CN114707784A - 一种基于组合赋权法的权重确定方法及系统 - Google Patents
一种基于组合赋权法的权重确定方法及系统 Download PDFInfo
- Publication number
- CN114707784A CN114707784A CN202111374373.1A CN202111374373A CN114707784A CN 114707784 A CN114707784 A CN 114707784A CN 202111374373 A CN202111374373 A CN 202111374373A CN 114707784 A CN114707784 A CN 114707784A
- Authority
- CN
- China
- Prior art keywords
- weight
- index
- determining
- value set
- attribute
- 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 121
- 239000011159 matrix material Substances 0.000 claims description 66
- 230000005484 gravity Effects 0.000 claims description 44
- 238000011156 evaluation Methods 0.000 claims description 16
- 238000004364 calculation method Methods 0.000 claims description 13
- 238000010276 construction Methods 0.000 claims description 7
- 238000012847 principal component analysis method Methods 0.000 description 6
- 238000010606 normalization Methods 0.000 description 4
- 238000000513 principal component analysis Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 3
- 238000012935 Averaging Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000010248 power generation Methods 0.000 description 2
- OKTJSMMVPCPJKN-UHFFFAOYSA-N Carbon Chemical compound [C] OKTJSMMVPCPJKN-UHFFFAOYSA-N 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 229910002056 binary alloy Inorganic materials 0.000 description 1
- 229910052799 carbon Inorganic materials 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000007405 data analysis Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- BTCSSZJGUNDROE-UHFFFAOYSA-N gamma-aminobutyric acid Chemical compound NCCCC(O)=O BTCSSZJGUNDROE-UHFFFAOYSA-N 0.000 description 1
- 230000000750 progressive effect 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
- G06Q10/0639—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
- 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
- G06Q50/06—Energy or water supply
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Public Health (AREA)
- Primary Health Care (AREA)
- Water Supply & Treatment (AREA)
- General Health & Medical Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明涉及一种基于组合赋权法的权重确定方法及系统,所述方法利用组合赋权法,即先利用属性层次分析法对于各因素进行主观赋权,然后利用改进主成分分析法计算各个因素的客观赋权,最后利用线性功效计数法来计算组合权重。本发明既可以保证结果与实际情况吻合又可以使其具有数学严谨性,利用组合赋权法评判多因素影响下的权重确定,能够更加客观地确定各因素的重要性。
Description
技术领域
本发明涉及数据处理和数据分析技术领域,特别是涉及一种基于组合赋权 法的权重确定方法及系统。
背景技术
能源危机是目前全世界共同面临的最大危机,随着国家对于环境的重视程 度越来越大,为了减少碳排放,传统能源关注度下降,而新能源在最近几年受 到了广泛的关注。在新能源发电过程中受到很多因素制约,而如何评判这些因 素对于最终因素的影响目前尚未有广泛的研究,因此如何挑选出对于新能源影 响较大因子并评判多因素在整体结果中的应用就显得格外重要。
目前关于赋权法主要有两大类,其一为主观赋权法,主要包括专家调查法 (德尔菲法)、层次分析法(Analytic Hierarchy Process,AHP)等。其二为客观 赋权法主要包括主成分分析法(Principal Components Analysis,PCA)、熵值法 (The Entropy method,EMF)、critic方法和变异系数法等。主观赋权法虽然可 以很好地根据实际情况表示出各因素的重要性,但其受主观影响较很容易出现 错误的结果;而客观赋权法虽然大大增加了客观性,但其完全依赖于数学,容 易出现与实际情况不相符的现象。
发明内容
为了克服现有技术的不足,本发明的目的是提供一种基于组合赋权法的权 重确定方法及系统。
为实现上述目的,本发明提供了如下方案:
一种基于组合赋权法的权重确定方法,包括:
基于属性层次模型法,根据预设的多个指标确定各个所述指标的主观权重 值集合;
根据比重公式确定各个所述指标下的原始数据的比重;
根据所述比重计算各个所述指标的熵值;
根据所述熵值确定各个所述指标的指标权重值集合;
基于线性功效计数法,根据所述主观权重值集合和所述指标的权重值集合 确定组合权重集合。
优选地,所述基于属性层次模型法,根据预设的多个指标确定各个所述指 标的主观权重值集合,包括:
获取预设的评价体系;所述评价体系包括多个准则层;所述准则层包括多 个指标层;所述指标层包括多个所述指标;
利用Saaty标度分别建立各个所述准则层的多阶两两比较判别矩阵和各个 所述指标层的多阶两两比较判别矩阵;
基于相对属性公式,分别根据所述准则层的多阶两两比较判别矩阵和各个 所述指标层的多阶两两比较判别矩阵构建所述准则层的多阶属性判别矩阵和所 述指标层的多阶属性判别矩阵;
基于所述属性层次模型法,根据所述属性层次模型法和所述多阶属性判别 矩阵确定所述主观权重值集合。
优选地,所述根据比重公式确定各个所述指标下的原始数据的比重,包括:
对所述原始数据进行数据标准化处理,得到标准化后的数据;
利用比重公式计算各个所述标准化后的数据的所述比重。
优选地,所述基于线性功效计数法,根据所述主观权重值集合和所述指标 的权重值集合确定组合权重集合,包括:
根据所述主观权重值集合和所述指标的权重值集合确定第一权重系数和第 二权重系数;所述第一权重系数与所述第二权重系数之和为1;
根据所述第一权重系数、所述第二权重系数、所述主观权重值集合和所述 指标的权重值集合计算所述组合权重集合。
一种基于组合赋权法的权重确定系统,包括:
主观权重确定模块,用于基于属性层次模型法,根据预设的多个指标确定 各个所述指标的主观权重值集合;
比重确定模块,用于根据比重公式确定各个所述指标下的原始数据的比重;
熵值计算模块,用于根据所述比重计算各个所述指标的熵值;
指标权重确定模块,用于根据所述熵值确定各个所述指标的指标权重值集 合;
组合权重确定模块,用于基于线性功效计数法,根据所述主观权重值集合 和所述指标的权重值集合确定组合权重集合。
优选地,所述主观权重确定模块包括:
体系获取单元,用于获取预设的评价体系;所述评价体系包括多个准则层; 所述准则层包括多个指标层;所述指标层包括多个所述指标;
比较矩阵构建单元,用于利用Saaty标度分别建立各个所述准则层的多阶两 两比较判别矩阵和各个所述指标层的多阶两两比较判别矩阵;
属性矩阵构建单元,用于基于相对属性公式,分别根据所述准则层的多阶 两两比较判别矩阵和各个所述指标层的多阶两两比较判别矩阵构建所述准则层 的多阶属性判别矩阵和所述指标层的多阶属性判别矩阵;
主观权重确定单元,用于基于所述属性层次模型法,根据所述属性层次模 型法和所述多阶属性判别矩阵确定所述主观权重值集合。
优选地,所述比重确定模块包括:
标准化单元,用于对所述原始数据进行数据标准化处理,得到标准化后的 数据;
比重计算单元,用于利用比重公式计算各个所述标准化后的数据的所述比 重。
优选地,所述组合权重确定模块包括:
系数计算单元,用于根据所述主观权重值集合和所述指标的权重值集合确 定第一权重系数和第二权重系数;所述第一权重系数与所述第二权重系数之和 为1;
组合权重计算单元,用于根据所述第一权重系数、所述第二权重系数、所 述主观权重值集合和所述指标的权重值集合计算所述组合权重集合。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种基于组合赋权法的权重确定方法及系统,所述方法包括: 基于属性层次模型法,根据预设的多个指标确定各个所述指标的主观权重值集 合;根据比重公式确定各个所述指标下的原始数据的比重;根据所述比重计算 各个所述指标的熵值;根据所述熵值确定各个所述指标的指标权重值集合;基 于线性功效计数法,根据所述主观权重值集合和所述指标的权重值集合确定组 合权重集合。本发明基于主客观赋权法的优缺点提出了组合赋权法,本发明既 可以保证结果与实际情况吻合又可以使其具有数学严谨性,本发明便是利用组 合赋权法评判多因素影响下的权重确定,可以利用此更加客观地确定各因素的 重要性。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施 例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 本发明的一些实施例,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为本发明实施例提供的基于多因素新能源出力影响因子组合赋权法判 别流程图;
图2为本发明实施例提供的基于组合赋权法的权重确定方法的方法流程图;
图3为本发明实施例提供的基于组合赋权法的权重确定系统的模块连接图。
具体实施方式
下面将结合本发明实施例中的附图,对本发明实施例中的技术方案进行清 楚、完整地描述,显然,所描述的实施例仅仅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他实施例,都属于本发明保护的范围。
在本文中提及“实施例”意味着,结合实施例描述的特定特征、结构或特性可 以包含在本申请的至少一个实施例中。在说明书中的各个位置出现该短语并不 一定均是指相同的实施例,也不是与其它实施例互斥的独立的或备选的实施例。 本领域技术人员显式地和隐式地理解的是,本文所描述的实施例可以与其它实 施例相结合。
本申请的说明书和权利要求书及所述附图中的术语“第一”、“第二”、“第三” 和“第四”等是用于区别不同对象,而不是用于描述特定顺序。此外,术语“包括” 和“具有”以及它们任何变形,意图在于覆盖不排他的包含。例如包含了一系列步 骤、过程、方法等没有限定于已列出的步骤,而是可选地还包括没有列出的步 骤,或可选地还包括对于这些过程、方法、产品或设备固有的其它步骤元。
如图1所示,本发明考虑到单一主观赋权法和客观赋权法都有一定的弊病, 故考虑使用组合赋权法,即先利用属性层次分析法对于各因素进行主观赋权, 然后利用改进主成分分析法计算各个因素的客观赋权,最后利用线性功效计数 法来计算组合权重。
本实施例中将此方法应用到新能源发电领域,以便更高效地利用新能源出 力。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和 具体实施方式对本发明作进一步详细的说明。
图2为本发明实施例提供的基于组合赋权法的权重确定方法的方法流程图, 如图2所示,本发明提供了一种基于组合赋权法的权重确定方法,包括:
步骤100:基于属性层次模型法,根据预设的多个指标确定各个所述指标的 主观权重值集合;
步骤200:根据比重公式确定各个所述指标下的原始数据的比重;
步骤300:根据所述比重计算各个所述指标的熵值;
步骤400:根据所述熵值确定各个所述指标的指标权重值集合;
步骤500:基于线性功效计数法,根据所述主观权重值集合和所述指标的权 重值集合确定组合权重集合。
优选地,所述基于属性层次模型法,根据预设的多个指标确定各个所述指 标的主观权重值集合,包括:
获取预设的评价体系;所述评价体系包括多个准则层;所述准则层包括多 个指标层;所述指标层包括多个所述指标;
利用Saaty标度分别建立各个所述准则层的多阶两两比较判别矩阵和各个 所述指标层的多阶两两比较判别矩阵;
基于相对属性公式,分别根据所述准则层的多阶两两比较判别矩阵和各个 所述指标层的多阶两两比较判别矩阵构建所述准则层的多阶属性判别矩阵和所 述指标层的多阶属性判别矩阵;
基于所述属性层次模型法,根据所述属性层次模型法和所述多阶属性判别 矩阵确定所述主观权重值集合。
具体的,本实施例中利用属性层次分析得到主观权重的方法如下:
可选地,属性层次模型(AHM)是一种新的无结构决策方法,通过各个指 标的一一对比,进而确定出所有指标的排序。较层次分析法(AHP)而言,属 性层次模型(AHM)不仅保留了层次分析法(AHP)的优点,而且无需再对计 算特征向量进行计算和一致性检验,简单快捷。
进一步地,本实施例中运用属性层次模型的重要步骤是建立属性判别矩阵, 在此之前要进一步确认各个指标间的相对重要程度,即重要性标度,如表1所 示,表1为确定矩阵元素标度aij方法。对于n个影响因素,以Saaty标度为基准 建立n阶两两比较判断矩阵K=(kij)n×n,其中kij表示通过因素i与因素j相比较 而得出的关系和重要度,比较判断矩阵B具有的性质为:
表1
(2)属性判别矩阵构造
根据AHM法,用相对属性构建lij构成n阶属性判别矩阵L=(lij)n×n,且 相对属性lij与标度kij之间具有如下的转换关系:
式中:m为上一步给出的大于2的重要性标度,β在这里取常数2。
作为一种可选的实施方式,本实施例中首先确定比例判别矩阵,其中表2 为新能源出力综合评价体系,根据各个准则层及指标层的重要程度,根据表1 求得各准则层及指标层的判别矩阵如表3到表6。表3至表6分别表示为准则层 的判别矩阵表、资源丰富程度的判别矩阵表、设备富裕程度B的判别矩阵表和 电量富足程度C的判别矩阵表。
表2
表3
表4
表5
表6
其次确定属性判别矩阵,利用上表根据属性判别公式求得各准则层及指标 层的属性判别矩阵如表7到表10。表7至表10分别表示为准则层的AHM属性 判别矩阵表、资源丰富程度的AHM属性判别矩阵表、设备富裕程度的AHM属 性判别矩阵表和电量富足程度C的属性判别矩阵表。
表7
表8
表9
表10
最终利用AHM法求出最后的主观权重,如表11所示,表11为AHM法权 重计算结果表。
表11
优选地,所述根据比重公式确定各个所述指标下的原始数据的比重,包括:
对所述原始数据进行数据标准化处理,得到标准化后的数据;
利用比重公式计算各个所述标准化后的数据的所述比重。
可选地,本实施例中利用改进主成分分析法计算客观权重的方法如下:
进一步地,本实施例中应用改进主成分分析法赋权的步骤如下:
(1)数据无量纲化
传统的主成分分析法利用标准化的时候,在消除了量纲的同时也消除了指 标的变异性,为了能更好地反映指标的变异性,因此考虑利用均值化法对原始 数据进行处理。公式如下:
(i=1,2,3,…,n),(j=1,2,3,…,p)
式中:Fij为评价指标均值化后的决策矩阵,x为原始数据的值,n为每个因 素的参数个数,p为因素的个数。
在主成分分析法中协方差矩阵可以很好地表示各指标间的相关性以及差异 性大小,在将数据进行均值化处理后得到的相关系数矩阵与正态化处理的矩阵 相同,说明标准化处理的标准化没有改变数据间的相关性且使数据间具有了变 异性。
(2)权重确定
传统的主成分分析法在权重确定时由于忽视了数据间的相关性,可能会造 成有些因素的权重过高,有些因素的权重过低,这种赋权法有时候不能做到客 观评价,因此考虑利用熵权法进行辅助分析。
1、计算第j项指标下第i个样本的比重。
式中:pij是第j项指标下第i个样本的比重,i=1,2,……,n;j=1,2,……, m。
2、计算第j项指标的熵值。
式中:ej是第j项指标信息熵,j=1,2,……,m。
3、计算第j项指标的权重。
式中:WPCA是第j项指标熵权,j=1,2,……,m。
作为一种可选的实施方式,本实施例中利用改进PCA赋权的步骤包括:
首先对数据进行标准化处理,利用表12中的原始数据通均值标准化得到表 13。表12和表13分别为原始数据表和标准化后的数据表。
表12
表13
然后计算第j项指标下第i个样本的比重,具体为利用比重公式求出标准化 后的各个元素的比重,如表14所示。表14为比重表。
表14
然后计算第j项指标的熵值,具体为根据熵权公式求出各个指标的熵值,如 表15所示。表15为熵值表。
表15
最后分析改进PCA权重占比,具体为利用权重公式求出最后的客观权重, 如表16所示,表16为最后客观权重表。
表16
优选地,所述基于线性功效计数法,根据所述主观权重值集合和所述指标 的权重值集合确定组合权重集合,包括:
根据所述主观权重值集合和所述指标的权重值集合确定第一权重系数和第 二权重系数;所述第一权重系数与所述第二权重系数之和为1;
根据所述第一权重系数、所述第二权重系数、所述主观权重值集合和所述 指标的权重值集合计算所述组合权重集合。
具体的,本实施例应用线性功效计数法,线性功效系数法是一种基于距离 函数确定组合权重的方法,它是根据多目标规划原理,对每一项评价指标确定 一个满意值和不允许值,以满意值为上限,以不允许值为下限.计算各指标实 现满意值的程度,并以此确定各指标的分数,再经过加权平均进行综合,从而 评价被研究对象的综合状况。具体过程如下:
Wj=αW1j+βW2j
α+β=1
式中:W1j与W2j分别表示主观赋权法WAHM与客观赋权法WPCA的权重集合; Wj表示组合赋权法的权重;Xij为第j个指标的第i组样品的原始数据;m表示 指标个数;n表示原始数据组数。α为所述第一权重系数,β为所述第二权重系 数。
作为一种可选的实施方式,本实施例中通过上述公式解二元一次方程组计 算得到系数α为0.58,β为0.42,将主观赋权法和客观赋权法的值分别代入W1j和W2j,则最终的组合权重Wj=αW1j+βW2j如表17所示。表17为组合权重表。
表17
图3为本发明实施例提供的基于组合赋权法的权重确定系统的模块连接图, 如图3所示,本实施例中的基于组合赋权法的权重确定系统包括:
主观权重确定模块,用于基于属性层次模型法,根据预设的多个指标确定 各个所述指标的主观权重值集合;
比重确定模块,用于根据比重公式确定各个所述指标下的原始数据的比重;
熵值计算模块,用于根据所述比重计算各个所述指标的熵值;
指标权重确定模块,用于根据所述熵值确定各个所述指标的指标权重值集 合;
组合权重确定模块,用于基于线性功效计数法,根据所述主观权重值集合 和所述指标的权重值集合确定组合权重集合。
优选地,所述主观权重确定模块包括:
体系获取单元,用于获取预设的评价体系;所述评价体系包括多个准则层; 所述准则层包括多个指标层;所述指标层包括多个所述指标;
比较矩阵构建单元,用于利用Saaty标度分别建立各个所述准则层的多阶两 两比较判别矩阵和各个所述指标层的多阶两两比较判别矩阵;
属性矩阵构建单元,用于基于相对属性公式,分别根据所述准则层的多阶 两两比较判别矩阵和各个所述指标层的多阶两两比较判别矩阵构建所述准则层 的多阶属性判别矩阵和所述指标层的多阶属性判别矩阵;
主观权重确定单元,用于基于所述属性层次模型法,根据所述属性层次模 型法和所述多阶属性判别矩阵确定所述主观权重值集合。
优选地,所述比重确定模块包括:
标准化单元,用于对所述原始数据进行数据标准化处理,得到标准化后的 数据;
比重计算单元,用于利用比重公式计算各个所述标准化后的数据的所述比 重。
优选地,所述组合权重确定模块包括:
系数计算单元,用于根据所述主观权重值集合和所述指标的权重值集合确 定第一权重系数和第二权重系数;所述第一权重系数与所述第二权重系数之和 为1;
组合权重计算单元,用于根据所述第一权重系数、所述第二权重系数、所 述主观权重值集合和所述指标的权重值集合计算所述组合权重集合。
本发明的有益效果如下:
(1)本发明提出了一种新式组合赋权法,更加客观地评判各因素的重要程 度。
(2)本发明提出的一种基于组合赋权法的权重确定方法,能够更高效地利 用新能源出力。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是 与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于 实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较 简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施 例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的 一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变 之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (8)
1.一种基于组合赋权法的权重确定方法,其特征在于,包括:
基于属性层次模型法,根据预设的多个指标确定各个所述指标的主观权重值集合;
根据比重公式确定各个所述指标下的原始数据的比重;
根据所述比重计算各个所述指标的熵值;
根据所述熵值确定各个所述指标的指标权重值集合;
基于线性功效计数法,根据所述主观权重值集合和所述指标的权重值集合确定组合权重集合。
2.根据权利要求1所述的基于组合赋权法的权重确定方法,其特征在于,所述基于属性层次模型法,根据预设的多个指标确定各个所述指标的主观权重值集合,包括:
获取预设的评价体系;所述评价体系包括多个准则层;所述准则层包括多个指标层;所述指标层包括多个所述指标;
利用Saaty标度分别建立各个所述准则层的多阶两两比较判别矩阵和各个所述指标层的多阶两两比较判别矩阵;
基于相对属性公式,分别根据所述准则层的多阶两两比较判别矩阵和各个所述指标层的多阶两两比较判别矩阵构建所述准则层的多阶属性判别矩阵和所述指标层的多阶属性判别矩阵;
基于所述属性层次模型法,根据所述属性层次模型法和所述多阶属性判别矩阵确定所述主观权重值集合。
3.根据权利要求1所述的基于组合赋权法的权重确定方法,其特征在于,所述根据比重公式确定各个所述指标下的原始数据的比重,包括:
对所述原始数据进行数据标准化处理,得到标准化后的数据;
利用比重公式计算各个所述标准化后的数据的所述比重。
4.根据权利要求1所述的基于组合赋权法的权重确定方法,其特征在于,所述基于线性功效计数法,根据所述主观权重值集合和所述指标的权重值集合确定组合权重集合,包括:
根据所述主观权重值集合和所述指标的权重值集合确定第一权重系数和第二权重系数;所述第一权重系数与所述第二权重系数之和为1;
根据所述第一权重系数、所述第二权重系数、所述主观权重值集合和所述指标的权重值集合计算所述组合权重集合。
5.一种基于组合赋权法的权重确定系统,其特征在于,包括:
主观权重确定模块,用于基于属性层次模型法,根据预设的多个指标确定各个所述指标的主观权重值集合;
比重确定模块,用于根据比重公式确定各个所述指标下的原始数据的比重;
熵值计算模块,用于根据所述比重计算各个所述指标的熵值;
指标权重确定模块,用于根据所述熵值确定各个所述指标的指标权重值集合;
组合权重确定模块,用于基于线性功效计数法,根据所述主观权重值集合和所述指标的权重值集合确定组合权重集合。
6.根据权利要求5所述的基于组合赋权法的权重确定系统,其特征在于,所述主观权重确定模块包括:
体系获取单元,用于获取预设的评价体系;所述评价体系包括多个准则层;所述准则层包括多个指标层;所述指标层包括多个所述指标;
比较矩阵构建单元,用于利用Saaty标度分别建立各个所述准则层的多阶两两比较判别矩阵和各个所述指标层的多阶两两比较判别矩阵;
属性矩阵构建单元,用于基于相对属性公式,分别根据所述准则层的多阶两两比较判别矩阵和各个所述指标层的多阶两两比较判别矩阵构建所述准则层的多阶属性判别矩阵和所述指标层的多阶属性判别矩阵;
主观权重确定单元,用于基于所述属性层次模型法,根据所述属性层次模型法和所述多阶属性判别矩阵确定所述主观权重值集合。
7.根据权利要求5所述的基于组合赋权法的权重确定系统,其特征在于,所述比重确定模块包括:
标准化单元,用于对所述原始数据进行数据标准化处理,得到标准化后的数据;
比重计算单元,用于利用比重公式计算各个所述标准化后的数据的所述比重。
8.根据权利要求5所述的基于组合赋权法的权重确定系统,其特征在于,所述组合权重确定模块包括:
系数计算单元,用于根据所述主观权重值集合和所述指标的权重值集合确定第一权重系数和第二权重系数;所述第一权重系数与所述第二权重系数之和为1;
组合权重计算单元,用于根据所述第一权重系数、所述第二权重系数、所述主观权重值集合和所述指标的权重值集合计算所述组合权重集合。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111374373.1A CN114707784A (zh) | 2021-11-19 | 2021-11-19 | 一种基于组合赋权法的权重确定方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111374373.1A CN114707784A (zh) | 2021-11-19 | 2021-11-19 | 一种基于组合赋权法的权重确定方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN114707784A true CN114707784A (zh) | 2022-07-05 |
Family
ID=82167265
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202111374373.1A Pending CN114707784A (zh) | 2021-11-19 | 2021-11-19 | 一种基于组合赋权法的权重确定方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN114707784A (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307860A (zh) * | 2023-02-22 | 2023-06-23 | 浙江正泰智维能源服务有限公司 | 一种光伏电站监测告警方法、装置、设备及存储介质 |
-
2021
- 2021-11-19 CN CN202111374373.1A patent/CN114707784A/zh active Pending
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116307860A (zh) * | 2023-02-22 | 2023-06-23 | 浙江正泰智维能源服务有限公司 | 一种光伏电站监测告警方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN112566196A (zh) | 一种基于智能电网的异构网络接入选择方法及相关设备 | |
CN114331221A (zh) | 一种基于机器学习的混凝土工程量指标估算方法 | |
CN111598484A (zh) | 一种风光储系统电能质量综合评估方法 | |
CN112287018A (zh) | 一种台风灾害下10kV杆塔受损风险评估方法及系统 | |
CN110428270A (zh) | 基于逻辑回归算法的渠道潜在偏好客户识别方法 | |
CN111126865B (zh) | 一种基于科技大数据的技术成熟度判断方法和系统 | |
CN111932081B (zh) | 一种电力信息系统运行状态评估方法及系统 | |
CN109636467A (zh) | 一种品牌的互联网数字资产的综合评估方法及系统 | |
CN113688458B (zh) | 一种基于层次分析法的地基基础方案优选方法 | |
CN110472671A (zh) | 基于多阶段的油浸式变压器故障数据预处理方法 | |
CN114444910A (zh) | 一种面向电力物联网的边缘网络系统健康度评估方法 | |
CN112926893A (zh) | 基于模糊综合评判和层次分析的水平井调剖效果评价方法 | |
CN112101785A (zh) | 一种用于电力与通信共享铁塔的综合效益分析的方法 | |
CN109636184B (zh) | 一种品牌的账号资产的评估方法及系统 | |
CN114707784A (zh) | 一种基于组合赋权法的权重确定方法及系统 | |
CN115330130A (zh) | 基于改进ahp-critic的农业园区综合能源系统评估方法 | |
CN115168870A (zh) | 一种基于综合评价的区块链安全评估方法 | |
CN112381422A (zh) | 光伏电站性能的确定方法和装置 | |
CN112101673A (zh) | 一种基于隐马尔可夫模型的电网发展趋势预测方法及系统 | |
CN106713322A (zh) | 一种面向网络设备信息安全评估的模糊度量方法 | |
CN113283881B (zh) | 一种远动信息源的自动审核方法及系统 | |
CN109657967A (zh) | 一种输电网规划方案评价指标权重的确认方法及系统 | |
CN112836936B (zh) | 面向电力传感网络感知层规划的风险因素筛选方法及系统 | |
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 | |
CN112116238A (zh) | 一种基于指标权重体系设计的满意度评估方法 |
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 |