CN111144714A - 针对装备保障能力的基于信息熵的层次分析评估方法 - Google Patents
针对装备保障能力的基于信息熵的层次分析评估方法 Download PDFInfo
- Publication number
- CN111144714A CN111144714A CN201911261600.2A CN201911261600A CN111144714A CN 111144714 A CN111144714 A CN 111144714A CN 201911261600 A CN201911261600 A CN 201911261600A CN 111144714 A CN111144714 A CN 111144714A
- Authority
- CN
- China
- Prior art keywords
- uncertainty
- rate
- test
- evaluation
- matrix
- 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.)
- Pending
Links
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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- 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
- G06Q10/20—Administration of product repair or maintenance
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Mathematical Physics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- General Business, Economics & Management (AREA)
- Pure & Applied Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Development Economics (AREA)
- Game Theory and Decision Science (AREA)
- Algebra (AREA)
- Computing Systems (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Debugging And Monitoring (AREA)
Abstract
本发明属于装备试验鉴定技术领域,具体涉及一种针对装备保障能力的基于信息熵的层次分析评估方法。与现有技术相比较,本发明在进行试验评估时,针对装备保障能力的试验数据的不确定性造成的影响不可忽视,通过将其试验数据的不确定性进行量化表示,在进行层次化方法评估时,通过增加数据定量化信息,获取试验数据的可信度,为其赋相应的不确定性权重,增加层次分析法的数据定量信息,可有效提高评估准确性。
Description
技术领域
本发明属于装备试验鉴定技术领域,具体涉及一种针对装备保障能力的基于信息熵的层次分析评估方法。
背景技术
在装备试验评估中,针对装备保障能力的试验评估方法中,层次分析法作为定量与定性分析方法结合的综合性评估方法,具有简洁实用、所需定量数据信息较少的特点,适用于无结构特性的系统评价及多目标、多准则、多时期等的系统评价。然后,层次分析法定量数据较少,定性成分多,不易令人信服。增加层次分析法的定量数据信息将会有效的提升评估结果的可信度,但如何增加定量数学信息成为研究的难点。在工程领域应用时,装备评估的输入为试验数据,试验数据由于数据类型多、非线性关系、不同尺度、维数高等特点,具有随机性、模糊性、灰色性和不确定性,在进行试验评估时,针对装备保障能力的试验数据的不确定性造成的影响不可忽视。
发明内容
(一)要解决的技术问题
本发明要解决的技术问题是:在针对装备保障能力的基于数据的试验评估过程中,对数据不确定性进行量化表示,增加客观评价的可信性,提升层次分析法的准确性。
(二)技术方案
为解决上述技术问题,本发明提供一种针对装备保障能力的基于信息熵的层次分析评估方法,所述方法包括如下步骤:
步骤1:针对装备体系中装备保障的要求,明确故障检测、维修、可靠性和保障性具体评估目标,针对装备试验的装备保障能力开展评估;
步骤2:根据装备保障能力的评估任务要求,针对故障检测、维修、可靠性和保障性具体评估目标按照树状分析技术进一步分解,按照“评估任务-目标-性能度量-数据源”的树状形式进行分解,使得关键问题分解到能够确定实际数据需求和试验测量的程度,得到装备保障能力评估任务树状图,其具体的评估目标为:故障检测能力、故障修复能力、可靠性和保障性;
步骤3:根据装备保障能力评估任务树状图的分解结果,定义具体的评估目标集合为E={E1,E2,E3,E4}={故障检测能力,故障修复能力,可靠性,保障性},其中具体评估目标对应的性能度量依次M(E1)=M(故障检测能力)={故障检测率,故障隔离率,虚警率},M(E2)=M(故障修复能力)={平均修复时间},M(E3)=M(可靠性)={平均故障间隔时间,平均维修间隔时间},M(E4)=M(保障性)={执行任务率,可使用度};
步骤4:根据步骤3中得到的具有评估目标对应的性能度量,明确每个性能度量对应的数据源,定义具体的性能度量对应的数据源D(故障检测率)={次数},D(故障隔离率)={次数},D(虚警率)={次数},D(平均修复时间)={时间,次数},D(平均故障间隔时间)={时间},D(平均维修间隔时间)={时间,次数},D(执行任务率)={次数},D(可使用度)={次数};
步骤5:对步骤4中得到的数据源进行基于信息熵的不确定性量化计算,得出对应数据源的不确定性矩阵;
信息熵的概念:假设P={px=x,x∈X}为随机性不确定性试验数据论域X上的一个概率分布,则定义试验数据X的不确定性测度Q(x)的公式为:
针对数据源D(故障检测率),D(故障隔离率),D(虚警率),D(平均修复时间),D(平均故障间隔时间),D(平均维修间隔时间),D(执行任务率),D(可使用度)依次利用不确定性测度公式进行计算,得到对应的不确定性测度Q(故障检测率),Q(故障隔离率),Q(虚警率),Q(平均修复时间),Q(平均故障间隔时间),Q(平均维修间隔时间),Q(执行任务率),Q(可使用度),由这些不确定性测度组成不确定性矩阵Q;对不确定性测度矩阵Q进行归一化处理,得到归一化后的不确定性测度矩阵Q',再进一步求反,得到不确定性矩阵U;
其中,归一化处理的公式为:
Q'={Q-min(Q)}/{max(Q)-min(Q)}
U=1-Q';
步骤6:根据步骤3中得到的具体评估目标对应的性能度量,构造性能度量满足一致性条件的判断矩阵K,利用和积法将判断矩阵的每一列归一化,然后将归一化的数据按行求和,将所得的结果进行归一化处理,得到性能度量的权重矩阵W,对判断矩阵进行一致性检验,通过检验后获取最终的指标权重W;
步骤7:将步骤5中的不确定性矩阵U与步骤6中得到的最终的指标权重W进行融合,得到最终的性能度量的权重矩阵W',如下式所示:
W'=U×W
由此得到装备保障能力基于数据信息熵的层次分析法确定的指标的权重,对此进行大小排序,具体指标对应的权重越大,表明该具体指标越重要,由此得到最终评估结果。
(三)有益效果
与现有技术相比较,本发明在进行试验评估时,针对装备保障能力的试验数据的不确定性造成的影响不可忽视,通过将其试验数据的不确定性进行量化表示,在进行层次化方法评估时,通过增加数据定量化信息,获取试验数据的可信度,为其赋相应的不确定性权重,增加层次分析法的数据定量信息,可有效提高评估准确性。
附图说明
图1为本发明技术方案所提供的方法流程图。
图2为树状分析技术流程图。
图3为装备保障能力树状分析图。
具体实施方式
为使本发明的目的、内容、和优点更加清楚,下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。
为解决上述技术问题,本发明提供一种针对装备保障能力的基于信息熵的层次分析评估方法,如图1-图3所示,所述方法包括如下步骤:
步骤1:针对装备体系中装备保障的要求,明确故障检测、维修、可靠性和保障性具体评估目标,针对装备试验的装备保障能力开展评估;
步骤2:根据装备保障能力的评估任务要求,针对故障检测、维修、可靠性和保障性具体评估目标按照树状分析技术进一步分解,按照“评估任务-目标-性能度量-数据源”的树状形式进行分解,使得关键问题分解到能够确定实际数据需求和试验测量的程度,得到装备保障能力评估任务树状图,其具体的评估目标为:故障检测能力、故障修复能力、可靠性和保障性;
步骤3:根据装备保障能力评估任务树状图的分解结果,定义具体的评估目标集合为E={E1,E2,E3,E4}={故障检测能力,故障修复能力,可靠性,保障性},其中具体评估目标对应的性能度量依次M(E1)=M(故障检测能力)={故障检测率,故障隔离率,虚警率},M(E2)=M(故障修复能力)={平均修复时间},M(E3)=M(可靠性)={平均故障间隔时间,平均维修间隔时间},M(E4)=M(保障性)={执行任务率,可使用度};
步骤4:根据步骤3中得到的具有评估目标对应的性能度量,明确每个性能度量对应的数据源,定义具体的性能度量对应的数据源D(故障检测率)={次数},D(故障隔离率)={次数},D(虚警率)={次数},D(平均修复时间)={时间,次数},D(平均故障间隔时间)={时间},D(平均维修间隔时间)={时间,次数},D(执行任务率)={次数},D(可使用度)={次数};
步骤5:对步骤4中得到的数据源进行基于信息熵的不确定性量化计算,得出对应数据源的不确定性矩阵;
信息熵的概念:假设P={px=x,x∈X}为随机性不确定性试验数据论域X上的一个概率分布,则定义试验数据X的不确定性测度Q(x)的公式为:
针对数据源D(故障检测率),D(故障隔离率),D(虚警率),D(平均修复时间),D(平均故障间隔时间),D(平均维修间隔时间),D(执行任务率),D(可使用度)依次利用不确定性测度公式进行计算,得到对应的不确定性测度Q(故障检测率),Q(故障隔离率),Q(虚警率),Q(平均修复时间),Q(平均故障间隔时间),Q(平均维修间隔时间),Q(执行任务率),Q(可使用度),由这些不确定性测度组成不确定性矩阵Q;对不确定性测度矩阵Q进行归一化处理,得到归一化后的不确定性测度矩阵Q',再进一步求反,得到不确定性矩阵U;
其中,归一化处理的公式为:
Q'={Q-min(Q)}/{max(Q)-min(Q)}
U=1-Q';
步骤6:根据步骤3中得到的具体评估目标对应的性能度量,构造性能度量满足一致性条件的判断矩阵K,利用和积法将判断矩阵的每一列归一化,然后将归一化的数据按行求和,将所得的结果进行归一化处理,得到性能度量的权重矩阵W,对判断矩阵进行一致性检验,通过检验后获取最终的指标权重W;
步骤7:将步骤5中的不确定性矩阵U与步骤6中得到的最终的指标权重W进行融合,得到最终的性能度量的权重矩阵W',如下式所示:
W'=U×W
由此得到装备保障能力基于数据信息熵的层次分析法确定的指标的权重,对此进行大小排序,具体指标对应的权重越大,表明该具体指标越重要,由此得到最终评估结果。
以上所述仅是本发明的优选实施方式,应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明技术原理的前提下,还可以做出若干改进和变形,这些改进和变形也应视为本发明的保护范围。
Claims (1)
1.一种针对装备保障能力的基于信息熵的层次分析评估方法,其特征在于,所述方法包括如下步骤:
步骤1:针对装备体系中装备保障的要求,明确故障检测、维修、可靠性和保障性具体评估目标,针对装备试验的装备保障能力开展评估;
步骤2:根据装备保障能力的评估任务要求,针对故障检测、维修、可靠性和保障性具体评估目标按照树状分析技术进一步分解,按照“评估任务-目标-性能度量-数据源”的树状形式进行分解,使得关键问题分解到能够确定实际数据需求和试验测量的程度,得到装备保障能力评估任务树状图,其具体的评估目标为:故障检测能力、故障修复能力、可靠性和保障性;
步骤3:根据装备保障能力评估任务树状图的分解结果,定义具体的评估目标集合为E={E1,E2,E3,E4}={故障检测能力,故障修复能力,可靠性,保障性},其中具体评估目标对应的性能度量依次M(E1)=M(故障检测能力)={故障检测率,故障隔离率,虚警率},M(E2)=M(故障修复能力)={平均修复时间},M(E3)=M(可靠性)={平均故障间隔时间,平均维修间隔时间},M(E4)=M(保障性)={执行任务率,可使用度};
步骤4:根据步骤3中得到的具有评估目标对应的性能度量,明确每个性能度量对应的数据源,定义具体的性能度量对应的数据源D(故障检测率)={次数},D(故障隔离率)={次数},D(虚警率)={次数},D(平均修复时间)={时间,次数},D(平均故障间隔时间)={时间},D(平均维修间隔时间)={时间,次数},D(执行任务率)={次数},D(可使用度)={次数};
步骤5:对步骤4中得到的数据源进行基于信息熵的不确定性量化计算,得出对应数据源的不确定性矩阵;
信息熵的概念:假设P={px=x,x∈X}为随机性不确定性试验数据论域X上的一个概率分布,则定义试验数据X的不确定性测度Q(x)的公式为:
针对数据源D(故障检测率),D(故障隔离率),D(虚警率),D(平均修复时间),D(平均故障间隔时间),D(平均维修间隔时间),D(执行任务率),D(可使用度)依次利用不确定性测度公式进行计算,得到对应的不确定性测度Q(故障检测率),Q(故障隔离率),Q(虚警率),Q(平均修复时间),Q(平均故障间隔时间),Q(平均维修间隔时间),Q(执行任务率),Q(可使用度),由这些不确定性测度组成不确定性矩阵Q;对不确定性测度矩阵Q进行归一化处理,得到归一化后的不确定性测度矩阵Q',再进一步求反,得到不确定性矩阵U;
其中,归一化处理的公式为:
Q'={Q-min(Q)}/{max(Q)-min(Q)}
U=1-Q';
步骤6:根据步骤3中得到的具体评估目标对应的性能度量,构造性能度量满足一致性条件的判断矩阵K,利用和积法将判断矩阵的每一列归一化,然后将归一化的数据按行求和,将所得的结果进行归一化处理,得到性能度量的权重矩阵W,对判断矩阵进行一致性检验,通过检验后获取最终的指标权重W;
步骤7:将步骤5中的不确定性矩阵U与步骤6中得到的最终的指标权重W进行融合,得到最终的性能度量的权重矩阵W',如下式所示:
W'=U×W
由此得到装备保障能力基于数据信息熵的层次分析法确定的指标的权重,对此进行大小排序,具体指标对应的权重越大,表明该具体指标越重要,由此得到最终评估结果。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911261600.2A CN111144714A (zh) | 2019-12-10 | 2019-12-10 | 针对装备保障能力的基于信息熵的层次分析评估方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911261600.2A CN111144714A (zh) | 2019-12-10 | 2019-12-10 | 针对装备保障能力的基于信息熵的层次分析评估方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN111144714A true CN111144714A (zh) | 2020-05-12 |
Family
ID=70517971
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911261600.2A Pending CN111144714A (zh) | 2019-12-10 | 2019-12-10 | 针对装备保障能力的基于信息熵的层次分析评估方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN111144714A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126801A (zh) * | 2019-12-10 | 2020-05-08 | 北京京航计算通讯研究所 | 针对装备保障能力的基于信息熵的层次分析评估系统 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203842A (zh) * | 2016-07-13 | 2016-12-07 | 天津大学 | 基于层次分析法和熵权法的电动汽车充电机评估方法 |
CN108615122A (zh) * | 2018-05-11 | 2018-10-02 | 北京航空航天大学 | 一种防空反导体系作战能力评估方法 |
CN109472494A (zh) * | 2018-11-12 | 2019-03-15 | 中国人民解放军火箭军工程大学 | 一种指挥控制系统服务保障能力评估指标量化模型 |
CN110119904A (zh) * | 2019-05-22 | 2019-08-13 | 中国人民解放军海军工程大学 | 一种舰船装备维修保障能力评估方法和系统 |
CN111126801A (zh) * | 2019-12-10 | 2020-05-08 | 北京京航计算通讯研究所 | 针对装备保障能力的基于信息熵的层次分析评估系统 |
-
2019
- 2019-12-10 CN CN201911261600.2A patent/CN111144714A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN106203842A (zh) * | 2016-07-13 | 2016-12-07 | 天津大学 | 基于层次分析法和熵权法的电动汽车充电机评估方法 |
CN108615122A (zh) * | 2018-05-11 | 2018-10-02 | 北京航空航天大学 | 一种防空反导体系作战能力评估方法 |
CN109472494A (zh) * | 2018-11-12 | 2019-03-15 | 中国人民解放军火箭军工程大学 | 一种指挥控制系统服务保障能力评估指标量化模型 |
CN110119904A (zh) * | 2019-05-22 | 2019-08-13 | 中国人民解放军海军工程大学 | 一种舰船装备维修保障能力评估方法和系统 |
CN111126801A (zh) * | 2019-12-10 | 2020-05-08 | 北京京航计算通讯研究所 | 针对装备保障能力的基于信息熵的层次分析评估系统 |
Non-Patent Citations (5)
Title |
---|
BING CHEN 等: "Product Maturity and Its Fuzzy Evaluation Model with Entropy -AHP Weight", 《2010 INTERNATIONAL CONFERENCE ON MANAGEMENT AND SERVICE SCIENCE》 * |
JIAN-FENG LI 等: "Evaluation and Selection Model of Residential Development Project Planning and Design", 《2010 INTERNATIONAL CONFERENCE ON E-PRODUCT E-SERVICE AND E-ENTERTAINMENT》 * |
刘晓平 等: "《邮政快递智能系统规划与设计》", 31 August 2018 * |
吕瑞强等: "基于改进熵值法的装备维修保障能力灰色评估", 《火力与指挥控制》 * |
李钊 等: "基于综合赋权法-云模型的装备保障能力评估", 《指挥控制与仿真》 * |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111126801A (zh) * | 2019-12-10 | 2020-05-08 | 北京京航计算通讯研究所 | 针对装备保障能力的基于信息熵的层次分析评估系统 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Du et al. | Lifelong anomaly detection through unlearning | |
US11748227B2 (en) | Proactive information technology infrastructure management | |
Wang et al. | Drifted Twitter spam classification using multiscale detection test on KL divergence | |
CN111126801A (zh) | 针对装备保障能力的基于信息熵的层次分析评估系统 | |
Wang et al. | Data-driven risk assessment on urban pipeline network based on a cluster model | |
CN115577114A (zh) | 一种基于时序知识图谱的事件检测方法和装置 | |
CN102252843A (zh) | 一种滚动轴承性能变异的评估方法 | |
Zhu et al. | Dynamic alarm prediction for critical alarms using a probabilistic model | |
Xu et al. | Two-stage prediction of machinery fault trend based on deep learning for time series analysis | |
Si et al. | Fault prediction model based on evidential reasoning approach | |
Yin et al. | A new health estimation model for CNC machine tool based on infinite irrelevance and belief rule base | |
Dulá et al. | DEA with streaming data | |
CN116340796A (zh) | 时序数据分析方法、装置、设备及存储介质 | |
Zhang et al. | A method of automatically generating initial parameters for large-scale belief rule base | |
Lee et al. | Early failure detection of paper manufacturing machinery using nearest neighbor‐based feature extraction | |
Han et al. | Data-driven solutions for power system fault analysis and novelty detection | |
Cheng et al. | Quantitative risk analysis method of information security-Combining fuzzy comprehensive analysis with information entropy | |
Sönmez et al. | Anomaly detection using data mining methods in it systems: a decision support application | |
Sun et al. | Detecting Crime Types Using Classification Algorithms. | |
Cao et al. | Financial crisis forecasting via coupled market state analysis | |
CN111144714A (zh) | 针对装备保障能力的基于信息熵的层次分析评估方法 | |
Deng et al. | Abnormal data detection for structural health monitoring: State-of-the-art review | |
Dang et al. | seq2graph: Discovering dynamic non-linear dependencies from multivariate time series | |
Dang et al. | seq2graph: discovering dynamic dependencies from multivariate time series with multi-level attention | |
Liu et al. | Valid probabilistic anomaly detection models for system logs |
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 | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20200512 |
|
RJ01 | Rejection of invention patent application after publication |