本發(fā)明涉及指標(biāo)分析
技術(shù)領(lǐng)域：
，特別涉及一種基于層次分析法的指標(biāo)權(quán)重量化方法及系統(tǒng)。
背景技術(shù)：
：目前，為了對(duì)某些功能系統(tǒng)進(jìn)行更為有效的管理，通常需要利用預(yù)設(shè)的指標(biāo)來對(duì)這些功能系統(tǒng)進(jìn)行評(píng)價(jià)，并為得到的相應(yīng)指標(biāo)值賦予不同的權(quán)重，然后利用這些被賦予了權(quán)重的指標(biāo)，實(shí)現(xiàn)對(duì)功能系統(tǒng)的整體評(píng)價(jià)和管理。然而，現(xiàn)有技術(shù)主要是基于專家的人為主觀觀念來為不同的指標(biāo)分配相應(yīng)的權(quán)重，這種主觀賦權(quán)方式存在一定的主觀隨意性，導(dǎo)致權(quán)重分配不盡合理，并且需要對(duì)各個(gè)指標(biāo)進(jìn)行多次比較和評(píng)分，從而需消耗大量的時(shí)間和人工成本。綜上所述可以看出，如何提升權(quán)重分配的合理性以及分配效率是目前有待進(jìn)一步解決的問題。技術(shù)實(shí)現(xiàn)要素：有鑒于此，本發(fā)明的目的在于提供一種基于層次分析法的指標(biāo)權(quán)重量化方法及系統(tǒng)，提升了權(quán)重分配的合理性以及分配效率。其具體方案如下：一種基于層次分析法的指標(biāo)權(quán)重量化方法，包括：構(gòu)造指標(biāo)體系層次結(jié)構(gòu)模型；利用層次分析法，分別確定出所述指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重；分別計(jì)算所述指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)的信息熵；分別利用每個(gè)指標(biāo)的信息熵，對(duì)每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重進(jìn)行修正，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的修正后指標(biāo)權(quán)重?？蛇x的，所述指標(biāo)體系層次結(jié)構(gòu)模型包括目標(biāo)層、準(zhǔn)則層和指標(biāo)層。可選的，所述分別確定出所述指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重的過程，包括：構(gòu)造兩兩比較判斷矩陣，然后進(jìn)行相應(yīng)的層次單排序和一致性檢驗(yàn)，得到所述指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重?？蛇x的，計(jì)算所述指標(biāo)體系層次結(jié)構(gòu)模型中任一指標(biāo)Xj的信息熵的過程，包括：利用預(yù)設(shè)的信息熵計(jì)算公式，計(jì)算指標(biāo)Xj的信息熵；其中，所述信息熵計(jì)算公式為：式中，m表示指標(biāo)Xj中包含的樣本值的總數(shù)量；xij表示指標(biāo)Xj中的第i個(gè)樣本值；p(xij)表示樣本值xij的概率；其中，本發(fā)明還相應(yīng)公開了一種基于層次分析法的指標(biāo)權(quán)重量化系統(tǒng)，包括：模型構(gòu)造模塊，用于構(gòu)造指標(biāo)體系層次結(jié)構(gòu)模型；權(quán)重確定模塊，用于利用層次分析法，分別確定出所述指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重；信息熵計(jì)算模塊，用于分別計(jì)算所述指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)的信息熵；權(quán)重修正模塊，用于分別利用每個(gè)指標(biāo)的信息熵，對(duì)每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重進(jìn)行修正，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的修正后指標(biāo)權(quán)重?？蛇x的，所述模型構(gòu)造模塊構(gòu)造的所述指標(biāo)體系層次結(jié)構(gòu)模型包括目標(biāo)層、準(zhǔn)則層和指標(biāo)層。可選的，所述權(quán)重確定模塊，具體用于通過利用層次分析法，來構(gòu)造兩兩比較判斷矩陣，然后進(jìn)行相應(yīng)的層次單排序和一致性檢驗(yàn)，得到所述指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重。可選的，所述信息熵計(jì)算模塊，包括：信息熵計(jì)算單元，用于利用預(yù)設(shè)的信息熵計(jì)算公式，計(jì)算指標(biāo)Xj的信息熵；其中，所述信息熵計(jì)算公式為：式中，m表示指標(biāo)Xj中包含的樣本值的總數(shù)量；xij表示指標(biāo)Xj中的第i個(gè)樣本值；p(xij)表示樣本值xij的概率；其中，本發(fā)明中，基于層次分析法的指標(biāo)權(quán)重量化方法，包括：構(gòu)造指標(biāo)體系層次結(jié)構(gòu)模型；利用層次分析法，分別確定出指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重；分別計(jì)算指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)的信息熵；分別利用每個(gè)指標(biāo)的信息熵，對(duì)每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重進(jìn)行修正，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的修正后指標(biāo)權(quán)重?？梢?，本發(fā)明在構(gòu)造出指標(biāo)體系層次結(jié)構(gòu)模型之后，將會(huì)利用層次分析法，確定出每個(gè)指標(biāo)所對(duì)應(yīng)的初始指標(biāo)權(quán)重，并且，本發(fā)明將會(huì)進(jìn)一步計(jì)算每個(gè)指標(biāo)的信息熵，然后利用每個(gè)指標(biāo)的信息熵，對(duì)每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重進(jìn)行修正處理，以得到更加合理可靠的指標(biāo)權(quán)重。由上可見，本發(fā)明是基于層次分析法以及結(jié)合指標(biāo)的信息熵來確定每個(gè)指標(biāo)最終的指標(biāo)權(quán)重的，這個(gè)過程中無需涉及過多的人為因素，提高了權(quán)重分配過程的分配效率，并且提高了權(quán)重分配結(jié)果的合理性。附圖說明為了更清楚地說明本發(fā)明實(shí)施例或現(xiàn)有技術(shù)中的技術(shù)方案，下面將對(duì)實(shí)施例或現(xiàn)有技術(shù)描述中所需要使用的附圖作簡(jiǎn)單地介紹，顯而易見地，下面描述中的附圖僅僅是本發(fā)明的實(shí)施例，對(duì)于本領(lǐng)域普通技術(shù)人員來講，在不付出創(chuàng)造性勞動(dòng)的前提下，還可以根據(jù)提供的附圖獲得其他的附圖。圖1為本發(fā)明實(shí)施例公開的一種指標(biāo)權(quán)重量化方法流程圖；圖2為本發(fā)明實(shí)施例公開的一種具體的指標(biāo)體系層次結(jié)構(gòu)模型示意圖；圖3為本發(fā)明實(shí)施例公開的一種指標(biāo)權(quán)重量化系統(tǒng)結(jié)構(gòu)示意圖。具體實(shí)施方式下面將結(jié)合本發(fā)明實(shí)施例中的附圖，對(duì)本發(fā)明實(shí)施例中的技術(shù)方案進(jìn)行清楚、完整地描述，顯然，所描述的實(shí)施例僅僅是本發(fā)明一部分實(shí)施例，而不是全部的實(shí)施例?；诒景l(fā)明中的實(shí)施例，本領(lǐng)域普通技術(shù)人員在沒有做出創(chuàng)造性勞動(dòng)前提下所獲得的所有其他實(shí)施例，都屬于本發(fā)明保護(hù)的范圍。本發(fā)明實(shí)施例公開了一種基于層次分析法的指標(biāo)權(quán)重量化方法，參見圖1所示，該方法包括：步驟S11：構(gòu)造指標(biāo)體系層次結(jié)構(gòu)模型。本實(shí)施例中，上述指標(biāo)體系層次結(jié)構(gòu)模型具體可以包括目標(biāo)層、準(zhǔn)則層和指標(biāo)層。具體的，在實(shí)際應(yīng)用中，可以某些特定的功能系統(tǒng)所涉及的指標(biāo)進(jìn)行分類，然后構(gòu)造一個(gè)各指標(biāo)之間相互聯(lián)結(jié)的遞階層次結(jié)構(gòu)。處于最上面的層次一般是問題的預(yù)定目標(biāo)，通常只有一個(gè)元素，中間層的指標(biāo)一般是準(zhǔn)則層，最低層為指標(biāo)層。圖2示出了配電網(wǎng)系統(tǒng)對(duì)應(yīng)的指標(biāo)體系層次結(jié)構(gòu)模型，該模型包含了3層指標(biāo)，最下層為已有的基本指標(biāo)，如電網(wǎng)N-1通過率、輸電線路異常狀態(tài)比例等；準(zhǔn)則層為基本指標(biāo)的上層指標(biāo)，由基本指標(biāo)計(jì)算得到，例如供電安全性、供電可靠性等；目標(biāo)層則是對(duì)整個(gè)配電網(wǎng)系統(tǒng)的整體評(píng)價(jià)。步驟S12：利用層次分析法，分別確定出指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重。步驟S13：分別計(jì)算指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)的信息熵。步驟S14：分別利用每個(gè)指標(biāo)的信息熵，對(duì)每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重進(jìn)行修正，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的修正后指標(biāo)權(quán)重?？梢?，本發(fā)明實(shí)施例在構(gòu)造出指標(biāo)體系層次結(jié)構(gòu)模型之后，將會(huì)利用層次分析法，確定出每個(gè)指標(biāo)所對(duì)應(yīng)的初始指標(biāo)權(quán)重，并且，本發(fā)明將會(huì)進(jìn)一步計(jì)算每個(gè)指標(biāo)的信息熵，然后利用每個(gè)指標(biāo)的信息熵，對(duì)每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重進(jìn)行修正處理，以得到更加合理可靠的指標(biāo)權(quán)重。由上可見，本發(fā)明實(shí)施例是基于層次分析法以及結(jié)合指標(biāo)的信息熵來確定每個(gè)指標(biāo)最終的指標(biāo)權(quán)重的，這個(gè)過程中無需涉及過多的人為因素，提高了權(quán)重分配過程的分配效率，并且提高了權(quán)重分配結(jié)果的合理性。本發(fā)明實(shí)施例公開了一種具體的基于層次分析法的指標(biāo)權(quán)重量化方法，該方法包括如下步驟：步驟S21：構(gòu)造指標(biāo)體系層次結(jié)構(gòu)模型。步驟S22：利用層次分析法，構(gòu)造兩兩比較判斷矩陣，然后進(jìn)行相應(yīng)的層次單排序和一致性檢驗(yàn)，得到指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重。具體的，本實(shí)施例中，對(duì)每一層次各指標(biāo)的兩兩相對(duì)重要性用數(shù)值形式給出判斷，并寫成矩陣形式，得到任意兩個(gè)指標(biāo)所對(duì)應(yīng)的兩兩比較判斷矩陣。例如，對(duì)于圖2中的準(zhǔn)則層，其判斷矩陣為A＝(aij)4×4，具體例子如下表一所示：表一AB1B2B3B4B111/71/31/5B2711/51/3B33513B4531/31通常取1，2，…，9及它們的倒數(shù)作為標(biāo)度(即aij的取值)，且滿足aii＝1,aij＝1/aji。其標(biāo)度含義見下表二：表二含義標(biāo)度兩者同等重要1前者比后者稍微重要3前者比后者較強(qiáng)重要5前者比后者強(qiáng)烈重要7前者比后者極端重要9兩相鄰判斷的中間值2，4，6，8在確定出相應(yīng)的兩兩比較判斷矩陣之后，從上層到下層依次進(jìn)行層次單排序和一致性檢驗(yàn)，將層與層指標(biāo)之間的權(quán)重全部計(jì)算出來之后，便可以進(jìn)行層次總排序，計(jì)算每個(gè)指標(biāo)對(duì)目標(biāo)層的合成權(quán)重，也即得到每個(gè)指標(biāo)所對(duì)應(yīng)的初始指標(biāo)權(quán)重。步驟S23：分別計(jì)算指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)的信息熵。上述步驟S23中，計(jì)算指標(biāo)體系層次結(jié)構(gòu)模型中任一指標(biāo)Xj的信息熵的過程，包括：利用預(yù)設(shè)的信息熵計(jì)算公式，計(jì)算指標(biāo)Xj的信息熵；其中，信息熵計(jì)算公式為：式中，m表示指標(biāo)Xj中包含的樣本值的總數(shù)量；xij表示指標(biāo)Xj中的第i個(gè)樣本值；p(xij)表示樣本值xij的概率；其中，步驟S24：分別利用每個(gè)指標(biāo)的信息熵，對(duì)每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重進(jìn)行修正，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的修正后指標(biāo)權(quán)重。假設(shè)對(duì)于一段時(shí)間區(qū)間內(nèi)的n條指標(biāo)序列，每條序列包含m個(gè)樣本值，則有指標(biāo)數(shù)據(jù)矩陣X＝(xij)m×n。對(duì)于某一條指標(biāo)j，若其m個(gè)樣本值的偏差程度越大，分布就越均勻，信息熵越小，其重要性就越大，權(quán)重理應(yīng)得到加強(qiáng)；反之，樣本值的偏差程度越低，分布就越集中，信息熵就越高，其重要性就越低。根據(jù)以上分析，在通過層次分析法得到初始指標(biāo)權(quán)重后，本發(fā)明實(shí)施例通過分析計(jì)算各個(gè)指標(biāo)的信息熵，根據(jù)其重要程度對(duì)初始指標(biāo)權(quán)重進(jìn)行修正，從而得到更加合理可靠的指標(biāo)權(quán)重。進(jìn)一步的，本發(fā)明實(shí)施例還相應(yīng)公開了一種基于層次分析法的指標(biāo)權(quán)重量化系統(tǒng)，參見圖3所示，該系統(tǒng)包括：模型構(gòu)造模塊11，用于構(gòu)造指標(biāo)體系層次結(jié)構(gòu)模型；權(quán)重確定模塊12，用于利用層次分析法，分別確定出指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重；信息熵計(jì)算模塊13，用于分別計(jì)算指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)的信息熵；權(quán)重修正模塊14，用于分別利用每個(gè)指標(biāo)的信息熵，對(duì)每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重進(jìn)行修正，得到每個(gè)指標(biāo)各自對(duì)應(yīng)的修正后指標(biāo)權(quán)重?？梢?，本發(fā)明實(shí)施例在構(gòu)造出指標(biāo)體系層次結(jié)構(gòu)模型之后，將會(huì)利用層次分析法，確定出每個(gè)指標(biāo)所對(duì)應(yīng)的初始指標(biāo)權(quán)重，并且，本發(fā)明將會(huì)進(jìn)一步計(jì)算每個(gè)指標(biāo)的信息熵，然后利用每個(gè)指標(biāo)的信息熵，對(duì)每個(gè)指標(biāo)各自對(duì)應(yīng)的初始指標(biāo)權(quán)重進(jìn)行修正處理，以得到更加合理可靠的指標(biāo)權(quán)重。由上可見，本發(fā)明實(shí)施例是基于層次分析法以及結(jié)合指標(biāo)的信息熵來確定每個(gè)指標(biāo)最終的指標(biāo)權(quán)重的，這個(gè)過程中無需涉及過多的人為因素，提高了權(quán)重分配過程的分配效率，并且提高了權(quán)重分配結(jié)果的合理性。具體的，本實(shí)施例中，上述模型構(gòu)造模塊構(gòu)造的指標(biāo)體系層次結(jié)構(gòu)模型可以包括目標(biāo)層、準(zhǔn)則層和指標(biāo)層。另外，上述權(quán)重確定模塊，具體可以用于通過利用層次分析法，來構(gòu)造兩兩比較判斷矩陣，然后進(jìn)行相應(yīng)的層次單排序和一致性檢驗(yàn)，得到指標(biāo)體系層次結(jié)構(gòu)模型中每個(gè)指標(biāo)所對(duì)應(yīng)的權(quán)重。進(jìn)一步的，上述信息熵計(jì)算模塊，具體可以包括：信息熵計(jì)算單元，用于利用預(yù)設(shè)的信息熵計(jì)算公式，計(jì)算指標(biāo)Xj的信息熵；其中，信息熵計(jì)算公式為：式中，m表示指標(biāo)Xj中包含的樣本值的總數(shù)量；xij表示指標(biāo)Xj中的第i個(gè)樣本值；p(xij)表示樣本值xij的概率；其中，最后，還需要說明的是，在本文中，諸如第一和第二等之類的關(guān)系術(shù)語僅僅用來將一個(gè)實(shí)體或者操作與另一個(gè)實(shí)體或操作區(qū)分開來，而不一定要求或者暗示這些實(shí)體或操作之間存在任何這種實(shí)際的關(guān)系或者順序。而且，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括那些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個(gè)……”限定的要素，并不排除在包括所述要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。以上對(duì)本發(fā)明所提供的一種基于層次分析法的指標(biāo)權(quán)重量化方法及系統(tǒng)進(jìn)行了詳細(xì)介紹，本文中應(yīng)用了具體個(gè)例對(duì)本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想；同時(shí)，對(duì)于本領(lǐng)域的一般技術(shù)人員，依據(jù)本發(fā)明的思想，在具體實(shí)施方式及應(yīng)用范圍上均會(huì)有改變之處，綜上所述，本說明書內(nèi)容不應(yīng)理解為對(duì)本發(fā)明的限制。當(dāng)前第1頁1 2 3