CN106779425B - 学生环保意识评价奖惩系统 - Google Patents
学生环保意识评价奖惩系统 Download PDFInfo
- Publication number
- CN106779425B CN106779425B CN201611202178.XA CN201611202178A CN106779425B CN 106779425 B CN106779425 B CN 106779425B CN 201611202178 A CN201611202178 A CN 201611202178A CN 106779425 B CN106779425 B CN 106779425B
- Authority
- CN
- China
- Prior art keywords
- data
- reward
- punishment
- students
- evaluation
- 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
- 238000011156 evaluation Methods 0.000 title claims abstract description 72
- 230000007613 environmental effect Effects 0.000 claims abstract description 103
- 238000007726 management method Methods 0.000 claims abstract description 21
- 238000012545 processing Methods 0.000 claims abstract description 21
- 230000008901 benefit Effects 0.000 claims abstract description 17
- 230000006870 function Effects 0.000 claims abstract description 15
- 238000000034 method Methods 0.000 claims abstract description 13
- 238000010606 normalization Methods 0.000 claims abstract description 10
- 238000004364 calculation method Methods 0.000 claims abstract description 7
- 238000007781 pre-processing Methods 0.000 claims abstract description 7
- 238000012163 sequencing technique Methods 0.000 claims abstract description 7
- 238000013500 data storage Methods 0.000 claims abstract description 4
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 63
- 230000005611 electricity Effects 0.000 claims description 19
- 239000011159 matrix material Substances 0.000 claims description 16
- 230000000694 effects Effects 0.000 claims description 13
- 238000012549 training Methods 0.000 claims description 10
- 238000011835 investigation Methods 0.000 claims description 9
- 238000001358 Pearson's chi-squared test Methods 0.000 claims description 7
- 230000002159 abnormal effect Effects 0.000 claims description 3
- 238000004891 communication Methods 0.000 claims description 3
- 238000007689 inspection Methods 0.000 claims description 3
- 230000002452 interceptive effect Effects 0.000 claims description 3
- 238000012423 maintenance Methods 0.000 claims description 3
- 230000008520 organization Effects 0.000 claims description 3
- 238000005070 sampling Methods 0.000 claims description 3
- 238000012216 screening Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 230000009466 transformation Effects 0.000 claims description 3
- 238000012795 verification Methods 0.000 claims 1
- 230000006399 behavior Effects 0.000 description 4
- 238000011161 development Methods 0.000 description 2
- 238000012360 testing method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000006872 improvement Effects 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
- 230000001737 promoting effect Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 239000007787 solid Substances 0.000 description 1
- 230000004083 survival effect Effects 0.000 description 1
- 239000002699 waste material Substances 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
- G06F16/2458—Special types of queries, e.g. statistical queries, fuzzy queries or distributed queries
- G06F16/2462—Approximate or statistical queries
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/20—Education
- G06Q50/205—Education administration or guidance
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/80—Management or planning
- Y02P90/82—Energy audits or management systems therefor
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Probability & Statistics with Applications (AREA)
- Marketing (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Educational Technology (AREA)
- Mathematical Physics (AREA)
- General Engineering & Computer Science (AREA)
- General Health & Medical Sciences (AREA)
- Software Systems (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Databases & Information Systems (AREA)
- Fuzzy Systems (AREA)
- Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种学生环保意识评价奖惩系统,包括数据采集模块、数据预处理模块、中央处理模块、后台管理模块和数据存储模块,其特征在于:中央处理模块用于通过监督学习方法Relief对采集到的各项数据进行权重计算;然后对各项数据进行归一化处理,每一项无量纲化后的各个数据与对应的权重的乘积相加得到该类的环保指数,并对学生的每项环保指数分别进行排序;学校根据每项数据的环保指数排序划分出奖惩区间并确定奖惩额度,向学生发送奖惩信息,同时以经济效益和社会效益最大化作为目标函数建模,直观体现环保制度重要性。本发明客观量化学生环保意识,客观归集学生环保表现情况,并通过奖罚制度来提升学生的环保意识。
Description
技术领域
本发明涉及对学生环保行为进行监督和干预的管理系统,特别是一种学生环保意识评价奖惩系统。
背景技术
环境问题已成为影响人类生存和发展的重要问题,各种资源的滥用,会时刻威胁着人类的生存环境,提升人们的环保意识,教育是一种很有效的方法。2015年全国大学生有4018.1万,占人口总数3%,作为公众中庞大特殊群体--高校大学生,既是现实的环境教育中技能和知识的接受者,又将是未来的环境政策、行为准则的制定者,对保护生态环境、实践生态文明具有不可推卸的历史责任和时代使命。因此,高校大学生生态意识与行为的提高对于我国的环境保护与可持续发展具有重要意义,扎实开展生态意识与行为的调查研究,深入推进高校大学生环境教育具有客观重要性和现实紧迫性。目前,对学生环境教育的手段较多,但缺少相互关联的整体评价管理系统,人为操作存在任务重、费时费力、误差大、引发公平公正性质疑等问题。
发明内容
本发明的目的是为了提供一种解决上述问题的学生环保意识评价奖惩系统,客观量化学生环保意识,客观归集学生环保表现情况,并通过奖罚制度来提升学生的环保意识。
本发明的技术方案是:
一种学生环保意识评价奖惩系统,包括数据采集模块、数据预处理模块、中央处理模块、后台管理模块和数据存储模块,其特征在于:
所述数据采集模块用于通过终端设备填报、在线填报和IC卡分别采集每个学生环保活动评价、环保课程评价、环保贡献度评价、用水量和用电量作为评价奖惩项目;
所述数据预处理模块用于对采集到的数据进行整合并筛选出异常值;
所述中央处理模块用于通过监督学习方法Relief对采集到的各项数据进行权重计算;然后对各项数据进行归一化处理,每一项无量纲化后的各个数据与对应的权重的乘积相加得到该类的环保指数,并对学生的每项环保指数分别进行排序;学校根据每项数据的环保指数排序划分出奖惩区间并确定奖惩额度,向学生发送奖惩信息,同时以经济效益和社会效益最大化作为目标函数建模,直观体现环保制度重要性;最后检验模型验证各项评价奖惩项目对环保意识的影响;
所述后台管理模块用于组织机构管理、角色权限管理、系统用户管理和系统维护,在角色权限管理中设立教师平台和学生平台,教师平台用于记录、修改各项评价奖惩项目的数据,查看所有学生的成绩和排名,并且用于浏览所有学生微信公众留言记录,进行互动交流;学生平台用于查看本人成绩和排名,并且用于在微信公众号留言、评论。
上述的学生环保意识评价奖惩系统,所述数据采集模块通过在线填报微信公众号采集学生对公众号上环保活动的宣传和建议的环保贡献度评分;通过终端设备填报采集老师对学生参加环保活动和环保课程的评分;通过IC卡采集学生每月洗澡用水量、学校水房热水取水量、每月用电量,所述IC卡为学生手持接触式IC卡,每个学生人手一卡。
上述的学生环保意识评价奖惩系统,所述中央处理模块的计算步骤是:
1)、求取各评价奖惩项目的权重
根据环保活动评价、环保课程评价、环保贡献度评价、用水量和用电量项目数据与环保意识以及奖惩情况的关系,采用基于特征加权的特征选择算法,根据各个特征和类别的相关性赋予特征不同的权重,随机选取n个样本作为训练集,样本抽样的次数为5次,特征权重的阈值为σ,
即输入为:n个训练样本X,每个训练样本包括环保活动评价、环保课程评价、环保贡献度评价、用水量、用电量5个特征Fi,迭代次数为T;输出为:每个特征Fi的权重wi∈[-1,1];初始化:对每个特征的权重初始化为0,wi=0;随机从数据集中选择一个样本H;找到H的相同类别的最近邻样本NHx和不同类别最近邻样本NMx;通过公式Ⅰ迭代计算:
根据数据调查,环保意识取值为1、2、3、4四种,1代表环保意识强,2代表环保意识良好,3代表环保意识一般,4代表环保意识差,两个样本在特征Fi处的距离函数diff可以通过公式Ⅱ计算:
每一次迭代,每个特征的权重都得到更新,并且归一化为-1到1之间,输出是每个特征的权重;
2)、对采集到的样本数据进行归一化处理,得到无量纲化后的数据
归一化处理前,先将样本数据转化为样本矩阵Xn×5:
其中,Xn×5表示一个n行5列的一个矩阵,代表n个样本实例,并且每个样本实例是5维的,表示5个特征;xij表示第j人特征变量在第i个样本实例上的观测值;Xj代表第j个特征变量的观测向量;Ii代表第i个样本实例的观测向量;
然后进行归一化处理,将样本矩阵Xn×5转化为矩阵Zn×5,变换公式为:
3)、利用公式Ⅲ求出各个评价奖惩项目的环保指数:
公式Ⅲ表示每一项无量纲化后的数据乘以对应的权重值后累加为环保指数,其中,wj表示第j个评价奖惩项目的权重值、Zij表示第j个模块特征的样本数据;
4)、以ρ表示经济效益的变量、E表示标准用水量、F表示标准用水量、oi表示用水量、li表示用电量、zi表示环保活动评价、κi表示环保课程评价、δi表示环保贡献度评价、ε表示由其他因素造成的影响建立目标函数:
环保指数ηi的值越大,经济效益ρ越小,以下为用水量约束条件:
其中:Award表示奖励金额,pp表示惩罚金额,n为总的用水样本个数,sex表示男女性别,sex为1表示男生,sex为2表示女生,由于男女的用水、用电的情况不同,定义男生用量在排序中间60%范围为标准用量,女生则在排序中间70%范围内为标准用量;
其中β值为春夏秋冬四季的比例系数,由于春夏秋冬四季学生的用水情况不同,根据调查得到春季:夏季:秋季:冬季的用水比例为16:20:24:16,则:
用电量约束条件与用水量约束条件相同;
将样本数据代入次约束条件中得到a1、a2、a3、a4和a5的值。
上述的学生环保意识评价奖惩系统,利用皮尔逊卡方检验法检验目标函数:
由于学生用水D分布为离散型,则假设具体为
H0:总体D的分布律为P{D=xi}=pi,i=1,2,…;
将总体D的取值范围分成k个互不相交的小区间A1,A2,A3,…,Ak,取A1=(a0,a1],A2=(a1,a2],...,Ak=(ak-1,ak),
其中a0取-∞,ak取+∞,区间的划分视具体情况而定,但要使每个小区间所含的样本值个数不小于5;
把落入第i个小区间的Ai的样本值的个数记作fi,成为组频数,所有组频数之和f1+f2+...+fk等于样本容量n;
当H0为真时,根据所假设的总体理论分布,计算出总体D的值落入第i个小区间Ai的概率pi,于是,npi就是落入第i个小区间Ai的样本值的理论频数,皮尔逊卡方检验统计量如公式Ⅳ表示:
通过皮尔逊卡方检验,说明评价奖惩项目对环保意识的影响。
本发明的有益效果是:
利用样本数据拟合经济与社会最大效益化目标函数,可以得到一个具体的ρ的值,这样就能比较直观的看到本发明的环保意识评价奖惩系统能给社会造成的效益有多大。环保意识的量化处理能提供学生对环保的重视,通过奖励惩罚制度,可以适当的制约学生的滥用资源,引导学生节水节电等资源。此算法根据学生的用电,用水情况,以及是否参加环保教育等情况,可以算出整个学校的环保指标,如使用电用水等资源达到最小,我们即可得到经济和社会效益的最大化,采用量化的形式,可以使环保意识更形象具体。
附图说明
图1是本发明的结构示意图。
具体实施方式
如图1所示,该学生环保意识评价奖惩系统,包括数据采集模块、数据预处理模块、中央处理模块、后台管理模块和数据存储模块。
所述数据采集模块用于通过终端设备填报、在线填报和IC卡分别采集每个学生环保活动评价、环保课程评价、环保贡献度评价、用水量和用电量作为评价奖惩项目。具体是:通过在线填报微信公众号采集学生对公众号上环保活动的宣传和建议的环保贡献度评分;通过终端设备填报采集老师对学生参加环保活动和环保课程的评分;通过IC卡采集学生每月洗澡用水量、学校水房热水取水量、每月用电量,所述IC卡为学生手持接触式IC卡,每个学生人手一卡。所述数据预处理模块用于对采集到的数据进行整合并筛选出异常值。所述中央处理模块用于通过监督学习方法Relief对采集到的各项数据进行权重计算;然后对各项数据进行归一化处理,每一项无量纲化后的各个数据与对应的权重的乘积相加得到该类的环保指数,并对学生的每项环保指数分别进行排序;学校根据每项数据的环保指数排序划分出奖惩区间并确定奖惩额度,向学生发送奖惩信息,同时以经济效益和社会效益最大化作为目标函数建模,直观体现环保制度重要性;最后检验模型验证各项评价奖惩项目对环保意识的影响。所述后台管理模块用于组织机构管理、角色权限管理、系统用户管理和系统维护,在角色权限管理中设立教师平台和学生平台,教师平台用于记录、修改各项评价奖惩项目的数据,查看所有学生的成绩和排名,并且用于浏览所有学生微信公众留言记录,进行互动交流;学生平台用于查看本人成绩和排名,并且用于在微信公众号留言、评论。
本发明的中央处理模块的具体计算步骤是:
1)、求取各评价奖惩项目的权重:
根据环保活动评价、环保课程评价、环保贡献度评价、用水量和用电量项目数据与环保意识以及奖惩情况的关系,采用基于特征加权的特征选择算法,根据各个特征和类别的相关性赋予特征不同的权重,随机选取n个样本作为训练集,样本抽样的次数为5次,特征权重的阈值为σ,本实施例中,调查样本为2000个,在2000个样本中,我们随机选取800个样本作为训练集。
输入为:n个训练样本X,每个训练样本包括环保活动评价、环保课程评价、环保贡献度评价、用水量、用电量5个特征Fi,迭代次数为T;输出为:每个特征Fi的权重wi∈[-1,1];初始化:对每个特征的权重初始化为0,wi=0;随机从数据集中选择一个样本H;找到H的相同类别的最近邻样本Hx和不同类别最近邻样本Mx;通过公式Ⅰ迭代计算:
根据数据调查,环保意识取值为1、2、3、4四种,1代表环保意识强,2代表环保意识良好,3代表环保意识一般,4代表环保意识差,两个样本在特征Fi处的距离函数diff可以通过公式Ⅱ计算:
每一次迭代,每个特征的权重都得到更新,并且归一化为-1到1之间,输出是每个特征的权重。本实施例中,各评价奖惩项目的权重值经计算如表1所示:
表1
2)、对采集到的样本数据进行归一化处理,得到无量纲化后的数据归一化处理前,将样本数据转化为样本矩阵Xn×5,
经过处理后得到数据矩阵为
其中,Xn×5表示一个n行5列的一个矩阵,代表n个样本实例,并且每个样本实例是5维的,表示5个特征;xij表示第j人特征变量在第i个样本实例上的观测值;Xj代表第j个特征变量的观测向量;Ii代表第i个样本实例的观测向量;
然后进行归一化处理,将样本矩阵Xn×5转化为矩阵Zn×5,变换公式为:
3)、利用公式Ⅲ求出各个评价奖惩项目的环保指数:
公式Ⅲ表示每一项无量纲化后的数据乘以对应的权重值后累加为环保指数,其中,wj表示第j个评价奖惩项目的权重值、Zij表示第j个模块特征的样本数据;
4)、以ρ表示经济效益的变量、E表示标准用水量、F表示标准用电量、oi表示用水量、li表示用电量、zi表示环保活动评价、κi表示环保课程评价、δi表示环保贡献度评价、ε表示由其他因素造成的影响建立目标函数:
环保指数ηi的值越大,经济效益ρ越小,以下为用水量约束条件:
其中:Award表示奖励金额,pp表示惩罚金额,n为样本个数,sex表示男女性别,sex为1表示男生,sex为2表示女生,由于男女的用水、用电的情况不同,定义男生用量在排序中间60%范围为标准用量,女生则在排序中间70%范围内为标准用量;
其中β值为春夏秋冬四季的比例系数,由于春夏秋冬四季学生的用水情况不同,根据调查得到春季:夏季:秋季:冬季的用水比例为16:20:24:16,则:
用电量约束条件与用水量约束条件相同;
将样本数据代入次约束条件中得到a1、a2、a3、a4和a5的值。
我们假设,如果执行这个标准,学生持续现状,学校肯定获得最大的经济收益;如果学生进行相应的控制,学校会通过节省用水第一获得巨大的社会效益,其次节约的水资源的钱数量,一定不能超过他给学生的奖励。如果需要使得经济和社会效益的最大化,也就等价于资源使用最小化。本实施例中,调查样本为2000个,按大小排好序列,中间60%范围内是一般用水量,不惩罚不奖励,前面较多的20%惩罚,假设用水单价是5.2元/t,电费是0.92元/度,多花了20元,就惩罚2元;多花了10元就惩罚0.5元,就是阶梯式递减;电费同理。也可以不用钱,超过标准用电额度20%,惩罚10%,超过40%,惩罚15%。
5)、利用皮尔逊卡方检验法检验目标函数:
本检验主要针对学生的用水量与是否有性别有关作为范例;
由于学生用水总体D分布为离散型,则假设具体为
H0:总体D的分布律为P{D=xi}=pi,i=1,2,…;
将总体D的取值范围分成k个互不相交的小区间A1,A2,A3,…,Ak,取A1=(a0,a1],A2=(a1,a2],...,Ak=(ak-1,ak),
其中a0取-∞,ak取+∞,区间的划分视具体情况而定,但要使每个小区间所含的样本值个数不小于5;
把落入第i个小区间的Ai的样本值的个数记作fi,成为组频数,所有组频数之和f1+f2+...+fk等于样本容量n;
当H0为真时,根据所假设的总体理论分布,计算出总体D的值落入第i个小区间Ai的概率pi,于是,npi就是落入第i个小区间Ai的样本值的理论频数,皮尔逊卡方检验统计量如公式Ⅳ表示:
通过皮尔逊卡方检验,说明各项各项评价奖惩项目对环保意识的影响。
本实施例中,针对用电用水等情况,通过皮尔逊卡方检验,卡方值是28.835,自由度2,渐进显著水平为0.000,远小于5%。请参见表2。
表2
卡方检验
a.0个单元格(0.0%)具有的预期计数少于5。最小预期计数为47.00。
在检验性别与用水用电量的数量有明显的区别,说明性别为影响学生用电用水的因素,如表3所示。
表3
用电情况*是否环保意识交叉表
Claims (2)
1.一种学生环保意识评价奖惩方法,其特征在于:
步骤1构建包括数据采集模块、数据预处理模块、中央处理模块、后台管理模块和数据存储模块的学生环保意识评价奖惩系统;
步骤2利用所述数据采集模块实现通过终端设备填报、在线填报和IC卡分别采集每个学生环保活动评价、环保课程评价、环保贡献度评价、用水量和用电量作为评价奖惩项目;
步骤3利用所述数据预处理模块对采集到的数据进行整合并筛选出异常值;
步骤4利用所述中央处理模块通过监督学习方法Relief对采集到的各项数据进行权重计算;然后对各项数据进行归一化处理,每一项无量纲化后的各个数据与对应的权重的乘积相加得到该类的环保指数,并对学生的每项环保指数分别进行排序;学校根据每项数据的环保指数排序划分出奖惩区间并确定奖惩额度,向学生发送奖惩信息,同时以经济效益和社会效益最大化作为目标函数建模,直观体现环保制度重要性;最后检验模型验证各项评价奖惩项目对环保意识的影响;具体包括:
步骤4.1求取各评价奖惩项目的权重
根据环保活动评价、环保课程评价、环保贡献度评价、用水量和用电量项目数据与环保意识以及奖惩情况的关系,采用基于特征加权的特征选择算法,根据各个特征和类别的相关性赋予特征不同的权重,随机选取n个样本作为训练集,样本抽样的次数为5次,特征权重的阈值为σ,
即输入为:n个训练样本X,每个训练样本包括环保活动评价、环保课程评价、环保贡献度评价、用水量、用电量5个特征Fi,迭代次数为T;输出为:每个特征Fi的权重wi∈[-1,1];初始化:对每个特征的权重初始化为0,wi=0;随机从数据集中选择一个样本H;找到H的相同类别的最近邻样本NHx和不同类别最近邻样本NMx;通过公式Ⅰ迭代计算:
根据数据调查,环保意识取值为1、2、3、4四种,1代表环保意识强,2代表环保意识良好,3代表环保意识一般,4代表环保意识差,两个样本在特征Fi处的距离函数diff可以通过公式Ⅱ计算:
每一次迭代,每个特征的权重都得到更新,并且归一化为-1到1之间,输出是每个特征的权重;
步骤4.2对采集到的样本数据进行归一化处理,得到无量纲化后的数据
归一化处理前,先将样本数据转化为样本矩阵Xn×5:
其中,Xn×5表示一个n行5列的一个矩阵,代表n个样本实例,并且每个样本实例是5维的,表示5个特征;xij表示第j个特征变量在第i个样本实例上的观测值;Xj代表第j个特征变量的观测向量;Ii代表第i个样本实例的观测向量;
然后进行归一化处理,将样本矩阵Xn×5转化为矩阵Zn×5,变换公式为:
步骤4.3利用公式Ⅲ求出各个评价奖惩项目的环保指数:
公式Ⅲ表示每一项无量纲化后的数据乘以对应的权重值后累加为环保指数,其中,wj表示第j个评价奖惩项目的权重值、Zij表示第j个模块特征的样本数据;
步骤4 .4以ρ表示经济效益的变量、E表示标准用水量、F表示标准用水量、oi表示用水量、li表示用电量、zi表示环保活动评价、κi表示环保课程评价、δi表示环保贡献度评价、ε表示由其他因素造成的影响建立目标函数:
环保指数ηi的值越大,经济效益ρ越小,以下为用水量约束条件:
其中:Award表示奖励金额,pp表示惩罚金额,n为总的用水样本个数,sex表示男女性别,sex为1表示男生,sex为2表示女生,由于男女的用水、用电的情况不同,定义男生用量在排序中间60%范围为标准用量,女生则在排序中间70%范围内为标准用量;
其中β值为春夏秋冬四季的比例系数,由于春夏秋冬四季学生的用水情况不同,根据调查得到春季:夏季:秋季:冬季的用水比例为16:20:24:16,则:
用电量约束条件与用水量约束条件相同;
将样本数据代入次约束条件中得到a1、a2、a3、a4和a5的值;
利用所述中央处理模块通过监督学习方法Relief对采集到的各项数据进行权重计算;然后对各项数据进行归一化处理,每一项无量纲化后的各个数据与对应的权重的乘积相加得到该类的环保指数,并对学生的每项环保指数分别进行排序;学校根据每项数据的环保指数排序划分出奖惩区间并确定奖惩额度,向学生发送奖惩信息,同时以资源使用最小化作为目标函数建模;
步骤4.5 检验模型验证各项评价奖惩项目对环保意识的影响,即利用皮尔逊卡方检验法检验目标函数:
由于学生用水D分布为离散型,则假设具体为H0:总体D的分布律为P{D=xi}=pi,i=1,2,…;
将总体D的取值范围分成k个互不相交的小区间A1,A2,A3,…,Ak,取
A1=(a0,a1],A2=(a1,a2],...,Ak=(ak-1,ak),
其中a0取-∞,ak取+∞,区间的划分视具体情况而定,但要使每个小区间所含的样本值个数不小于5;
把落入第i个小区间的Ai的样本值的个数记作fi,成为组频数,所有组频数之和f1+f2+...+fk等于样本容量n;
当H0为真时,根据所假设的总体理论分布,计算出总体D的值落入第i个小区间Ai的概率pi,于是,npi就是落入第i个小区间Ai的样本值的理论频数,皮尔逊卡方检验统计量如公式Ⅳ表示:
通过皮尔逊卡方检验,评价奖惩项目对环保意识的影响;
步骤5利用所述后台管理模块组织机构管理、角色权限管理、系统用户管理和系统维护,在角色权限管理中设立教师平台和学生平台,教师平台用于记录、修改各项评价奖惩项目的数据,查看所有学生的成绩和排名,并且用于浏览所有学生微信公众留言记录,进行互动交流;学生平台用于查看本人成绩和排名,并且用于在微信公众号留言、评论。
2.根据权利要求1所述的学生环保意识评价奖惩方法,其特征在于:步骤1)中所述数据采集模块通过在线填报微信公众号采集学生对公众号上环保活动的宣传和建议的环保贡献度评分;通过终端设备填报采集老师对学生参加环保活动和环保课程的评分;通过IC卡采集学生每月洗澡用水量、学校水房热水取水量、每月用电量,所述IC卡为学生手持接触式IC卡,每个学生人手一卡。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611202178.XA CN106779425B (zh) | 2016-12-23 | 2016-12-23 | 学生环保意识评价奖惩系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201611202178.XA CN106779425B (zh) | 2016-12-23 | 2016-12-23 | 学生环保意识评价奖惩系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN106779425A CN106779425A (zh) | 2017-05-31 |
CN106779425B true CN106779425B (zh) | 2021-06-11 |
Family
ID=58899749
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201611202178.XA Expired - Fee Related CN106779425B (zh) | 2016-12-23 | 2016-12-23 | 学生环保意识评价奖惩系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN106779425B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043839A (zh) * | 2010-12-13 | 2011-05-04 | 北京航空航天大学 | 性能与可靠性维修性保障性多维综合权衡的模板方法 |
CN103150643A (zh) * | 2013-03-19 | 2013-06-12 | 天津市市政工程设计研究院 | 基于加权主成分分析的航空枢纽服务水平综合评价方法 |
CN104778354A (zh) * | 2015-04-03 | 2015-07-15 | 北京航空航天大学 | 定期抽检型产品贮存寿命评估方法 |
CN105718546A (zh) * | 2016-01-18 | 2016-06-29 | 浙江工商大学 | 一种spoc平台中平时成绩的统计处理方法及系统 |
-
2016
- 2016-12-23 CN CN201611202178.XA patent/CN106779425B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102043839A (zh) * | 2010-12-13 | 2011-05-04 | 北京航空航天大学 | 性能与可靠性维修性保障性多维综合权衡的模板方法 |
CN103150643A (zh) * | 2013-03-19 | 2013-06-12 | 天津市市政工程设计研究院 | 基于加权主成分分析的航空枢纽服务水平综合评价方法 |
CN104778354A (zh) * | 2015-04-03 | 2015-07-15 | 北京航空航天大学 | 定期抽检型产品贮存寿命评估方法 |
CN105718546A (zh) * | 2016-01-18 | 2016-06-29 | 浙江工商大学 | 一种spoc平台中平时成绩的统计处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN106779425A (zh) | 2017-05-31 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108182489A (zh) | 一种基于在线学习行为分析的个性化学习推荐方法 | |
CN111738462B (zh) | 电力计量装置故障抢修主动服务预警方法 | |
Xu et al. | A computerized risk evaluation model for public-private partnership (PPP) projects and its application | |
CN111882247A (zh) | 一种基于综合模糊评价模型的在线学习系统评价方法 | |
CN109191189A (zh) | 售电市场放开下电力客户价值评价方法 | |
CN108256102A (zh) | 一种基于聚类的独立学院学生评教数据分析方法 | |
CN106056307B (zh) | 一种基于综合赋权法的电能替代技术综合效益评估方法 | |
Aliakbarpoor et al. | Evaluation and ranking DMUs in the presence of both undesirable and ordinal factors in data envelopment analysis | |
Kim et al. | Multilevel analysis of assessment data | |
CN111798333A (zh) | 一种用能评估与用电安全分析方法和系统 | |
CN106022578A (zh) | 基于数据高维化和K-means聚类的居民用电峰谷平时段划分方法 | |
CN114240639A (zh) | 催收案件分案方法、装置、设备及存储介质 | |
Ma | Study on the evaluation method of students' English classroom performance based on big data analysis | |
CN106055875A (zh) | 一种基于大数据的皮纹分析处理装置 | |
CN106779425B (zh) | 学生环保意识评价奖惩系统 | |
CN109992592B (zh) | 基于校园消费卡流水数据的高校贫困生识别方法 | |
Mitchell et al. | Military job analysis: A historical perspective | |
Inyang et al. | Visual association analytics approach to predictive modelling of students’ academic performance | |
Dias et al. | Multi-criteria environmental performance assessment with an additive model | |
Li | Dynamic assessment on regional eco-environmental quality using AHP-statistics model—A case study of Chaohu Lake Basin | |
Koyuncu et al. | Comparison of data mining classification algorithms on educational data under different conditions | |
Oduola et al. | Application of agglomerative hierarchical clustering and logistic model development for assessing solar energy acceptability as an alternate energy option | |
Xu | Application research of stem education in big data+ math core literacy cultivation | |
Rinne | Radioinactive: Are nuclear power plant outages in France contagious to the German electricity price? | |
Khalyasmaa et al. | Problems of criteria analysis and interpretation in automated systems for assessing scientific and technical solutions |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for 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: 20210611 Termination date: 20211223 |