CN113610444A - 一种基于指标关联度的农业现代化发展水平的评价方法 - Google Patents

一种基于指标关联度的农业现代化发展水平的评价方法 Download PDF

Info

Publication number
CN113610444A
CN113610444A CN202111009108.3A CN202111009108A CN113610444A CN 113610444 A CN113610444 A CN 113610444A CN 202111009108 A CN202111009108 A CN 202111009108A CN 113610444 A CN113610444 A CN 113610444A
Authority
CN
China
Prior art keywords
index
indexes
level
agricultural
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
Application number
CN202111009108.3A
Other languages
English (en)
Inventor
吴智胜
赵永满
周雪
魏子凯
闵玉
鲁浩男
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.)
Shihezi University
Original Assignee
Shihezi University
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 Shihezi University filed Critical Shihezi University
Priority to CN202111009108.3A priority Critical patent/CN113610444A/zh
Publication of CN113610444A publication Critical patent/CN113610444A/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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N7/00—Computing arrangements based on specific mathematical models
    • G06N7/02—Computing arrangements based on specific mathematical models using fuzzy logic
    • 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
    • G06Q50/02—Agriculture; Fishing; Forestry; Mining

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Human Resources & Organizations (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Mathematical Analysis (AREA)
  • Strategic Management (AREA)
  • Mathematical Optimization (AREA)
  • Economics (AREA)
  • Pure & Applied Mathematics (AREA)
  • Computational Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Health & Medical Sciences (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Marketing (AREA)
  • General Health & Medical Sciences (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Educational Administration (AREA)
  • Algebra (AREA)
  • Development Economics (AREA)
  • Operations Research (AREA)
  • Artificial Intelligence (AREA)
  • Evolutionary Computation (AREA)
  • Molecular Biology (AREA)
  • Fuzzy Systems (AREA)
  • Biomedical Technology (AREA)
  • Automation & Control Theory (AREA)
  • Quality & Reliability (AREA)
  • Game Theory and Decision Science (AREA)
  • Databases & Information Systems (AREA)
  • Agronomy & Crop Science (AREA)
  • Animal Husbandry (AREA)
  • Marine Sciences & Fisheries (AREA)

Abstract

本发明提供了一种基于指标关联度的农业现代化发展水平的评价方法，该发明包括：步骤1为根据农业现代化发展目标和现状，选定农业现代化发展水平评价指标，建立农业现代化发展水平评价指标体系；步骤2为基于评价指标之间的指标关联度，采用灰色关联分析计算各指标间的灰色关联度并构建直接影响矩阵，引入模糊DANP方法构建模糊GRA‑DANP法确定各评价指标的权重；步骤3为运用TOPSIS法对农业现代化发展水平进行综合评价。本发明建立了农业现代化发展水平评价指标体系，考虑到各评价指标之间的相互影响关系，构建了模糊GRA‑DANP方法计算权重，保证各指标权重的可靠性，运用TOPSIS模型对农业现代化发展水平进行评价，评价结果更加全面、准确。

Description

一种基于指标关联度的农业现代化发展水平的评价方法
技术领域
本发明属于农业现代化评价领域，具体提供一种基于指标关联度的农业现代化发展水平的评价方法。
背景技术
农业现代化是国家实现现代化的重要基础和关键组成部分，是践行新发展理念和推动农业高质量发展的必由之路。农业现代化发展水平是反映农业现代化进程的重要指标，是分析农业现代化发展的基础，从系统的角度来看，农业现代化发展水平受到了系统内众多影响指标的影响和制约，针对农业现代化发展各评价指标的之间存在的相互影响关系，本发明提出一种基于指标关联度的农业现代化发展水平的评价方法，建立农业现代化评价指标体系，利用灰色关联分析构建DANP方法中的直接影响矩阵，构建模糊GRA-DANP方法计算各指标的权重，并运用TOPSIS法对农业现代化发展水平进行综合评价，从而科学合理的评价农业现代化进程，对推动农业现代化建设具有重要的现实意义。
灰色关联分析是一种定量描述因素之间发展态势的量化比较分析方法，主要基于因子序列的几何接近，根据因素之间发展态势的相似或相异程度，确定因素之间的影响程度，在处理小样本且指标关联的评价问题时准确性较高，适用于信息匮乏的不确定性系统。
DEMATEL方法是一种基于图论与矩阵工具进而分析复杂系统中不同因素间因果关联关系的研究方法，在系统工程领域中常被用于辨识复杂系统中的关键影响因素、简化系统结构的分析过程，但该方法存在专家对各影响因素之间相互作用关系主观性判断的缺点。为了解决传统DEMATEL方法中各因素权重无法量化的局限，将三角模糊数与ANP方法引入到DEMATEL中，形成模糊DANP方法，该方法不仅保留了DEMATEL方法对多因素间多层次因果关系进行系统分析的有效性，并且解决了不能量化系统中各影响因素全局权重的缺点。
发明内容
本发明的目的是提供一种基于指标关联度的农业现代化发展水平的评价方法，具体技术方案如下：
本发明的上述技术问题主要是通过下述技术方案得以解决的：
一种基于指标关联度的农业现代化发展水平的评价方法，其特征在于，包括以下步骤：
步骤1：根据农业现代化发展目标和现状，选定农业现代化发展水平评价指标，建立农业现代化发展水平评价指标体系；
步骤2：基于评价指标之间的指标关联度，采用灰色关联分析计算各指标间的灰色关联度并构建直接影响矩阵，引入模糊DANP方法构建模糊GRA-DANP法确定各评价指标的权重；
步骤3：运用TOPSIS法对农业现代化发展水平进行综合评价。
所述步骤1具体包括：
S1：构建农业现代化发展水平评价指标体系的层次框架：
根据农业现代化发展现状和目标，构建农业现代化发展水平评价指标体系的层次框架，包括农业投入水平、农业产出水平、农民生活质量水平、农业经济结构水平、农业绿色发展水平五个一级指标；
S2：选定农业现代化发展水平评价指标：
（1）农业投入水平指标选择：
本发明的投入水平指标包括4个二级指标，包括耕种收综合机械化率、农业劳均播种面积、单位耕地面积农机动力和单位耕地用电量；
（2）农业产出水平指标选择：
本发明的产出水平指标包括4个二级指标，包括农业劳动生产率、农业土地产出率、粮食单产能力和劳均农业总产值；
（3）农民生活质量水平指标选择：
本发明的生活质量水平指标包括2个二级指标，包括农村人均可支配收入和农村常住居民家庭恩格尔系数；
（4）农业经济结构水平指标选择：
本发明的经济结构水平指标包括3个二级指标，包括第一产业从业人员比重、农业社会化服务发展程度和养殖业产业占农业总产值占比；
（5）农业绿色发展水平指标选择：
本发明的绿色发展水平指标包括4个二级指标，包括森林覆盖率、单位耕地面积化肥消耗、单位耕地面积农药消耗和水土流失综合治理面积。
所述步骤2具体包括：
S3: 基于评价指标之间的指标关联度，采用灰色关联分析计算各指标间的灰色关联度，具体包括如下步骤：
S31: 数据的规范化处理。由于各指标所代表的涵义和量纲不同，在进行计算前需要对数据进行规范化处理；
S32: 确定参考数列和比较数列。依次选择每个指标作为参考数列F 0，其余所有指标作为比较数列F i ，i=1,2,3,...,n，
Figure 471777DEST_PATH_IMAGE001
，
Figure 698359DEST_PATH_IMAGE002
；
S33: 计算点关联系数。计算参考数列与比较数列在k点的点关联系数
Figure 939984DEST_PATH_IMAGE003
：
Figure 543004DEST_PATH_IMAGE004
其中,分辨系数
Figure 983213DEST_PATH_IMAGE005
,通常取
Figure 141881DEST_PATH_IMAGE006
。
Figure 605223DEST_PATH_IMAGE007
为第二级最小差，
Figure 11934DEST_PATH_IMAGE008
为第二级最大差；
S34: 计算灰色关联度。为避免信息过于分散，需对灰色关联系数进行整体性的关联度
Figure 306649DEST_PATH_IMAGE009
计算，公式如下：
Figure 78296DEST_PATH_IMAGE010
S4: 构建直接影响矩阵，引入模糊DANP方法构建模糊GRA-DANP法确定各评价指标的权重，具体包括如下步骤：
S41: 构建直接影响矩阵。依次选择每个指标作为灰色关联分析的参考数列，计算其他所有指标作为比较数列下的灰色关联度
Figure 91251DEST_PATH_IMAGE011
。构造直接影响矩阵
Figure 803117DEST_PATH_IMAGE012
，其中
Figure 217918DEST_PATH_IMAGE013
且
Figure 160466DEST_PATH_IMAGE014
；
S42: 标准化直接影响矩阵。将直接影响矩阵A通过如下公式进行标准化处理，得到标准化影响矩阵B：
Figure 660718DEST_PATH_IMAGE015
式中，
Figure 409231DEST_PATH_IMAGE016
为行合计数最大值；
Figure 180003DEST_PATH_IMAGE017
为列合计数最大值；
S43: 计算综合影响矩阵。对标准化影响矩阵B进行计算，得出综合影响矩阵T：
Figure 293453DEST_PATH_IMAGE018
S44: 计算未加权超矩阵W：
（1）通过上述公式计算得到二级指标的综合影响矩阵T c 并将其表现为以下形式：
Figure 281000DEST_PATH_IMAGE019
Figure 505308DEST_PATH_IMAGE020
（2）以子矩阵
Figure 894701DEST_PATH_IMAGE021
为例，将综合影响矩阵T c 中每个子矩阵
Figure 975790DEST_PATH_IMAGE022
标准化，得到标准化矩阵
Figure 952098DEST_PATH_IMAGE023
，公式如下:
Figure 42414DEST_PATH_IMAGE024
式中，
Figure 286313DEST_PATH_IMAGE025
，i=1,2,3,...,m 1。
Figure 741566DEST_PATH_IMAGE026
为子矩阵各行元素之和；
（3）将矩阵
Figure 438126DEST_PATH_IMAGE027
进行转置处理，得到二级指标的未加权超矩阵W，公式如下：
Figure 562159DEST_PATH_IMAGE028
S45: 构建加权超矩阵：
（1）专家打分构建一级指标直接影响矩阵。将指标之间的相互影响程度分为5个等级，采用0～4标度法，邀请农业现代化领域的专家对农业现代化发展水平各一级指标之间的直接影响关系进行强弱度评分。为了降低专家评价过程中的主观性，如图2所示，将专家打分的具体数值转换为三角模糊数；
（2）使用重心法对三角模糊数(l ij ，m ij ，r ij )进行解模糊化处理，由此可以得到一级指标的直接影响矩阵A d ，计算过程如下所示；
Figure 863827DEST_PATH_IMAGE029
（3）将一级指标的直接影响矩阵A d 依照上述步骤进行处理，同理可得到一级指标的综合影响矩阵
Figure 552298DEST_PATH_IMAGE030
，对矩阵
Figure 673837DEST_PATH_IMAGE030
进行标准化处理后得到一级指标的标准化矩阵
Figure 105956DEST_PATH_IMAGE031
，对一级指标的标准化矩阵
Figure 324448DEST_PATH_IMAGE031
与二级指标的未加权超矩阵进行加权运算，得到加权超矩阵
Figure 121502DEST_PATH_IMAGE032
：
Figure 294120DEST_PATH_IMAGE033
S46: 计算极限超矩阵。为得到各指标的权重，对加权超矩阵
Figure 264350DEST_PATH_IMAGE032
进行稳定处理，得到结果收敛稳定的极限超矩阵
Figure 275031DEST_PATH_IMAGE034
，极限超矩阵中各行元素数值相同，该数值即为各指标的权重，公式如下：
Figure 305304DEST_PATH_IMAGE035
。
所述步骤3具体包括：
S3:采用TOPSIS法对农业现代化发展水平进行评估，具体包括如下步骤：
S51: 数据标准化处理。为消除评价指标体系原数据量纲对评价的影响，利用极差法对原始数据矩阵
Figure 463753DEST_PATH_IMAGE036
进行标准化处理。同时，极差法处理数据时，对指标做正向化处理；
正向指标：
Figure 175357DEST_PATH_IMAGE037
负向指标：
Figure 604327DEST_PATH_IMAGE038
式中，
Figure 805501DEST_PATH_IMAGE039
为第i年j项指标的实际值；
S52: 建立加权标准化矩阵。
Figure 451246DEST_PATH_IMAGE040
，建立加权标准化矩阵
Figure 966541DEST_PATH_IMAGE041
；
S53: 确定正、负理想解：
正理想解：
Figure 748552DEST_PATH_IMAGE042
负理想解：
Figure 622092DEST_PATH_IMAGE043
S54: 计算距离。计算评价对象到正、负理想解的距离
Figure 20713DEST_PATH_IMAGE044
，
Figure 870857DEST_PATH_IMAGE045
：
正理想解：
Figure 710637DEST_PATH_IMAGE046
（i=1,2,3,...,n）
负理想解：
Figure 988035DEST_PATH_IMAGE047
（i=1,2,3,...,n）
S55: 计算评价对象的综合得分值，
Figure 546055DEST_PATH_IMAGE048
，通过综合评价值对评价对象进行排序，值越大，则评价对象农业现代化发展水平越高。
本发明有如下优点：
（1）本发明依据农业化发展现状和目标，建立了包括五个一级指标和17个二级指标的农业现代化发展水平评价指标；
（2）本发明针对农业现代化发展水平各评价指标之间存在相互影响关系，提出了一种基于指标关联度的模糊GRA-DANP模型，量化农业现代化发展水平各评价指标的权重，使各指标权重计算结果科学可信，并采用TOPSIS方法计算农业现代化发展水平综合评价值，能客观、准确的反映评价对象的农业现代化发展水平。
附图说明
下面结合附图和实例对本发明进行进一步说明。
图1是本发明的流程框图。
图2是本发明运用的模糊语义转化图。
图3是本发明建立的农业现代化发展水平评价指标体系。
图4为本发明实例的二级指标直接影响矩阵图。
图5为本发明实例的二级指标标准化影响矩阵图。
图6为本发明实例的二级指标综合影响矩阵图。
图7为本发明实例的二级指标未加权超矩阵图。
图8为本发明实例的二级指标加权超矩阵图。
图9为本发明实例的极限超矩阵图。
图10为本发明实例的指标权重图。
具体实施方式
下面通过实施例，并结合附图，对本发明的技术方案进一步具体说明。
实施例：
一种基于指标关联度的农业现代化发展水平的评价方法，其特征在于，包括以下步骤：
步骤1：根据农业现代化发展目标和现状，选定农业现代化发展水平评价指标，建立农业现代化发展水平评价指标体系；
步骤2：基于评价指标之间的指标关联度，采用灰色关联分析计算各指标间的灰色关联度并构建直接影响矩阵，引入模糊DANP方法构建模糊GRA-DANP法确定各评价指标的权重；
步骤3：运用TOPSIS法对农业现代化发展水平进行综合评价。
所述步骤1具体包括：
S1：构建农业现代化发展水平评价指标体系的层次框架：
根据农业现代化发展现状和目标，构建农业现代化发展水平评价指标体系的层次框架，包括农业投入水平、农业产出水平、农民生活质量水平、农业经济结构水平、农业绿色发展水平五个一级指标；
S2：选定农业现代化发展水平评价指标：
（1）农业投入水平指标选择：
本发明的投入水平指标包括4个二级指标，包括耕种收综合机械化率、农业劳均播种面积、单位耕地面积农机动力和单位耕地用电量；
（2）农业产出水平指标选择：
本发明的产出水平指标包括4个二级指标，包括农业劳动生产率、农业土地产出率、粮食单产能力和劳均农业总产值；
（3）农民生活质量水平指标选择：
本发明的生活质量水平指标包括2个二级指标，包括农村人均可支配收入和农村常住居民家庭恩格尔系数；
（4）农业经济结构水平指标选择：
本发明的经济结构水平指标包括3个二级指标，包括第一产业从业人员比重、农业社会化服务发展程度和养殖业产业占农业总产值占比；
（5）农业绿色发展水平指标选择：
本发明的绿色发展水平指标包括4个二级指标，包括森林覆盖率、单位耕地面积化肥消耗、单位耕地面积农药消耗和水土流失综合治理面积。
以H省2017—2020年的农业现代化发展水平为例，所述步骤2具体包括：
S3: 基于评价指标之间的指标关联度，采用灰色关联分析计算各指标间的灰色关联度，具体包括如下步骤：
S31: 数据的规范化处理。由于各指标所代表的涵义和量纲不同，在进行计算前需要对数据进行规范化处理；
S32: 确定参考数列和比较数列。依次选择每个指标作为参考数列F 0，其余所有指标作为比较数列F i ，i=1,2,3,...,n，
Figure 961075DEST_PATH_IMAGE049
，
Figure 655361DEST_PATH_IMAGE002
；
S33: 计算点关联系数。计算参考数列与比较数列在k点的点关联系数
Figure 634819DEST_PATH_IMAGE003
：
Figure 211294DEST_PATH_IMAGE004
其中,分辨系数
Figure 606503DEST_PATH_IMAGE005
,通常取
Figure 748771DEST_PATH_IMAGE006
。
Figure 135015DEST_PATH_IMAGE007
为第二级最小差，
Figure 402049DEST_PATH_IMAGE008
为第二级最大差；
S34: 计算灰色关联度。为避免信息过于分散，需对灰色关联系数进行整体性的关联度
Figure 663266DEST_PATH_IMAGE009
计算，公式如下：
Figure 332144DEST_PATH_IMAGE010
S4: 构建直接影响矩阵，引入模糊DANP方法构建模糊GRA-DANP法确定各评价指标的权重，具体包括如下步骤：
S41: 构建直接影响矩阵。依次选择每个指标作为灰色关联分析的参考数列，计算其他所有指标作为比较数列下的灰色关联度
Figure 387825DEST_PATH_IMAGE050
。构造直接影响矩阵
Figure 142155DEST_PATH_IMAGE051
，其中
Figure 941483DEST_PATH_IMAGE052
且
Figure 464868DEST_PATH_IMAGE053
；
计算结果如图4所示；
S42: 标准化直接影响矩阵。将直接影响矩阵A通过如下公式进行标准化处理，得到标准化影响矩阵B：
Figure 458495DEST_PATH_IMAGE015
式中，
Figure 762437DEST_PATH_IMAGE016
为行合计数最大值；
Figure 37560DEST_PATH_IMAGE017
为列合计数最大值；
行和计数最大值为12.7156；列合计数最大值为12.5545；
计算结果如图5所示；
S43: 计算综合影响矩阵。对标准化影响矩阵B进行计算，得出综合影响矩阵T：
Figure 743348DEST_PATH_IMAGE018
计算结果如图6所示；
S44: 计算未加权超矩阵W：
（1）通过上述公式计算得到二级指标的综合影响矩阵T c 并将其表现为以下形式：
Figure 78515DEST_PATH_IMAGE019
Figure 869753DEST_PATH_IMAGE020
（2）以子矩阵
Figure 948568DEST_PATH_IMAGE021
为例，将综合影响矩阵T c 中每个子矩阵
Figure 10327DEST_PATH_IMAGE022
标准化，得到标准化矩阵
Figure 844291DEST_PATH_IMAGE023
，公式如下:
Figure 794929DEST_PATH_IMAGE024
式中，
Figure 739751DEST_PATH_IMAGE025
，i=1,2,3,...,m 1。
Figure 92235DEST_PATH_IMAGE026
为子矩阵各行元素之和；
（3）将矩阵
Figure 97100DEST_PATH_IMAGE027
进行转置处理，得到二级指标的未加权超矩阵W，公式如下：
Figure 535035DEST_PATH_IMAGE028
计算结果如图7所示；
S45: 构建加权超矩阵
（1）专家打分构建一级指标直接影响矩阵。将指标之间的相互影响程度分为5个等级，采用0～4标度法，邀请农业现代化领域的专家对农业现代化发展水平各一级指标之间的直接影响关系进行强弱度评分。为了降低专家评价过程中的主观性，如图2所示，将专家打分的具体数值转换为三角模糊数；
（2）使用重心法对三角模糊数(l ij ，m ij ，r ij )进行解模糊化处理，由此可以得到一级指标的直接影响矩阵A d ；
Figure 537012DEST_PATH_IMAGE054
（3）将一级指标的直接影响矩阵A d 依照上述步骤进行处理，同理可得到一级指标的综合影响矩阵
Figure 71898DEST_PATH_IMAGE030
，对矩阵
Figure 185348DEST_PATH_IMAGE030
进行标准化处理后得到一级指标的标准化矩阵
Figure 172895DEST_PATH_IMAGE031
，对一级指标的标准化矩阵
Figure 397203DEST_PATH_IMAGE031
与二级指标的未加权超矩阵进行加权运算，得到加权超矩阵
Figure 521017DEST_PATH_IMAGE032
：
Figure 805368DEST_PATH_IMAGE033
计算结果如图8所示；
S46: 计算极限超矩阵。为得到各指标的权重，对加权超矩阵
Figure 781677DEST_PATH_IMAGE032
进行稳定处理，得到结果收敛稳定的极限超矩阵
Figure 809675DEST_PATH_IMAGE034
，极限超矩阵中各行元素数值相同，该数值即为各指标的权重，公式如下：
Figure 53575DEST_PATH_IMAGE035
计算结果如图9所示。
所述步骤3具体包括：
S3:采用TOPSIS法对农业现代化发展水平进行评估，具体包括如下步骤：
S51: 数据标准化处理。为消除评价指标体系原数据量纲对评价的影响，利用极差法对原始数据矩阵
Figure 243248DEST_PATH_IMAGE036
进行标准化处理。同时，极差法处理数据时，对指标做正向化处理：
正向指标：
Figure 205388DEST_PATH_IMAGE037
负向指标：
Figure 771498DEST_PATH_IMAGE038
式中，
Figure 135483DEST_PATH_IMAGE039
为第i年j项指标的实际值；
S52: 建立加权标准化矩阵。
Figure 496058DEST_PATH_IMAGE040
，指标权重如图10所示。建立加权标准化矩阵
Figure 446958DEST_PATH_IMAGE041
；
S53: 确定正、负理想解：
正理想解：
Figure 816760DEST_PATH_IMAGE042
负理想解：
Figure 769672DEST_PATH_IMAGE043
S54: 计算距离。计算评价对象到正、负理想解的距离
Figure 566727DEST_PATH_IMAGE044
，
Figure 237880DEST_PATH_IMAGE045
：
正理想解：
Figure 411372DEST_PATH_IMAGE046
（i=1,2,3,...,n）
负理想解：
Figure 484370DEST_PATH_IMAGE047
（i=1,2,3,...,n）
S55: 计算评价对象的综合得分值，通过综合评价值对评价对象进行排序，值越大，则评价对象农业现代化发展水平越高。
Figure 16108DEST_PATH_IMAGE048
。
得到结果， H省农业现代化发展水平：2020年为72.15；2019年为66.33；2018年为65.86；2017年为64.21。则H省2017—2020年四年的农业现代化发展水平从高到低排序为：2020、2019、2018、2017。
尽管已经示出和描述了本发明的实施例，本领域的普通技术人员可以理解在不脱离本发明的原理和宗旨的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由权利要求及其等同物限定。

Claims (4)

1.一种基于指标关联度的农业现代化发展水平的评价方法，其特征在于，包括以下步骤：
步骤1：根据农业现代化发展目标和现状，选定农业现代化发展水平评价指标，建立农业现代化发展水平评价指标体系；
步骤2：基于评价指标之间的指标关联度，采用灰色关联分析计算各指标间的灰色关联度并构建直接影响矩阵，引入模糊DANP方法构建模糊GRA-DANP法确定各评价指标的权重；
步骤3：运用TOPSIS法对农业现代化发展水平进行综合评价。
2.根据权利要求1所述的基于指标关联度的农业现代化发展水平的评价方法，其特征在于，所述步骤1具体包括：
S1：构建农业现代化发展水平评价指标体系的层次框架：
根据农业现代化发展现状和目标，构建农业现代化发展水平评价指标体系的层次框架，包括农业投入水平、农业产出水平、农民生活质量水平、农业经济结构水平、农业绿色发展水平五个一级指标；
S2：选定农业现代化发展水平评价指标：
（1）农业投入水平指标选择：
本发明的投入水平指标包括4个二级指标，包括耕种收综合机械化率、农业劳均播种面积、单位耕地面积农机动力和单位耕地用电量；
（2）农业产出水平指标选择：
本发明的产出水平指标包括4个二级指标，包括农业劳动生产率、农业土地产出率、粮食单产能力和劳均农业总产值；
（3）农民生活质量水平指标选择：
本发明的生活质量水平指标包括2个二级指标，包括农村人均可支配收入和农村常住居民家庭恩格尔系数；
（4）农业经济结构水平指标选择：
本发明的经济结构水平指标包括3个二级指标，包括第一产业从业人员比重、农业社会化服务发展程度和养殖业产业占农业总产值占比；
（5）农业绿色发展水平指标选择：
本发明的绿色发展水平指标包括4个二级指标，包括森林覆盖率、单位耕地面积化肥消耗、单位耕地面积农药消耗和水土流失综合治理面积。
3.根据权利要求1所述的基于指标关联度的农业现代化发展水平的评价方法，其特征在于，所述步骤2具体包括：
S3: 基于评价指标之间的指标关联度，采用灰色关联分析计算各指标间的灰色关联度，具体包括如下步骤：
S31: 数据的规范化处理：
由于各指标所代表的涵义和量纲不同，在进行计算前需要对数据进行规范化处理；
S32: 确定参考数列和比较数列：
依次选择每个指标作为参考数列F 0，其余所有指标作为比较数列F i ，i=1,2,3,...,n，
Figure 757773DEST_PATH_IMAGE001
，
Figure 165489DEST_PATH_IMAGE002
；
S33: 计算点关联系数：
计算参考数列与比较数列在k点的点关联系数
Figure 877094DEST_PATH_IMAGE003
：
Figure 804598DEST_PATH_IMAGE004
其中,分辨系数
Figure 349980DEST_PATH_IMAGE005
,通常取
Figure 933408DEST_PATH_IMAGE006
，
Figure 763217DEST_PATH_IMAGE007
为第二级最小差，
Figure 545229DEST_PATH_IMAGE008
为第二级最大差；
S34: 计算灰色关联度：
为避免信息过于分散，需对灰色关联系数进行整体性的关联度
Figure 854987DEST_PATH_IMAGE009
计算，公式如下：
Figure 473182DEST_PATH_IMAGE010
S4: 构建直接影响矩阵，引入模糊DANP方法构建模糊GRA-DANP法确定各评价指标的权重，具体包括如下步骤：
S41: 构建直接影响矩阵：
依次选择每个指标作为灰色关联分析的参考数列，计算其他所有指标作为比较数列下的灰色关联度
Figure 588905DEST_PATH_IMAGE011
；
构造直接影响矩阵
Figure 740270DEST_PATH_IMAGE012
，其中
Figure 220930DEST_PATH_IMAGE013
且
Figure 841267DEST_PATH_IMAGE014
；
S42: 标准化直接影响矩阵：
将直接影响矩阵A通过如下公式进行标准化处理，得到标准化影响矩阵B：
Figure 432785DEST_PATH_IMAGE015
式中，
Figure 940121DEST_PATH_IMAGE016
为行合计数最大值；
Figure 919578DEST_PATH_IMAGE017
为列合计数最大值；
S43: 计算综合影响矩阵：
对标准化影响矩阵B进行计算，得出综合影响矩阵T：
Figure 7970DEST_PATH_IMAGE018
S44: 计算未加权超矩阵W：
（1）通过上述公式计算得到二级指标的综合影响矩阵T c 并将其表现为以下形式：
Figure 403179DEST_PATH_IMAGE019
Figure 279869DEST_PATH_IMAGE020
（2）以子矩阵
Figure 915380DEST_PATH_IMAGE021
为例，将综合影响矩阵T c 中每个子矩阵
Figure 244731DEST_PATH_IMAGE022
标准化，得到标准化矩阵
Figure 443631DEST_PATH_IMAGE023
，公式如下:
Figure 424094DEST_PATH_IMAGE024
式中，
Figure 479775DEST_PATH_IMAGE025
，i=1,2,3,...,m 1，
Figure 47153DEST_PATH_IMAGE026
为子矩阵各行元素之和；
（3）将矩阵
Figure 846482DEST_PATH_IMAGE027
进行转置处理，得到二级指标的未加权超矩阵W，公式如下：
Figure 369867DEST_PATH_IMAGE028
S45: 构建加权超矩阵：
（1）专家打分构建一级指标直接影响矩阵，将指标之间的相互影响程度分为5个等级，采用0～4标度法，邀请农业现代化领域的专家对农业现代化发展水平各一级指标之间的直接影响关系进行强弱度评分，为了降低专家评价过程中的主观性，如图2所示，将专家打分的具体数值转换为三角模糊数；
（2）使用重心法对三角模糊数(l ij ，m ij ，r ij )进行解模糊化处理，由此可以得到一级指标的直接影响矩阵A d ，计算过程如下所示：
Figure 114226DEST_PATH_IMAGE029
（3）将一级指标的直接影响矩阵A d 依照上述步骤进行处理，同理可得到一级指标的综合影响矩阵
Figure 355851DEST_PATH_IMAGE030
，对矩阵
Figure 693292DEST_PATH_IMAGE030
进行标准化处理后得到一级指标的标准化矩阵
Figure 149812DEST_PATH_IMAGE031
，对一级指标的标准化矩阵
Figure 484978DEST_PATH_IMAGE031
与二级指标的未加权超矩阵进行加权运算，得到加权超矩阵
Figure 276217DEST_PATH_IMAGE032
：
Figure 355031DEST_PATH_IMAGE033
S46: 计算极限超矩阵：
为得到各指标的权重，对加权超矩阵
Figure 164593DEST_PATH_IMAGE032
进行稳定处理，得到结果收敛稳定的极限超矩阵
Figure 998557DEST_PATH_IMAGE034
，极限超矩阵中各行元素数值相同，该数值即为各指标的权重，公式如下：
Figure 762245DEST_PATH_IMAGE035
。
4.根据权利要求1所述的基于指标关联度的农业现代化发展水平的评价方法，其特征在于，所述步骤3具体包括：
S3:采用TOPSIS法对农业现代化发展水平进行评估，具体包括如下步骤：
S51: 数据标准化处理：
为消除评价指标体系原数据量纲对评价的影响，利用极差法对原始数据矩阵
Figure 707067DEST_PATH_IMAGE036
进行标准化处理，同时，极差法处理数据时，对指标做正向化处理：
正向指标：
Figure 59551DEST_PATH_IMAGE037
负向指标：
Figure 310754DEST_PATH_IMAGE038
式中，
Figure 811005DEST_PATH_IMAGE039
为第i年j项指标的实际值；
S52: 建立加权标准化矩阵：
Figure 44672DEST_PATH_IMAGE040
，建立加权标准化矩阵
Figure 517241DEST_PATH_IMAGE041
；
S53: 确定正、负理想解：
正理想解：
Figure 693008DEST_PATH_IMAGE042
负理想解：
Figure 929823DEST_PATH_IMAGE043
S54: 计算距离：
计算评价对象到正、负理想解的距离
Figure 216448DEST_PATH_IMAGE044
，
Figure 277945DEST_PATH_IMAGE045
：
正理想解：
Figure 375345DEST_PATH_IMAGE046
（i=1,2,3,...,n）
负理想解：
Figure 850189DEST_PATH_IMAGE047
（i=1,2,3,...,n）
S55: 计算评价对象的综合得分值，
Figure 878187DEST_PATH_IMAGE048
，通过综合评价值对评价对象进行排序，值越大，则评价对象农业现代化发展水平越高。
CN202111009108.3A 2021-08-31 2021-08-31 一种基于指标关联度的农业现代化发展水平的评价方法 Pending CN113610444A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202111009108.3A CN113610444A (zh) 2021-08-31 2021-08-31 一种基于指标关联度的农业现代化发展水平的评价方法

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202111009108.3A CN113610444A (zh) 2021-08-31 2021-08-31 一种基于指标关联度的农业现代化发展水平的评价方法

Publications (1)

Publication Number Publication Date
CN113610444A true CN113610444A (zh) 2021-11-05

Family

ID=78342300

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202111009108.3A Pending CN113610444A (zh) 2021-08-31 2021-08-31 一种基于指标关联度的农业现代化发展水平的评价方法

Country Status (1)

Country Link
CN (1) CN113610444A (zh)

Cited By (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630784A (zh) * 2022-11-02 2023-01-20 中国环境科学研究院 一种基于fe-topsis技术的农业面源污染控制方法

Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020041955A1 (zh) * 2018-08-28 2020-03-05 大连理工大学 一种基于改进型拉开档次法的数控机床综合性能评价方法
CN111275303A (zh) * 2020-01-15 2020-06-12 云南电网有限责任公司大理供电局 主动配电网电压无功优化控制策略综合评价方法及系统

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2020041955A1 (zh) * 2018-08-28 2020-03-05 大连理工大学 一种基于改进型拉开档次法的数控机床综合性能评价方法
CN111275303A (zh) * 2020-01-15 2020-06-12 云南电网有限责任公司大理供电局 主动配电网电压无功优化控制策略综合评价方法及系统

Non-Patent Citations (2)

* Cited by examiner, † Cited by third party
Title
SIMONOV KUSI-SARPONG: "A Novel Hybrid Multi-Criteria Decision-Making Model for Green Supply Chain Performance Evaluation in the Ghanaian Minnig Industry", 中国优秀博士学位论文全文数据库经济与管理辑, no. 3 *
徐研: "碳排放约束下承运商选择与任务量分配模型研究", 国优秀硕士学位论文全文数据库经济与管理科学辑, no. 10, pages 37 - 48 *

Cited By (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN115630784A (zh) * 2022-11-02 2023-01-20 中国环境科学研究院 一种基于fe-topsis技术的农业面源污染控制方法
CN115630784B (zh) * 2022-11-02 2023-10-24 中国环境科学研究院 一种基于fe-topsis技术的农业面源污染控制方法

Similar Documents

Publication Publication Date Title
CN109358178A (zh) 一种紫色土稻田土壤肥力评价方法
CN106407464A (zh) 一种基于knn的改进缺失数据填补算法
CN115063056B (zh) 基于图拓扑分析改进的建造行为安全风险动态分析方法
CN113610444A (zh) 一种基于指标关联度的农业现代化发展水平的评价方法
CN116187835A (zh) 一种基于数据驱动的台区理论线损区间估算方法及系统
CN110929888B (zh) 一种基于随机紧凑高斯核函数的粮食作物病害预测方法
CN115271500A (zh) 一种重金属污染农田土壤修复效果的综合评估方法
CN115496382A (zh) 一种区域农业生态发展动态评估方法、系统及可存储介质
CN113887992A (zh) 一种耦合资源环境和经济技术的钢铁企业能效评价方法
CN108830405B (zh) 基于多指标动态匹配的实时电力负荷预测系统及其方法
CN116167659B (zh) 一种碳市场碳排放数据质量评价方法
CN113723541A (zh) 一种基于混合智能算法的边坡位移预测方法
CN116663964B (zh) 一种基于清单项目特征值的工程单价快速计算方法及系统
CN117151505A (zh) 基于聚类方法与组合权重的事件调查体系评价方法及系统
CN116341929A (zh) 一种基于聚类和自适应梯度提升决策树的预测方法
Gu et al. Research on the model for tobacco disease prevention and control based on case-based reasoning and knowledge graph
CN116187795A (zh) 一种配电网节能技术措施多维效益评估方法
CN115841184A (zh) 一种基于工序聚类的工时预测方法
CN114190132A (zh) 一种水稻芽期耐寒性评价方法
CN111160635A (zh) 一种基于ReliefF算法的区域物流需求影响因素预测方法
CN115394435B (zh) 基于深度学习的关键临床指标实体识别方法和系统
CN114943463B (zh) 一种配电网节能技措评估方法
CN117709908B (zh) 一种电网工程人、材、机分配合理性智慧审计方法与系统
CN115719196B (zh) 一种基于大数据的物流仓储仓库选址分析评判方法
CN117520910A (zh) 一种业务办理系统内部用户满意度预测方法及系统

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
WD01 Invention patent application deemed withdrawn after publication

Application publication date: 20211105

WD01 Invention patent application deemed withdrawn after publication