CN112884329A - 一种基于多层次灰色关联的设备信息评估方法 - Google Patents

一种基于多层次灰色关联的设备信息评估方法 Download PDF

Info

Publication number
CN112884329A
CN112884329A CN202110215735.6A CN202110215735A CN112884329A CN 112884329 A CN112884329 A CN 112884329A CN 202110215735 A CN202110215735 A CN 202110215735A CN 112884329 A CN112884329 A CN 112884329A
Authority
CN
China
Prior art keywords
matrix
judgment matrix
evaluation
layer
factors
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
Application number
CN202110215735.6A
Other languages
English (en)
Inventor
初文婷
阮善发
吴海民
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Hohai University HHU
Original Assignee
Hohai University HHU
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Hohai University HHU filed Critical Hohai University HHU
Priority to CN202110215735.6A priority Critical patent/CN112884329A/zh
Publication of CN112884329A publication Critical patent/CN112884329A/zh
Pending legal-status Critical Current

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
    • G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
    • 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

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)
  • Development Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Strategic Management (AREA)
  • Data Mining & Analysis (AREA)
  • Mathematical Optimization (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Mathematical Analysis (AREA)
  • Educational Administration (AREA)
  • Computational Mathematics (AREA)
  • Databases & Information Systems (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Game Theory and Decision Science (AREA)
  • Algebra (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本发明公开了一种基于多层次灰色关联的设备信息评估方法，属于信息处理技术领域，本发明通过层次分析法构建设备评估层次分析结构，并构建各层次权重向量，然后利用灰色关联分析法建立评估模型分析，实现定量评估设备等级；本发明提出的设备信息评估方法的应用，有利于开展进一步的针对性管理举措，提高设备使用效能，促进设备资源信息化管理和开放共享。

Description

一种基于多层次灰色关联的设备信息评估方法
技术领域
本发明属于信息处理技术领域，具体的涉及一种基于多层次灰色关联的设备信息评估方法。
背景技术
目前多个领域的设备管理面临着设备数量多、种类庞杂、规模各异，同时伴有时间、空间多维度影响因素，而且具有强烈的专业背景等多种属性标签。
在设备管理过程中应遵循抓重点、分情况的原则，应将设备进行分级化的管理模式，而分级化管理需要有科学的分级依据，需要构建一个科学、完整的设备信息综合评估体系。
大部分设备管理目前仍处于统一的资产管理模式，未实现分级化管理，并且针对设备的分级管理评估还停留在定性、主观性较强的状态。
发明内容
发明目的：本发明的目的在于提供一种基于多层次灰色关联的设备信息评估方法，通过层次分析法和灰色关联分析建立评估模型分析，实现定量评估设备等级。
技术方案：为实现上述发明目的，本发明采用如下技术方案：一种基于多层次灰色关联的设备信息评估方法，包括以下步骤：
一种基于多层次灰色关联的设备信息评估方法，包括以下步骤：
步骤1：采用决策树归纳算法建立层次分析结构，构造判断矩阵；
步骤2：分配评价指标权重，并进行一致性检验；
步骤3：建立参考数据和比较数据评价体系；
步骤4：引入关联度分析，建立评估模型。
进一步地，所述的步骤1中建立层次分析结构具体为明确评价目标，采用决策树归纳算法建立层次分析结构，自上而下形成目标层、准则层和指标层；所述决策树归纳算法，通过算法递归选择最优属性来划分数据，并扩展树的叶节点，直至所有训练样本的属性能够被完全描述。
进一步地，所述的层次分析结构如表1：
表1
Figure BDA0002953681140000021
建立相应的设备评估层次分析结构，根据实际情况增加或者删减分析层次以及各层次因素的数量，所建立层次分析结构至少需要两个层次，并且按顺序编号。
进一步地，所述的步骤1中构造判断矩阵，具体为：
首先构建准则层的判断矩阵，将准则层两两因素的相对重要程度进行比较评分，构造判断矩阵A＝(aij)n×n，准则层共设置n个因素，则判断矩阵A为n阶矩阵，i和j皆为1到n的自然数，判断矩阵A的每个元素aij表示前者因素ai相对于后者因素aj的相对重要性标度的倒数，同时满足条件aij＝1(i＝j),
Figure BDA0002953681140000022
准则层判断矩阵A表示如下：
Figure BDA0002953681140000023
建立指标层判断矩阵，其特征在于根据准则层将指标层因素分成n组，即需建立n个指标层的判断矩阵B1，B2，...，Bn，每个判断矩阵元素的确定方法同判断矩阵A，指标层判断矩阵表示如下：
Figure BDA0002953681140000024
进一步地，所述的步骤2具体为，首先利用方根法计算各个判断矩阵的权重向量近似值Wi′，见(1)式，其中uij表示每个判断矩阵的元素，m为各判断矩阵的阶数，对每一行元素进行连乘再开m次方根即为判断矩阵每一行的近似权重；
Figure BDA0002953681140000031
将各判断矩阵近似权重向量进行归一化处理，即对于某个判断矩阵，用每一个权重向量近似值除以该判断矩阵所有近似向量值之和，进而得到该判断矩阵的权重向量Wi，见(2)式；
Figure BDA0002953681140000032
计算各个判断矩阵的最大特征值λmax；然后利用CR＝CI/RI对每个判断矩阵进行偏差一致性检验。其特征在于一致性指标
Figure BDA0002953681140000033
其中n为每个判断矩阵的阶数；RI为随机一致性指标可查表2：
表2
n 1 2 3 4 5 6 ...
RI 0 0 0.52 0.89 1.12 1.26 ...
各层次因素的权重见表3：
表3
Figure BDA0002953681140000034
当CR<0.1时，则认为该判断矩阵可以通过一致性检验，表示所构造的判断矩阵合理，所计算权重有效，可进行下一步骤，否则需要调整判断矩阵并重新进行一致性检验。
进一步地，所述的步骤3具体为：根据实际评估样本的情况，为评价目标设置若干参考等级，每个等级设置一个平均分；参考数据序列矩阵的元素用x(ij)表示，矩阵的个数与准则层因素个数相同，共有n组参考数据序列，每组参考数据矩阵的行数与各准则层因素的指标层因素个数相同，矩阵列数为所设置的等级数。
进一步地，所述的步骤3中建立比较数据序列，针对某评估样本，对其最低层次的所有指标，根据所设置的若干参考等级及相应的评分标准进行赋分，进而构造比较数据序列矩阵，矩阵的个数与准则层因素个数相同，共有n组比较数据序列，每组比较数据矩阵的行数与各准则层因素的指标层因素个数相同，比较数据序列表示为X′n，每个元素用x′(i)表示。
进一步地，所述的步骤4中具体为：
1)计算关联系数，将参考数据序列进行无量纲化处理，得到参考数据序列矩阵的无量纲化矩阵，矩阵的个数与准则层因素个数相同，即有n个无量纲矩阵用Zn表示，其中每个无量纲矩阵由式
Figure BDA0002953681140000041
Figure BDA0002953681140000042
表示，其中i、j为各组矩阵对应的行列数，具体每个矩阵的行列数上述均有表述；
2)计算差序列Δn(ij)＝|zn(ij)-1|得到差序列矩阵，并求出各差序列中两极最大差和最小差
Figure BDA0002953681140000043
3)进一步的求关联系数矩阵：
Figure BDA0002953681140000044
(3)式中ρ为分辨系数。
进一步地，步骤4计算关联度向量，各个准则层下指标层各因素的权重向量与所求各准则层的关联系数矩阵相乘，评价目标的关联度表示为准则层权重向量与上述各关联度向量所组成的矩阵的乘积，该评价目标的灰色关联度其最大关联度所在参考数据序列等级即为评价目标的评价等级。
有益效果：与现有技术相比，本发明的一种基于多层次灰色关联的设备信息评估方法，通过层次分析法和灰色关联分析建立评估模型分析，实现定量评估设备等级；有利于开展进一步的针对性管理举措，提高设备使用效能，促进设备资源信息化管理和开放共享。
附图说明
图1是一种基于多层次灰色关联的设备信息评估方法的框架示意图；
图2为实验设备指标评分雷达图。
具体实施例方式
为了详细的说明本发明所公开的技术方案，下面结合说明书附图及具体实施方案做进一步的阐述。
为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的计算过程，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。
基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其它实施例，都属于本发明保护的范围。
一种基于多层次灰色关联分析的设备信息评估方法，包括如下步骤：
步骤1：采用决策树归纳算法建立层次分析结构，构造判断矩阵；
步骤2：分配评价指标权重，并进行一致性检验；
步骤3：建立参考数据和比较数据评价体系；
步骤4：引入关联度分析，建立评估模型。
步骤1建立层次分析结构，其特征在于明确评价目标，采用决策树归纳算法建立层次分析结构，自上而下形成目标层、准则层和指标层，低层次是高层次的影响因素，并影响评估结果；所述决策树归纳算法，通过算法递归选择最优属性来划分数据，并扩展树的叶节点，直至所有训练样本的属性能够被完全描述。
表1中所列层次结构可供参考，并且可根据实际情况增加或者删减分析层次以及各层次因素的数量，但是所建立层次分析结构至少需要两个层次，并且按顺序编号。
表1设备评估层次分析结构
Figure BDA0002953681140000051
步骤1构造各层次判断矩阵。首先构建准则层的判断矩阵，按照表2，将准则层两两因素的相对重要程度进行比较评分，构造判断矩阵A＝(aij)n×n，准则层共设置n个因素，则判断矩阵A为n阶矩阵，i和j皆为1到n的自然数，判断矩阵A的每个元素aij表示前者因素ai相对于后者因素aj的相对重要性标度的倒数，同时满足条件
Figure BDA0002953681140000061
例如a1比a2明显重要，则相对重要性标度为5，则
Figure BDA0002953681140000062
准则层判断矩阵A表示如下：
Figure BDA0002953681140000063
建立指标层判断矩阵，其特征在于根据准则层将指标层因素分成n组，即需建立n个指标层的判断矩阵B1，B2，...，Bn，每个判断矩阵元素的确定方法同判断矩阵A，指标层判断矩阵表示如下：
Figure BDA0002953681140000064
表2因素重要性标度含义
Figure BDA0002953681140000065
步骤2计算评价指标权重，其特征在于首先利用“方根法”计算各个判断矩阵的权重向量近似值Wi′，见(1)式，其中uij表示每个判断矩阵的元素，m为各判断矩阵的阶数，对每一行元素进行连乘再开m次方根即为判断矩阵每一行的近似权重；
Figure BDA0002953681140000066
将各判断矩阵近似权重向量进行归一化处理，即对于某个判断矩阵，用每一个权重向量近似值除以该判断矩阵所有近似向量值之和，进而得到该判断矩阵的权重向量Wi，见(2)式；
Figure BDA0002953681140000071
计算各个判断矩阵的最大特征值λmax；然后利用CR＝CI/RI对每个判断矩阵进行偏差一致性检验。其特征在于一致性指标
Figure BDA0002953681140000072
其中m为每个判断矩阵的阶数；RI为随机一致性指标可查表3得到。当CR<0.1时，则认为该判断矩阵可以通过一致性检验，表示所构造的判断矩阵合理，所计算权重有效，可进行下一步骤，否则需要调整判断矩阵并重新进行一致性检验。各层次因素的权重见表4。
表3随机一致性指标RI查表
Figure BDA0002953681140000073
表4各层次因素权重向量
Figure BDA0002953681140000074
步骤3建立参考数据序列，其特征在于根据实际评估样本的情况，为评价目标设置若干参考等级，每个等级设置一个平均分，例如设置5个参考等级，例如Ⅰ级为90-100分，Ⅱ级为80-90分，Ⅲ级为70-80分，Ⅳ级为60-70分，V级为50-60分，并且需要针对最低层次的各项因素制定明确的分数划分标准，例如对于经费来源这一项，应根据实际情况设置不同来源对应不同的分数段，并能涵盖所有的经费来源；其他指标同理。所述参考数据序列示例如表5，示例中的参考数据序列矩阵可表示为
Figure BDA0002953681140000081
Figure BDA0002953681140000082
参考数据序列矩阵的元素用x(ij)表示，矩阵的个数与准则层因素个数相同，行数与各准则层因素的指标层因素个数相同，矩阵列数为所设置的等级数，即为3列。
步骤3建立比较数据序列，其特征在于针对某评估样本，对其最低层次的所有指标，根据所设置的若干参考等级及相应的评分标准进行赋分，进而构造比较数据序列矩阵X′n，每个元素用x′(i)表示，如表5示例中X′1＝[90,85]T，X′2＝[80,70,85]T，...，X′n＝[90,65]T。
表5参考数据序列和比较数据序列(示例)
Figure BDA0002953681140000083
步骤4计算关联系数，其特征在于将参考数据序列进行无量纲化处理，得到参考数据序列矩阵的无量纲化矩阵Zn，用
Figure BDA0002953681140000084
Figure BDA0002953681140000085
表示，表5示例中。
步骤4计算关联系数，其特征在于然后计算差序列Δn(ij)＝|zn(ij)-1|得到差序列矩阵，并求出各差序列中两极最大差和最小差
Figure BDA0002953681140000086
进一步的求关联系数矩阵：
Figure BDA0002953681140000091
(3)式中ρ为分辨系数，取ρ＝0.5。
步骤4计算关联度向量，其特征在于各个准则层下指标层各因素的权重向量与所求各准则层的关联系数矩阵相乘，如示例中γ1＝[Wb1,Wb2]×ε1(ij)，γ2＝[Wb3,Wb4,Wb5]×ε2(ij)，...，γn＝[Wby,Wb(y+1)]×εn(ij)。
进一步的，评价目标的关联度表示为准则层权重向量与上述各关联度向量所组成的矩阵的乘积：γ＝[Wa1,Wa2,...,Wan]×[γ1,γ2,...,γn]T。
步骤4明确评估等级，其特征在于该评价目标的灰色关联度其最大关联度所在参考数据序列等级即为评价目标的评价等级。
实施例
采用本发明所基于层次灰色关联分析的设备评估方法对某高校某套实验设备进行评估其管理等级，具体实施步骤如下：
步骤1：采用决策树归纳算法建立层次分析结构，构造判断矩阵；
步骤2：分配评价指标权重，并进行一致性检验；
步骤3：建立参考数据和比较数据评价体系；
步骤4：引入关联度分析，建立评估模型。
步骤1，建立层次分析结构如表6，共设置两个层次，目标层为实验设备评估等级，准则层包含六个影响因素；
表6某高校实验设备评估层次分析结构
Figure BDA0002953681140000092
根据所示步骤1构造准则层的判断矩阵，按照表2，将准则层两两因素的相对重要程度进行比较评分，构造判断矩阵：
Figure BDA0002953681140000101
步骤2计算评价指标权重，其特征在于首先利用(1)式计算各个判断矩阵的权重向量近似值：
Wi′＝(2.9938,0.7937,0.3340,0.5054,1.2599,1.9786)T；
将判断矩阵近似权重向量进行归一化处理：
Wi＝(0.3820,0.1010,0.0430,0.0640,0.1600,0.2500)T
计算此判断句子的最大特征值λmax＝6.1225，判断矩阵为六阶矩阵，故
Figure BDA0002953681140000102
RI为随机一致性指标，查表可知RI＝1.26；故
Figure BDA0002953681140000103
认为该判断矩阵可以通过一致性检验，因此所构造的判断矩阵合理，所计算权重有效，
步骤3建立参考数据序列，根据本实例，设置四个参考等级，参考数据序列矩阵：
Figure BDA0002953681140000104
各项指标的评分标准见表7，针对评价目标的6个参考指标，根据所设置的四个参考等级标准进行赋分，进一步构造样本的比较数据序列：
X′＝(75,70,95,70，65,75)T
表7参考数据序列
Figure BDA0002953681140000105
Figure BDA0002953681140000111
步骤4，将参考数据序列矩阵进行无量纲化处理，并计算差序列：
Figure BDA0002953681140000112
步骤4差序列中两极最大差和最小差为η＝0.4615,μ＝0.0000，进一步的求关联系数矩阵：
Figure BDA0002953681140000121
步骤5计算关联度向量：γi＝Wi T×ε(ij)＝(0.4542,0.5843,0.8786,0.7046)，最大关联度为0.8768，所在参考等级序列为第三级，故此设备的评估等级为Ⅲ级。
经过绘制实验设备指标评分雷达图2，并向行业专家以及实验室管理相关负责人征求意见，专家认为通过本方法得出的实验设备管理可控性评价等级以实际情况相符，是科学、合理的评估结果。

Claims (9)

1.一种基于多层次灰色关联的设备信息评估方法，其特征在于，包括以下步骤：
步骤1：采用决策树归纳算法建立层次分析结构，构造判断矩阵；
步骤2：分配评价指标权重，并进行一致性检验；
步骤3：建立参考数据和比较数据评价体系；
步骤4：引入关联度分析，建立评估模型。
2.根据权利要求1所述的一种基于多层次灰色关联的设备信息评估方法，其特征在于，所述的步骤1中建立层次分析结构具体为明确评价目标，采用决策树归纳算法建立层次分析结构，自上而下形成目标层、准则层和指标层；所述决策树归纳算法，通过算法递归选择最优属性来划分数据，并扩展树的叶节点，直至所有训练样本的属性能够被完全描述。
3.根据权利要求2所述的一种基于多层次灰色关联的设备信息评估方法，其特征在于，所述的层次分析结构如表1：
表1
Figure FDA0002953681130000011
建立相应的设备评估层次分析结构，根据实际情况增加或者删减分析层次以及各层次因素的数量，所建立层次分析结构至少需要两个层次，并且按顺序编号。
4.根据权利要求3所述的一种基于多层次灰色关联的设备信息评估方法，其特征在于，所述的步骤1中构造判断矩阵，具体为：
首先构建准则层的判断矩阵，将准则层两两因素的相对重要程度进行比较评分，构造判断矩阵A＝(aij)n×n，准则层共设置n个因素，则判断矩阵A为n阶矩阵，i和j皆为1到n的自然数，判断矩阵A的每个元素aij表示前者因素ai相对于后者因素aj的相对重要性标度的倒数，同时满足条件aij＝1(i＝j),
Figure FDA0002953681130000012
准则层判断矩阵A表示如下：
Figure FDA0002953681130000021
建立指标层判断矩阵，其特征在于根据准则层将指标层因素分成n组，即需建立n个指标层的判断矩阵B1，B2，...，Bn，每个判断矩阵元素的确定方法同判断矩阵A，指标层判断矩阵表示如下：
Figure FDA0002953681130000022
5.根据权利要求4所述的一种基于多层次灰色关联的设备信息评估方法，其特征在于，所述的步骤2具体为，首先利用方根法计算各个判断矩阵的权重向量近似值Wi′，见(1)式，其中uij表示每个判断矩阵的元素，m为各判断矩阵的阶数，对每一行元素进行连乘再开m次方根即为判断矩阵每一行的近似权重；
Figure FDA0002953681130000023
将各判断矩阵近似权重向量进行归一化处理，即对于某个判断矩阵，用每一个权重向量近似值除以该判断矩阵所有近似向量值之和，进而得到该判断矩阵的权重向量Wi，见(2)式；
Figure FDA0002953681130000024
计算各个判断矩阵的最大特征值λmax；然后利用CR＝CI/RI对每个判断矩阵进行偏差一致性检验。其特征在于一致性指标
Figure FDA0002953681130000025
其中n为每个判断矩阵的阶数；RI为随机一致性指标查表2：
表2
n 1 2 3 4 5 6 ... RI 0 0 0.52 0.89 1.12 1.26 ...
各层次因素的权重见表3：
表3
Figure FDA0002953681130000031
当CR<0.1时，则认为该判断矩阵通过一致性检验，表示所构造的判断矩阵合理，所计算权重有效，进行下一步骤，否则需要调整判断矩阵并重新进行一致性检验。
6.根据权利要求5所述的一种基于多层次灰色关联的设备信息评估方法，其特征在于，所述的步骤3具体为：根据实际评估样本的情况，为评价目标设置若干参考等级，每个等级设置一个平均分；参考数据序列矩阵的元素用x(ij)表示，矩阵的个数与准则层因素个数相同，共有n组参考数据序列，每组参考数据矩阵的行数与各准则层因素的指标层因素个数相同，矩阵列数为所设置的等级数。
7.根据权利要求6所述的一种基于多层次灰色关联的设备信息评估方法，其特征在于，所述的步骤3中建立比较数据序列，针对某评估样本，对其最低层次的所有指标，根据所设置的若干参考等级及相应的评分标准进行赋分，进而构造比较数据序列矩阵，矩阵的个数与准则层因素个数相同，共有n组比较数据序列，每组比较数据矩阵的行数与各准则层因素的指标层因素个数相同，比较数据序列表示为X′n，每个元素用x′(i)表示。
8.根据权利要求7所述的一种基于多层次灰色关联的设备信息评估方法，其特征在于，所述的步骤4中具体为：
1)计算关联系数，将参考数据序列进行无量纲化处理，得到参考数据序列矩阵的无量纲化矩阵，矩阵的个数与准则层因素个数相同，即有n个无量纲矩阵用Zn表示，其中每个无量纲矩阵由式
Figure FDA0002953681130000041
Figure FDA0002953681130000042
表示，其中i、j为各组矩阵对应的行列数，具体每个矩阵的行列数上述均有表述；
2)计算差序列Δn(ij)＝|zn(ij)-1|得到差序列矩阵，并求出各差序列中两极最大差和最小差
Figure FDA0002953681130000043
3)进一步的求关联系数矩阵：
Figure FDA0002953681130000044
(3)式中ρ为分辨系数。
9.根据权利要求8所述的一种基于多层次灰色关联的设备信息评估方法，其特征在于，步骤4计算关联度向量，各个准则层下指标层各因素的权重向量与所求各准则层的关联系数矩阵相乘，评价目标的关联度表示为准则层权重向量与上述各关联度向量所组成的矩阵的乘积，该评价目标的灰色关联度其最大关联度所在参考数据序列等级即为评价目标的评价等级。
CN202110215735.6A 2021-02-26 2021-02-26 一种基于多层次灰色关联的设备信息评估方法 Pending CN112884329A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202110215735.6A CN112884329A (zh) 2021-02-26 2021-02-26 一种基于多层次灰色关联的设备信息评估方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202110215735.6A CN112884329A (zh) 2021-02-26 2021-02-26 一种基于多层次灰色关联的设备信息评估方法

Publications (1)

Publication Number Publication Date
CN112884329A true CN112884329A (zh) 2021-06-01

Family

ID=76054614

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202110215735.6A Pending CN112884329A (zh) 2021-02-26 2021-02-26 一种基于多层次灰色关联的设备信息评估方法

Country Status (1)

Country Link
CN (1) CN112884329A (zh)

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538408A (zh) * 2021-08-04 2021-10-22 陕西科技大学 一种古代壁画健康等级的评估方法
CN116665482A (zh) * 2023-06-05 2023-08-29 西华大学 一种基于智慧停车的停车位推荐方法及装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975735A (zh) * 2016-07-19 2016-09-28 广西电网有限责任公司电力科学研究院 一种用于电力设备健康状态评估的建模方法
CN110309863A (zh) * 2019-06-13 2019-10-08 上海交通大学 一种基于层次分析法和灰色关联分析的身份可信评价方法
AU2020103059A4 (en) * 2020-10-28 2020-12-24 Sichuan Agricultural University An Evaluation Method for the Economic Feasibility of Renewable Energy-saving Technology
CN112288328A (zh) * 2020-11-23 2021-01-29 中民新能投资集团有限公司 一种基于灰色层次分析法的能源互联网风险评估方法

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105975735A (zh) * 2016-07-19 2016-09-28 广西电网有限责任公司电力科学研究院 一种用于电力设备健康状态评估的建模方法
CN110309863A (zh) * 2019-06-13 2019-10-08 上海交通大学 一种基于层次分析法和灰色关联分析的身份可信评价方法
AU2020103059A4 (en) * 2020-10-28 2020-12-24 Sichuan Agricultural University An Evaluation Method for the Economic Feasibility of Renewable Energy-saving Technology
CN112288328A (zh) * 2020-11-23 2021-01-29 中民新能投资集团有限公司 一种基于灰色层次分析法的能源互联网风险评估方法

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
朱晓岭等: "配电网运行状态健康评估体系研究", 《广东电力》 *

Cited By (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN113538408A (zh) * 2021-08-04 2021-10-22 陕西科技大学 一种古代壁画健康等级的评估方法
CN116665482A (zh) * 2023-06-05 2023-08-29 西华大学 一种基于智慧停车的停车位推荐方法及装置
CN116665482B (zh) * 2023-06-05 2024-05-03 西安易车位网络科技有限公司 一种基于智慧停车的停车位推荐方法及装置

Similar Documents

Publication Publication Date Title
CN110348075A (zh) 一种基于改进支持向量机算法的磨削表面粗糙度预测方法
CN112884329A (zh) 一种基于多层次灰色关联的设备信息评估方法
CN114488140B (zh) 一种基于深度迁移学习的小样本雷达一维像目标识别方法
CN108564592A (zh) 基于动态多种群集成差分进化算法的图像分割方法
CN107515839A (zh) 经改进赋权算法处理的电能质量模糊评估法
US11537905B2 (en) Inference-based assignment of data type to data
CN109255514B (zh) 一种智能配电网分区独立供电能力评估方法
CN110650040A (zh) 基于修正矩阵-熵权隶属云的信息系统安全态势评估方法
CN111105136A (zh) 一种基于归一化样本的灰色层次评估方法
CN111160461A (zh) 基于模糊聚类的加权在线极限学习机大数据分类方法
CN107423319B (zh) 一种垃圾网页检测方法
CN108446735A (zh) 一种基于差分进化优化近邻成分分析的特征选择方法
CN114499957A (zh) 一种网络信息安全动态评价系统及其方法
CN111832854A (zh) 汽车研发质量管理体系的成熟度量化评价方法、系统及可读介质
CN110852574B (zh) 一种基于改进灰靶理论的目标威胁评估方法及介质
CN112070336A (zh) 一种基于层次分析法的制造业信息量化分析方法及装置
CN115936317A (zh) 一种悬索-斜拉协作体系方案评价方法及系统
CN115588487A (zh) 一种基于联邦学习和生成对抗网络的医学图像数据集制作方法
CN108596430A (zh) 一种专业性购物网站设计评价方法
CN114021905A (zh) 一种中小企业信用风险评价方法
CN114444654A (zh) 一种面向nas的免训练神经网络性能评估方法、装置和设备
CN114091908A (zh) 计及多模式储能站的配电网综合评价方法、装置和设备
US12079302B2 (en) Turf playability testing
CN112990672A (zh) 一种引入技术的评估选择方法
Feoli et al. Validation of phytosociological classifications based on a fuzzy set approach

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: 20210601