Malmquist指数与Malmquist-Luenberger指数的比较研究

提出了基于减少有害产出同时增加有益产出的Malmquist-Luenberger生产力指数评价方法．分析了该指数与Malmquist指数联系与差异，并通过美国电力产业的数据(1996～2000)对两种指数进行了实证对比．与Malmquist生产效率评价方法相比较，本文中所提出的方法可用于企业面对环境约束下的生产效率评价，并且在评价中不需要有关投入和产出的价格信息，评价指数也可以通过求解一个简单的线性规划模型来计算．     

基于DEA—Tobit模型的中国省际能源效率影响因素分析

结合能源效率的内涵与特点,构建以能源消费总量、从业人数以及资本存量为投入指标,GDP和环境影响（非期望产出）为产出指标的能源效率评价指标体系;用超效率DEA方法建立了能源效率评价模型,并评价了2003—2010年我国30个省市的能源效率．运用Tobit模型对我国能源效率的关键影响因素进行了计量分析,结果表明：第二产业占GDP的比重与能源效率负相关,技术进步、经济发展水平、进口依存度与能源效率正相关．     

改进的三参数区间DEA交叉效率评价方法

为了提高效率评价的有效性,基于交叉效率方法的自互评本质,借鉴区间DEA交叉效率思想,提出了三参数区间交叉效率DEA评价方法.首先,阐述了传统CCR效率值作为区间交叉效率值上限的可能性和合理性;其次,基于相同的权重空间,以最大化偏移量为赋权策略构建模型,确定区间交叉效率值的下限;然后,充分考虑决策单元之间同时存在竞争与合作的关系,基于不同关系对各个决策单元进行分组,通过建立并求解竞合交叉效率模型,使得到的最优偏好权重既可以最大化合作者的总效率,又可以最小化竞争者的总效率,进而确定区间交叉效率值的重心值;最后,利用三角模糊数期望值排序方法对决策单元进行排序.文末的算例验证了方法有效性和优越性.     

物流业绿色效率发展评价研究——以山东省为例

选取山东省2004—2019年绿色物流发展的相关数据作为变量,建立山东省绿色物流效率评价体系,使用SPSS22.0软件进行因子分析,计算不同指标的权重,根据权重分析各个指标对山东省绿色物流效率的影响程度。结果表明：（1）山东省绿色物流效率发展整体呈现上升趋势,其中能源与环境建设投入得到了很大的提升;（2）经济投入、发展势头略逊于能源与环境建设投入,但发展成效依旧十分明显;（3）物流设施投入及运营管理发展效果相差不大,但对绿色物流的发展依旧有很大影响。     

基于DEA模型的山东省环保投入效率分析

运用数据包络分析（DEA）方法,建立环保投入效率评价指标体系模型,并在此基础上综合分析了2007年山东省17个省辖市的废水、SO2及环境污染综合治理情况治理投入效率。分析表明,山东省部分省辖市的环保投入效率比较低,节能减排的潜力很大。     

基于DEA交叉评价的中国省际能源效率研究

从传统DEA模型出发,考虑环境污染产出,基于2005-2010年中国省际面板数据,引入不同的交叉评价模型对中国各省份的能源效率进行了研究.研究结果表明,中国能源效率整体水平偏低,各省份能源效率存在显著差异,大体呈现出东部省份能源效率高,西部省份能源效率低的格局.此外,“十一五”规划期间我国能源效率大体呈上升趋势,但东西部地区能源效率差距有扩大的趋势.     

基于灰色关联DEA交叉效率的区域创新绩效评价

针对交叉效率评价方法原有模型中交叉效率值不唯一的情形,联系灰色关联分析理论,构建了一个理想的决策单元,定义各决策单元与理想决策单元间的灰色关联度,以灰色关联度最大为目标,提出灰色关联DEA交叉效率评价方法,建立优化模型来计算投入和产出指标的最佳权重,得出决策单元的交叉效率值,实现对决策单元的完全排序。将模型用于评价我国区域创新绩效,证明了模型可以较好地用于评价区域创新效率。     

2012年我国各地区低碳经济发展效率的数据包络分析评价

通过建立低碳经济评价的指标体系,运用数据包络分析（DEA）中的CCR模型和BCC模型,对我国30个省市自治区2012年低碳经济的发展效率进行了评价,并对影响其非数据包络分析有效性的因素进行了深入分析.研究认为：我国各地区低碳经济发展效率差异明显,华东、华南最高,西南、华中、东北次之,华北、西北最差.提出建议如下：对效率水平相对落后地区必须调整产业结构,优化能源结构,发展低碳技术,提高能源的利用效率.     

结合噪声冲击指数的城市住宅小区交通噪声综合评价

结合噪声冲击指数（NII）的城市住宅小区交通噪声综合评价，比单一的LeqA评价结果更加符合噪声污染的实际情况．文中以广州市“天一新村”为例，探讨如何利用GIS图形数据的中介作用，实现噪声冲击指数计算中众多人口数据与噪声级数据的分区域管理，从而简化计算过程，提高计算效率，并对评价结果的合理性进行主观评价验证．     

兼顾环境、经济与社会效应的节能技术可持续性评价研究——以南方建筑节能技术为例

针对发展低碳的同时需要兼顾可持续发展的目标,提出对节能技术进行可持续性评价,并以节能潜力与压力都较大的建筑业为例进行案例研究.设定了针对建筑节能技术的可持续性评价方法,包括指标的确定、指标衡量方法、可持续低碳指数的计算;分析相关数据后,针对11项在中国南方普遍应用的建筑节能技术进行了经济、能源与环境、社会效应的评价,并计算求得了各项技术的最终可持续低碳发展指数.     

基于改进的主成分分析和集成综合评价法的水质评价

针对传统主成分分析对非线性数据处理的不足,提出了一种改进的主成分分析方法：首先利用对数变换对原始非线性数据进行线性化,然后利用均值化进行无量纲化处理,所得结果尽可能最大保留原始信息,同时大大降低了数据维数.同时,改进综合评价函数,结合熵值法,提出了集成综合评价方法：即首先利用传统主成分分析得到综合评价值,再利用熵值法得...     

主成分聚类分析在省域物流规划中的应用

提出利用主成分聚类分析的方法对省域物流规划中各地区的物流发展进行综合评价并分类.建立区域物流发展评价指标体系,利用主成分分析能够剔除多指标间存在相关性及信息重叠的特点,对各地区的物流发展综合实力进行评价,再利用新得到的综合主成分指标代替原来较多的评价指标,对省内各地区的物流发展进行聚类分析.该方法不但能够使原来复杂的问题简单化,而且所得结论客观、可信、较有说服力.研究结果表明本文提出的方法合理可行.     

基于PCA与RBF的建筑能耗预测建模

由于建筑能耗因子间存在非线性和高度冗余特性,传统预测方法很难消除数据之间冗余和捕捉非线性特征,导致预测精度较低.为了提高建筑能耗预测精度,提出一种将主成分分析(principal component analysis,PCA)和径向基函数(radial basic function,RBF)神经网络相结合的建筑能耗预测方法(PCA-RBF).利用PCA消除建筑能耗高维变量数据的相关性,并按累积贡献率提取主成分,将主成分作为RBF神经网络的输入进行训练学习.通过PCA避免了模型过多的输入导致的训练耗时长及预测精度较低的不足.通过将PCA-RBF模型方法应用于某办公建筑能耗的预测中,并与RBF神经网络及BP神经网络模型相比,实验结果表明PCARBF模型方法能有效提高建筑能耗预测精度.     

基于主成分分析的高炉操作炉型评价

针对目前高炉操作炉型管理模型中存在用于评价炉型的指标多且重叠性大的问题,提出一种基于主成分分析的改进方法.该方法能够从传统评价炉型的指标(焦比、煤比、综合焦比、利用系数及铁水硅含量)中生成3个核指标,新的核指标空间相互独立,且能够代表原有的指标,从而解决了指标多且重叠性大的问题.在国丰1号1 780 m3高炉,开发应用了该改进的高炉操作炉型模型,确定了该高炉的主要操作炉型类别并对其进行了评价.     

信息不确定条件下的鲁棒数据包络分析建模

为应对传统DEA方法在信息不确定条件下评价结果可能出现不稳定的现象,结合鲁棒优化方法,构建鲁棒数据包络分析RDEA模型,分别和同时应对投入产出数据受到扰动的情形,以增强DEA评价方法的可靠性.算例和敏感性分析表明RDEA方法对投入产出数据不确定性有免疫作用,通过适当牺牲最优性实现了提升效率评价结果稳定性的目的.     

基于故障重构的PCA模型主元数的确定

基于故障重构理论研究了PCA模型主元数的确定方法,应用累积方差贡献率以及复相关系数对主元模型性能进行分析·在基于PCA理论进行故障诊断中,故障变量可根据故障的方向向量进行重构,未重构方差(VRE)可分别投影于主元子空间(PCS)和残差子空间(RS)·确定最优重构是使两空间的VRE之和达到最小,与此相对应的主元数即为最优主元数(PCs)·应用累积方差贡献率以及复相关系数对主元模型性能进行评价,结果表明确定的PCA模型PCs保证了PCS中的信息存量·对于工业PVC聚合反应过程的故障诊断说明了上述方法的合理性与有效性·     

基于数据包络分析的高校科研绩效评价

应用数据包络分析(DEA)模型对我国50所重点院校的科研绩效进行了评价.结果表明,有70%的院校各项效率都达到0.8以上;有15所院校同时为技术有效和规模有效;有31所院校处于规模收益递增状态,所以还应适当地加大科研投入力度.通过计算交叉效率矩阵和相对有效决策单元被引用次数,对相对有效的院校进行了评价,其中有1所院校在两种方法下的效率都是最高的,说明该校科研绩效已经达到一个较高的水平.但也有一些相对有效的院校存在资源配置不均衡和产出不均衡问题,效率具有较大的"伪度".     

一种新的加权主分量分析方法

提出了一种新的加权主分量分析方法,该方法和传统主分量分析的区别在于考虑了训练样本分布情况,给出了一种新的均方差矩阵估计方法,再进行特征抽取和识别.在ORL人脸数据库上的试验结果表明,所提出的方法在识别性能上优于主分量分析.     

PCA在非线性系统传感器故障检测和重构中的应用

由于主成分分析(PCA)方法是一种线性算法,基于PCA的故障检测方法若直接运用于非线性系统的传感器故障检测和重构,会导致明显的故障误报和数据重构错误。为了使基于PCA的传感器故障检测和重构方法适用于非线性较严重的热工过程,对该方法进行了有效的改进。应用不同负荷下的历史数据,分别建立机组不同负荷下的局部PCA模型,再根据机组当前实际运行负荷选择相应的PCA模型进行传感器故障检测和重构,并结合相邻负荷PCA模型的计算结果进行数据融合,从而进一步提高了故障检测的准确性和重构精度。理论分析和现场实际应用表明,该算法能够对非线性较为严重的电厂热工过程进行精确的传感器故障检测和重构。