ x_{p1}& x_{p2}& \·\·\·& x_{p26}\end{array}\right\}$

其中x₁₁表示第一个测评方案的第一个测评指标值，x₁₂₆表示第一个测评方案的第26个测评指标值，x_p26表示第_p个测评方案的第26个测评指标值；

将第k(k＝1，2，...，p)个测评方案各指标的数值与参考数列x₀(t)对应指标值的差值的绝对值记为：

Δ_ok(t)＝|x₀(t)-x_k(t)|t=1,2,...,nx

对于第k个测评方案，分别记26个Δ_ok(t)中的最小数和最大数为Δ_ok(min)和Δ_ok(max)，对p个比较数列，又记p个Δ_ok(min)中的最小者为Δ(min)，p个Δ_ok(max)中的最大者为Δ(max)，这样Δ(min)和Δ(max)分别是所有p个比较数列在各个测评指标中的绝对差值中的最小者和最大者，于是，第k个方案中第t个测评指标的关联系数通过下式计算：

${\mathrm{\ζ}}_{\mathrm{ok}}\left(t\right)=\frac{\mathrm{\Δ}\left(\min \right)+\mathrm{\ρ\Δ}\left(\max \right)}{{\mathrm{\Δ}}_{\mathrm{ok}}\left(t\right)+\mathrm{\ρ\Δ}\left(\max \right)}$

式中ρ为分辩系数，用来削弱Δ(max)过大而使关联系数失真的影响，0＜ρ＜1；

③求关联度

计算第t个测评指标的关联度r_t：

$r_t=\frac{1}{p}\underset{k=1}{\overset{p}{\mathrm{\Σ}}}{\mathrm{\ζ}}_{0k}\left(t\right)$

其中ζ_ok(t)为第k个方案中第t个测评指标的关联系数；

④通过关联度确定权重

对各个测评指标的关联度进行归一化处理，即每一个指标的关联度除以所有关联度的总和，然后可得到各个指标的权重矩阵：

w=[w₁，w₂，....，w_j，....，w₂₆]

其中w_j为第j个测评指标的权重；

测评模型的建立

利用主成分分析法-这一客观测评方法能克服指标间信息重叠的这一自然规律，建立基于加权主成分分析法的码头功能调整综合测评模型，具体步骤为；

1）采用灰色关联度法确定各测评指标的权重w_j(j=1,2,...,26)；

2）测评指标原始数据的无量纲化处理

I.对于成本型指标

$y_{\mathrm{lj}}=\frac{{\max x}_j-x_{\mathrm{lj}}}{{\max x}_j--{\min x}_{\mathrm{lj}}}$

II.对于效益型指标

$y_{\mathrm{lj}}=\frac{x_{\mathrm{lj}}-{\min x}_j}{{\max x}_j-{\min x}_j}$

III.对于区间型指标

其中x_lj表示第l个测评样本对象或方案对象的第j项指标值，maxx_j、minx_j分别是x_lj中的最大值和最小值，[S₁,S₂]为指标的最优区间；

将各指标通过无量纲化处理后再乘以100，转化成百分制计数，其中x_lj表示第l个测评对象(样本,方案)的第j项指标值，共L个测评对象，26个测评指标；

3）计算矩阵(y_lj)_L×26的相关矩阵R＝(r_ij)_26×26，其中r_lj为第l行与第j列的相关系数：(y_lj)_L×26是原始数据经过无量纲化处理后的L行26列的矩阵；

4）计算R的特征值λ₁≥λ₂≥λ₃≥......≥λ₂₆及对应的标准正交化特征向量u₁，u₂，...,u₂₆；

5）求主成分：

$Z_k=\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{u}_{\mathrm{kj}}{y}_j,k=\mathrm{1,2},...,26$

其中u_kj表示第k个特征值对应的第j个标准正交化特征向量；其中y_j是第j个标准化指标；

6）计算累计方差贡献率E，使其满足

$E=\underset{j=1}{\overset{m}{\mathrm{\Σ}}}{\mathrm{\λ}}_j/\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{\mathrm{\λ}}_j\≥85\%$

其中E的大小表示前m个主成分反映的信息量和的多少，85%表示提出的特征信息的精度，也可以取其它如90%、95%等，具体依据不同的要求确定；

7）标准化指标y_j的加权处理：

$y_j^{*}=w_j{y}_j,j=\mathrm{1,2},...,26$

其中w_j为通过灰色关联度法求得的第j个测评指标的权重；

8）计算每个测评对象(样本,方案)的综合测评指数值Z

$Z=\underset{k=1}{\overset{m}{\mathrm{\Σ}}}({\mathrm{\λ}}_k/\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{\mathrm{\λ}}_j)\×\left(\underset{j=1}{\overset{26}{\mathrm{\Σ}}}{u}_{\mathrm{kj}}{y}_j^{*}\right)$

以该值大小对包括样本，方案各个测评对象进行排序；

阈值的选取与级别的划分

根据各个指标的值以及最后的综合测评值确定级别，即级别的划分既要考虑各个分指标值的大小达到一定标准，又要考虑最后的综合测评值达到指定标准，进而保证整体方案的有效性。

Images