基于粗糙集-神经网络的矿井通风系统可靠性评价仿真研究

通过对矿井通风系统可靠性运行状态的跟踪统计和分析,首先建立了一套适合于矿井通风系统可靠性评价指标体系;然后利用人工神经网络与粗糙集理论的优势互补,以粗糙集作为前置处理系统优化指标结构,构建了基于粗糙集神经网络的通风系统可靠性评价仿真模型,并依此模型进行了实例验证.结果表明,该模型的仿真结论与基于ANN的结论完全吻合,训练效率提高了数百倍.     

基于粗糙集与FAHP-FCE的地方政府应急物流预案评价

针对地方政府物流应急预案评价的模糊性,建立了合理的评价指标体系,并提出了FAHP-FCE法进行综合模糊评价,使评价结果更合理,更精确.首先,根据粗糙集的约简理论对构建的初步指标体系进行简化,删除相关程度高的指标;其次利用FAHP计算指标的权重,并采用FCE对备选方案进行综合评价;最后以对10个城市的应急物流预案的评价为例说明该模型的应用.     

基于DEA的造船企业经营效率分析评价

根据数据包络分析方法,结合造船企业的投入和产出特点,建立了综合考虑造船企业经营效率的投入产出指标体系和评价模型.基于国内外19家造船企业2006年的投入和产出经营数据,分别测评出了各家企业的综合效率值,给出了低效率企业的产出不足量和投入冗余量.为使分析可靠,对投入产出指标组合进行了敏感度分析.结果反映该方法客观、准确,可有效评价造船企业经营效率,并为改进企业经营方法提供有价值的信息.     

短期电力负荷预测的粗糙集方法

针对短期电力负荷预测外部影响因素的非线性特点,为得到精确的预测结果,采用粗糙集方法对电力负荷及其实际影响因素进行分析.建立了由代表自然因素的条件属性和代表负荷的决策属性所构成的短期电力负荷预测指标体系,利用粗糙集分析各个条件属性对决策属性的重要程度,得到约简后的预测指标体系,并根据实际历史数据进行短期电力负荷预测.并将所得预测负荷与BP神经网络算法进行对比,结果表明了粗糙集方法的优越性.     

基于相关分析一粗糙集理论的生态评价指标体系构建

根据“坚持以人为本,树立全面、协调、可持续的发展观,促进经济社会和人的全面发展”的科学发展观的内涵,以DPSIR五因素模型为概念框架,利用相关分析与粗糙集相结合的方法定量筛选指标,构建了生态评价指标体系.主要创新与特色:一是通过采用DPSIR概念框架构建指标体系,将人的需求、经济发展和社会进步等要素纳入到生态系统评价中,克服了现有生态评价只片面关注环境与资源状况或者只关注环境保护与治理状况的不足.二是通过相关性分析删除同一准则层内相关系数大的指标,避免了指标反映信息重复.三是通过模糊粗糙集删除同一准则层内给定精度下不影响评价对象分类的指标,保证了筛选出的指标体系对评价结果有显著影响.     

基于贝叶斯网络的复杂装备维修质量评价模型

针对当前装备维修质量评价忽视维修过程影响因素这一问题,将过程评价指标体系作为修后评价指标体系的先验知识,构建了一种基于贝叶斯网络的复杂装备维修质量评价模型。首先,建立了过程评价指标体系和修后评价指标体系,并对各项指标进行了简要分析。然后,建立了维修质量评价的贝叶斯网络模型,通过改进的模糊综合评价方法确定了根节点的先验概率,通过专家经验法确定了子节点的条件概率,并给出了模型的具体求解步骤。最后,通过算例仿真与分析对提出的方法进行了验证。结果表明,提出的方法能够在一定程度上解决复杂装备的维修质量评价问题,为完善复杂装备的维修质量评价理论提供了借鉴。     

基于合作协同进化的多机空战目标分配

为寻找一种满足多机空战需求的目标分配优化方法,提升空战效能,提出了一种基于合作协同进化的多机空战目标分配方法。首先,该方法基于单机空战优势,建立多机协同空战优势评价指标体系。然后,对战机间的协同相关性进行分析计算,建立多机协同空战目标分配模型。在变长度染色体遗传算法(genetic algorithm, GA)的基础上,设计了基于交叉、嫁接、分裂和拼接算子的改进合作协同进化算法,提高了模型的进化效率。最后,设计实验分别对优势评价指标体系的有效性、静态算例、动态算例和大规模无人战斗机算例进行仿真验证,并将2种模型以及4种算法的计算结果和所提算法的实验结果进行对比。仿真结果表明,改进合作协同进化算法适用于该模型计算,结果收敛稳定,亲和度值显著提升,能够优化目标分配方案,在空战中具有一定的应用意义。     

"交通运输-区域经济"复合系统的效率评价

利用时间序列DEA分析方法,建立了基于＂交通运输-区域经济＂复合系统投入和产出的效率评价指标体系,并运用所述模型和分析方法,对江西省＂交通运输-区域经济＂复合系统运行动态综合效率进行了评价.     

基于粗糙集理论的证券投资决策

基于粗糙集理论,运用多属性决策方法研究了证券投资决策问题。首先,在选择决策指标体系的基础上,采用粗糙集理论分析2006年上市公司的股票收益率及历史财务指标数据之间的关系,从而确定每个指标的客观权重,再结合主观赋权,得到每个指标的综合权重。然后,运用2007年的财务数据,对样本公司股票进行了综合评价。评价结果与2007年股票的实际收益率相比较,结果得到了吻合,从而验证了本方法的有效性。     

基于优势关系和可变精度粗糙集的多准则决策方法

针对不确定性决策问题,提出了一种基于优势关系和可变精度粗糙集理论的多准则决策方法。该方法把基于优势关系的粗糙集模型和基于可变精度粗糙集模型结合起来,在可变精度粗糙集模型中把规则的置信度阈值当作可变精度参数值。首先,给出全部方案的成对比较表。然后,从一部分方案的成对比较表中,利用优势关系粗糙集和可变精度粗糙集的扩展粗糙集理论提取两类优势规则。最后,定义打分函数给全部方案打分,并进行排序,选出最优方案。通过一个简单算例论证了该方法的可行性。     

包括隐形因素的投入产出理论与经济效益评价模型研究

在列昂节夫投入产出理论与模型的基础上 ,建立了包括隐形因素作用的投入产出理论 ;构造并证明了经济效益评价模型 ;探讨了经济效益评价模型的应用 .还在其中首次阐述了隐形因素无限空间思想.     

基于AI的农村公路养护管理评价方法研究

综合考虑影响农村公路养护管理的各要素, 采用层次分析方法, 建立了包含目标层、准则层、 指标层的农村公路养护管理评价三级指标体系. 针对综合评价中知识学习积累问题, 研究了基于人工智能的模糊神经网络方 法在农村公路养护管理评价中的应用. 结合模糊理论和神经网络方法, 采用模块化设计思想初步建立了农村公路养护管理评价 的结构模型, 在评估系统中嵌入专家知识, 采用模糊理论对评价指标进行模糊化处理, 再利用多层神经网络进行数值分析, 最后将结果反模糊化, 实现对农村公路养护管理系统的综合评价. 同时通过实例说明了系统学习、系统评价的过程, 实例验证了所建模糊神经网络模型的可行性与有效性.     

基于粗糙集与遗传算法集成的企业短期贷款违约判别

建立了粗糙集和遗传算法集成的企业贷款违约判别模型.该模型首先利用FUSINTER方法离散化财务数据,并应用遗传算法约简评价指标,进而基于最小约简指标提取违约判别规则,最后对企业短期贷款检验样本进行违约判别.利用贷款企业数据库558家样本企业进行交叉验证技术的实证研究,结果表明,与多元判别分析、logistic、BP神经网络等违约判别模型相比,粗糙集和遗传算法集成的违约判别模型是一种更为有效和实用的信用风险评估工具.     

基于粗集的交叉效率排序模型

DEA模型在最终交叉效率的集结过程中通常要获得权重,而现有的权重测度方法易受到主观因素影响,排序稳定性差,评价结果不易被决策单元接受。基于此,本文新构建了基于粗糙集的交叉效率分数优势度比较及基于熵权的有向距离指数的二级排序模型。利用经典的交叉效率模型新构建了关于决策单元效率分数的连续值信息系统,通过属性约简进行的对象优势度比较保证了排序的稳健性特征;进一步依据新构建的基于熵权的有向距离指数及相关性质,对排在同一位置的决策单元进行二级排序,最终实行了决策单元的全序化。最后通过一个算例证明了新模型的有效性。     

供应链绩效评价的未确知测度模型

利用平衡计分卡（balanced score card, BSC）建立供应链绩效的评价指标体系,应用层次分析法（analytic hierarchy process, AHP）确定BSC中二级指标体系的指标重要性权重,应用信息熵理论确定BSC中一级指标体系的指标分类权重,最后利用未确知集理论（unascertained set, US）对供应链绩效进行分析与评价。实证分析表明,基于未确知测度模型的供应链绩效评价方法,能够对供应链绩效进行很好的划分与评价,为供应链绩效评价提供了一种新的思路。     

基于SMC-RS-LSSVM的电子商务客户流失预测模型

为提高个体层次上客户流失预测的精度,建立了基于SMC-粗糙集-最小二乘支持向量机的电子商务客户流失预测模型.该模型首先利用SMC模型计算出客户活跃度,以0.5为阈值判断出客户流失状态,识别出正判客户和错判客户;其次应用粗糙集理论约简出重要的客户流失预测指标体系,然后将训练样本送入最小二乘支持向量机进行学习和训练,进而对测试样本的客户流失状态进行判别.利用某网上商场的2525名客户样本进行电子商务客户流失预测实证研究,结果表明:与SMC模型、BP神经网络模型、最小二乘支持向量机模型相比,该模型对测试样本预测精度更高,是一种更为有效和实用的客户流失预测方法.     

基于GA-BP神经网络的巨项目投入评价的改进研究

考虑到巨项目巨大的资源投入量、投入产出的多样性、复杂性和社会性等特点, 根据决策"核心三原则"构建适宜的投入产出评价指标体系, 通过DEA法对巨项目各投入方案进行初评并筛选出有效的方案, 在此基础上运用遗传算法优化的BP神经网络(GA-BP), 结合DEA的初评结果对多个有效方案进行二次评价, 从而选择最优方案. 实证分析表明, 此改进的巨项目投入评价模型, 能较好地适应巨项目的特征, 既保证了投入评价的客观性, 又能够实现投入方案的完全排序.     

基于GA-BP神经网络的巨项目投人评价的改进研究

考虑到巨项目巨大的资源投入量、投入产出的多样性、复杂性和社会性等特点,根据决策"核心三原则"构建适宜的投入产出评价指标体系,通过DEA法对巨项目各投入方案进行初评并筛选出有效的方案,在此基础上运用遗传算法优化的BP神经网络(GA-BP),结合DEA的初评结果对多个有效方案进行二次评价,从而选择最优方案.实证分析表明,此改进的巨项目投入评价模型,能较好地适应巨项目的特征,既保证了投入评价的客观性,又能够实现投入方案的完全排序.     

粗糙集-神经网络系统在商业银行贷款五级分类中的应用

采用某股份制银行的698家贷款企业样本,基于粗糙集-Elman神经网络集成构建了贷款企业五级分类评估模型2 该模型首先应用粗糙集理论约简出重要指标体系,然后将训练样本送入-Elman神经网络进行学习和训练,进而对检验样本的风险等级进行判别.结果表明,与传统的logistic回归模型相比,粗糙集-神经网络系统对检验样本预测精度更高,是一种更为有效和实用的分类方法,为我国商业银行五级分类管理提供一个新的方法.     

利益分配视角下产学研协同创新激励机制

利益是影响产学研协同创新能否持续的关键因素,如何在创新主体间建立起恰当的激励机制,提高协同创新价值链整体利益,是产学研协同创新亟需解决的问题。鉴于此,从利益分配的视角,利用博弈论和优化模型,以非协调控制下的收益作为威慑点,构建产学研协同创新激励模型。通过模型和案例分析,结果表明,所设计的激励机制能够通过调整分配参数、努力程度和合作程度增加各利益主体收益,实现产学研协同创新价值链增值。