CN105550515B - 一种对空气质量数据进行多级综合评判的方法 - Google Patents
一种对空气质量数据进行多级综合评判的方法 Download PDFInfo
- Publication number
- CN105550515B CN105550515B CN201510924930.0A CN201510924930A CN105550515B CN 105550515 B CN105550515 B CN 105550515B CN 201510924930 A CN201510924930 A CN 201510924930A CN 105550515 B CN105550515 B CN 105550515B
- Authority
- CN
- China
- Prior art keywords
- mtd
- mrow
- msub
- mtr
- stage
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16Z—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS, NOT OTHERWISE PROVIDED FOR
- G16Z99/00—Subject matter not provided for in other main groups of this subclass
Landscapes
- Other Investigation Or Analysis Of Materials By Electrical Means (AREA)
- Feedback Control In General (AREA)
Abstract
本发明公开了一种对空气质量数据进行多级综合评判的方法。该方法包括如下步骤：a根据空气质量数据确定评判因子，并参照国家空气质量标准建立评判标准集；b根据空气质量数据确定各评判因子对评判标准相邻两级的隶属度，并根据各隶属度建立模糊关系矩阵；c根据计算得到的模糊关系矩阵，利用熵值法确定各评判因子所占权重；d根据模糊关系矩阵以及各评判因子所占权重计算单级评判结果；e根据单级评判结果计算得到多级评判结果。本发明方法大大减少了由于空气质量数据、人为等主观因素等对评判结果造成的影响，使评判结果更加全面客观真实，对有效的反映区域空气质量状况有重要意义。
Description
技术领域
本发明属于大气污染评价与防治、环境工程技术领域，具体涉及一种对空气质量数据进行多级综合评判的方法。
背景技术
空气质量评判是大气污染防治的重要环节，也是环境质量评价的重要方面。空气质量评判是指根据不同的目的和需求，按照一定的原则和评判准则，用一定的评判方法对空气质量状况的好坏进行定性或定量的评估。随着我国工业现代化进程和城市化进程的加速，不合理的能源和产业结构以及城市机动车保有量的增加等因素，使得城市大气环境污染状况日益严峻，因此，对空气质量状况进行综合全面的评价尤为重要。
目前，国内外学者针对大气环境质量提出了多种评判方法，如层次分析法、模糊综合评判法、基于熵值的的模糊综合评判法等。其中，马建华利用层次分析法对乌鲁木齐市对空气质量状况进行了评判，该方法把研究对象作为一个系统，逐层的进行分析，各层之间都设置权重，都能对最终的评判结果起到影响，并且权重值都是量化的，需要的数据较少；但对于层次单排序和层次总排序需要一致性检验，当评判指标较多时，若不能通过一致性检验那么需要调整关系矩阵，这样计算量会大大增加，更适合定性的评判。Guleda Onkal-Engin等人在国际期刊《Atmospheric Environment》第38期，第3809-3815页“Assessmentof urban air quality in Istanbul using fuzzy synthetic evaluation”，一文中利用模糊综合评判法对空气质量进行了评判，该方法中权值的确定依赖于专家知识，这样会造成评价结果由于人的主观因素而形成偏差。而后有人提出的基于熵值的模糊综合评判法中，关系矩阵的确定依赖于样本值，导致评判结果会随样本值的变化而变化。另外，上述几种评判方法均为单级评判，大大降低了评判结果的有效性，不能准确的对空气质量数据进行客观真实的评判。
发明内容
本发明的目的在于提出一种对空气质量数据进行多级综合评判的方法，以针对空气环境系统中各因素间的不确定性、随机性和模糊性对空气质量数据进行多级综合评判。
为了实现上述目的，本发明采用如下技术方案：
一种对空气质量数据进行多级综合评判的方法，包括以下步骤：
a根据空气质量数据确定评判因子，并参照国家空气质量标准建立评判标准集；
b根据空气质量数据确定各评判因子对评判标准相邻两级的隶属度，并根据各隶属度建立模糊关系矩阵；
c根据计算得到的模糊关系矩阵，利用熵值法确定各评判因子所占权重；
d根据模糊关系矩阵以及各评判因子所占权重计算单级评判结果；
e根据单级评判结果计算得到多级评判结果。
优选地，所述步骤a具体为：
a1根据空气质量数据确定评判因子集合U＝{u1,u2,u3,...,un}，其中，u1,u2,u3,...,un为参与评判的n个评判因子；
a2参照国家空气质量标准建立与各评判因子相对应的评判标准集V＝{v1,v2,v3...vm}，其中，v1,v2,v3...vm为与评判因子ui相对应的m个评判等级的浓度标准，1≤i≤n。
优选地，所述步骤b具体为：
b1建立降半梯形隶属度函数，则各评判因子对第1级的隶属度函数为：
其中，j＝1；
第2,3…m-1级的隶属度函数为：
其中，j＝2,3…m-1；
第m级的隶属度函数为：
式中，xi表示评判区域内第i个评判因子的平均浓度，vij表示第i个评判因子的第j级标准浓度阈值；
隶属度rij是0～1之间的任意数，当rij＝0时，表示评判因子ui不属于模糊集合，当rij＝1时，表示评判因子ui完全属于模糊集合，rij越接近1，则ui隶属于模糊集合的程度就越大；
b2根据隶属度求得模糊关系矩阵Rt：
其中，Rt表示第t个单级评判的模糊关系矩阵，单级评判的总个数为l，则1≤t≤l。
优选地，所述步骤c具体为：
c1第i个评判因子在第j级标准下的比重为：
其中，i＝1,2,3…n，j＝1,2,3…m,rij为模糊关系矩阵Rt中的元素；
c2各评判因子的熵值Hi为：
其中，规定，当Pij＝0时，Pij ln(Pij)＝0；
c3各评判因子的权重值为：
其中，i＝1,2,3….n；
由此得到评判因子的权重矩阵Wt＝[w1,w2,w3,w4…wn]，1≤t≤l；
其中，Wt表示第t个单级评判各因子权重矩阵，wn表示第n个评判因子所占权重。
优选地，所述步骤d具体为：
当模糊关系矩阵Rt与权重矩阵Wt确定后，进行模糊复合运算Bt＝Wt·Rt，求得单级模糊综合评价矩阵B1,B2,B3,...Bl；根据最大隶属度原则，隶属度最大的等级即该单级评判的结果；
其中，Rt表示第t个单级评判模糊关系矩阵，l为单级评判个数，1≤t≤l。
优选地，所述步骤e具体为：
将单级评判得到的评判矩阵重组得到多级综合评判的关系矩阵R0，其表达式为：
得到多级综合关系矩阵R0后，根据步骤c计算权值，得到权重矩阵W0，再利用模糊矩阵复合运算B0＝W0·R0＝[bj]计算出隶属度；
其中，j＝1,2,…m，bj表示该区域大气环境质量对大气质量标准第j级的隶属度；
根据最大隶属度原则，取隶属度最大的等级即为该区域空气质量等级。
本发明具有如下优点：
本发明将模糊概念中引入的隶属度函数与熵值赋权法相结合，由空气质量数据和建立的隶属度函数确定模糊关系矩阵，再根据所求得的模糊关系矩阵利用熵值赋权法来确定评判区域内评判因子所占权重，从而大大减少了由于主观因素和数据对评判结果的影响，使评判结果更符合实际；另外，本发明在原有单级评判方法的基础上进行拓展，建立多级模糊综合评判法，将单级评判矩阵作为多级模糊评判关系矩阵，然后根据建立的模糊评判方法求出多级综合评判矩阵，从而能够较准确的对空气质量数据进行评判，使评判结果更加客观真实。
附图说明
图1为本发明中一种对空气质量数据进行多级综合评判的方法流程图；
图2为本发明方法中建立的降半梯形隶属度函数示意图；
图3为本发明方法中建立的多级综合评判示意图。
具体实施方式
下面结合附图以及具体实施方式对本发明作进一步详细说明：
结合图1所示，一种对空气质量数据进行多级综合评判的方法，包括如下步骤：
a根据空气质量数据确定评判因子，并参照国家空气质量标准建立评判标准集
a1根据空气质量数据确定评判因子集合U＝{u1,u2,u3,...,un}，其中，u1,u2,u3,...,un为参与评判的n个评判因子；
a2参照国家空气质量标准建立与各评判因子相对应的评判标准集V＝{v1,v2,v3...vm}，其中，v1,v2,v3...vm为与评判因子ui相对应的m个评判等级的浓度标准，1≤i≤n。
b根据空气质量数据确定各评判因子对评判标准相邻两级的隶属度，并根据各隶属度建立模糊关系矩阵
b1隶属度用来刻画评价因子相对于评价等级的隶属程度，建立降半梯形隶属度函数，如图2所示，则各评判因子对第1级的隶属度函数为：
其中，j＝1；
第2,3…m-1级的隶属度函数为：
其中，j＝2,3…m-1；
第m级的隶属度函数为：
式中，xi表示评判区域内第i个评判因子的平均浓度，vij表示第i个评判因子的第j级标准浓度阈值；
隶属度rij是0～1之间的任意数，当rij＝0时，表示评判因子ui不属于模糊集合，当rij＝1时，表示评判因子ui完全属于模糊集合，rij越接近1，则ui隶属于模糊集合的程度就越大；
b2根据隶属度求得模糊关系矩阵Rt：
其中，Rt表示第t个单级评判的模糊关系矩阵，单级评判的总个数为l，则1≤t≤l。
c根据计算得到的模糊关系矩阵，利用熵值法确定各评判因子所占权重
将信息论引入到权值计算中，熵值赋权法就是在客观的条件下由各评判因子对评判等级的隶属度构成的判断矩阵来确定各指标的权重；
c1第i个评判因子在第j级标准下的比重为：
其中，i＝1,2,3…n，j＝1,2,3…m,rij为模糊关系矩阵Rt中的元素；
c2各评判因子的熵值Hi为：
其中，规定，当Pij＝0时，Pij ln(Pij)＝0；
c3各评判因子的权重值为：
其中，i＝1,2,3….n；
由此得到评判因子的权重矩阵Wt＝[w1,w2,w3,w4…wn]，1≤t≤l；
其中，Wt表示第t个单级评判各因子权重矩阵，wn表示第n个评判因子所占权重。
d根据模糊关系矩阵以及各评判因子所占权重计算单级评判结果
当模糊关系矩阵Rt与权重矩阵Wt确定后，进行模糊复合运算Bt＝Wt·Rt，求得单级模糊综合评价矩阵B1,B2,B3,...Bl，根据最大隶属度原则，隶属度最大的等级即该单级评判的结果；
其中，Rt表示第t个单级评判模糊关系矩阵，l为单级评判个数，1≤t≤l，l的取值与空气质量数据有关。
e根据单级评判结果计算得到多级评判结果
多级综合评判是在单级评判的基础上，将单级评判得到的评判矩阵重组得到多级综合评判的关系矩阵R0，其表达式为：
得到多级综合关系矩阵R0后，根据步骤c中的熵值赋权法计算权值，得到权重矩阵W0，再利用模糊矩阵复合运算B0＝W0·R0＝[bj]计算出隶属度；
其中，j＝1,2,…m，bj表示该区域大气环境质量对大气质量标准第j级的隶属度；
同样的根据最大隶属度原则，取隶属度最大的等级即为该区域空气质量等级。
当然，以上说明仅仅为本发明的较佳实施例，本发明并不限于列举上述实施例，应当说明的是，任何熟悉本领域的技术人员在本说明书的教导下，所做出的所有等同替代、明显变形形式，均落在本说明书的实质范围之内，理应受到本发明的保护。
Claims (3)
1.一种对空气质量数据进行多级综合评判的方法，其特征在于，包括以下步骤：
a根据空气质量数据确定评判因子，并参照国家空气质量标准建立评判标准集；
b根据空气质量数据确定各评判因子对评判标准相邻两级的隶属度，并根据各隶属度建立模糊关系矩阵；
c根据计算得到的模糊关系矩阵，利用熵值法确定各评判因子所占权重；
d根据模糊关系矩阵以及各评判因子所占权重计算单级评判结果；
e根据单级评判结果计算得到多级评判结果；
所述步骤a具体为：
a1根据空气质量数据确定评判因子集合U＝{u1,u2,u3,...,un}，其中，u1,u2,u3,...,un为参与评判的n个评判因子；
a2参照国家空气质量标准建立与各评判因子相对应的评判标准集V＝{v1,v2,v3...vm}，其中，v1,v2,v3...vm为与评判因子ui相对应的m个评判等级的浓度标准，1≤i≤n；
所述步骤b具体为：
b1建立降半梯形隶属度函数，则各评判因子对第1级的隶属度函数为：
其中，j＝1；
第2,3…m-1级的隶属度函数为：
其中，j＝2,3…m-1；
第m级的隶属度函数为：
<mrow>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfenced open = "{" close = "">
<mtable>
<mtr>
<mtd>
<mn>0</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>&le;</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mfrac>
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>-</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
</mrow>
<mrow>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>-</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
</mrow>
</mfrac>
</mtd>
<mtd>
<mrow>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mrow>
<mo>(</mo>
<mi>j</mi>
<mo>-</mo>
<mn>1</mn>
<mo>)</mo>
</mrow>
</mrow>
</msub>
<mo><</mo>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo><</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
<mtr>
<mtd>
<mn>1</mn>
</mtd>
<mtd>
<mrow>
<msub>
<mi>x</mi>
<mi>i</mi>
</msub>
<mo>&GreaterEqual;</mo>
<msub>
<mi>v</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
<mi>j</mi>
<mo>=</mo>
<mi>m</mi>
<mo>;</mo>
</mrow>
式中，xi表示评判区域内第i个评判因子的平均浓度，vij表示第i个评判因子的第j级标准浓度阈值；
隶属度rij是0～1之间的任意数，当rij＝0时，表示评判因子ui不属于模糊集合，当rij＝1时，表示评判因子ui完全属于模糊集合，rij越接近1，则ui隶属于模糊集合的程度就越大；
b2根据隶属度求得模糊关系矩阵Rt：
<mrow>
<msub>
<mi>R</mi>
<mi>t</mi>
</msub>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mn>11</mn>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mn>12</mn>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mn>1</mn>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mrow></mrow>
</mtd>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>n</mi>
<mn>1</mn>
</mrow>
</msub>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>n</mi>
<mn>2</mn>
</mrow>
</msub>
</mtd>
<mtd>
<mn>...</mn>
</mtd>
<mtd>
<msub>
<mi>r</mi>
<mrow>
<mi>n</mi>
<mi>m</mi>
</mrow>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>,</mo>
</mrow>
其中，Rt表示第t个单级评判的模糊关系矩阵，单级评判的总个数为l，则1≤t≤l；
所述步骤c具体为：
c1第i个评判因子在第j级标准下的比重为：
<mrow>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>=</mo>
<mfrac>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mrow>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>r</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
</mrow>
</mfrac>
<mo>;</mo>
</mrow>
其中，i＝1,2,3…n，j＝1,2,3…m,rij为模糊关系矩阵Rt中的元素；
c2各评判因子的熵值Hi为：
<mrow>
<msub>
<mi>H</mi>
<mi>i</mi>
</msub>
<mo>=</mo>
<mo>-</mo>
<mi>k</mi>
<munderover>
<mo>&Sigma;</mo>
<mrow>
<mi>j</mi>
<mo>=</mo>
<mn>1</mn>
</mrow>
<mi>m</mi>
</munderover>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mi>l</mi>
<mi>n</mi>
<mrow>
<mo>(</mo>
<msub>
<mi>P</mi>
<mrow>
<mi>i</mi>
<mi>j</mi>
</mrow>
</msub>
<mo>)</mo>
</mrow>
<mo>;</mo>
</mrow>
其中，规定，当Pij＝0时，Pijln(Pij)＝0；
c3各评判因子的权重值为：
其中，i＝1,2,3….n；
由此得到评判因子的权重矩阵Wt＝[w1,w2,w3,w4…wn]，1≤t≤l；
其中，Wt表示第t个单级评判各因子权重矩阵，wn表示第n个评判因子所占权重。
2.根据权利要求1所述的一种对空气质量数据进行多级综合评判的方法，其特征在于，所述步骤d具体为：
当模糊关系矩阵Rt与权重矩阵Wt确定后，进行模糊复合运算Bt＝Wt·Rt，求得单级模糊综合评价矩阵B1,B2,B3,...Bl；根据最大隶属度原则，隶属度最大的等级即该单级评判的结果；
其中，Rt表示第t个单级评判模糊关系矩阵，l为单级评判个数，1≤t≤l。
3.根据权利要求2所述的一种对空气质量数据进行多级综合评判的方法，其特征在于，所述步骤e具体为：
将单级评判得到的评判矩阵重组得到多级综合评判的关系矩阵R0，其表达式为：
<mrow>
<msub>
<mi>R</mi>
<mn>0</mn>
</msub>
<mo>=</mo>
<mfenced open = "(" close = ")">
<mtable>
<mtr>
<mtd>
<msub>
<mi>B</mi>
<mn>1</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>B</mi>
<mn>2</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>B</mi>
<mn>3</mn>
</msub>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<mo>.</mo>
</mtd>
</mtr>
<mtr>
<mtd>
<msub>
<mi>B</mi>
<mi>l</mi>
</msub>
</mtd>
</mtr>
</mtable>
</mfenced>
<mo>;</mo>
</mrow>
得到多级综合关系矩阵R0后，根据步骤c计算权值，得到权重矩阵W0，再利用模糊矩阵复合运算B0＝W0·R0＝[bj]计算出隶属度；
其中，j＝1,2,…m，bj表示该区域大气环境质量对大气质量标准第j级的隶属度；
根据最大隶属度原则，取隶属度最大的等级即为该区域空气质量等级。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510924930.0A CN105550515B (zh) | 2015-12-10 | 2015-12-10 | 一种对空气质量数据进行多级综合评判的方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201510924930.0A CN105550515B (zh) | 2015-12-10 | 2015-12-10 | 一种对空气质量数据进行多级综合评判的方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN105550515A CN105550515A (zh) | 2016-05-04 |
| CN105550515B true CN105550515B (zh) | 2018-05-08 |
Family
ID=55829703
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201510924930.0A Expired - Fee Related CN105550515B (zh) | 2015-12-10 | 2015-12-10 | 一种对空气质量数据进行多级综合评判的方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN105550515B (zh) |
Families Citing this family (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN105913411B (zh) * | 2016-05-10 | 2019-06-04 | 云南大学 | 一种基于因子定权模型的湖泊水质评价预测系统及方法 |
| CN108764648A (zh) * | 2018-04-28 | 2018-11-06 | 厦门理工学院 | 室内环境监测方法及监测装置 |
| CN109242329A (zh) * | 2018-09-21 | 2019-01-18 | 苏州数言信息技术有限公司 | 表征室内环境综合质量的综合指标计算方法 |
| CN109945116A (zh) * | 2018-12-13 | 2019-06-28 | 福建工程学院 | 新型太阳能风力多功能路灯及其工作方法 |
| CN111177639A (zh) * | 2019-12-11 | 2020-05-19 | 广东工业大学 | 一种基于模糊分析的室内空气质量评价方法 |
| CN111314882B (zh) * | 2020-02-20 | 2021-10-15 | 北京邮电大学 | 传输模式选择方法、装置、计算机系统与可读存储介质 |
| CN112113603B (zh) * | 2020-04-20 | 2021-07-23 | 中国矿业大学 | 一种基于移动机器人的室内多源环境健康指数监测评估方法 |
Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103778578A (zh) * | 2012-10-26 | 2014-05-07 | 无锡南理工科技发展有限公司 | 一种基于模糊评价的高校创新创业能力评价方法 |
| CN104462827A (zh) * | 2014-12-12 | 2015-03-25 | 湖北工业大学 | 一种综合评价中指标权重的柔性耦合计算方法 |
Family Cites Families (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US7542854B2 (en) * | 2004-07-22 | 2009-06-02 | International Business Machines Corporation | Method for discovering gene regulatory models and genetic networks using relational fuzzy models |
-
2015
- 2015-12-10 CN CN201510924930.0A patent/CN105550515B/zh not_active Expired - Fee Related
Patent Citations (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103778578A (zh) * | 2012-10-26 | 2014-05-07 | 无锡南理工科技发展有限公司 | 一种基于模糊评价的高校创新创业能力评价方法 |
| CN104462827A (zh) * | 2014-12-12 | 2015-03-25 | 湖北工业大学 | 一种综合评价中指标权重的柔性耦合计算方法 |
Non-Patent Citations (2)
| Title |
|---|
| Matlab与熵值法在综合评价中的应用;郑峰等;《2010 National Vocational Education of Communications and Information Technology Conference (2010 NVCIC)》;20101231;第94-98页 * |
| 基于模糊综合评判的城市环境空气质量评价;杨晓艳等;《中国人口.资源与环境》;20140626;第24卷(第5期);第143-146页 * |
Also Published As
| Publication number | Publication date |
|---|---|
| CN105550515A (zh) | 2016-05-04 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN105550515B (zh) | 一种对空气质量数据进行多级综合评判的方法 | |
| CN108510006B (zh) | 一种基于数据挖掘的企业用电量分析与预测方法 | |
| CN111582718B (zh) | 基于网络层次分析法的电缆通道火灾风险评估方法及装置 | |
| CN102799772B (zh) | 面向空气质量预报的样本优化方法 | |
| CN107122927A (zh) | 一种调水引流水环境改善效果综合评价方法 | |
| CN109214308A (zh) | 一种基于焦点损失函数的交通异常图片识别方法 | |
| CN106022509A (zh) | 考虑地域和负荷性质双重差异的配电网空间负荷预测方法 | |
| CN105809360A (zh) | 一种p2p行业风险评估方法 | |
| CN107784394A (zh) | 考虑前景理论的高速公路路线方案不确定多属性优选方法 | |
| CN105184397A (zh) | 基于层次分析和模糊综合评价的电能替代效益评价方法 | |
| CN106650959A (zh) | 一种基于改进灰色聚类的配电网抢修能力评估方法 | |
| CN106056235A (zh) | 基于古林法物元可拓模型的输电网效率效益检测方法 | |
| CN104036364A (zh) | 一种配电网网络结构水平评价方法 | |
| CN106055904A (zh) | 基于varx模型的大气pm2.5浓度预测方法 | |
| CN108108887A (zh) | 一种基于多维数据的物联网旅游出行指数的智能评估模型 | |
| Chang et al. | Panel estimation for the impact factors on carbon dioxide emissions: A new regional classification perspective in China | |
| CN110942182A (zh) | 一种基于支持向量回归建立台风预测模型的方法 | |
| CN112926893A (zh) | 基于模糊综合评判和层次分析的水平井调剖效果评价方法 | |
| CN109406898A (zh) | 一种融合多特征量综合评估油纸绝缘老化程度的方法 | |
| CN114742209A (zh) | 一种短时交通流预测方法及系统 | |
| CN107300907A (zh) | 结合综合评估与假设检验的飞行器控制系统性能评定方法 | |
| CN112613684B (zh) | 一种基于配网故障预测的特殊差异化运维方法 | |
| CN116011871A (zh) | 基于空间更新敏感度量化传统村落空间更新可能性的方法 | |
| CN105512941A (zh) | 一种水景观生态工程生态服务功能测定方法和评价方法 | |
| Wang et al. | Application of grey clustering method based on improved analytic hierarchy process in water quality evaluation |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C06 | Publication | ||
| PB01 | Publication | ||
| C10 | Entry into substantive examination | ||
| SE01 | Entry into force of request for substantive examination | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant | ||
| CF01 | Termination of patent right due to non-payment of annual fee | ||
| CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20180508 Termination date: 20191210 |