CN105069297A - 基于层次分析法的茶花品种的综合评价方法 - Google Patents

Abstract

本发明公开了一种基于层次分析法的茶花品种的综合评价方法，包括：步骤1、将茶花品种评价设为目标层；确定茶花品种评价的因素，将其设置为准则层；确定待评价的茶花品种，将其设置为指标层；步骤2、根据所述因素构建判断矩阵，计算各个因素相对于目标层的权重值；步骤3、将各个因素根据评分标准划分为三个不同的具体评分值；步骤4、根据每个所述因素相对于目标层的权重值以及其具体评分值，计算指标层的各个茶花品种的综合评价值；本发明评估方法简单，利用层次分析法，计算出每个影响因素的权重值，最后计算出每个茶花品种的综合评价值，可以对茶花品种比较全面进行评价，科学的对茶花品种进行筛选，避免人为因素对茶花品种的筛选产生影响。

Description

基于层次分析法的茶花品种的综合评价方法

技术领域

本发明属于茶花品种的综合评价方法领域，具体涉及一种基于层次分析法的茶花品种的综合评价方法。

背景技术

茶花，因其植株形姿优美，叶为浓绿绿而光泽，花形艳丽缤纷，而受到世界园艺界的珍视。茶花的品种极多，是中国传统的观赏花卉，“十大名花”中排名第八，亦是世界名贵花木之一。

植物园、公园等地方通常都会引进新的茶花品种进行栽种，以吸引更多的游客，但是由于地域的差别，引进的茶花不一定能适应当地的气候环境以及游客的喜好，引起不当会造成大量损失，而且也会造成大量人力资源的浪费，所以在大量推广种植之前，都需要对茶花品种进行评价，但是由于影响茶花品种的因素太多，无法凭借人工经验进行评价，而且这样评价很容易由于每个人经验不同而导致评价结果产生很大的差异。

发明内容

本发明的一个目的是能够提供一种基于层次分析法的茶花品种的综合评价方法，本发明评估方法简单，利用层次分析法，计算出每个影响因素的权重值，最后计算出每个茶花品种的综合评价值，可以对茶花品种比较全面进行评价，科学的对茶花品种进行筛选，避免人为因素对茶花品种的筛选产生影响。

本发明提供的技术方案为：

一种基于层次分析法的茶花品种的综合评价方法，包括：

步骤1、将茶花品种评价设为目标层；

确定茶花品种评价的因素，将其设置为准则层；

确定待评价的茶花品种，将其设置为指标层；

步骤2、根据所述因素构建判断矩阵，计算各个因素相对于目标层的权重值；

步骤3、将各个因素根据评分标准划分为三个不同的具体评分值；

步骤4、根据每个所述因素相对于目标层的权重值以及其具体评分值，计算指标层的各个茶花品种的综合评价值，完成茶花品种的综合评价。

优选的是，所述的基于层次分析法的茶花品种的综合评价方法，所述步骤2中的判断矩阵为：

$\left[\begin{array}{cccc}{a}_{i,j}& a_{i,j+1}& a_{i,j+2}& a_{i,j+3}\\ a_{i+1,j}& a_{i+1,j+1}& a_{i+1,j+2}& a_{i+1,j+3}\\ a_{i+2,j}& a_{i+2,j+1}& a_{i+2,j+2}& a_{i+2,j+3}\\ a_{i+3,j}& a_{i+3,j+1}& a_{i+3,j+1}& a_{i+3,j+3}\end{array}\right];$

其中，判断矩阵中元素a_ij的值代表的是第i个元素相对第j个元素的重要性，其数值用1，2，...8，9或其倒数表示。

优选的是，所述的基于层次分析法的茶花品种的综合评价方法，所述步骤2中构建判断矩阵之后，还需对所述判断矩阵进行有效性检验，具体方法如下：

CR＝C1/R1，

若CR＜0.1时，可认为判断该矩阵具有一致性，证明该矩阵有效；

其中，CR为随机一致性指标，C1为一致性指标值，C1采用以下算式计算：R1为平均随机一致性指标值；

其中，λmax为判断矩阵的最大特征值，n为元素个数。

优选的是，所述的基于层次分析法的茶花品种的综合评价方法，在所述步骤1之前对所述茶花进行以下处理：

以油茶大树树桩作为砧木，将所述茶花嫁接在所述砧木上。

优选的是，所述的基于层次分析法的茶花品种的综合评价方法，所述步骤1中的确定茶花品种评价的因素，将其设置为准则层，具体为；

确定茶花品种评价的主控因素，将其设置为约束层；

确定分别隶属于每个主控因素的子因素，将其设置为标准层；

优选的是，所述的基于层次分析法的茶花品种的综合评价方法，所述主控因素包括：适应性、嫁接性及观赏性；

所述分别隶属于每个主控因素的子因素，其具体为：

隶属于适应性主控因素的子因素：抗病性、抗寒性、抗热性、抗旱性；

隶属于嫁接性主控因素的子因素：嫁接成活率、亲和力、嫁接后生长势；

隶属于观赏性主控因素的子因素：花色、花期天数、始花期。

优选的是，所述的基于层次分析法的茶花品种的综合评价方法，所述步骤2中根据所述因素构建判断矩阵，计算各个因素相对于目标层的权重值，具体为：

S1、根据所述主控因素构建第一判断矩阵，计算所述第一判断矩阵中的各个所述主控元素相对于目标层所对应的权重值，其中所述第一判断矩阵如下；

$B=\left[\begin{array}{ccc}1& 1/3& 1/3\\ 3& 1& 1\\ 3& 1& 1\end{array}\right];$

S2、分别根据各个所述子因素构建相对应的多个第二判断矩阵，并分别计算每个所述第二判断矩阵中的各个所述子元素相对于该子元素隶属的约束层的主控元素所对应的权重值，其中，多个第二判断矩阵分别为：

$P1=\left[\begin{array}{cccc}1& 1/3& 1/3& 1\\ 3& 1& 1& 1\\ 3& 1& 1& 1\\ 1& 1& 1& 1\end{array}\right];$

$P2=\left[\begin{array}{ccc}1& 1/3& 1/3\\ 3& 1& 1\\ 3& 1& 1\end{array}\right];$

$P3=\left[\begin{array}{ccc}1& 3& 1\\ 1/3& 1& 1/3\\ 1& 3& 1\end{array}\right];$

其中，P1、P2、P3分别对应于适应性主控因素的子因素、隶属于嫁接性主控因素的子因素、隶属于观赏性主控因素的子因素；

S3、采用以下算式计算各个所述子因素相对于目标层的权重值，

A_i＝a_i*b_i

A_i——各个所述子因素相对于目标层的权重值；

a_i——各个所述主控元素相对于目标层的权重值；

b_i——各个所述子元素相对于约束层中该子元素隶属的主控元素的权重值。

优选的是，所述的基于层次分析法的茶花品种的综合评价方法，所述步骤3中的三个不同的具体评分值，具体为1分、3分、5分。

优选的是，所述的基于层次分析法的茶花品种的综合评价方法，所述步骤4中，计算指标层的各个茶花品种的综合评价值所采用的算式为：

W_j＝∑(A_jq*n_jq)；

其中，

q＝1，2，3...10；

W_j——第j个茶花品种的综合评价值；

A_jp——第j个茶花品种的第q个子因素相对于目标层的权重值；

n_jp——第j个茶花品种的第q个子因素的具体评分值。

本发明至少包括以下有益效果：

本发明评估方法简单，利用层次分析法，计算出每个影响因素的权重值，最后计算出每个茶花品种的综合评价值，可以对茶花品种比较全面进行评价，科学的对茶花品种进行筛选，避免人为因素对茶花品种的筛选产生影响；

并且，将准则层分成约束层和标准层，分别计算约束层中每个主控因素相当于目标层的权重值，再计算标准层中的每个子因素相对于约束层中其所隶属的主控因素的权重值，从而计算出每个子因素相对于目标层的权重值，从而避免了只设一个标准层，不设约束层的情况下，直接利用矩阵计算出每个子因素相对于目标层的权重值，所造成的过程繁杂，涉及的矩阵过多，容易出错。

本发明的其它优点，目标和特征将部分通过下面的说明体现，部分还将通过对本发明的研究和实践而为本领域的技术人员所理解。

具体实施方式

下面结合具体实施例对本发明作进一步说明，以令本领域技术人员参照说明书文字能够据以实施。

一种基于层次分析法的茶花品种的综合评价方法，包括：

步骤1、将茶花品种评价设为目标层；

确定茶花品种评价的因素，将其设置为准则层；

确定待评价的茶花品种，将其设置为指标层；

步骤2、根据所述因素构建判断矩阵，计算各个因素相对于目标层的权重值；

步骤3、将各个因素根据评分标准划分为三个不同的具体评分值；

步骤4、根据每个所述因素相对于目标层的权重值以及其具体评分值，计算指标层的各个茶花品种的综合评价值，完成茶花品种的综合评价。

所述的基于层次分析法的茶花品种的综合评价方法，所述步骤2中的判断矩阵为：

$\left[\begin{array}{cccc}{a}_{i,j}& a_{i,j+1}& a_{i,j+2}& a_{i,j+3}\\ a_{i+1,j}& a_{i+1,j+1}& a_{i+1,j+2}& a_{i+1,j+3}\\ a_{i+2,j}& a_{i+2,j+1}& a_{i+2,j+2}& a_{i+2,j+3}\\ a_{i+3,j}& a_{i+3,j+1}& a_{i+3,j+1}& a_{i+3,j+3}\end{array}\right];$

其中，判断矩阵中元素a_ij的值代表的是第i个元素相对第j个元素的重要性，其数值用1，2，...8，9或其倒数表示。

所述的基于层次分析法的茶花品种的综合评价方法，所述步骤2中构建判断矩阵之后，还需对所述判断矩阵进行有效性检验，具体方法如下：

CR＝C1/R1，

若CR＜0.1时，可认为判断该矩阵具有一致性，证明该矩阵有效；

其中，CR为随机一致性指标，C1为一致性指标值，C1采用以下算式计算：R1为平均随机一致性指标值；

其中，λmax为判断矩阵的最大特征值，n为元素个数。

所述的基于层次分析法的茶花品种的综合评价方法，在所述步骤1之前对所述茶花进行以下处理：

以油茶大树树桩作为砧木，将所述茶花嫁接在所述砧木上。

所述的基于层次分析法的茶花品种的综合评价方法，所述步骤1中的确定茶花品种评价的因素，将其设置为准则层，具体为；

确定茶花品种评价的主控因素，将其设置为约束层；

确定分别隶属于每个主控因素的子因素，将其设置为标准层；

所述的基于层次分析法的茶花品种的综合评价方法，所述主控因素包括：适应性、嫁接性及观赏性；

所述分别隶属于每个主控因素的子因素，其具体为：

隶属于适应性主控因素的子因素：抗病性、抗寒性、抗热性、抗旱性；

隶属于嫁接性主控因素的子因素：嫁接成活率、亲和力、嫁接后生长势；

隶属于观赏性主控因素的子因素：花色、花期天数、始花期。

所述的基于层次分析法的茶花品种的综合评价方法，所述步骤2中根据所述因素构建判断矩阵，计算各个因素相对于目标层的权重值，具体为：

S1、根据所述主控因素构建第一判断矩阵，计算所述第一判断矩阵中的各个所述主控元素相对于目标层所对应的权重值，其中所述第一判断矩阵如下；

$B=\left[\begin{array}{ccc}1& 1/3& 1/3\\ 3& 1& 1\\ 3& 1& 1\end{array}\right];$

S2、分别根据各个所述子因素构建相对应的多个第二判断矩阵，并分别计算每个所述第二判断矩阵中的各个所述子元素相对于该子元素隶属的约束层的主控元素所对应的权重值，其中，多个第二判断矩阵分别为：

$P1=\left[\begin{array}{cccc}1& 1/3& 1/3& 1\\ 3& 1& 1& 1\\ 3& 1& 1& 1\\ 1& 1& 1& 1\end{array}\right];$

$P2=\left[\begin{array}{ccc}1& 1/3& 1/3\\ 3& 1& 1\\ 3& 1& 1\end{array}\right];$

$P3=\left[\begin{array}{ccc}1& 3& 1\\ 1/3& 1& 1/3\\ 1& 3& 1\end{array}\right];$

其中，P1、P2、P3分别对应于适应性主控因素的子因素、隶属于嫁接性主控因素的子因素、隶属于观赏性主控因素的子因素；

S3、采用以下算式计算各个所述子因素相对于目标层的权重值，

A_i＝a_i*b_i

A_i——各个所述子因素相对于目标层的权重值；

a_i——各个所述主控元素相对于目标层的权重值；

b_i——各个所述子元素相对于约束层中该子元素隶属的主控元素的权重值。

所述的基于层次分析法的茶花品种的综合评价方法，所述步骤3中的三个不同的具体评分值，具体为1分、3分、5分，其具体划分标准如表1：

表1茶花品种的具体评分值的评分标准

所述的基于层次分析法的茶花品种的综合评价方法，所述步骤4中，计算指标层的各个茶花品种的综合评价值所采用的算式为：

W_j＝∑(A_jq*n_jq)；

其中，

q＝1，2，3...10；

W_j——第j个茶花品种的综合评价值；

A_jp——第j个茶花品种的第q个子因素相对于目标层的权重值；

n_jp——第j个茶花品种的第q个子因素的具体评分值。

引进油茶大树树桩作为砧木，种植在广西南宁碧湾园林工程有限公司茶花园内。油茶树桩引自湖南和桂林，树龄30a左右；引进100种精品茶花品种(主要有美国、澳大利亚、新西兰、日本及国内的浙江、四川、云南等品种，例如羞美、娃丽娜深、上海女士、澳荷尔、宽彩带、戴安娜皇后、荒狮子、花贝拉、六角大红等)，品种的命名均引自高继银、苏玉华、胡羡聪主编的《国内外茶花名种识别与欣赏》一书，用于嫁接至油茶树桩上，品种列表如下：

表2-1引进茶花品种列表

采用层次分析法，对引种至南宁并嫁接至大树油茶桩上培育成的茶花大树进行评价，以嫁接成活率，生长势，适应性和观赏性为评价指标，评价出适合在南宁市生长的、观赏性优良的茶花新品种。

表3-4不同茶花品种嫁接油茶桩后情况调查

综合性分析结果

运用层次分析法，对引进南宁市的精品茶花品种进行综合性评定，综合评价模型分为4层：目标层、约束层、标准层和指标层。

(1)目标层A：模型建立的目的，即引进南宁的精品茶花品种综合应用性评价。

(2)约束层C：影响引进的精品茶花品种在南宁换冠油茶的各种性状评价，本评价系统选择适应性状、嫁接性状及观赏性状3个因素作为对精品茶花品种应用价值综合评价的约束层。

(3)标准层P：体现约束层的各具体评价指标。包括体现适应性状的抗病、虫性、抗寒性、抗热性、抗旱性4个因素；体现嫁接性状的嫁接成活率、亲和力、嫁接后生长势3个因素；体现观赏性状的花色、花期天数、始花期3个因素；共计10个评价指标，作为引进精品茶花品种在南宁市区的综合应用价值评价的具体衡量标准。

(4)指标层：为待评价的100种精品茶花品种。

根据以上分析，最终构成一个具有四个层次的茶花品种应用价值综合评价结构模型(如表3-2所示)。

表3-2茶花品种应用价值综合评价结构模型

5、确定权重值

5.1构建判断矩阵

将各层评价指标两两比较，并根据1-9比率标度(表3-3)使比较定量化，构成两两比较判断矩阵(表3-4、表3-5、表3-6、表3-7、表3-8)。

表3-31-9比率标度方法

表3-4约束层指标(A-C)两两比较判断矩阵

表3-5适应性状指标(C1-P1-3)两两比较判断矩阵

表3-6嫁接性状指标(C2-P4-6)两两比较判断矩阵

表3-7观赏性状指标(C3-P7-9)两两比较判断矩阵

5.2判断矩阵一致性检验

两因素间比较构成的判断矩阵是计算排序权向量的依据，应大体保持一致才能确保评价结果的准确性，根据AHP理论，当判断矩阵具有满意一致性时，它的最大特征根稍大于n，且其余特征根近于0，故判断矩阵偏离一致性的指标为C1＝(λmax-n)/(n-1)，度量判断矩阵一致性指标为C1与判断矩阵随机一致性指标R1(表3-9)之比CR，即CR＝C1/R1，当CR＜0.1时，可认为判断矩阵具有满意一致性，证明该矩阵有效可用，反之则该矩阵无效。以表3-4(A-C)判断矩阵为例，λmax＝3，根据公式：C1＝(3-3)/(3-1)＝0，查表3-9，R1＝0.58，CR＝0/0.58＝0＜0.1，因此可判断表3-4(A-C)判断矩阵具有满意一致性，该判断矩阵有效可用。根据该一致性检验方法检验，对表3-4的矩阵CR值进行计算，其CR值均小于0.1，因此认为，表3-4的判断矩阵有效可用。

表3-9平均随机一致性指标R1

5.3标准层P各指标因素对目标层A权重值的计算

标准层P的各评价指标因素相对于目标层A的权重，其计算过程为：标准层的各评价指标相对于所隶属约束层各指标的权重值，与约束层各指标相对于目标层权重值的乘积。综合排序结果如表3-10所示。

表3-10茶花品种应用价值评价指标权重值

由表3-10可知：亲和力和生长势权重值最大，所占比例都为19.5％；其次是花期天数13.8％，花型、色13.8％，抗旱性和抗热性6.7％，成活率6.5％，抗病虫性5.5％，始花期4.6％、抗寒性3.2％。

因此，亲和力、生长势、花期天数和始花期是引进精品茶花品种的4个主要评价指标。

5.4茶花品种应用价值综合评价值计算

根据不同茶花品种每项指标在南宁市嘉和城碧湾园林茶花园表现的特点，确定了5分制的评分标准，将每项指标定为3个等级，依次为5、3、1分。

表3-11茶花品种应用价值具体评价指标评分标准

6、茶花品种具体评分值及综合分值

根据走访专家及研究数据，得到了各茶花品种具体评分值及综合分值，如表3-12，从表上可看出，大部分品种(I-III级)都适合在南宁种植，适合在南宁做快速培育成大树型精品茶花品种，其中有10个品种最优良，为I级品种，该品种有：黛比、贝拉大玫瑰、荒狮子、狮子笑、花贝拉、情人节、大卡特、情人大卡特、比尔大牡丹、狮子头等10个品种。

表3-12茶花品种具体评分值及综合分值、等级

7、主要创新点

首次在国内对100个国内外名贵茶花品种采用层次分析法进行综合适应性评价和适应性排名，筛选一批适合南宁市生长的且排名靠前的品种，其中排名前十名的国内外茶花品种是：黛比、贝拉大玫瑰、荒狮子、狮子笑、花贝拉、情人节、大卡特、情人大卡特、比尔大牡丹、狮子头等10个品种花型奇特优美的精品茶花品种。

尽管本发明的实施方案已公开如上，但其并不仅仅限于说明书和实施方式中所列运用，它完全可以被适用于各种适合本发明的领域，对于熟悉本领域的人员而言，可容易地实现另外的修改，因此在不背离权利要求及等同范围所限定的一般概念下，本发明并不限于特定的细节和这里示出与描述的实施例。

Claims (9)

1.一种基于层次分析法的茶花品种的综合评价方法，其特征在于，包括：

步骤1、将茶花品种评价设为目标层；

确定茶花品种评价的因素，将其设置为准则层；

确定待评价的茶花品种，将其设置为指标层；

步骤2、根据所述因素构建判断矩阵，计算各个因素相对于目标层的权重值；

步骤3、将各个因素根据评分标准划分为三个不同的具体评分值；

步骤4、根据每个所述因素相对于目标层的权重值以及其具体评分值，计算指标层的各个茶花品种的综合评价值，完成茶花品种的综合评价。

2.如权利要求1所述的基于层次分析法的茶花品种的综合评价方法，其特征在于，所述步骤2中的判断矩阵为：

其中，判断矩阵中元素a_ij的值代表的是第i个元素相对第j个元素的重要性，其数值用1，2，...8，9或其倒数表示。

3.如权利要求1所述的基于层次分析法的茶花品种的综合评价方法，其特征在于，所述步骤2中构建判断矩阵之后，还需对所述判断矩阵进行有效性检验，具体方法如下：

CR＝C1/R1，

若CR＜0.1时，可认为判断该矩阵具有一致性，证明该矩阵有效；

其中，CR为随机一致性指标，C1为一致性指标值，C1采用以下算式计算：R1为平均随机一致性指标值；

其中，λmax为判断矩阵的最大特征值，n为元素个数。

4.如权利要求2所述的基于层次分析法的茶花品种的综合评价方法，其特征在于，在所述步骤1之前对所述茶花进行以下处理：

以油茶大树树桩作为砧木，将所述茶花嫁接在所述砧木上。

5.如权利要求4所述的基于层次分析法的茶花品种的综合评价方法，其特征在于，所述步骤1中的确定茶花品种评价的因素，将其设置为准则层，具体为；

确定茶花品种评价的主控因素，将其设置为约束层；

确定分别隶属于每个主控因素的子因素，将其设置为标准层。

6.如权利要求5所述的基于层次分析法的茶花品种的综合评价方法，其特征在于，所述主控因素包括：适应性、嫁接性及观赏性；

所述分别隶属于每个主控因素的子因素，其具体为：

隶属于适应性主控因素的子因素：抗病性、抗寒性、抗热性、抗旱性；

隶属于嫁接性主控因素的子因素：嫁接成活率、亲和力、嫁接后生长势；

隶属于观赏性主控因素的子因素：花色、花期天数、始花期。

7.如权利要求6所述的基于层次分析法的茶花品种的综合评价方法，其特征在于，所述步骤2中根据所述因素构建判断矩阵，计算各个因素相对于目标层的权重值，具体为：

S1、根据所述主控因素构建第一判断矩阵，计算所述第一判断矩阵中的各个所述主控元素相对于目标层所对应的权重值，其中所述第一判断矩阵如下；

S2、分别根据各个所述子因素构建相对应的多个第二判断矩阵，并分别计算每个所述第二判断矩阵中的各个所述子元素相对于该子元素隶属的约束层的主控元素所对应的权重值，其中，多个第二判断矩阵分别为：

其中，P1、P2、P3分别对应于适应性主控因素的子因素、隶属于嫁接性主控因素的子因素、隶属于观赏性主控因素的子因素；

S3、采用以下算式计算各个所述子因素相对于目标层的权重值，

A_i＝a_i*b_i

A_i——各个所述子因素相对于目标层的权重值；

a_i——各个所述主控元素相对于目标层的权重值；

b_i——各个所述子元素相对于约束层中该子元素隶属的主控元素的权重值。

8.如权利要求1所述的基于层次分析法的茶花品种的综合评价方法，其特征在于，所述步骤3中的三个不同的具体评分值，具体为1分、3分、5分。

9.如权利要求7所述的基于层次分析法的茶花品种的综合评价方法，其特征在于，所述步骤4中，计算指标层的各个茶花品种的综合评价值所采用的算式为：

W_j＝∑(A_jq*n_jq)；

其中，

q＝1，2，3...10；

W_j——第j个茶花品种的综合评价值；

A_jp——第j个茶花品种的第q个子因素相对于目标层的权重值；

n_jp——第j个茶花品种的第q个子因素的具体评分值。