CN114022045A - 一种区域经济发展水平确定方法、装置及终端设备 - Google Patents
一种区域经济发展水平确定方法、装置及终端设备 Download PDFInfo
- Publication number
- CN114022045A CN114022045A CN202111435719.4A CN202111435719A CN114022045A CN 114022045 A CN114022045 A CN 114022045A CN 202111435719 A CN202111435719 A CN 202111435719A CN 114022045 A CN114022045 A CN 114022045A
- Authority
- CN
- China
- Prior art keywords
- index
- evaluation
- evaluation index
- layer
- economic development
- 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
- 238000000034 method Methods 0.000 title claims abstract description 105
- 238000011161 development Methods 0.000 title claims abstract description 83
- 238000011156 evaluation Methods 0.000 claims abstract description 230
- 230000002776 aggregation Effects 0.000 claims abstract description 25
- 238000004220 aggregation Methods 0.000 claims abstract description 25
- 239000011159 matrix material Substances 0.000 claims description 39
- 238000004590 computer program Methods 0.000 claims description 26
- 238000013210 evaluation model Methods 0.000 claims description 18
- 238000012545 processing Methods 0.000 claims description 9
- 238000012163 sequencing technique Methods 0.000 claims description 9
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 claims description 8
- 238000010606 normalization Methods 0.000 claims description 5
- 230000008569 process Effects 0.000 description 12
- 230000006870 function Effects 0.000 description 10
- 230000009467 reduction Effects 0.000 description 6
- CURLTUGMZLYLDI-UHFFFAOYSA-N Carbon dioxide Chemical compound O=C=O CURLTUGMZLYLDI-UHFFFAOYSA-N 0.000 description 4
- 238000010586 diagram Methods 0.000 description 4
- 230000004044 response Effects 0.000 description 4
- 230000008878 coupling Effects 0.000 description 3
- 238000010168 coupling process Methods 0.000 description 3
- 238000005859 coupling reaction Methods 0.000 description 3
- 230000007547 defect Effects 0.000 description 3
- 229910002092 carbon dioxide Inorganic materials 0.000 description 2
- 239000001569 carbon dioxide Substances 0.000 description 2
- 238000004891 communication Methods 0.000 description 2
- 238000005265 energy consumption Methods 0.000 description 2
- 239000010842 industrial wastewater Substances 0.000 description 2
- 239000010813 municipal solid waste Substances 0.000 description 2
- 230000005855 radiation Effects 0.000 description 2
- 238000004064 recycling Methods 0.000 description 2
- 239000002910 solid waste Substances 0.000 description 2
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 230000002093 peripheral effect Effects 0.000 description 1
- 238000006467 substitution reaction Methods 0.000 description 1
- 238000013519 translation Methods 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
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Operations Research (AREA)
- Marketing (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本申请适用于区域经济发展评估技术领域，提供了一种区域经济发展水平确定方法、装置及终端设备，该区域经济发展确定方法包括：获取区域经济发展指标体系中毎个评价指标的数值；基于每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重；基于每个评价指标的权重和关联关系，通过复杂关联度矢量排序法模型，确定区域经济发展水平；其中，关联关系为指标集与排序集之间的关联程度，指标集为评价指标的指标体系，排序集用于表征评价对象的评价等级之间的关联程度。本申请能够更好的确定区域经济发展水平。
Description
技术领域
本申请属于区域经济发展评估技术领域，尤其涉及一种区域经济发展水平确定方法、装置及终端设备。
背景技术
一直以来，国内外许多专家学者对区域经济发展评估进行了大量的研究，提出了许多有效的方法，但是也存在诸多的问题。
例如，层次分析法是一种多准则，多维度的决策方法，但在确定权重的过程中是需要专家组对指标间重要程度进行评分，由于专家组构成的差异性会导致不同的评价权重结果，在定量表示每个层次中各元素的相对重要性，进而确定判断矩阵，进而导致评价结果出现较大差异；基于数据包络法的评价方法，但该方法只表明评价单元的相对发展指标，无法表示出实际发展水平，不能准确反映经济实际发展水平。除此以外，常用的区域经济评估方法还有Topsis、灰色关联度、数据包络法等。由于选择不同的模型对评估结果都将产生较大影响，单一的评估方法不能客观、综合地评价区域经济发展。
发明内容
为克服相关技术中存在的区域经济发展水平评价不准确的技术问题，本申请实施例提供了区域经济发展水平评价方法、装置及终端设备。
本申请是通过如下技术方案实现的：
第一方面，本申请实施例提供了一种区域经济水平确定方法，包括：
获取区域经济发展指标体系中每个评价指标的数值；
基于所述每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重；
基于每个评价指标的权重和关联关系，通过复杂关联度矢量排序法模型，确定区域经济发展水平；其中，所述关联关系为指标集与排序集之间的关联程度，所述指标集为评价指标的指标体系，所述排序集用于表征评价对象的评价等级之间的关联程度。
结合第一方面，在一些可能的实现方式中，所述基于所述每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重，包括：
对每个评价指标的数值进行标准化处理，得到每个评价指标的标准化数值；
基于所述标准化数值，计算每个评价指标的聚集态；
基于每个评价指标的聚集态计算每个评价指标的权重。
示例性的，所述对每个评价指标的数据进行标准化处理为：
当评价指标xij为正向评价指标时，通过
计算得到评价指标xij的标准化数值；
当评价指标xij为逆向评价指标时，通过
计算得到评价指标xij的标准化数值，其中，因素i和因素j是影响指标x的两个因素，xij为因素i和因素j共同对应的评价指标x的值，xi为因素i对应的评价指标x的值，Yij为标准化数值；
通过
计算每个评价指标的聚集态，其中
通过
计算每个评价指标的权重。
结合第一方面，在一些可能的实现方式中，所述建立复杂关联度矢量排序评价模型步骤为：
建立所述指标集、所述排序集和评价指标的权系数向量；
根据所述指标集和所述排序集建立关联矩阵，所述关联矩阵用于表征所述关联关系；
基于所述评价指标的权系数向量和所述关联矩阵，构建复杂关联度矢量排序法模型。
示例性的，所述指标集为：U＝{u1,u2,…un}，其中，u1,u2,…,un表示的是评价指标，n是评价指标的个数，由区域经济发展水平指标体系确定；
所述排序集为：V＝{v1,v2,…vn}，其中，v1,v2,…,vn表示现在已有的评价等级关联程度的标准值,vj代表第j个评价等级关联程度的标准值；
所述权系数向量为：A＝{a1,a2,…an}，且
A反映了评价指标的重要程度，其中，a1,a2,…an代表评价指标的权重相量，评价指标的权重相量由评价指标的权重得到，a1,a2,…an的大小取决于评价对象中每个评价指标的相对重要程度。
所述关联矩阵单独从一个评价指标出发进行排序评价，确定评价对象对排序集合V的关联程度，将每个评价指标的实际值与等级标准比较，做归一化处理，得到相应指标的关联度R，建立指标层的关联矩阵，关联矩阵为：
其中rij表示U中指标ui对应V中的vj的关联关系。
所述构建复杂关联度矢量排序法模型，包括：目标层、准则层和指标层，所述准则层隶属于所述目标层，所述指标层隶属于所述准则层；对指标层和准则层的一级复杂关联度评价模型以及对准则层和目标层的二级复杂关联度评价模型；
其中，一级复杂关联评价模型为:
Bi是第i层准则层的复杂评价，Aci是指标层中对应的第i层准则层的权重集，Ri是第i层准则层关联度矩阵，acim是第i个准则层中第m个指标对于该准则层的权重，rimn是第i个准则层中第m个指标的第n级关联度，bin是第i层准则层的第n级关联度，
为复杂算子，采用
计算；
其中，二级复杂关联评价模型为:
C是区域经济发展水平的复杂度评价，AB是准则层对于目标层的权重集，为一级复杂关联度评价，aBn是指标对应的第n层准则层的权重集，Ri是第i层准则层关联度矩阵，Cn是目标第n级关联度，
为复杂关联算子，采用
计算。
一些实施例中，所述区域经济水平，包括：
将C中最大值所对应的评价等级作为评价对象的区域经济发展水平的评价结果。
第二方面，本申请实施例提供了一种区域经济水平确定装置，包括：数据获取模块，用于获取区域经济发展指标体系中毎个评价指标的数值；权重确定模块，用于基于所述每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重；发展水平确定模块，用于基于每个评价指标的权重和关联关系，通过复杂关联度矢量排序法模型，确定区域经济发展水平；其中，所述关联关系为指标集与排序集之间的关联程度，所述指标集为评价指标的指标体系，所述排序集用于表征评价对象的评价等级之间的关联程度。
第三方面，本申请实施例提供了一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，所述处理器执行所述计算机程序时实现如第一方面任一项所述的区域经济水平确定方法。
第四方面，本申请实施例提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现如第一方面任一项所述的区域经济水平确定方法。
第五方面，本申请实施例提供了一种计算机程序产品，当计算机程序产品在终端设备上运行时，使得终端设备执行上述第一方面中任一项所述的区域经济水平确定方法。
本申请实施例与现有技术相比存在的有益效果是：
本申请实施例，采用聚集态法确定指标权重，客观反映各指标真实信息，利用复杂关联矢量排序评价法对区域经济发展水平做评估，通过关联度矢量函数将结果从唯一解转化为多种解，避免了单一解的弊端，极大拓展了评估结果的可行性。同时，由于考虑到评价对象对评价集合关联程度问题，采用了加权平均型复杂算子利用关联度矩阵信息的方法，更加充分利用复杂度矩阵信息。
可以理解的是，上述第二方面至第五方面的有益效果可以参见上述第一方面中的相关描述，在此不再赘述。
应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本说明书。
附图说明
为了更清楚地说明本申请实施例中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本申请的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1是本申请一实施例提供的一种区域经济水平确定方法的应用场景示意图；
图2是本申请一实施例提供的一种区域经济水平确定方法的流程示意图；
图3是本申请实施例提供的一种区域经济水平确定装置的结构示意图；
图4是本申请实施例提供的一种区域经济水平确定终端设备的结构示意图。
具体实施方式
以下描述中，为了说明而不是为了限定，提出了诸如特定系统结构、技术之类的具体细节，以便透彻理解本申请实施例。然而，本领域的技术人员应当清楚，在没有这些具体细节的其它实施例中也可以实现本申请。在其它情况中，省略对众所周知的系统、装置、电路以及方法的详细说明，以免不必要的细节妨碍本申请的描述。
应当理解，当在本申请说明书和所附权利要求书中使用时，术语“包括”指示所描述特征、整体、步骤、操作、元素和/或组件的存在，但并不排除一个或多个其它特征、整体、步骤、操作、元素、组件和/或其集合的存在或添加。
还应当理解，在本申请说明书和所附权利要求书中使用的术语“和/或”是指相关联列出的项中的一个或多个的任何组合以及所有可能组合，并且包括这些组合。
如在本申请说明书和所附权利要求书中所使用的那样，术语“如果”可以依据上下文被解释为“当...时”或“一旦”或“响应于确定”或“响应于检测到”。类似地，短语“如果确定”或“如果检测到[所描述条件或事件]”可以依据上下文被解释为意指“一旦确定”或“响应于确定”或“一旦检测到[所描述条件或事件]”或“响应于检测到[所描述条件或事件]”。
另外，在本申请说明书和所附权利要求书的描述中，术语“第一”、“第二”、“第三”等仅用于区分描述，而不能理解为指示或暗示相对重要性。
在本申请说明书中描述的参考“一个实施例”或“一些实施例”等意味着在本申请的一个或多个实施例中包括结合该实施例描述的特定特征、结构或特点。由此，在本说明书中的不同之处出现的语句“在一个实施例中”、“在一些实施例中”、“在其他一些实施例中”、“在另外一些实施例中”等不是必然都参考相同的实施例，而是意味着“一个或多个但不是所有的实施例”，除非是以其他方式另外特别强调。术语“包括”、“包含”、“具有”及它们的变形都意味着“包括但不限于”，除非是以其他方式另外特别强调。
一直以来，国内外许多专家学者对区域经济发展评估进行了大量的研究，提出了许多有效的方法，但是也存在诸多的问题。例如，层次分析法是一种多准则，多维度的决策方法，但在确定权重的过程中是需要专家组对指标间重要程度进行评分，由于专家组构成的差异性会导致不同的评价权重结果，在定量表示每个层次中各元素的相对重要性，进而确定判断矩阵，导致评价结果出现较大差异；基于数据包络法的评价方法，但该方法只表明评价单元的相对发展指标，无法表示出实际发展水平，不能准确反映经济实际发展水平。除此以外，常用的区域经济评估方法还有Topsis、灰色关联度、数据包络法等。由于选择不同的模型对评估结果都将产生较大影响，单一的评估方法不能客观、综合地评价区域经济发展。
基于上述问题，本申请实施例中的区域经济水平确定方法，获取区域经济发展指标体系中每个评价指标的数值；基于所述每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重；基于每个评价指标的权重和关联关系，通过复杂关联度矢量排序法模型，确定区域经济发展水平；其中，所述关联关系为指标集与排序集之间的关联程度，所述指标集为评价指标的指标体系，所述排序集用于表征评价对象的评价等级之间的关联程度。
本申请实施例中，采用聚集态法确定指标权重，客观反映各指标真实信息，利用复杂关联矢量排序评价法对区域经济发展水平做评估，通过关联度矢量函数将结果从唯一解转化为多种解，避免了单一解的弊端，极大拓展了评估结果的可行性。同时，由于考虑到评价对象对评价集合关联程度问题，采用了加权平均型复杂算子利用关联度矩阵信息的方法，更加充分利用复杂度矩阵信息，从而能够更加准确地确定区域经济发展水平。
举例说明，本申请实施例可以应用到如图1所示的示例性场景中。在该场景中，区域经济发展指标获取设备10用于采集目标区域经济发展各项指标的数据，采集到的指标发送给区域经济发展水平确定设备20。
需要说明的是，上述应用场景作为示例性说明，并不用于限定本申请实施例实施时的应用场景，事实上，本申请实施例也可以应用于其它应用场景中。比如，在另一些示例性应用场景中，也可以是由工作人员上传各项指标数据发送给区域经济发展水平确定设备20等。
图2是本申请一实施例提供的区域经济水平确定方法的示意性流程图，参照图2，对该区域经济水平确定方法的详述如下：
步骤101，获取区域经济发展指标体系中毎个评价指标的数值。
其中，上述区域经济发展指标体系可以包括多个层次。
例如，上述区域经济发展指标体系中的多个层次可以划分为目标层、准则层和指标层，准则层隶属于所述目标层，指标层隶属于准则层。
示例性的，综合考虑评价指标的获取性和反映程度，从经济发展、社会进步和资源环境三个维度选取15项指标，具体如表1所示。
(1)经济发展在经济发展维度，主要考虑城市群在发展过程中的经济增长情况，反映城市群在经济方面的优势。因而选取了GDP增长率、人均可支配收入增长率、第二产业增加值占比、经济辐射指数。
(2)资源环境在资源环境维度，主要考虑资源利用率和环境保护方面的投入情况，反映翻译城市群发展在资源环境领域的优势。因而选取了单位GDP能耗变动率、工业固废减排率、工业废水减排率、二氧化碳减排率、空气质量综合指数和垃圾回收再利用率。
(3)社会进步在社会进步维度，主要考虑人口聚集、资源聚集、交通便利等情况，反映城市群在社会进步方面的优势。因而选取了人口规模基尼系数、城乡可支配收入差异比、科技投入占比、教育支出占比、人均住房面积。
表1区域经济发展水平指标体系
表1中，第一层指标可以为目标层指标，第二层指标可以为准则层指标，第三层指标为指标层指标。目标层指标包括城市群绿色发展水平评估，第二层指标包括经济发展指标、资源环境指标和社会进步指标。
第三层指标中的GDP增长率、人均可支配收入增长率、第二产业增加值占比率和经济辐射指数属于第二层指标中的经济发展指标。第三层指标中的单位GDP能耗变动率、工业固废减排率、工业废水减排率、二氧化碳减排率、空气质量综合指数和垃圾回收再利用率隶属于第二层指标中的资源环境指标。第三层指标中的人口规模基尼系数、城乡可支配收入差异比、科技投入占比、教育支出占比和人均住房面积隶属于第二层指标中的社会进步指标。
步骤102基于每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重。
一些实施例中，步骤102的实现过程可以包括步骤A1至步骤A3。
步骤A1，对每个评价指标的数值进行标准化处理，得到每个评价指标的标准化数值。
示例性的，当评价指标xij为正向评价指标时，通过
计算得到评价指标xij的标准化数值；
当评价指标xij为逆向评价指标时，通过
计算得到评价指标xij的标准化数值，其中，因素i和因素j是影响指标x的两个因素，xij为因素i和因素j共同对应的评价指标x的值，xi为因素i对应的评价指标x的值，Yij为标准化数值。
步骤A2，基于标准化数值，计算每个评价指标的聚集态。
示例性的，通过
计算每个评价指标的聚集态，其中，
步骤A3，基于每个评价指标的聚集态计算每个评价指标的权重。
示例性的，通过
计算每个评价指标的权重。
步骤103，基于每个评价指标的权重和关联关系，通过复杂关联度矢量排序法模型，确定区域经济发展水平。
一些实施例中，步骤103的实现过程可以包括步骤B1至步骤B3。
步骤B1，建立指标集、排序集和评价指标的权系数向量。
示例性的，指标集为：U＝{u1,u2,…un}，其中，u1,u2,…un表示的是评价指标，n是评价指标的个数，由区域经济发展水平指标体系确定；
排序集为：V＝{v1,v2,…vn}，其中，v1,v2,…,vn表示现在已有的评价等级关联程度的标准值,vj代表第j个评价等级关联程度的标准值；
权系数向量为：A＝{a1,a2,…an}，且
A反映了评价指标的重要程度，其中，a1,a2,…an代表评价指标的权重相量，评价指标的权重相量由评价指标的权重得到，a1,a2,…an的大小取决于评价对象中每个评价指标的相对重要程度。
步骤B2，根据指标集和排序集建立关联矩阵，关联矩阵用于表征所述关联关系。
示例性的，单独从一个评价指标出发进行排序评价，确定评价对象对排序集合V的关联程度，将每个评价指标的实际值与等级标准比较，做归一化处理，得到相应指标的关联度R，建立指标层的关联矩阵，关联矩阵为：
其中rij表示U中指标ui对应V中的vj的关联关系，即评价对象对应ui这个指标所能被评为vj等级的关联关系。
步骤B3，基于评价指标的权系数向量和关联矩阵，构建复杂关联度矢量排序法模型。
示例性的，构建复杂关联度矢量排序法模型，包括：目标层、准则层和指标层，准则层隶属于目标层，指标层隶属于准则层；对指标层和准则层的一级复杂关联度评价模型以及对准则层和目标层的二级复杂关联度评价模型；
其中，一级复杂关联评价模型为:
Bi是第i层准则层的复杂评价，Aci是指标层中对应的第i层准则层的权重集，Ri是第i层准则层关联度矩阵，acim是第i个准则层中第m个指标对于该准则层的权重，rimn是第i个准则层中第m个指标的第n级关联度，bin是第i层准则层的第n级关联度，
为复杂算子，采用
计算；
其中，二级复杂关联评价模型为:
C是区域经济发展水平的复杂度评价，AB是准则层对于目标层的权重集，为一级复杂关联度评价，aBn是指标对应的第n层准则层的权重集，Ri是第i层准则层关联度矩阵，Cn是目标第n级关联度，
为复杂关联算子，采用
计算。
可选的，步骤103中确定区域经济发展水平可以为：将C中最大值所对应的评价等级作为评价对象的区域经济发展水平的评价结果。例如，对评价向量C做分析并得出结论，根据最大隶属度原则，将C中最大值所对应的评价等级作为评价对象的区域经济发展水平的评价结果。
上述区域经济水平确定方法，采用聚集态法确定指标权重，客观反映每个指标真实信息，利用复杂关联矢量排序评价法对区域经济发展水平做评估，通过关联度矢量函数将结果从唯一解转化为多种解，避免了单一解的弊端，极大拓展了评估结果的可行性。由于考虑到评价对象对评价集合关联程度问题，采用了加权平均型复杂算子利用关联度矩阵信息的方法，更加充分利用复杂度矩阵信息，从而能够更加准确地确定区域经济发展水平。
应理解，上述实施例中各步骤的序号的大小并不意味着执行顺序的先后，各过程的执行顺序应以其功能和内在逻辑确定，而不应对本申请实施例的实施过程构成任何限定。
对应于上文实施例所述的区域经济水平确定方法，图3示出了本申请实施例提供的区域经济水平确定装置的结构框图，为了便于说明，仅示出了与本申请实施例相关的部分。
参见图3，本申请实施例中的区域经济水平确定装置可以包括：数据获取模块201、权重确定模块202、发展水平确定模块203。
其中，数据获取模块201，用于获取区域经济发展指标体系中毎个评价指标的数值；权重确定模块202，用于基于每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重；发展水平确定模块203，用于基于每个评价指标的权重和关联关系，通过复杂关联度矢量排序法模型，确定区域经济发展水平；其中，关联关系为指标集与排序集之间的关联程度，指标集为评价指标的指标体系，排序集用于表征评价对象的评价等级之间的关联程度。
可选的，权重确定模块202具体可以用于对每个评价指标的数值进行标准化处理，得到每个评价指标的标准化数值；基于标准化数值，计算每个评价指标的聚集态；基于每个评价指标的聚集态计算每个评价指标的权重。
示例性的，当评价指标xij为正向评价指标时，通过
计算得到评价指标xij的标准化数值；
当评价指标xij为逆向评价指标时，通过
计算得到评价指标xij的标准化数值，其中，因素i和因素j是影响指标x的两个因素，xij为因素i和因素j共同对应的评价指标x的值，xi为因素i对应的评价指标x的值，Yij为标准化数值；
通过
计算每个评价指标的聚集态，其中，
通过
计算每个评价指标的权重。
可选的，发展水平确定模块203具体可以用于建立指标集、排序集和评价指标的权系数向量；根据指标集和排序集建立关联矩阵，关联矩阵用于表征所述关联关系；基于评价指标的权系数向量和关联矩阵，构建复杂关联度矢量排序法模型。
指标集为：U＝{u1,u2,…un}，其中，u1,u2,…,un表示的是评价指标，n是评价指标的个数，由区域经济发展水平指标体系确定；
排序集为：V＝{v1,v2,…vn}，其中，v1,v2,…,vn表示现在已有的评价等级关联程度的标准值,vj代表第j个评价等级关联程度的标准值；
权系数向量为：A＝{a1,a2,…an}，且
A反映了评价指标的重要程度，其中，a1,a2,…an代表评价指标的权重相量，评价指标的权重相量由评价指标的权重得到，a1,a2,…an的大小取决于评价对象中每个评价指标的相对重要程度。
关联矩阵单独从一个评价指标出发进行排序评价，确定评价对象对排序集合V的关联程度，将每个评价指标的实际值与等级标准比较，做归一化处理，得到相应指标的关联度R，建立指标层的关联矩阵，关联矩阵为：
其中rij表示U中指标ui对应V中的vj的关联关系。
复杂关联度矢量排序法模型包括：对指标层和准则层的一级复杂关联度评价模型以及对准则层和目标层的二级复杂关联度评价模型；
一级复杂关联评价模型为:
Bi是第i层准则层的复杂评价，Aci是指标层中对应的第i层准则层的权重集，Ri是第i层准则层关联度矩阵，acim是第i个准则层中第m个指标对于该准则层的权重，rimn是第i个准则层中第m个指标的第n级关联度，bin是第i层准则层的第n级关联度，
为复杂算子，采用
计算；
二级复杂关联评价模型为:
C是区域经济发展水平的复杂度评价，AB是准则层对于目标层的权重集，为一级复杂关联度评价，aBn是指标对应的第n层准则层的权重集，Ri是第i层准则层关联度矩阵，Cn是目标第n级关联度，
为复杂关联算子，采用
计算。
可选的，确定城市发展水平具体可以为：C中最大值所对应的评价等级作为评价对象的评价结果。
需要说明的是，上述装置/单元之间的信息交互、执行过程等内容，由于与本申请方法实施例基于同一构思，其具体功能及带来的技术效果，具体可参见方法实施例部分，此处不再赘述。
所属领域的技术人员可以清楚地了解到，为了描述的方便和简洁，仅以上述各功能单元、模块的划分进行举例说明，实际应用中，可以根据需要而将上述功能分配由不同的功能单元、模块完成，即将所述装置的内部结构划分成不同的功能单元或模块，以完成以上描述的全部或者部分功能。实施例中的各功能单元、模块可以集成在一个处理单元中，也可以是各个单元单独物理存在，也可以两个或两个以上单元集成在一个单元中，上述集成的单元既可以采用硬件的形式实现，也可以采用软件功能单元的形式实现。另外，各功能单元、模块的具体名称也只是为了便于相互区分，并不用于限制本申请的保护范围。上述系统中单元、模块的具体工作过程，可以参考前述方法实施例中的对应过程，在此不再赘述。
本申请实施例还提供了一种终端设备，参见图4，该终端设备500可以包括：至少一个处理器510、存储器520以及存储在所述存储器520中并可在所述至少一个处理器510上运行的计算机程序，所述处理器510执行所述计算机程序时实现上述任意各个方法实施例中的步骤，例如图2所示实施例中的步骤101至步骤103。或者，处理器510执行所述计算机程序时实现上述各装置实施例中各模块/单元的功能，例如图3所示模块201至203的功能。
示例性的，计算机程序可以被分割成一个或多个模块/单元，一个或者多个模块/单元被存储在存储器520中，并由处理器510执行，以完成本申请。所述一个或多个模块/单元可以是能够完成特定功能的一系列计算机程序段，该程序段用于描述计算机程序在终端设备500中的执行过程。
本领域技术人员可以理解，图4仅仅是终端设备的示例，并不构成对终端设备的限定，可以包括比图示更多或更少的部件，或者组合某些部件，或者不同的部件，例如输入输出设备、网络接入设备、总线等。
处理器510可以是中央处理单元(Central Processing Unit，CPU)，还可以是其他通用处理器、数字信号处理器(Digital Signal Processor，DSP)、专用集成电路(Application Specific Integrated Circuit，ASIC)、现成可编程门阵列(Field-Programmable Gate Array，FPGA)或者其他可编程逻辑器件、分立门或者晶体管逻辑器件、分立硬件组件等。通用处理器可以是微处理器或者该处理器也可以是任何常规的处理器等。
存储器520可以是终端设备的内部存储单元，也可以是终端设备的外部存储设备，例如插接式硬盘，智能存储卡(Smart Media Card，SMC)，安全数字(Secure Digital，SD)卡，闪存卡(Flash Card)等。所述存储器520用于存储所述计算机程序以及终端设备所需的其他程序和数据。所述存储器520还可以用于暂时地存储已经输出或者将要输出的数据。
总线可以是工业标准体系结构(Industry Standard Architecture，ISA)总线、外部设备互连(Peripheral Component，PCI)总线或扩展工业标准体系结构(ExtendedIndustry Standard Architecture，EISA)总线等。总线可以分为地址总线、数据总线、控制总线等。为便于表示，本申请附图中的总线并不限定仅有一根总线或一种类型的总线。
本申请实施例提供的区域经济水平确定方法可以应用于计算机、平板电脑、笔记本电脑、服务器、手机等终端设备上，本申请实施例对终端设备的具体类型不作任何限制。
本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，所述计算机程序被处理器执行时实现可实现上述区域经济水平确定方法各个实施例中的步骤。
本申请实施例提供了一种计算机程序产品，当计算机程序产品在移动终端上运行时，使得移动终端执行时实现可实现上述区域经济水平确定方法各个实施例中的步骤。
所述集成的单元如果以软件功能单元的形式实现并作为独立的产品销售或使用时，可以存储在一个计算机可读取存储介质中。基于这样的理解，本申请实现上述实施例方法中的全部或部分流程，可以通过计算机程序来指令相关的硬件来完成，所述的计算机程序可存储于一计算机可读存储介质中，该计算机程序在被处理器执行时，可实现上述各个方法实施例的步骤。其中，所述计算机程序包括计算机程序代码，所述计算机程序代码可以为源代码形式、对象代码形式、可执行文件或某些中间形式等。所述计算机可读介质至少可以包括：能够将计算机程序代码携带到拍照装置/终端设备的任何实体或装置、记录介质、计算机存储器、只读存储器(ROM，Read-Only Memory)、随机存取存储器(RAM，RandomAccess Memory)、电载波信号、电信信号以及软件分发介质。例如U盘、移动硬盘、磁碟或者光盘等。在某些司法管辖区，根据立法和专利实践，计算机可读介质不可以是电载波信号和电信信号。
在上述实施例中，对各个实施例的描述都各有侧重，某个实施例中没有详述或记载的部分，可以参见其它实施例的相关描述。
本领域普通技术人员可以意识到，结合本文中所公开的实施例描述的各示例的单元及算法步骤，能够以电子硬件、或者计算机软件和电子硬件的结合来实现。这些功能究竟以硬件还是软件方式来执行，取决于技术方案的特定应用和设计约束条件。专业技术人员可以对每个特定的应用来使用不同方法来实现所描述的功能，但是这种实现不应认为超出本申请的范围。
在本申请所提供的实施例中，应该理解到，所揭露的装置/网络设备和方法，可以通过其它的方式实现。例如，以上所描述的装置/网络设备实施例仅仅是示意性的，例如，所述模块或单元的划分，仅仅为一种逻辑功能划分，实际实现时可以有另外的划分方式，例如多个单元或组件可以结合或者可以集成到另一个系统，或一些特征可以忽略，或不执行。另一点，所显示或讨论的相互之间的耦合或直接耦合或通讯连接可以是通过一些接口，装置或单元的间接耦合或通讯连接，可以是电性，机械或其它的形式。
所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部单元来实现本实施例方案的目的。
以上所述实施例仅用以说明本申请的技术方案，而非对其限制；尽管参照前述实施例对本申请进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本申请各实施例技术方案的精神和范围，均应包含在本申请的保护范围之内。
Claims (10)
1.一种区域经济发展水平确定方法，其特征在于，包括：
获取区域经济发展指标体系中每个评价指标的数值；
基于所述每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重；
基于每个评价指标的权重和关联关系，通过复杂关联度矢量排序法模型，确定区域经济发展水平；其中，所述关联关系为指标集与排序集之间的关联程度，所述指标集为评价指标的指标体系，所述排序集用于表征评价对象的评价等级之间的关联程度。
2.如权利要求1所述的区域经济发展水平确定方法，其特征在于，所述基于所述每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重，包括：
对每个评价指标的数值进行标准化处理，得到每个评价指标的标准化数值；
基于所述标准化数值，计算每个评价指标的聚集态；
基于每个评价指标的聚集态计算每个评价指标的权重。
3.如权利要求2所述的区域经济发展水平确定方法，其特征在于，所述对每个评价指标的数值进行标准化处理，得到每个评价指标的标准化数值，包括：
当评价指标xij为正向评价指标时，通过
计算得到评价指标xij的标准化数值；
当评价指标xij为逆向评价指标时，通过
计算得到评价指标xij的标准化数值，因素i和因素j是影响指标x的两个因素，xij为因素i和因素j共同对应的评价指标x的值，xi为因素i对应的评价指标x的值，Yij为标准化数值；
所述基于所述标准化数值，计算每个评价指标的聚集态，包括：
通过
计算每个评价指标的聚集态，其中，
所述基于每个评价指标的聚集态计算每个评价指标的权重，包括：
通过
计算每个评价指标的权重。
4.如权利要求1所述的区域经济发展水平确定方法，其特征在于，所述建立复杂关联度矢量排序评价模型步骤为：
建立所述指标集、所述排序集和评价指标的权系数向量；根据所述指标集和所述排序集建立关联矩阵，所述关联矩阵用于表征所述关联关系；
基于所述评价指标的权系数向量和所述关联矩阵，构建复杂关联度矢量排序法模型。
5.如权利要求4所述的区域经济发展水平确定方法，其特征在于，
所述指标集为：U＝{u1,u2,…un}，其中，u1,u2,…,un表示的是评价指标，n是评价指标的个数，由区域经济发展水平指标体系确定；
所述排序集为：V＝{v1,v2,…vn}，其中，v1,v2,…,vn表示现在已有的评价等级关联程度的标准值,vj代表第j个评价等级关联程度的标准值；
所述权系数向量为：A＝{a1,a2,…an}，且
A反映了评价指标的重要程度，其中，a1,a2,…an代表评价指标的权重相量，评价指标的权重相量由评价指标的权重得到，a1,a2,…an的大小取决于评价对象中每个评价指标的相对重要程度。
所述关联矩阵单独从一个评价指标出发进行排序评价，确定评价对象对排序集合V的关联程度，将每个评价指标的实际值与等级标准比较，做归一化处理，得到相应指标的关联度R，建立指标层的关联矩阵，为：
其中rij表示U中指标ui对应V中的vj的关联关系。
6.如权利要求4所述的区域经济发展水平确定方法，其特征在于，所述指标体系包括目标层、准则层和指标层，所述准则层隶属于所述目标层，所述指标层隶属于所述准则层；
所述复杂关联度矢量排序法模型包括：对指标层和准则层的一级复杂关联度评价模型以及对准则层和目标层的二级复杂关联度评价模型；
所述一级复杂关联评价模型为:
Bi是第i层准则层的复杂评价，Aci是指标层中对应的第i层准则层的权重集，Ri是第i层准则层关联度矩阵，acim是第i个准则层中第m个指标对于该准则层的权重，rimn是第i个准则层中第m个指标的第n级关联度，bin是第i层准则层的第n级关联度，
为复杂算子，采用
计算；
所述二级复杂关联评价模型为:
C是区域经济发展水平的复杂度评价，AB是准则层对于目标层的权重集，为一级复杂关联度评价，aBn是指标对应的第n层准则层的权重集，Ri是第i层准则层关联度矩阵，Cn是目标第n级关联度，
为复杂关联算子，采用
计算。
7.如权利要求6所述的区域经济发展水平确定方法，其特征在于，
将C中最大值所对应的评价等级作为评价对象的区域经济发展水平的评价结果。
8.一种区域经济发展水平确定装置，其特征在于，包括：
数据获取模块，用于获取区域经济发展指标体系中毎个评价指标的数值；
权重确定模块，用于基于所述每个评价指标的数值，通过聚集态的方法确定每个评价指标的权重；
发展水平确定模块，用于基于每个评价指标的权重和关联关系，通过复杂关联度矢量排序法模型，确定区域经济发展水平；其中，所述关联关系为指标集与排序集之间的关联程度，所述指标集为评价指标的指标体系，所述排序集用于表征评价对象的评价等级之间的关联程度。
9.一种终端设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至7任一项所述的方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现如权利要求1至7任一项所述的方法。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111435719.4A CN114022045A (zh) | 2021-11-29 | 2021-11-29 | 一种区域经济发展水平确定方法、装置及终端设备 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202111435719.4A CN114022045A (zh) | 2021-11-29 | 2021-11-29 | 一种区域经济发展水平确定方法、装置及终端设备 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN114022045A true CN114022045A (zh) | 2022-02-08 |
Family
ID=80067058
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202111435719.4A Pending CN114022045A (zh) | 2021-11-29 | 2021-11-29 | 一种区域经济发展水平确定方法、装置及终端设备 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN114022045A (zh) |
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371839A (zh) * | 2023-10-07 | 2024-01-09 | 哈尔滨工程大学 | 一种中国省域经济竞争力的综合评价方法 |
-
2021
- 2021-11-29 CN CN202111435719.4A patent/CN114022045A/zh active Pending
Cited By (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN117371839A (zh) * | 2023-10-07 | 2024-01-09 | 哈尔滨工程大学 | 一种中国省域经济竞争力的综合评价方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108198408B (zh) | 一种基于用电信息采集系统的自适应反窃电监控方法及系统 | |
| CN109905882B (zh) | 一种网络扩容方法及装置 | |
| CN114022045A (zh) | 一种区域经济发展水平确定方法、装置及终端设备 | |
| CN111091245A (zh) | 一种参与有序用能企业的确定方法及装置 | |
| CN117291428B (zh) | 一种基于企业管理app的数据后台管理系统 | |
| CN113689226A (zh) | 商业综合体的选址方法、装置、电子设备和存储介质 | |
| CN117689209A (zh) | 基于熵权模糊综合的桥梁安全风险评估方法、设备及介质 | |
| CN112257958A (zh) | 一种电力饱和负荷预测方法及装置 | |
| US7797136B2 (en) | Metrics to evaluate process objects | |
| CN111401787A (zh) | 一种选址方法、装置、系统 | |
| CN108830302B (zh) | 一种图像分类方法、训练方法、分类预测方法及相关装置 | |
| CN113159537B (zh) | 电网新技术项目的评估方法、装置和计算机设备 | |
| CN112598228B (zh) | 企业竞争力的分析方法、装置、设备及存储介质 | |
| CN115423600A (zh) | 数据筛选方法、装置、介质及电子设备 | |
| CN114022043A (zh) | 城市发展水平确定方法、装置及终端设备 | |
| CN115511253B (zh) | 一种地块开发容量评估方法、装置、设备及介质 | |
| CN117349734B (zh) | 水表设备识别方法、装置、电子设备及存储介质 | |
| CN116936103B (zh) | 一种基于同向网络的用户健康预测管理方法及系统 | |
| CN114548492A (zh) | 区域振兴成效确定方法、装置及终端设备 | |
| CN111563076B (zh) | 数据稽核方法、装置、网络设备及存储介质 | |
| CN110070464B (zh) | 粮食加工的耗能提醒方法、用户设备、存储介质及装置 | |
| CN108881824B (zh) | 一种视频监控点服务级别的快速识别管理方法及装置 | |
| CN115640944A (zh) | 电网数据质量综合评价方法、系统、装置及终端设备 | |
| CN116308896A (zh) | 一种房地产招商业务区域管理方法、系统及存储介质 | |
| CN111754262A (zh) | 一种定价确定方法、装置、设备和存储介质 |
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 |