CN113780773A - 关于社会应急物资的信息服务方法及系统 - Google Patents
关于社会应急物资的信息服务方法及系统 Download PDFInfo
- Publication number
- CN113780773A CN113780773A CN202110997650.8A CN202110997650A CN113780773A CN 113780773 A CN113780773 A CN 113780773A CN 202110997650 A CN202110997650 A CN 202110997650A CN 113780773 A CN113780773 A CN 113780773A
- Authority
- CN
- China
- Prior art keywords
- principal component
- evaluation
- representing
- indices
- indexes
- 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
- 239000000463 material Substances 0.000 title claims abstract description 24
- 238000000034 method Methods 0.000 title claims abstract description 18
- 238000011156 evaluation Methods 0.000 claims abstract description 80
- 238000000513 principal component analysis Methods 0.000 claims abstract description 20
- 230000009467 reduction Effects 0.000 claims abstract description 7
- 238000007619 statistical method Methods 0.000 claims abstract description 7
- 239000011159 matrix material Substances 0.000 claims description 25
- 238000004458 analytical method Methods 0.000 abstract description 3
- 238000005516 engineering process Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 238000012847 principal component analysis method Methods 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000002265 prevention Effects 0.000 description 1
- 230000008569 process Effects 0.000 description 1
- 238000011084 recovery Methods 0.000 description 1
- 230000004044 response Effects 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
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06311—Scheduling, planning or task assignment for a person or group
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/21—Design or setup of recognition systems or techniques; Extraction of features in feature space; Blind source separation
- G06F18/213—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods
- G06F18/2135—Feature extraction, e.g. by transforming the feature space; Summarisation; Mappings, e.g. subspace methods based on approximation criteria, e.g. principal component analysis
-
- 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
- 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
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Development Economics (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Data Mining & Analysis (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Evolutionary Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Evolutionary Computation (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种关于社会应急物资的信息服务方法,包括如下步骤:步骤S1:利用多元统计分析中降维的思想,将原指标体系中多个彼此相关的指标线性组合为彼此独立的综合指标,再以主成分来综合代替评价指标;步骤S2:建立评价因素集,评价因素集为对原始数据进行主成分分析后选取的主成分;步骤S3:确定评语集;步骤S4:通过B=A○R获得评价集,再根据最大隶属度原则确定综合评价的结果。本发明通过对传统应急物流方案评价指标的主成分分析,应用主成分模糊综合评价法对众多预案进行综合评价,计算最优运输方案,为应急物资调运提供最佳的运输选择和运输方式。
Description
技术领域
本发明涉及社会应急物资服务的技术领域,具体地,涉及关于社会应急物资的信息服务方法及系统。
背景技术
应急信息系统是为事故、灾害和紧急事件应急服务的信息系统,由基础设施、信息资源、信息应用服务系统、信息技术标准体系及信息安全保障体系等构成。应急信息系统服务于应急管理的全过程,包括:预防、准备、响应和恢复等阶段,应急管理的各个阶段根据事件类型不同有不同的功能要求。
在公开号为CN112950427A的专利文献中公开了一种基于社会化应急救援的高校突发事件信息采集传输系统,包括:信息采集模块,用于前期预先采集固有信息建立固有信息数据库并定期进行更新,以及通过采集事故现场动态信息建立事故现场动态信息数据库;信息传输模块,用于将采集的固有信息及事故现场动态信息实时传输给应急指挥平台,以供所述应急指挥平台对突发事件进行分类分级、风险评估和应急调度。
针对上述中的相关技术,发明人认为存在有实际应急物资物流场景指标数量繁多和指标权重较难确定,决策时间较长的问题。因此,需要提出一种技术方案以改善上述技术问题。
发明内容
针对现有技术中的缺陷,本发明的目的是提供一种关于社会应急物资的信息服务方法及系统。
根据本发明提供的一种关于社会应急物资的信息服务方法,包括如下步骤:
步骤S1:利用多元统计分析中降维的思想,将原指标体系中多个彼此相关的指标线性组合为彼此独立的综合指标,再以主成分来综合代替评价指标;
步骤S2:建立评价因素集T=(t1,t2,...,tm),其中t1,t2,...,tm表示被评价主体的m个评价因素,评价因素集为对原始数据进行主成分分析后选取的主成分Y=(Y1,Y2,...,Ym),其中Y1,Y2,...,Ym表示原始数据的m个主成分指标;
步骤S3:确定评语集V=(v1,v2,...,vn),其中v1,v2,...,vn表示对被评价主体的n个评语;
步骤S4:通过B=A○R,其中A为主成分Y的权重集合;R为对主成分Y的单因素评价矩阵;○为运算符号,表示基本积,即矩阵A和矩阵R元素一一对应相乘,获得评价集B=(b1,b2,...,bp),其中b1,b2,...,bp表示p个模糊评价结果,再根据最大隶属度原则确定综合评价的结果。
优选地,所述步骤S1中主成分的个数m根据实际的运输场景确定,选取的主成分提供原指标体系80%以上的信息为标准。
优选地,p个指标组成随机向量X=(X1,X2,...,Xp)为进行主成分分析,将原有p个指标线性转化成m个综合性指标即主成分Y=(Y1,Y2,...,Ym),X1,X2,...,Xp表示原始数据的p个指标,Y1,Y2,...,Ym表示主体的m个主成分指标。
优选地,所述步骤S2中的主成分分析选取出的主成分包含原指标体系80%以上的信息,将主成分替换原始指标体系进行模糊综合评价;由各主成分的贡献率确定相应的权重,权重集为A=(a1,a2,...,am),a1,a2,...,am表示主体的m个主成分指标的权重。
优选地,所述步骤S3中评判矩阵R由以下隶属函数集确定:
F={f1,f2,f3,f4,f5},f1,f2,f3,f4,f5是针对评语集V的5个函数模型。
本发明还提供一种关于社会应急物资的信息服务系统,包括如下模块:
模块M1:利用多元统计分析中降维的思想,将原指标体系中多个彼此相关的指标线性组合为彼此独立的综合指标,再以主成分来综合代替评价指标;
模块M2:建立评价因素集T=(t1,t2,...,tm),其中t1,t2,...,tm表示被评价主体的m个评价因素,评价因素集为对原始数据进行主成分分析后选取的主成分Y=(Y1,Y2,...,Ym),其中Y1,Y2,...,Ym表示原始数据的m个主成分指标;
模块M3:确定评语集V=(v1,v2,...,vn),其中v1,v2,...,vn表示对被评价主体的n个评语;
模块M4:通过B=A○R,其中A为主成分Y的权重集合;R为对主成分Y的单因素评价矩阵;○为运算符号,表示基本积,即矩阵A和矩阵R元素一一对应相乘,获得评价集B=(b1,b2,...,bp),其中b1,b2,...,bp表示p个模糊评价结果,再根据最大隶属度原则确定综合评价的结果。
优选地,所述模块M1中主成分的个数m根据实际的运输场景确定,选取的主成分提供原指标体系80%以上的信息为标准。
优选地,p个指标组成随机向量X=(X1,X2,...,Xp)为进行主成分分析,将原有p个指标线性转化成m个综合性指标即主成分Y=(Y1,Y2,...,Ym),X1,X2,...,Xp表示原始数据的p个指标,Y1,Y2,...,Ym表示主体的m个主成分指标。
优选地,所述模块M2中的主成分分析选取出的主成分包含原指标体系80%以上的信息,将主成分替换原始指标体系进行模糊综合评价;由各主成分的贡献率确定相应的权重,权重集为A=(a1,a2,...,am),a1,a2,...,am表示主体的m个主成分指标的权重。
优选地,所述模块M3中评判矩阵R由以下隶属函数集确定:
F={f1,f2,f3,f4,f5},f1,f2,f3,f4,f5是针对评语集V的5个函数模型。
与现有技术相比,本发明具有如下的有益效果:
1、本发明通过对传统应急物流方案评价指标的主成分分析,应用主成分模糊综合评价法对众多预案进行综合评价,计算最优运输方案,为应急物资调运提供最佳的运输选择和运输方式;
2、本发明通过主成分分析法,解决实际应急物资物流场景指标数量繁多和指标权重较难确定,决策时间较长的问题,符合应急物流对信息和运输效率的要求;
3、本发明通过综合模糊评价法,解决多种运输方案的效率和成本评价问题,计算最优运输方案,为应急物资调运提供最佳的运输选择和运输方式。
附图说明
通过阅读参照以下附图对非限制性实施例所作的详细描述,本发明的其它特征、目的和优点将会变得更明显:
图1为本发明的流程原理图。
具体实施方式
下面结合具体实施例对本发明进行详细说明。以下实施例将有助于本领域的技术人员进一步理解本发明,但不以任何形式限制本发明。应当指出的是,对本领域的普通技术人员来说,在不脱离本发明构思的前提下,还可以做出若干变化和改进。这些都属于本发明的保护范围。
参照图1,本发明提供一种关于社会应急物资的信息服务方法及系统,包括如下步骤:
步骤一:主成分分析,利用多元统计分析中降维的思想,将原指标体系中多个彼此相关的指标线性组合为少数几个彼此独立的综合指标,再以较少的主成分来综合代替原来较多的评价指标。主成分的个数m根据实际的运输场景确定,选取的主成分能提供原指标体系80%以上的信息为标准。
假设有p个指标组成随机向量X=(X1,X2,...,Xp),为进行主成分分析,可将原有p个指标线性转化成m个综合性指标即主成分Y=(Y1,Y2,...,Ym),X1,X2,...,Xp表示原始数据的p个指标,Y1,Y2,...,Ym表示主体的m个主成分指标。
其中组合系数uij由下列条件确定:
(1)ui1 2+ui2 2+...+uip 2=1(i=1,2,...,p)且Yi与Yj相互无关(i≠j;j=1,2,...,p)。
(2)Y1是X1,X2,...,XP的一切线性组合中方差最大,Y2与Y1不相关,且在X1,X2,...,XP的一切线性组合中方差最大;Yp是与Y1,Y2,...,Yp-1不相关,且在X1,X2,...,XP的一切线性组合中方差最大。
由此可推出Y1,Y2,...,Yp,分别为原变量X的第一,第二,...,第P个主成分。方差越大,包含的信息越多,所以Y1包含的信息最多,Y2,...,Yp包含的信息依次递减。
步骤二:建立评价因素集,建立评价因素集T=(t1,t2,...,tm),其中t1,t2,...,tm表示被评价主体的m个评价因素,在该模型中评价因素集为对原始数据进行主成分分析后选取的主成分Y=(Y1,Y2,...,Ym),其中Y1,Y2,...,Ym表示原始数据的m个主成分指标。由于主成分分析选取出的主成分可以包含原指标体系80%以上的信息,所以将主成分替换原始指标体系进行模糊综合评价是科学合理的。由各主成分的贡献率确定相应的权重,权重集为A=(a1,a2,...,am),a1,a2,...,am表示主体的m个主成分指标的权重。
步骤三:确定评语集,确定评语集V=(v1,v2,...,vn),其中v1,v2,...,vn表示对被评价主体的n个评语,在该模型中,选取V={最佳(v1),较好(v2),一般(v3),基本合适(v4),不合适(v5)},相应的取值范围为v1:0.8<=x<1,v2:0.6<=x<0.8,v3:0.4<=x<0.6,v4:0.2<=x<0.4,v5:0<=x<0.2。评判矩阵R由以下隶属函数集确定:
F={f1,f2,f3,f4,f5},f1,f2,f3,f4,f5是针对评语集V的5个函数模型。
由所有单因素评判Ri尺组成评判矩阵:
R={R1,R2,R3,R4,R5,R6,R7,R8},R1,R2,R3,R4,R5,R6,R7,R8表示对单因素Y1,Y2,...,Y8的评价结果。
步骤四:通过B=A○R获得评价集B=(b1,b2,...,bp),其中A为主成分Y的权重集合;R为对主成分Y的单因素评价矩阵;○为运算符号,表示基本积,即矩阵A和矩阵R元素一一对应相乘,b1,b2,...,bp表示p个模糊评价结果,再根据最大隶属度原则确定综合评价的结果。
最大隶属原则,是用模糊集理论进行模型识别的一种直接方法,对于n个实际模型,可以表示为论域X上的n个模糊子集A1,A2,…,An,x0∈X为一具体识别对象,如果有i0≤n,使Ai0(x0)=max(A1(x0),A2(x0),…,An(x0)),则称x0相对隶属于Ai0,在本发明中,对于应急物资的多种运输方案的模糊评价结果,通过最大隶属原则,可选择出最优运输方案。
本发明还提供一种关于社会应急物资的信息服务系统,包括如下模块:
模块M1:利用多元统计分析中降维的思想,将原指标体系中多个彼此相关的指标线性组合为彼此独立的综合指标,再以主成分来综合代替评价指标;主成分的个数m根据实际的运输场景确定,选取的主成分提供原指标体系80%以上的信息为标准;p个指标组成随机向量X=(X1,X2,...,Xp)为进行主成分分析,将原有p个指标线性转化成m个综合性指标即主成分Y=(Y1,Y2,...,Ym),X1,X2,...,Xp表示原始数据的p个指标,Y1,Y2,...,Ym表示主体的m个主成分指标。
模块M2:建立评价因素集T=(t1,t2,...,tm),其中t1,t2,...,tm表示被评价主体的m个评价因素,评价因素集为对原始数据进行主成分分析后选取的主成分Y=(Y1,Y2,...,Ym),其中Y1,Y2,...,Ym表示原始数据的m个主成分指标;主成分分析选取出的主成分包含原指标体系80%以上的信息,将主成分替换原始指标体系进行模糊综合评价;由各主成分的贡献率确定相应的权重,权重集为A=(a1,a2,...,am),a1,a2,...,am表示主体的m个主成分指标的权重。
模块M3:确定评语集V=(v1,v2,...,vn),其中v1,v2,...,vn表示对被评价主体的n个评语;评判矩阵R由以下隶属函数集确定:
F={f1,f2,f3,f4,f5},f1,f2,f3,f4,f5是针对评语集V的5个函数模型。
模块M4:通过B=A○R,其中A为主成分Y的权重集合;R为对主成分Y的单因素评价矩阵;○为运算符号,表示基本积,即矩阵A和矩阵R元素一一对应相乘,获得评价集B=(b1,b2,...,bp),其中b1,b2,...,bp表示p个模糊评价结果,再根据最大隶属度原则确定综合评价的结果。
本发明通过对传统应急物流方案评价指标的主成分分析,应用主成分模糊综合评价法对众多预案进行综合评价,计算最优运输方案,为应急物资调运提供最佳的运输选择和运输方式;通过主成分分析法,解决实际应急物资物流场景指标数量繁多和指标权重较难确定,决策时间较长的问题,符合应急物流对信息和运输效率的要求;通过综合模糊评价法,解决多种运输方案的效率和成本评价问题,计算最优运输方案,为应急物资调运提供最佳的运输选择和运输方式。
本领域技术人员知道,除了以纯计算机可读程序代码方式实现本发明提供的系统及其各个装置、模块、单元以外,完全可以通过将方法步骤进行逻辑编程来使得本发明提供的系统及其各个装置、模块、单元以逻辑门、开关、专用集成电路、可编程逻辑控制器以及嵌入式微控制器等的形式来实现相同功能。所以,本发明提供的系统及其各项装置、模块、单元可以被认为是一种硬件部件,而对其内包括的用于实现各种功能的装置、模块、单元也可以视为硬件部件内的结构;也可以将用于实现各种功能的装置、模块、单元视为既可以是实现方法的软件模块又可以是硬件部件内的结构。
以上对本发明的具体实施例进行了描述。需要理解的是,本发明并不局限于上述特定实施方式,本领域技术人员可以在权利要求的范围内做出各种变化或修改,这并不影响本发明的实质内容。在不冲突的情况下,本申请的实施例和实施例中的特征可以任意相互组合。
Claims (10)
1.一种关于社会应急物资的信息服务方法,其特征在于,包括如下步骤:
步骤S1:利用多元统计分析中降维的思想,将原指标体系中多个彼此相关的指标线性组合为彼此独立的综合指标,再以主成分来综合代替评价指标;
步骤S2:建立评价因素集T=(t1,t2,...,tm),其中t1,t2,...,tm表示被评价主体的m个评价因素,评价因素集为对原始数据进行主成分分析后选取的主成分Y=(Y1,Y2,...,Ym),其中Y1,Y2,...,Ym表示原始数据的m个主成分指标;
步骤S3:确定评语集V=(v1,v2,...,vn),其中v1,v2,...,vn表示对被评价主体的n个评语;
步骤S4:通过B=A○R,其中A为主成分Y的权重集合;R为对主成分Y的单因素评价矩阵;○为运算符号,表示基本积,即矩阵A和矩阵R元素一一对应相乘,获得评价集B=(b1,b2,...,bp),其中b1,b2,...,bp表示p个模糊评价结果,再根据最大隶属度原则确定综合评价的结果。
2.根据权利要求1所述的关于社会应急物资的信息服务方法,其特征在于,所述步骤S1中主成分的个数m根据实际的运输场景确定,选取的主成分提供原指标体系80%以上的信息为标准。
3.根据权利要求2所述的关于社会应急物资的信息服务方法,其特征在于,p个指标组成随机向量X=(X1,X2,...,Xp)为进行主成分分析,将原有p个指标线性转化成m个综合性指标即主成分Y=(Y1,Y2,...,Ym),X1,X2,...,Xp表示原始数据的p个指标,Y1,Y2,...,Ym表示主体的m个主成分指标。
4.根据权利要求1所述的关于社会应急物资的信息服务方法,其特征在于,所述步骤S2中的主成分分析选取出的主成分包含原指标体系80%以上的信息,将主成分替换原始指标体系进行模糊综合评价;由各主成分的贡献率确定相应的权重,权重集为A=(a1,a2,...,am),a1,a2,...,am表示主体的m个主成分指标的权重。
5.根据权利要求1所述的关于社会应急物资的信息服务方法,其特征在于,所述步骤S3中评判矩阵R由以下隶属函数集确定:
F={f1,f2,f3,f4,f5},f1,f2,f3,f4,f5是针对评语集V的5个函数模型。
6.一种关于社会应急物资的信息服务系统,其特征在于,包括如下模块:
模块M1:利用多元统计分析中降维的思想,将原指标体系中多个彼此相关的指标线性组合为彼此独立的综合指标,再以主成分来综合代替评价指标;
模块M2:建立评价因素集T=(t1,t2,...,tm),其中t1,t2,...,tm表示被评价主体的m个评价因素,评价因素集为对原始数据进行主成分分析后选取的主成分Y=(Y1,Y2,...,Ym),其中Y1,Y2,...,Ym表示原始数据的m个主成分指标;
模块M3:确定评语集V=(v1,v2,...,vn),其中v1,v2,...,vn表示对被评价主体的n个评语;
模块M4:通过B=A○R,其中A为主成分Y的权重集合;R为对主成分Y的单因素评价矩阵;○为运算符号,表示基本积,即矩阵A和矩阵R元素一一对应相乘,获得评价集B=(b1,b2,...,bp),其中b1,b2,...,bp表示p个模糊评价结果,再根据最大隶属度原则确定综合评价的结果。
7.根据权利要求6所述的关于社会应急物资的信息服务系统,其特征在于,所述模块M1中主成分的个数m根据实际的运输场景确定,选取的主成分提供原指标体系80%以上的信息为标准。
8.根据权利要求7所述的关于社会应急物资的信息服务系统,其特征在于,p个指标组成随机向量X=(X1,X2,...,Xp)为进行主成分分析,将原有p个指标线性转化成m个综合性指标即主成分Y=(Y1,Y2,...,Ym),X1,X2,...,Xp表示原始数据的p个指标,Y1,Y2,...,Ym表示主体的m个主成分指标。
9.根据权利要求6所述的关于社会应急物资的信息服务系统,其特征在于,所述模块M2中的主成分分析选取出的主成分包含原指标体系80%以上的信息,将主成分替换原始指标体系进行模糊综合评价;由各主成分的贡献率确定相应的权重,权重集为A=(a1,a2,...,am),a1,a2,...,am表示主体的m个主成分指标的权重。
10.根据权利要求6所述的关于社会应急物资的信息服务系统,其特征在于,所述模块M3中评判矩阵R由以下隶属函数集确定:
F={f1,f2,f3,f4,f5},f1,f2,f3,f4,f5是针对评语集V的5个函数模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110997650.8A CN113780773A (zh) | 2021-08-27 | 2021-08-27 | 关于社会应急物资的信息服务方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110997650.8A CN113780773A (zh) | 2021-08-27 | 2021-08-27 | 关于社会应急物资的信息服务方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113780773A true CN113780773A (zh) | 2021-12-10 |
Family
ID=78839881
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110997650.8A Pending CN113780773A (zh) | 2021-08-27 | 2021-08-27 | 关于社会应急物资的信息服务方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113780773A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102400902A (zh) * | 2010-09-15 | 2012-04-04 | 中国石油天然气股份有限公司 | 往复式压缩机性能状态可靠性评价方法 |
CN103954450A (zh) * | 2014-05-19 | 2014-07-30 | 重庆交通大学 | 基于主成分分析的轴承寿命退化性能评估指标构建方法 |
CN105184397A (zh) * | 2015-08-26 | 2015-12-23 | 国家电网公司 | 基于层次分析和模糊综合评价的电能替代效益评价方法 |
CN105608542A (zh) * | 2016-03-15 | 2016-05-25 | 国网山东省电力公司经济技术研究院 | 一种适用于电力工程项目的多层次模糊综合评估方法 |
CN107368958A (zh) * | 2017-07-05 | 2017-11-21 | 国网江苏省电力公司电力科学研究院 | 基于主成分分析法的大客户价值评价指标权重确定方法 |
CN109685366A (zh) * | 2018-12-24 | 2019-04-26 | 中国人民解放军32181部队 | 基于异变数据的装备健康状态评估方法 |
CN112950048A (zh) * | 2021-03-18 | 2021-06-11 | 河海大学 | 基于模糊综合评价的国家高等教育体系健康评价 |
-
2021
- 2021-08-27 CN CN202110997650.8A patent/CN113780773A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102400902A (zh) * | 2010-09-15 | 2012-04-04 | 中国石油天然气股份有限公司 | 往复式压缩机性能状态可靠性评价方法 |
CN103954450A (zh) * | 2014-05-19 | 2014-07-30 | 重庆交通大学 | 基于主成分分析的轴承寿命退化性能评估指标构建方法 |
CN105184397A (zh) * | 2015-08-26 | 2015-12-23 | 国家电网公司 | 基于层次分析和模糊综合评价的电能替代效益评价方法 |
CN105608542A (zh) * | 2016-03-15 | 2016-05-25 | 国网山东省电力公司经济技术研究院 | 一种适用于电力工程项目的多层次模糊综合评估方法 |
CN107368958A (zh) * | 2017-07-05 | 2017-11-21 | 国网江苏省电力公司电力科学研究院 | 基于主成分分析法的大客户价值评价指标权重确定方法 |
CN109685366A (zh) * | 2018-12-24 | 2019-04-26 | 中国人民解放军32181部队 | 基于异变数据的装备健康状态评估方法 |
CN112950048A (zh) * | 2021-03-18 | 2021-06-11 | 河海大学 | 基于模糊综合评价的国家高等教育体系健康评价 |
Non-Patent Citations (3)
Title |
---|
刘兴元等: "草业生态经济系统分析与评价", 31 December 2015, 江苏凤凰科学技术出版社, pages: 95 * |
哈金才等: "数理统计思想方法实践应用", 31 December 2020, 西北工业大学出版社, pages: 175 - 176 * |
范玉妹等: "物流系统的模糊评价方法", 运筹学的理论与应用--中国运筹学会第五届大会论文集, 31 December 1996 (1996-12-31), pages 508 - 512 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111611488B (zh) | 基于人工智能的信息推荐方法、装置、电子设备 | |
CN114492663B (zh) | 事件智能分拨方法、装置、设备及存储介质 | |
CN110929797A (zh) | 一种人员能力量化评估方法 | |
CN112905868A (zh) | 事件抽取方法、装置、设备及存储介质 | |
CN116562370A (zh) | 一种基于应急知识图谱的突发公共卫生事件情景推演方法 | |
CN112036483B (zh) | 基于AutoML的对象预测分类方法、装置、计算机设备及存储介质 | |
CN111950625A (zh) | 基于人工智能的风险识别方法、装置、计算机设备及介质 | |
CN117458440A (zh) | 基于关联特征融合的生成式电力负荷预测方法及系统 | |
Sugianto et al. | K-Means Algorithm For Clustering Poverty Data in Bangka Belitung Island Province | |
CN111784453B (zh) | 基于区块链的跨平台医药集采价格同步方法及相关装置 | |
CN113780773A (zh) | 关于社会应急物资的信息服务方法及系统 | |
CN116244484B (zh) | 一种面向不平衡数据的联邦跨模态检索方法及系统 | |
CN116611812A (zh) | 基于人工智能的车辆配件定损方法、装置、设备及介质 | |
CN116049544A (zh) | 一种全局因子分解的多特征融合网络兴趣预测方法 | |
CN113742495B (zh) | 基于预测模型的评级特征权重确定方法及装置、电子设备 | |
CN115689201A (zh) | 面向企业资源供需调配的多准则智能决策优化方法及系统 | |
CN108763565B (zh) | 一种基于深度学习的数据自动关联匹配的构建方法 | |
Bisso et al. | Efficient determination of heliports in the city of Rio de Janeiro for the olympic games and world cup: a fuzzy logic approach | |
Thapar et al. | Optimization of linear objective function with max-t fuzzy relation equations | |
Kang et al. | Predictive Analytics for Municipal Public Security: A Comprehensive Scheme Integrating Big Data and Regression Models | |
CN110633396A (zh) | 一种离散时序数据的非稳态性格兰杰因果关系挖掘方法 | |
CN110362043A (zh) | 一种调度运行信息稀疏编码方法、系统和可读存储介质 | |
Lei | Emergency information communication structure by using multimodel fusion and artificial intelligence algorithm | |
Chongfu | Reliability of fuzzy risk assessment by information distribution | |
Daculio | SEISMIC SIGNAL REPRESENTATION OF EASTERN VISAYAS REGION, PHILIPPINES USING CHAOTIC DYNAMICAL SYSTEMS THROUGH INVERSE FROBENIUS-PERRON |
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 |