• 
    

    
    

      99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

      基于三角模糊多屬性決策的衛(wèi)生應(yīng)急能力組合評(píng)價(jià)模型設(shè)計(jì)與比較*

      2018-07-16 10:07:04濰坊醫(yī)學(xué)院健康山東重大社會(huì)風(fēng)險(xiǎn)預(yù)測(cè)與治理協(xié)同創(chuàng)新中心261053
      關(guān)鍵詞:測(cè)度排序投影

      濰坊醫(yī)學(xué)院“健康山東”重大社會(huì)風(fēng)險(xiǎn)預(yù)測(cè)與治理協(xié)同創(chuàng)新中心(261053) 

      李望晨 王素珍 鄭文貴 王春平△ 張利平△

      【提 要】 目的 基于三角模糊數(shù)測(cè)度和多種決策方法設(shè)計(jì)組合建模方案,以衛(wèi)生應(yīng)急能力綜合評(píng)價(jià)為例,經(jīng)流程演示和案例驗(yàn)證比較,為類似問(wèn)題應(yīng)用者提供借鑒。方法 以模糊評(píng)語(yǔ)資料為基礎(chǔ),將三角模糊數(shù)與TOPSIS、灰色關(guān)聯(lián)、投影尋蹤、VIKOR及相對(duì)貼近度思想結(jié)合設(shè)計(jì)多種模型,再折中設(shè)計(jì)組合模型并比較相關(guān)性。結(jié)果 理論程序明確、實(shí)施步驟具體、測(cè)量信息利用充分。相關(guān)結(jié)果有統(tǒng)計(jì)意義。結(jié)論 組合模型將結(jié)果一致性折中,相比單項(xiàng)方法更有指導(dǎo)意義,為衛(wèi)生評(píng)價(jià)或決策問(wèn)題研究提供方法參考。

      多屬性決策(多指標(biāo)評(píng)價(jià))是在多屬性(指標(biāo))測(cè)度信息基礎(chǔ)上,經(jīng)屬性(指標(biāo))篩選、權(quán)重計(jì)算、測(cè)評(píng)及預(yù)處理、將備選方案(待評(píng)對(duì)象)在群體間相對(duì)比較、擇優(yōu)或排序[1]。鑒于經(jīng)驗(yàn)認(rèn)知有限性、判斷思維模糊性、環(huán)境復(fù)雜多變性,測(cè)量信息不再適于精確數(shù)描述,區(qū)間數(shù)、模糊數(shù)更適合于描述這類問(wèn)題。不確定或模糊決策方法在應(yīng)用領(lǐng)域較滯后,評(píng)價(jià)工作常以精確數(shù)測(cè)度為基礎(chǔ)、套用傳統(tǒng)簡(jiǎn)單方法為主,在模糊或不確定性指標(biāo)測(cè)度時(shí),須對(duì)模糊處理技術(shù)及不確定決策方法給予關(guān)注。由于決策(評(píng)價(jià))問(wèn)題中可選方法的多樣性,也造成了決策(評(píng)價(jià))結(jié)果不唯一性或非一致性,但是方法提出往往均有存在合理性,難以確定以哪種結(jié)果指導(dǎo)實(shí)踐更科學(xué),須結(jié)合算法原理來(lái)解讀才更有效意義。因此,有必要從多種方法結(jié)果一致性出發(fā),將多種方法結(jié)果折中處理和設(shè)計(jì)組合模型。以方法論改進(jìn)為背景,基于三角模糊數(shù)知識(shí)的指標(biāo)測(cè)度信息為基礎(chǔ),引入TOPSIS[2]、灰色關(guān)聯(lián)[3]、投影尋蹤[4]、VIKOR[5]和相對(duì)貼近度觀點(diǎn),設(shè)計(jì)綜合評(píng)價(jià)模型組合建模途徑。最后,以衛(wèi)生應(yīng)急能力評(píng)價(jià)算例驗(yàn)證分析,為衛(wèi)生決策類似問(wèn)題提供技術(shù)借鑒。

      模糊測(cè)度

      建模方案

      1.三角模糊TOPSIS法

      群體中可以虛擬構(gòu)建正、負(fù)理想對(duì)象,計(jì)算每個(gè)對(duì)象與之的距離、相對(duì)距離。

      (1)

      (2)

      (3)

      (4)

      2.三角模糊灰色關(guān)聯(lián)法

      群體中可以構(gòu)建正、負(fù)理想對(duì)象,計(jì)算每個(gè)對(duì)象與之關(guān)聯(lián)度、相對(duì)貼近度。

      (5)

      (6)

      (7)

      (8)

      3.三角模糊投影尋蹤法

      群體中可以構(gòu)建正、負(fù)理想對(duì)象,計(jì)算每個(gè)對(duì)象與之加權(quán)投影、相對(duì)貼近度。

      假設(shè)α=(a1,a2,…,an),β=(b1,b2,…,bn)為兩個(gè)向量,則α在β上投影:

      定義三角模糊數(shù)內(nèi)積運(yùn)算:

      由此分別將Ai向理想對(duì)象A+、負(fù)理想對(duì)象A-向Ai計(jì)算加權(quán)投影:

      (9)

      (10)

      (11)

      4.三角模糊VIKOR法

      不妨以“最大化群體效用、最小化個(gè)體遺憾”原則逼近理想解,再作折中排序。

      (12)

      (13)

      (14)

      (15)

      vi越小則方案Ai相對(duì)越優(yōu);vi越大則方案Ai相對(duì)越劣。

      5.組合設(shè)計(jì)

      案例實(shí)證

      1.對(duì)象資料

      以疾控機(jī)構(gòu)衛(wèi)生應(yīng)急能力測(cè)評(píng)為例驗(yàn)證可行性、比較差異性,從預(yù)案、隊(duì)伍、儲(chǔ)備、監(jiān)測(cè)、預(yù)警、報(bào)告維度細(xì)化指標(biāo)[6-7]:c1預(yù)案完備性、c2預(yù)案可操作性、c3預(yù)案維護(hù)與修訂、c4預(yù)案培訓(xùn)與演練、c5組織機(jī)構(gòu)建設(shè)、c6專業(yè)構(gòu)成與技術(shù)水平、c7培訓(xùn)演練計(jì)劃方案、c8培訓(xùn)實(shí)施與資料歸檔、c9法規(guī)政策保障、c10資源儲(chǔ)備、c11儲(chǔ)備物資評(píng)估管理、c12危險(xiǎn)源重點(diǎn)防護(hù)監(jiān)管、c13預(yù)測(cè)預(yù)報(bào)評(píng)價(jià)、c14信息收集分析、c15預(yù)警體系建設(shè)、c16報(bào)告上報(bào)時(shí)間、c17報(bào)告完整性和c18報(bào)告準(zhǔn)確性。

      指標(biāo)c1~c18權(quán)重分別對(duì)應(yīng)為w1~w18[6]:0.056,0.0587,0.0507,0.0587,0.0613,0.0587,0.0587,0.048,0.056,0.056,0.0533,0.0533,0.048,0.0587,0.0507,0.0613,0.0587,0.0533。

      以模糊評(píng)語(yǔ)(語(yǔ)言變量)形式表達(dá)指標(biāo)優(yōu)劣,將其轉(zhuǎn)化三角模糊數(shù)測(cè)度[8],關(guān)系如下:“很差=I”<0,1,3>、“差=II”<1,3,5>、“一般=III”<3,5,7>、“好=IV”<5,7,9>、“很好=V”<7,9,10>。專家組以調(diào)查、訪談、研判和會(huì)商方式,對(duì)7所縣級(jí)機(jī)構(gòu)A1~A7所有指標(biāo)研制評(píng)語(yǔ),因篇幅和側(cè)重點(diǎn)不再贅述過(guò)程,見(jiàn)表1。

      表1 專家對(duì)機(jī)構(gòu)A1~A7指標(biāo)評(píng)語(yǔ)

      表1中評(píng)語(yǔ)全部轉(zhuǎn)化為三角模糊數(shù),由于指標(biāo)全部為正向且為同類型,不妨預(yù)處理:“I”<0,0.1,0.3>、“II”<0.1,0.3,0.5>、“III”<0.3,0.5,0.7>、“IV”<0.5,0.7,0.9>、“V”<0.7,0.9,1>,僅以機(jī)構(gòu)A1為例:

      A1=(<0.3,0.5,0.7>,<0.3,0.5,0.7>,<0.3,0.5,0.7>,<0.7,0.9,1>,<0.7,0.9,1>,<0.3,0.5,0.7>,<0.3,0.5,0.7>,<0.3,0.5,0.7>,<0.1,0.3,0.5>,<0.5,0.7,0.9>,<0.7,0.9,1>,<0.7,0.9,1>,<0.3,0.5,0.7>,<0.5,0.7,0.9>,<0.3,0.5,0.7>,<0.5,0.7,0.9>,<0.3,0.5,0.7>,<0.7,0.9,1>)。機(jī)構(gòu)A2~A7類似A1,可由表1資料逐個(gè)列出,此處省略。

      2.三角模糊TOPSIS法

      按指標(biāo)取最優(yōu)、最劣值,虛構(gòu)正理想和負(fù)理想疾控機(jī)構(gòu)A+、A-:

      A+=(很好,很好,好,很好,很好,很好,好,好,好,好,很好,很好,好,很好,很好,好,很好,很好);

      A+=(V,V,IV,V,V,V,IV,IV,IV,IV,V,V,IV,V,V,IV,V,V);

      A+=(<0.7,0.9,1>,<0.7,0.9,1>,<0.5,0.7,0.9>,<0.7,0.9,1>,<0.7,0.9,1>,<0.7,0.9,1>,<0.5,0.7,0.9>,<0.5,0.7,0.9>,<0.5,0.7,0.9>,<0.5,0.7,0.9>,<0.7,0.9,1>,<0.7,0.9,1>,<0.5,0.7,0.9>,<0.7,0.9,1>,<0.7,0.9,1>,<0.5,0.7,0.9>,<0.7,0.9,1>,<0.7,0.9,1>)。

      A-=(差,一般,差,一般,差,一般,一般,一般,差,一般,一般,一般,差,一般,一般,差,一般,一般);

      A-=(II,III,II,III,II,III,III,III,II,III,III,III,II,III,III,II,III,III);

      A-=(<0.1,0.3,0.5>,<0.3,0.5,0.7>,<0.1,0.3,0.5>,<0.3,0.5,0.7>,<0.1,0.3,0.5>,<0.3,0.5,0.7>,<0.3,0.5,0.7>,<0.3,0.5,0.7>,<0.1,0.3,0.5>,<0.3,0.5,0.7>,<0.3,0.5,0.7>,<0.3,0.5,0.7>,<0.1,0.3,0.5>,<0.3,0.5,0.7>,<0.3,0.5,0.7>,<0.1,0.3,0.5>,<0.3,0.5,0.7>,<0.3,0.5,0.7>)。

      由公式(3)計(jì)算A1~A7與A+、A-之間距離:

      由公式(4)計(jì)算Ai與A-相對(duì)距離ci:0.499,0.456,0.391,0.384,0.665,0.676,0.505。

      由ci對(duì)A1~A7相對(duì)排序A6?A5?A1?A7?A2?A3?A4。

      3.三角模糊灰色關(guān)聯(lián)法

      由公式(7)計(jì)算A1~A7與A+、A-灰色關(guān)聯(lián)度:

      由公式(8)計(jì)算Ai與A-相對(duì)貼近度ci:0.496,0.483,0.446,0.461,0.575,0.562,0.496。

      由ci對(duì)A1~A7相對(duì)排序:A5?A6?A1?A7?A2?A4?A3。

      同理,若ρ=0.2則由公式(5)~(8)計(jì)算ci:0.494,0.473,0.407,0.437,0.638,0.597,0.487。

      由ci對(duì)A1~A7相對(duì)排序:A6?A5?A1?A7?A2?A4?A3。

      若ρ=0.8則由公式(5)~(8)計(jì)算ci:0.504,0.494,0.469,0.477,0.558,0.552,0.505。

      由ci對(duì)A1~A7相對(duì)排序:A5?A6?A7?A1?A2?A4?A3。

      4.三角模糊投影尋蹤法

      由公式(9)、(10)將A1~A7向A+,以及將A-向A1~A7上計(jì)算加權(quán)投影:

      由公式(11)計(jì)算Ai與A-相對(duì)貼近度ci:0.541,0.536,0.534,0.526,0.551,0.555,0.540。

      標(biāo)記投影尋蹤(相對(duì)貼近)法,由ci對(duì)A1~A7相對(duì)排序A6?A5?A1?A7?A2?A3?A4。

      5.三角模糊VIKOR法

      令λ=0.5,由公式(14)依次兩兩計(jì)算pij,將其全部列入矩陣(pij)7×7:

      p23=0.5×max{1-max((0.619-0.161)/(0.619-0.238+0.488-0.161),0),0}+0.5×max{1-max(0.997-0.488)/(0.829-0.488+0.997-0.619),0),0}=0.341。

      由公式(15)計(jì)算A1~A7排序數(shù)v1~v7:0.135,0.143,0.171,0.170,0.121,0.121,0.137。

      其中v2=(0.538+0.500+0.341+0.342+0.614+0.630+0.537)+7/2-1)/(7×6)=0.143。

      由vi對(duì)A1~A7相對(duì)排序:A6?A5?A1?A7?A2?A4?A3。

      若λ=0.2,同理計(jì)算排序數(shù)v1~v7:0.134,0.137,0.171,0.173,0.128,0.125,0.132。

      由vi對(duì)A1~A7相對(duì)排序:A6?A5?A7?A1?A2?A3?A4。

      若λ=0.8,同理計(jì)算排序數(shù)v1~v7:0.139,0.148,0.167,0.164,0.121,0.119,0.142。

      由vi對(duì)A1~A7相對(duì)排序:A6?A5?A1?A7?A2?A4?A3。

      6.組合分析

      每種方法結(jié)果匯總,比較A1~A7優(yōu)劣次序,從結(jié)果分析(表2)認(rèn)為A5、A6較好,A6更好;A3、A4較差,A3更差。各方法結(jié)果的等級(jí)相關(guān)性有統(tǒng)計(jì)學(xué)意義(P=0.003~0.000)。

      表2 各種方法對(duì)機(jī)構(gòu)A1~A7排出優(yōu)劣次序

      將每種方法與其他方法的相關(guān)系數(shù)相加,歸一化計(jì)算每種方法的權(quán)重,0.1004,0.1332,0.1010,0.1301,0.1004,0.1004,0.1010,0.1326,0.1010。權(quán)重越大則該方法與其他方法結(jié)果越相似。從多種結(jié)果一致性來(lái)建立多種方法組合模型,將評(píng)價(jià)結(jié)果與權(quán)重合成最終結(jié)果3.263,5.000,6.566,6.434,1.737,1.263,3.737,優(yōu)劣次序?yàn)?,5,7,6,2,1,4,A6?A5?A1?A7?A2?A4?A3,于是可認(rèn)為A6最好、A4最差。

      討  論

      傳統(tǒng)綜合評(píng)價(jià)問(wèn)題多見(jiàn)且為輔助衛(wèi)生管理工作而提出,應(yīng)用研究常以指標(biāo)量表打分和客觀數(shù)據(jù)資料計(jì)算為基礎(chǔ),以往經(jīng)典方法簡(jiǎn)單卻缺乏新穎性,測(cè)評(píng)資料收集方式和表現(xiàn)特點(diǎn)也限制了模型設(shè)計(jì)思路的擴(kuò)展與改進(jìn)。模糊多屬性決策為主觀測(cè)度資料情境下的建模方案提供了新途徑,但是在衛(wèi)生工作應(yīng)用中探索引進(jìn)比較滯后且未受關(guān)注。例如,由于經(jīng)驗(yàn)有限性、認(rèn)識(shí)模糊性、環(huán)境不定性,如應(yīng)急能力、醫(yī)患滿意等主觀性指標(biāo)測(cè)度時(shí)難以精確數(shù)描述,更適于模糊評(píng)語(yǔ)(語(yǔ)言變量)測(cè)度下組織專家主觀研判。傳統(tǒng)方法背景下已經(jīng)無(wú)法利用此類信息,模糊決策技術(shù)引入對(duì)于此類決策工作是必要的。

      本文以三角模糊數(shù)測(cè)度為基礎(chǔ)論證多屬性決策模型設(shè)計(jì)流程。首先簡(jiǎn)述三角模糊數(shù)表示、屬性值預(yù)處理知識(shí)。然后以語(yǔ)言變量轉(zhuǎn)化后的三角模糊數(shù)為測(cè)度基礎(chǔ),以交叉學(xué)科理論為基礎(chǔ),將模糊信息技術(shù)與TOPSIS、灰色關(guān)聯(lián)、投影尋蹤、VIKOR法以及相對(duì)貼近度思想等綜合評(píng)價(jià)方法結(jié)合設(shè)計(jì)模型,又通過(guò)組合模型將多種方法結(jié)果的不一致性進(jìn)行折中與修正,從整體相關(guān)性視角將其加權(quán)合成組合結(jié)果。最后以衛(wèi)生應(yīng)急能力評(píng)價(jià)為例驗(yàn)證可行有效性,從而在衛(wèi)生決策問(wèn)題中擴(kuò)展推介這些方案適用性,逐項(xiàng)應(yīng)急能力指標(biāo)等級(jí)評(píng)語(yǔ)信息轉(zhuǎn)化為三角模糊數(shù)形式,由多種方法分別建模實(shí)現(xiàn)流程,從組合設(shè)計(jì)角度尋求折中結(jié)果,分析信息利用特點(diǎn)并凸顯比較了性能。組合模型將多屬性決策多種方法將近似結(jié)果繼續(xù)折中,更適于此類評(píng)價(jià)或決策工作的測(cè)評(píng)信息表述與認(rèn)知規(guī)律提取。

      猜你喜歡
      測(cè)度排序投影
      三個(gè)數(shù)字集生成的自相似測(cè)度的乘積譜
      R1上莫朗測(cè)度關(guān)于幾何平均誤差的最優(yōu)Vornoi分劃
      排序不等式
      解變分不等式的一種二次投影算法
      非等熵Chaplygin氣體測(cè)度值解存在性
      Cookie-Cutter集上的Gibbs測(cè)度
      基于最大相關(guān)熵的簇稀疏仿射投影算法
      恐怖排序
      找投影
      找投影
      新巴尔虎右旗| 万载县| 庆安县| 永新县| 纳雍县| 依兰县| 松阳县| 荥经县| 红桥区| 广州市| 宜都市| 淮南市| 商河县| 大港区| 林西县| 高淳县| 黄山市| 内江市| 凉城县| 花莲县| 泰安市| 咸丰县| 普陀区| 达孜县| 泰来县| 汶川县| 岳阳市| 裕民县| 蓬安县| 大姚县| 邢台市| 临西县| 阳谷县| 广饶县| 长岛县| 兰坪| 扶沟县| 崇仁县| 铁岭市| 枣阳市| 宁安市|