導語：如何才能寫好一篇數學建模求權重的方法，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

【關鍵詞】層次分析法；MATLAB；學生素質綜合評定

一、層次分析法概述

層次分析法是將決策總是有關的元素分解成目標、準則、方案等層次，在此基礎上進行定性和定量分析的決策方法.該方法是美國匹茨堡大學教授、運籌學家薩蒂于20世紀70年代初，在為美國國防部研究“根據各個工業部門對國家福利的貢獻大小而進行電力分配”課題時，應用網絡系統理論和多目標綜合評價方法，提出的一種層次權重決策分析方法.這種方法的特點是在對復雜的決策問題的本質、影響因素及其內在關系等進行深入分析的基礎上，利用較少的定量信息使決策的思維過程數學化，從而為多目標、多準則或無結構特性的復雜決策問題提供簡便的決策方法.尤其適合于對決策結果難于直接準確計量的場合.運用層次分析法建模，大體上可按下面四個步驟進行：

1建立遞階層次結構模型

應用層次分析法分析決策問題時，首先要把問題條理化、層次化，構造出一個有層次的結構模型.在這個模型下，復雜問題被分解為元素的組成部分.這些元素又按其屬性及關系形成若干層次.上一層次的元素作為準則對下一層次有關元素起支配作用.這些層次可以分為三類：

（1）最高層：這一層次中只有一個元素，一般它是分析問題的預定目標或理想結果，因此也稱為目標層.

（2）中間層：這一層次中包含了為實現目標所涉及的中間環節，它可以由若干個層次組成，包括所需考慮的準則、子準則，因此也稱為準則層.

（3）最底層：這一層次包括了為實現目標可供選擇的各種措施、決策方案等，因此也稱為措施層或方案層.

遞階層次結構中的層次數與問題的復雜程度及需要分析的詳盡程度有關，一般層次數不受限制.每一層次中各元素所支配的元素一般不要超過9個.這是因為支配的元素過多會給兩兩比較判斷帶來困難.

2構造出各層次中的所有判斷矩陣

層次結構反映了因素之間的關系，但準則層中的各準則在目標衡量中所占的比重并不一定相同，在決策者的心目中，它們各占有一定的比例.在確定影響某因素的諸因子在該因素中所占的比重時，遇到的主要困難是這些比重常常不易定量化.此外，當影響某因素的因子較多時，直接考慮各因子對該因素有多大程度的影響時，常常會因考慮不周全、顧此失彼而使決策者提出與他實際認為的重要性程度不相一致的數據，甚至有可能提出一組隱含矛盾的數據.為看清這一點，可作如下假設：將一塊重為1千克的石塊砸成n小塊，你可以精確稱出它們的重量，設為w1，…，wn，現在，請人估計這n小塊的重量占總重量的比例（不能讓他知道各小石塊的重量）.此人不僅很難給出精確的比值，而且完全可能因顧此失彼而提供彼此矛盾的數據.

設現在要比較n個因子X={x1，…，xn}對某因素Z的影響大小，薩蒂等人建議可以采取對因子進行兩兩比較建立成對比較矩陣的辦法.即每次取兩個因子xi和xj，以aij表示xi和xj對Z的影響大小之比，全部比較結果用矩陣A=(aij)n×n表示，稱Z為Z-X之間的成對比較判斷矩陣（簡稱判斷矩陣）.容易看出，若xi與xj對Z的影響之比為aij，則xj與xi對Z的影響之比應為aji=1aij.

矩陣A=(aij)n×n具有性質：

（1）aij>0.

（2）aji=1aij（i，j=1，2，…，n）.

稱之為正互反矩陣(易見aii=1，i=1，…，n).

關于如何確定aij的值，薩蒂等人建議引用數字1~9及其倒數作為標度.下表1列出了1~9標度的含義.

表1 判斷矩陣標度及其含義

標 度含 義

1表示兩個因素相比，具有相同重要性

3表示兩個因素相比，前者比后者稍重要

5表示兩個因素相比，前者比后者明顯重要

7表示兩個因素相比，前者比后者強烈重要

9表示兩個因素相比，前者比后者極端重要

2，4，6，8表示上述相鄰判斷的中間值

從心理學觀點來看，分級太多會超越人們的判斷能力，既增加了作判斷的難度，又容易因此而提供虛假數據.薩蒂等人還用實驗方法比較了在各種不同標度下人們判斷結果的正確性，實驗結果也表明，采用1~9標度最為合適.

3層次單排序及一致性檢驗

判斷矩陣A對應于最大特征值λmax的特征向量W，經歸一化后即為同一層次相應因素對于上一層次某因素相對重要性的排序權值，這一過程稱為層次單排序.

上述構造成對比較判斷矩陣的辦法雖能減少其他因素的干擾，較客觀地反映出一對因子影響力的差別.但綜合全部比較結果時，其中難免包含一定程度的非一致性.如果比較結果是前后完全一致的，則矩陣A的元素還應當滿足：

aijajk=aik，i，j，k=1，2，…，n.

稱滿足這一關系式的正互反矩陣稱為一致矩陣.需要檢驗構造出來的正互反判斷矩陣A是否嚴重地非一致，以便確定是否接受A.對判斷矩陣的一致性檢驗的步驟如下：

(1)計算一致性指標CI

CI=λmax-nn-1.

(2)查找相應的平均隨機一致性指標RI

對n=1，…，9，薩蒂給出了RI的值，如下表2所示：

表2 RI值

n123456789

RI000.580.901.121.241.321.411.45

RI的值是這樣得到的：用隨機方法構造500個樣本矩陣，隨機地從1~9及其倒數中抽取數字構造正互反矩陣，求得最大特征根的平均值λ′max，并定義RI=λ′max-nn-1.

(3)計算一致性比例CR

CR=CIRI.

當CR

4層次總排序及一致性檢驗

上面我們得到的是一組元素對其上一層中某元素的權重向量.我們最終要得到各元素，特別是最底層中各方案對于目標的排序權重，從而進行方案選擇.總排序權重要自上而下地將單準則下的權重進行合成.

設上一層次（A層）包含A1，…，Am共m個因素，它們的層次總排序權重分別為a1，…，am.又設其后的下一層次（B層）包含n個因素B1，…，Bn，它們關于Aj的層次單排序權重分別為b1j，…，bnj（當Bi與Aj無關聯時，bij=0）.現求B層中各因素關于總目標的權重，即求B層各因素的層次總排序權重b1，…，bn，計算按下表3所示方式進行，即bi=∑mj=1bijaj，i=1，…，n.

表3 層次總排序

層次A1A2…Ama1a2…amB層總排序權值

B1b11b12…b1mW1=∑mj=1ajb1j

B2b21b22…b2mW2=∑mj=1ajb2j

Bnbn1bn2…bnmWn=∑mj=1ajbnj

對層次總排序也需作一致性檢驗，檢驗仍像層次總排序那樣由高層到低層逐層進行.這是因為雖然各層次均已經過層次單排序的一致性檢驗，各成對比較判斷矩陣都已具有較為滿意的一致性.但當綜合考察時，各層次的非一致性仍有可能積累起來，引起最終分析結果較嚴重的非一致性.

設B層中與Aj相關的因素的成對比較判斷矩陣在單排序中經一致性檢驗，求得單排序一致性指標為CIj，（j=1，…，m），相應的平均隨機一致性指標為RIj（CIj，RIj已在層次單排序時求得），則B層總排序隨機一致性比例為CR=∑mj=1CIjaj∑mj=1RIjaj.當CR

二、層次分析法在學生綜合素質評定中的應用舉例

某高校為了做好學生素質的綜合評估，使推薦就業盡可能科學合理，構造了相應的層次結構模型，在評估時，只要根據該學生的各項指標，利用由層次分析得到的評估公式計算其最終得分即可.

1建立遞階層次結構

2構造各層次所有判斷矩陣和層次單排序及一致性檢驗

學院認為，為了就業的需求，知識面與外觀形象同樣重要，而在能力方面則應有稍強一些的要求.根據以上看法，建立A-B層成對比較判斷矩陣：

AB1B2B3

B11121

B2212

B31121

進行一致性檢驗求出CR=0，即通過一致性檢驗并求得B層的三個元素B1，B2，B3對A層的權重向量為：WA=025000500002500.

在知識中，我們認為專業知識更為重要，其次是基礎理論知識，再次是外語知識，由此建立B1-C層成對比較判斷矩陣：

B1C1C2C3

C11153

C2518

C313181

進行一致性檢驗求出CR=00380，即通過一致性檢驗并求得B1層的三個元素C1，C2，C3對B1層的權重向量為：WB1=018630737000768.

在能力中，我們認為動手能力、組織能力與其他能力重要性大致相同，建立B2-C層成對比較判斷矩陣：

B2C4C5C6

C4111

C5111

C6111

進行一致性檢驗求出CR=0，即通過一致性檢驗并求得B2層的三個元素C3，C4，C5對B2層的權重向量為：WB2=033330333303333.

在外表中，我們認為氣質最重要，其次是身高，最不重要的是體重，于是建立B3-C層成對比較判斷矩陣：

B3C7C8C9

C7157

C81512

C917121

進行一致性檢驗求出CR=00122，即通過一致性檢驗并求得B3層的三個元素C7，C8，C9對B3層的權重向量為：WB3=073800167600944.

3層次總排序及一致性檢驗

經層次總排序，可求得C層中各因子Ci在總目標層A中的權重分別為：0.0466，0.1842，0.0192，0.1667，0.1667，0.1667，0.1845，0.0419，0.0236.

即ACi=(00466，01842，00192，01667，01667，01667，01845，00419，00236)，并通過一致性檢驗.

4學生綜合評估模型

在學生的基礎學科、專業學科、英語、計算機、實訓課程、組織能力、體育健康測試所得的測評分數的基礎上，經過數據的標準化處理，得到C1-C9各指標的評分，記為：X=(x1，x2，…，x9)T，即學生綜合測評的總得分為：

y=ACX

=00466x1+01842x2+00192x3+01667(x4+x5+x6)+

01845x7+00419x8+00236x9.

三、學生素質綜合測評中層次分析法的MATLAB程序

1建立M文件（fun10_2.m）：層次分析法中對判斷矩陣進行一致性檢驗及求權重向量的程序.

function ［w CR］=fun10_2(A1)

length_a=length(A1);

eigroot_a=eig(A1);

max_eigroot_a=max(abs(eigroot_a));

CI=(max_eigroot_a-length_a)/(length_a-1);

RI=［0 0 0.58 0.9 1.12 1.24 1.32 1.41 1.45 1.49 1.51］;

CR=CI/RI(length_a);

if CR

sum_col=sum(A1);

for i=1:length_a

A(:，i)=A1(:，i)/sum_col(i);

end

v=sum(A，2);

sum_a=sum(v);

w=v/sum_a;

else

w=zeros(length_a，1);

disp(’error’);

end

2建立M文件（fun10_1.m）：調用fun10_2.m計算判斷矩陣相關數據，并進行層次總排序和總排序一致性檢驗的程序.

clear

clc

close

B1=［1 1/5 3;5 1 8;1/3 1/8 1］;

［w1 CI］=fun10_2(B1);

w=［w1］;ci=［CI］;

B2=［1 1 1;1 1 1;1 1 1］;

［w1 CI］=fun10_2(B2);

w=［w w1］;ci=［ci CI］;

B3=［1 5 7;1/5 1 2;1/7 1/2 1］;

［w1 CI］=fun10_2(B3);

w=［w w1］;ci=［ci CI］;

A=［1 1/2 1;2 1 2;1 1/2 1］;

［w_a CR］=fun10_2(A);

w_last=w_a’*w’

CR_last=w_a’*ci’/sum(0.58*w_a)

w_11=w_a(1)*w(:，1);

w_12=w_a(2)*w(:，2);

w_13=w_a(3)*w(:，3);

w_last=［w_11’，w_12’，w_13’］

CR_last=w_a’*ci’/sum(0.58*w_a)

【參考文獻】

［1］韓中庚.數學建模方法及其應用.北京：高等教育出版社，2006.

篇2

【關鍵詞】模糊評價；課余生活；大學生

一、引言

大學新生在剛進入大學時，會感到迷茫，其中最重要的是不知道如何支配自己的課余時間。那么，研究大一新生課余生活的時間支配就尤為重要。為此，我們通過研究大一新生的課余時間安排，有效的評價大一學生課余生活的利用效率。本文通過五項指標，對學生的課余時間利用情況進行綜合評價，分析大一新生課余時間管理安排中的不當原因，提出切實可行的方法實現大學生課余時間管理的有效途徑，從而幫助大一新生合理安排課余時間，提高課余時間的管理質量，提高大學生課余時間利用效率，探索高校輔導員思想政治教育工作的新思路。

二、模糊數學模型的建立

長期以來，人民對于客觀事物的認識，習慣追求其精確性和清晰性。但人腦作為認識和改造客觀世界的主體，對自然現象的反應往往都是模糊的。模糊集合是對這些模糊現象或模糊概念的刻畫。利用模糊數學概念，建立模型，根據模糊數學最大隸屬度原則，使大一新生課余生活的豐富度的等級評價更加合理化。綜合評價就是對守到多個因素制約的事物或現象做出一個總的評價，這是在日常生活和科研工作中經常遇到的問題。由于面對大學生課余生活豐富度的評價難免帶有模糊性和主觀性，利用模糊數學的方法進行綜合評價將使得結果盡量客觀，從而取得更好的實際效果。

（一）建立模糊評判對象因素集

根據引言中分析，評價大學生課余生活豐富度需要從上網時間和看書時間等五個指標入手，并由此建立大一課余生活豐富度集合

（二）建立評判集

本文將大一新生課余生活豐富度的五項指標分為優、良、中、差四個等級，并由此構成評語集

設是從V到U的模糊關系，即是一個fuzzy子集，表示第i種評語集在第j個因素打到的可能程度。

（三）求出模糊判斷矩陣

我們通過問卷調查的形式，得到了合肥四所高校的上述五項指標分布的條形圖：

根據圖表所示，我們得到了各高校豐富度的綜合評價矩陣，（i=1，2，3，4）分別表示：安徽大學，安徽建筑大學，中國科學技術大學，

安徽三聯學院。其中

3各項權重的確立

由于評價體系中各指標的；量綱不同，不能直接比較他們的差異。為了消除這一影響，需要用各項指標的變異系數來衡量各指標的差異程度。求各變異系數的公式如下：

式中，是第i指標的變異系數；是第i項指標的標準差；是各項指標的平均數。各項指標的權重為：

根據上述公式，我們得到各項指標的權重，如表1所示：

表1五項指標的權重

我們設定為各個指標的綜合評價分數，則：

最終，我們得到各個學校的綜合評分，見表2：

表2各高校大一新生課余生活豐富度總得分

三、教育和引導的對策建議

通過問卷調查的形式得到了合肥四所層次不同的高校大一新生課余時間的支配情況，運用綜合評價的方法得出各高校學生課余生活豐富度的總得分。發現大多數學生把時間花在了上網上，而社會實踐和看書時間較少。

1、學校層面：應盡力完善校園基礎文化建設，例如籃球場、學生活動中心等場所；開展第二課堂，培養大學生對時間的概念；開辦團黨課，端正動機和樹立大學生的社會責任感；開展一系列讀書活動，充分利用圖書館的豐富資源，充實大學生課余生活節目。其次為大學生開辟實踐基地，擴寬實踐途徑，讓學生們有機會與社會接觸，從而在實踐中感受到自己的緊迫感與使命感，從而更好的規劃自己的課余生活。

2、教育層面：大學階段是學生們走向社會的第一步，要培養大學生的自我管理能力和自我控制能力，引導大學生充分的了解自我，培養良好的生活習慣，積極發展自己的業余愛好，并克服一些不良習慣；引導大學生正確使用網絡；培養學生們樹立時間價值評價體系，學會如何管理時間，養成事前規劃，合理安排時間，事后總結歸納，認真分配好自己的課余時間。

3、學生層面：經過分析僅有少數的學生能有合理安排自己的課余生活，設計一系列的中長期學習生活計劃，而且能有基本按計劃實施，但是絕大多數的學生的課余生活相當混亂。因此要擴展視野，女里提高自我的綜合素質，樹立“正能量”的生活態度；充分利用社會與學校所提供的各種有利條件，提高自我價值；積極參加社會或是學校組織的各種實踐活動，多多與社會接觸，學習并積累相關專業知識和經驗，為今后就業提供更大的平臺。

參考文獻：

[1]勝令霞.大學生業余時間利用情況的調查、分析與對策――以河南大學生為例[J].中州學刊.2011（05）

[2]黃雪燕.大學生業余時間管理存在的問題及對策[J].重慶科技學院學報（社會科學版）.2011（11）

[3]夏莉莉.當代大學生業余時間分配情況的調查研究[J].知識經濟.2011（04）

篇3

關鍵詞：生鮮品；物流供應鏈；層次分析法；權重；模糊綜合評價

一、引言

自改革開放開始我國經濟飛速發展，近幾年來隨著我國經濟步入新常態，我國的經濟增長開始逐漸由過去主要依靠犧牲環境和資源的”工業型經濟“拉動轉向依靠創新和綠色環保的”服務消費型經濟”拉動。服務業在國民經濟中所占的比重不斷增加，在將來的很長一段時期內都將會是充滿活力的產業。在經濟高速發展的同時，人民的生活質量、收入水平、消費水平、物質文化需求日益提高。在現階段由于線上消費具有商品種類齊全、價格優惠、交易方式快捷方便等優勢，所以人們的消費方式已經不僅僅局限于線下消費。但是線上消費對物流供應鏈的要求比線下消費高很多，人們在線上衣食住行等方面的消費需求對物流行業的服務提出了更高的質量要求，物流服務供應鏈逐漸成為服務業的生命線。隨著改革的進一步深化，新常態時期下綠色物流供應鏈具有以下特點：第一、運營過程的動態性，即物流供應鏈并不是靜止不變的，而應該通過自身不斷地完善和發展來適應快速變化的市場需求；第二、物流供應鏈的形式具有多樣性，即不同行業所形成的供應鏈具有不同的形式；第三、各物流供應鏈的節點交叉性強，即不同的物流供應鏈共同擁有一些節點；第四、與以往相比，新常態時期下的物流供應鏈更加重視環保效益，在“綠色是發展的底色”的發展理念下，追求最大化的利潤不再是評價物流供應鏈績效的唯一指標；第五、與傳統物流供應鏈相比較，綠色物流供應鏈更加復雜和開放，因為綠色物流供應鏈將商品送到消費者后所產生的廢棄物和排放物處理也納入了供應體系中，從而避免了資源浪費。針對物流供應鏈隨著政策發展出現的諸多新特點，若仍然使用傳統的績效評價方法來考核，這勢必在評價上會產生漏洞。因此，將物流服務供應鏈對生態環境的影響加入評價體系是很有意義的。對生鮮品物流服務供應鏈能否做出客觀全面的評價，關乎政府或相關企業是否能做出正確的管理和決策。

國內關于物流服展α吹難芯坑瀉芏唷D吡睪屯蹺蚌衛用灰色層次分析法結合重慶某整車廠整合汽車物流供應鏈為例，對影響物流服務供應鏈績效的因素進行了評價。黃祖慶等運用利益相關者理論結合數據可獲得性原則構建了包括微觀層面和宏觀層面在內的物流服務供應鏈績效評價體系。陳虎針對動態變化的物流服務供應鏈狀態，利用模糊評價法對不同歷史時期的物流服務供應鏈績效進行評價，并根據前期評價結果應用馬爾科夫預測法對未來物流服務供應鏈進行了預測。李耀華在傳統效率考核指標的基礎上嘗試加入物流行業作用于生態環境的相關影響指標，從而構建了基于綠色供應鏈視角的冷鏈物流企業效率評價體系。雖然目前國內關于物流供應鏈績效評價的研究有很多，但是仍然主要以傳統物流服務供應鏈的評價研究為主，而對綠色物流服務供應鏈績效評價的研究還很少。本文借鑒了前人關于物流服務供應鏈績效評價時所用的部分評價指標，同時也根據績效評價指標選取的完備性原則、可操作原則、層次性原則添加了相關的生態環境評價指標，經過綜合篩選后構建了一套科學的指標體系，最后再根據指標體系來設計問卷，將模糊綜合評價法與層次分析法相結合的模型應用于收集到的問卷數據進行了實證分析。此外，由于模糊綜合評價中常用的取大取小算法會導致有用信息的過渡損失，并最終導致分析結果失真（即模型失效）的情況。因此，本文對此提出了相應的改進模型，從而希望得到一套評價新發展形勢下的綠色物流服務供應鏈績效的有效方法。

二、研究模型與數據

在對物流服務供應鏈的績效進行綜合評價時，要保證全面性和客觀性就必須要對被考核對象從各個方面做出準確的評價，所以這實際上是一個多目標決策問題。在實際操作過程中，評判者容易受到經驗等主觀因素的限制，因此對物流服務供應鏈的績效進行評價時經常會涉及到很多模棱兩可、邊界不清、難以定量分析的情況。結合實際遇到的困難，本文選用模糊綜合評價法來進行實證分析，模糊綜合評價法是以模糊數學為基礎的評價方法，它主要是根據模糊關系合成的原理將難以定量的因素定量化，實踐證明模糊綜合評價法在經濟管理領域的應用很成功，它可以促進管理和決策的規范化和科學化，從而提高管理者的辦事效率[7]。運用模糊綜合評價方法時也會遇到確定指標權重的問題，本文采用層次分析法來確定各指標的權重系數，使評價過程和評價結果更具客觀性，從而使模糊綜合評價法更加客觀和完善。

1.模糊綜合評價法的建模步驟

通常情況下，使用模糊綜合評價法都會經歷選擇評價因素集（即評價指標體系）、選定評價等級集、進行單因素評價、建立評價矩陣、確定權向量、進行模糊合成、做出評價決策等重要操作步驟。下面具體介紹以上幾個步驟：

第四步：確定指標權重

在模糊綜合評價中，因素集中的各因素并不是同等重要的，所以需要根據評價因素對被評價對象的貢獻程度給予相應的權重。如果記評價因素ui的權重為ai，則對應于評價因素集u的權向量可表示為A=（a1，a2，…ap）。對于權重ai，通常要求ai≥0。確定權重系數的方法有很多，如Delphi法、加權平均法、專家打分評估法等。本文選用層次分析法來確定權重系數，該方法是一種定量與定性分析相結合的方法，使用層次分析法確定權重可以降低評判者主觀性引起的誤差。

第五步：模糊合成

在第三步獲得了模糊矩陣R和第四步確定了權重向量的基礎下，再選擇合適的算法將權向量A對模糊矩陣R進行模糊合成，從而得到模糊綜合評價結果向量B：

第六步：做出決策

求得綜合評價結果向量B后，B中最大的元素bi表示被評價對象最適合于該等級。這即是最大隸屬度原則，使用該原則往往會導致重要信息的損失，導致所得到的評價結果與現實不符，因此本文對該原則做出了一定的改進，使用加權平均來求隸屬等級。

2.層次分析法確定權重

確定權重是綜合評價的關鍵步驟，通常可以將賦權方法分為主觀賦權法和客觀賦權法。而本文所選用的層次分析法是一種主觀判斷用客觀的定量形式來表示的賦權法，它特別適用于一些難以直接用定量指標進行分析的復雜問題。一般情況下，層次分析法都要經歷建立遞階層次結構、確定判斷矩陣、計算判斷矩陣的特征值、一致性檢驗等重要步驟。

三、案例分析

1.指標體系的構建和數據收集

本文以四川省某第三方物流公司為核心的生鮮品物流服務供應鏈為例，在考慮供應鏈整體績效的基礎上，結合評價指標選取中的可操作性原則、獨立性原則、層次性原則、完備性原則，圍繞顧客滿意度、協同能力、綜合發展能力、生態環境影響、規范化管理、運營盈利能力這六個方面，構建了一套由6個一級指標和19個二級指標所組成的評價體系，該體系適合新時期下我國生鮮品物流服務供應鏈績效評價。評價所用的數據是通過問卷調查獲得，問卷設計成李克特量表的格式，指標的度量采用李克特量表的方法，各指標的評價等級分為4個評價等級：好、良好、一般、差，同時對其進行量化并依次賦值為4、3、2、1，所設計的評價分級標準見表1。

本文采取了發放紙質問卷、電子郵件以及電話訪問等調查方式，對研究所涉及的企業中高層負責人、普通員工、日常顧客、相關企業的合作伙伴以及環境管理部門進行了調研。本次調查共發放300份問卷，收回的有效問卷280份，收回比例為93.3%，因此數據是有效的。

2.層次分析法求解指標權重

通過查表可得RI=1.24，則可以求得隨機一致性比率CR：

一致性比率CR的值小于0.1，可判定通過了一致性檢驗，因此對特征向量進行歸一化處理后便可求出權重向量：

A=（0.202，0.156，0.165，0.202，0.109，0.166）

同理，對于二級指標權重的確定可以采取和上述一樣的方法。最后得到各自的權重系數分別如下：顧客滿意度六個二級指標的權重系數為（0.183，0.128，0.210，0.174，0.199，0.106）、協同能力四個二級指標的權重系數為（0.213，0.321，0.285，0.181）、生態環境影響四個二級指標的權重系數為（0.217，0.285，0.246，0.252）、規范化管理兩個二級指標的權重系數為（0.474，0.526）、運營盈利能力兩個二級指標的權重系數為（0.429，0.571）。具體情況如表2所示。

3.生鮮品物流服務供應鏈績效的多級模糊綜合評價

計算出權重向量A和模糊矩陣R后，要將兩者進行合成運算從而計算模糊綜合評價結果向量B。其中模糊合成的算法有很多，例如取大取小算法、zadeh算法、加權平均算法、環和乘積算法、有界算法等，選用不同的算法可能會導致最終的評價差異很大。本文采用加權平均型算法來完成模糊合成。其具體算法公式：

其中，bi表示被評價對象從總體上看隸屬于等級j的程度，ai表示第i個評價指標的權重系數，rij表示第i個評價指標隸屬于第等級的隸屬度。

將問卷調查得到的數據整理后代入所建立的模型中，分別計算出各級指標的評價向量經歸一化后的結果：顧客滿意度的評價向量經歸一化處理后的向量為（0.150，0.459，0.312，0.079）、協同能力的評價向量經歸一化處理后的向量為（0.084，0.226，0.499，0.197）、綜合發展能力的評價向量經歸一化處理后的向量為（0.035，0.370，0.511，0.084）、生態環境影響的評價向量經歸一化處理后的向量為（0.032，0.279，0.501，0.188）、規范化管理的評價向量經歸一化處理后的向量為（0.027，0.300，0.496，0.177）、運營盈利能力的評價向量經歸一化處理后的向量為（0.020，0.231，0.457，0.292）。最后再對各一級指標的綜合評分值進行等級評定可得：

由上述求得的得分結果和表1的評價分級標準可知：被考核對象在“顧客滿意度”這個評價指標上的得分為2.68，所以其評價等級應該為S2級（即表現良好）；而被考核對象在其余5個評價指標上的得分均小于2.5，所以其評價等級均為S3級（即表現一般）。最后求出總體的綜合評判分值為：

說明以四川省某第三方物流公司為核心的生鮮品物流服務供應鏈的績效評價結果為S2級（即表現良好）。

四、結論

基于新時期下經濟發展的理念和新要求，本文在對綠色物流服務供應鏈績效評價時既考慮了經濟效率又結合了經濟發展的“綠色”理念，使用模糊綜合評價法來分析物流服務供應鏈的績效評價問題，其中指標權重的確定是采取了層次分析法，該方法有效的避免了主觀人為干擾，使評價過程具有較強的邏輯性、實用性和系統性。改進后的模型求解簡便，有較好的應用前景和推廣價值，將模糊綜合評價法用于物流服務供應鏈的績效評價有利于促進物流行業整體水平和規模的健康發展。

參考文獻：

[1]杜媚，姜前昆，唐立新.生態位視角下物流產業競爭力u價――以長江中游城市群16城市為例[J].商業經濟研究，2016：（22）.

[2]倪霖，王偉鑫.基于灰色AHP的物流服務供應鏈績效評價研究[J].計算機工程與應用，2011：47（32）.

[3]黃祖慶，蔡文婷，張寶友.利益相關者理論視角下物流服務供應鏈績效評價[J].西安電子科技大學學報（社會科學版），2013：23（5）.

[4]陳虎.物流服務供應鏈績效動態評價研究[J].計算機應用研究，2012：29（4）.

[5]李耀華.基于生態經濟視角的農產品冷鏈物流效率評價研究[J].商業經濟研究，2015：（34）.

[6]李安貴，張志宏，孟艷等.模糊數學及其應用[M].武漢：冶金工業出版社，2003：144-146.

[7]王新洲.模糊空間信息處理[M].武漢：武漢大學出版社，2003：130-131.

[8]李士勇.工程模糊數學及應用[M].哈爾濱：哈爾濱工業大學出版社，2004：101-108.

[9]佟春生.系統工程的理論與方法概論[M].北京：國防工業出版社，2000：185-186.

篇4

關鍵詞：高層管理者；績效考核；發電企業

作者簡介：趙磊（1981-），男，北京人，中國大唐集團公司人力資源部，工程師。（北京 100033）

中圖分類號：F272.92 文獻標識碼：A 文章編號：1007-0079（2013）17-0158-03

一、發電企業高層管理者績效考核現狀

績效考核是指按照設定的標準與程序，采用科學的方法，評估員工履行崗位職責的程度與優劣，以確定其工作業績和改進方向的一種管理方法。它為員工崗位競聘、培訓發展、薪酬激勵等人力資源管理系統的運行提供了客觀依據。因此，績效考核是企業激勵與約束機制的重要保證。

迄今為止，國有發電企業績效考核使用最多的考核指標體系仍然是“德能勤績廉”。目前國內多數國有企業對高層管理者的績效考核都采用這種模式，或者是在“德能勤績廉”的基礎上做一些變化嘗試融入一些個性化的指標。對于身為市場主體、參與市場競爭的企業來說，這種方式的考核內容本身是相對靜態的，不具有針對性且顯得過于呆板、陳舊。

近幾年中央大力推行管理提升年活動，找差距、攻短板、提效益，為了打造國際一流的能源企業，全面提升國有發電企業的競爭力，一些企業把管理提升的重點放在了績效管理體系上，通過目標分解與指標量化的方式，由主觀、靜態、定性的考核向客觀、動態、定量的考核轉變。然而該考核實施后，筆者卻發現了一個非常有趣的現象：從個體到部門、從部門到整體的績效都很好，但企業的效益并未提升。影響企業成功的關鍵因素并未得到實際有效的控制，考核指標與企業戰略脫節，整個績效考核的流程顯得形式化，員工對績效考核工作怨聲載道，企業的可持續發展能力受到了限制。

二、績效考核的重要意義

企業高層管理者是企業重要的骨干力量，是指分管公司業務，具有指揮、決策權限的經營管理人員。本文所研究的考核對象主要是指國有發電企業實體的高層管理者。現階段，電力企業做實做優高層管理者績效考核體系具有深遠的意義。主要原因有以下幾個方面：

1.確保企業目標的實現

企業高層管理者是企業最寶貴的財富，是推動組織發展和變革的重要因素，是貫徹執行組織決策的關鍵層次，他們的管理行為與管理結果影響著企業目標的實現。他們向員工傳達著組織的信息，是把企業目標與員工崗位工作目標聯系在一起的關鍵動力。

2.孕育企業文化

績效考核具有業績導向功能，通過企業績效考核指標體系的構建以及具體指標的選取可以達到建立并傳達組織的價值理念和效益導向的目的，績效考核工作的有效實施可以培育和樹立符合企業特點的價值觀，最終形成良好的企業文化。通過將企業高層管理者的績效管理同企業整體業績考核結果相結合，最終規范了高層管理者及企業全體員工的績效觀念，從而使企業上下一心為達成組織目標而努力。

3.有助于高層管理者的職業生涯管理

根據馬斯洛層次需要理論，高層管理者相對于普通員工而言具有較高層次的需求，他們不僅期望獲得豐厚的報酬，更期望能夠承擔更大的責任，在職業生涯發展上有所成就。高層管理者是國有發電企業人力資本的重要一環，其資本專用性較高，退出成本也相對較高。因此，他們更有可能與企業建立和諧的“心理契約”，將個人職業生涯與企業目標緊密聯系在一起。績效考核的實施恰好能夠真實反映出個人能力的短板，指出不足和需要改進的方向，幫助高層管理者更好的進行自我職業生涯規劃與個人能力素質的提升。

三、考核指標體系設計應遵循的基本原則

指標體系是績效管理的重中之重，是影響績效管理結果的關鍵因素，改進績效考核首先要選擇可靠、可衡量的考核指標體系，設計一套符合企業經營實際特點和經營周期的具體考核指標，這是績效管理成功的前提，也是整個績效管理活動的中心與紐帶。為了設計出一套符合國有企業特點，真實可用的指標體系，必須堅持以下幾條原則：

1.堅持價值思維與效益導向

國有企業長期以來以規模思維為指導，重規模、輕效益，績效考核指標的設計也是為此服務。而價值思維意味著重視企業的長期發展，從創新的角度看待問題。價值思維作為企業的核心經營理念，引領企業戰略的實施，引領企業干部員工隊伍建設，也引領績效管理理念的轉變。價值思維除了包含內部個體價值外，還關注企業整體效能和產生效益的價值本質，促使我們從整體價值觀念看待問題。同時，應通過績效管理工作著力提升干部員工的價值，注重提高內部員工價值產生的隱形效益，最終以科學發展觀為指導，以創造價值、創造效益為決策依據和考核標準，著力調整優化結構，轉變企業發展方式，提升發展效益質量，做到速度和質量相統一。

2.堅持抓住重點與核心履職情況，設計考核指標清晰可行

在現代企業管理中，“二八法則”的應用非常廣泛，在指標體系設計中主要體現為：企業重點管理好占職工總數的20%的經營管理者與技術骨干，提高企業效率，并能夠針對企業最關鍵的問題進行決策，以達到綱舉目張的效應。沿著“二八法則”解決問題的思路和出發點，應用于績效管理指標體系的設計，應該立足業務性質與工作職責，抓住最重點和核心關鍵問題設計考核指標。

同時，績效考核的可行性受到測評成本的限制，在指標的設計上要有成本效益的意識，考核指標應盡量具有普遍性和代表性，提倡用最少的指標控制最大的績效結果。指標必須定義明確，與實際考核內容保持一致，對于定性指標選擇較多的，應將指標的考評尺度盡可能細化，確保績效指標的可操作性。

3.堅持財務指標與內控指標相結合，定量指標和定性指標相結合

自電力系統改革后，作為市場化運作的企業，經濟效益已成為企業考核評價的重要依據與可持續發展的重要保障，也成為了業績考核工作最終的著眼點。為了保持個人目標與組織目標的一致性，妥善解決個人政績與集體政績相混淆的問題，實事求是地評價和判斷個人在組織績效提升中的作用，要加強對發電企業高層管理者所管團隊的整體績效的考核，同時在指標體系設計時，應將財務指標作為考核的基礎指標同反映企業經營特點與內部管控過程的分類指標相結合納入考核當中去。

同時，單純的定量指標并不能反映高層管理者的業績，片面追求指標的量化不但不會真實反映業績還會加大績效考核運行成本。在發電企業高層管理者績效考評的問題上，應結合電力企業的特點，不必強求定量指標，而要根據企業業務性質合理設置指標，將定量的經營業績考評指標與定性的個人素養綜合能力指標相結合。

4.采用目標管理、平衡計分卡及KPI方法構建指標體系

美國管理專家彼得.德魯克提出管理必須遵循的原則是每項工作都必須為達到總目標而展開。目標管理法的核心是由員工和管理者共同制定個人目標，使其與企業目標、部門目標一致。為了保證目標管理的成功，要確保目標制定程序嚴格、準確；將目標管理與預算計劃、績效考核、薪酬、人力資源規劃系統相結合；要注重適時、頻繁的績效溝通反饋；管理者對于績效的關注和績效溝通的效果，對績效水平的提升有著重要作用。

平衡計分卡是一個注重企業組織整體戰略實施的績效管理工具，它將戰略目標轉化為具體的互相平衡的績效指標體系，克服了單純利用利潤等財務指標作為衡量績效水平的手段，使得績效管理更加關注長遠的具有內部推動力的指標，由于這種績效管理方式使企業從被動變為主動，不僅有助于推動績效結果的實現，更會使人們的眼光專注于能夠推動企業成長的指標上來，利于培育企業的核心競爭力。

KPI是將企業戰略目標進行分解，挑選關鍵的、最好是可量化的指標作為考核指標，將企業戰略轉化為企業經營活動，使績效考核不僅是激勵約束手段，更是戰略實施工具。因此，KPI必須是衡量企業戰略實施效果的關鍵指標，應抓住績效特征的根本，不能片面與空泛，能夠量化的指標盡量量化。

四、指標體系的建立

構建發電企業高層管理者考核指標體系的思路：一是全面性，從工作業績、內部管理、經濟效益等方面確定考核指標。二是突出戰略性，采用KPI法，根據公司年度目標分解下來的重點工作任務，采用魚骨圖分析法設置考核指標，突出基于核心職能的業績指標。三是實用性，指標體系的設計要簡潔，切忌數量多、內容泛，只需要選取能夠突出工作重點，易于測量觀察的指標，并盡可能量化，對不能量化的指標應盡可能從行為上進行規范。

1.工作業績指標體系

第一步：明確企業戰略重點及戰略目標，發電企業基本涵蓋了效益、安全、內控與社會責任幾個方面，通常可以簡單表述為“以安全生產為前提，降低成本，實現發電量、收入、利潤的增長，促進企業不斷發展”。

第二步：在明晰企業戰略的基礎上，確定影響戰略成功的關鍵因子。組織行業內專家、企業管理者進行分析研究，設計問卷并進行問卷調查，對各業務模塊各層級人群進行訪談，尋找提煉能夠有效驅動企業戰略目標實現的關鍵因子。火力發電廠的關鍵成功因子是經濟效益、內部管理、客戶服務、社會責任等。

第三步：運用魚骨圖對已經確定的關鍵成功因子進行分解，確定關鍵績效要素（KPI要素）。例如：經濟效益的關鍵績效要素包括利潤、資本管理、成本等。

第四步：在KPI要素上結合高層管理者的職責提煉出業績關鍵績效指標。例如經濟效益指標可分解為利潤總額、經濟增加值成本費用利潤率等年度指標，以及國有資本保值增值率、資本金凈利潤變化率等長期指標等，最終形成多維度考核評價指標體系。

2.履職評價指標體系

要對發電企業高層管理者的工作業績進行全面衡量，還必須輔以履職評價，因為工作行為與工作態度也是影響績效表現的重要因素。對發電企業高層管理者進行考核不能僅僅關注財務指標，還應對其工作行為、工作態度進行考核，即關注其能力素質表現。這些內容在很多企業的績效考評表上都有所體現，但不同的是對考量工作行為、工作態度的具體指標有所不同。發電企業高層管理者此類指標的選取應抓住關鍵點，確定反應崗位履職優異的重要能力與行為特征，并依據多數適用的原則，選取具有代表性的指標。通過借鑒國內外關于高層管理人員成功因素的研究成果，結合個體訪談、多方面調研，在應用模特法的基礎上綜合運用其他方法進行甄別，最終確定適合反映發電企業高層管理者科學管理、公平公正、團隊精神、廉潔自律等方面的工作行為以及責任感和敬業精神等方面的工作態度指標體系。

五、基于層次分析法的指標權重確定

指標權重是指某項指標占全部指標的比重，體現了各指標的重要性。因此，指標權重確定方式非常關鍵，會影響考核結果甚至考核的意義。合理的權重既能體現評價指標的重要程度，又能體現考核導向。確定權重的方法有主觀賦權法和客觀賦權法。主觀賦權法中具有廣泛代表性的是德爾菲法，客觀賦權法中運用較為廣泛的是AHP層次分析法。本文指標權重的確定結合了客觀賦權法與主觀賦權法，廣泛發放了調查問卷，統計了調查結果，之后運用層次分析法來確定了指標權重。

AHP層次分析法的原理是將評價系統的各種要素分解成若干層次，將同一層次的要素兩兩比較并計算出各要素的權重，按最大權重原則確定最優方案。它是在簡單加權法的基礎上推導得出的。

1.建立層次結構模型

在深入分析所考慮的決策后，將發電企業高層管理者績效考核作為層次分析的目標層（A），將考核內容作為層次分析的準則層（B），將具體考核指標作為層次分析的方案層（C），建立發電企業高層管理者考核層次結構模型如圖1所示。

2.構造判斷矩陣并求最大特征根和特征向量

根據上下層次間元素的隸屬關系，在同一層次間構建兩兩判斷矩陣。兩兩判斷矩陣設為（aij）n×n，則有；aij>0。

各層次具體判斷矩陣構造方法是：在發電企業高層管理者績效考核目標層（A）下，根據各級指標關鍵程度，兩兩比較關鍵因素的重要性，關鍵程度越高、與企業目標的達成關系越緊密，重要性越高，構造該級別判斷矩陣（A-B）。構造（B-C）判斷矩陣則是根據具體指標的兩兩比值作為矩陣中元素。這里引用1～9標度來表示重要性判斷結果，標度如表1所示。

采用幾何平均近似法來計算判斷矩陣的特征向量和最大特征值。其計算步驟如下：

3.計算判斷矩陣一致性指標，并檢驗其一致性

定義。CI=0時，完全一致。CI愈大，矩陣的一致性愈差。對1～9階矩陣，平均隨機一致性指標RI見表2所示。

當階數≤2時，矩陣總有完全一致性；當階數>2時，稱為矩陣的隨機一致性比例。當CR

通過問卷調查，并運用MATLAB軟件計算權重，得出如下計算結果。

六、總結

本文分析了我國發電企業高層管理者的考核指標體系的優點與不足，闡述了發電企業面臨的主要問題與目標，運用了KPI-BSC績效考核方法，對其考核指標體系進行了設計，在新的市場經濟形勢下，我國火力發電企業高層管理者績效指標體系的構建具有現實的指導意義。

參考文獻：

[1]方振邦.戰略性績效管理[M].北京：中國人民大學出版社，2007.

[2]趙靜.數學建模與數學實驗[M].北京：高等教育出版社，2000.

篇5

關鍵詞：地震預測；相關系數；加權和；均生函數；時間序列

中圖分類號：P31文獻標識碼：A文章編號：1009-3044(2008)32-1252-05

The Model of Earthquake Prediction

GONG TANG Xiao-heng1, LIN Jian-ming2, SU Jing3, ZHOU Jie2

(1.School of Computer Science, Sichuan University,Chengdu 610065,China;2.College of Mathematics, Sichuan University,Chengdu 610065,China;3.School of Electrical Engineering and Information,Sichuan University,Chengdu 610065,China)

Abstract: This paper was mainly about the earthquake prediction on the basis of the relationship between the frequency of strong earthquakes in 16 seismically active zones all over the world and the probability of strong earthquakes which may happen in China the next year. Firstly, according to fuzzy clustering and variable normalizing, we obtained a relevant coefficient matrix about the relationship between the frequency of strong earthquakes in 16 seismically active zones all over the world and the probability of strong earthquakes which may happen in China the next year with data of the previous 15 years. Through weighted summation of the frequency of strong earthquakes in 16 seismically active zones all over the world during the previous 15 years, we obtained the “influencing value” of each zone and set the minimum value as the lower limit value, and then established the prediction model of strong earthquakes in China the next year. Secondly, we screened out the highest earthquake magnitudes each month in Yunnan to compose an earthquake sequence. Next we applied to mean generating function from Meteorological prediction to generate a time sequence. Thus we established the prediction model of the highest earthquake magnitudes in Yunnan by using cyclic extension and adjusted residual gradual fitting.

Key words: earthquake prediction; relevant coefficient; weighted summation; mean generating function; time sequence

1 問題的提出

1.1 基本情況

地震是地下巖層受應力作用錯動破裂造成的地面震動，是一種破壞性極強的自然災害，是自然災害之首惡。地震可以在很短的時間內使一座城市夷為平地，使無數的家庭支離破碎。為了有效的減小地震帶來的損失，對地震進行預測則很重要。

我們從以往已經發生過的地震記錄中尋求規律，以達到對未來時間地震發生情況的預測。全球強震帶主要集中分布在環太平洋地震帶和歐亞地震帶，而且身處其中的不同的地區間地震發生情況是互相關聯的。我國亦處在其中，因此我國的地震活動和全球的地震活動是密切相關的，尤其是和板塊邊界的強震活動更是如此。

1.2 相關信息

參考文獻[1]：國家地震數據科學共享中心的中國地震臺網數據目錄中給出的全球從1985年1月1日到2006年8月25日的地震數據。

1.3 需解決的問題

對地震預測建立數學模型，具體要求如下：

1) 對參考文獻[1]給出的數據，找出16個強震活動區的強震活動次數與其后一年我國強震發生與否的關系，用它預測2007年我國是否會有強震發生。

2) 利用參考文獻[1]給出的數據，及我國地震帶的分布，在我國地震活動較強的某個區域內（本文選擇云南作為研究對象），做進一步的短臨預測，預測在此區域內，2006年9月、10月發震的最高震級。

2 模型假設與符號說明

2.1 模型假設

1) 對震級的計算有不同的度量，給出的震級數據，假設已經統一成面波震級；

2) 假設問題中對全球16個強震活動區的劃分及我們對地區歸類分區準確無誤；

3) 假設國家地震數據科學共享中心所提供的地震數據真實準確；

4) 假設強震指大于或等于6.0級的地震；

5) 假設問題1數據處理中全球16個強震活動區前15年是從1986年開始記錄，而中國前15年是從1987年開始記錄；

6) 假設問題2中震級小于或等于2.0的地震不予考慮；

7) 假設處理問題2中云南地區每月最高震級時將其它數據作為余震處理；

8) 對附件2數據處理時：

a) 假設緯度以N為基準，即標為"N"的數據，去掉"N"；標為"S"的數據，去掉"S"，并添上負號"-"。例如：23.22N 23.22，23.22S -23.22；

b) 假設經度以E為基準，即標為"E"的數據，去掉"E"；標為"W"的數據，去掉"W"，并用360減去該數值。例如：101.3E 101.3，101.3W 257.7。

2.2 符號說明

表1為符號說明表。

3 問題分析

3.1 問題1

要找出16個強震活動區的強震活動次數與其后一年中國強震發生與否的關系，并要預測2007年中國是否會有強震發生，而地震活動之間的影響具有高度的非線性性，要求出一個具體的函數關系式有很大的難度，且又因為每個區強震次數對中國強震發生的影響各不相同，故考慮：

1) 求出全球16個區和中國前15年強震次數的規格化系數；

2) 求出全球16個區強震發生次數對中國強震影響的權值，也即對相關系數歸一化后得到的相關度；

3) 利用權值算出16個區強震活動次數的加權和；

4) 取一個下限值作為對中國強震發生與否的度量值；

5) 檢驗運用下限值預測的準確性；

6) 預測中國2007是否發生強震。

3.2 問題2

地震的數據有很強的不穩定性，利用連續函數的方法預測準確性不高，用周期分析是地震預測的主要方法之一，歸納起來可分為2類：一類是對已發生的地震序列進行定性分析，以經驗劃分周期進行外推預測；另一類就是從地震序列本身出發，利用各種數學方法擬合并進行預測。針對上述問題，本項研究借鑒氣象學中用于中長期預測的數學方法，依據地震預測特點，結合一、二兩類方法，先經驗性的劃分周期，然后通過調節周期值減小誤差。

4 模型的建立與求解

4.1 問題1

4.1.1 劃分全球16個強震活動區

根據圖1和參考文獻[1]給出的數據劃分全球16個強地震帶。統計數據如表2。

4.1.2 規格化系數

假設全球16個強震活動區前15年是從1986年開始記錄，而中國前15年是從1987年開始記錄。

中國的x參數定義為：

用數學符號描述為：

4.1.3 相關度

利用自定義的Matlab文件qiuc.m，再調用自定義函數xishu求出C=[0.6739 0.4657 0.6107 0.7533 0.7222 0.8095 0.8013 0.6625 0.6803 0.6430 0.7608 0.6065 0.5938 0.7735 0.6698]

作為第i區發生強震次數與中國后一年發生強震的權值。

4.1.4 加權和

取前15年的數據做研究，用第i區第j年發生強震的次數乘以第i區的相關系數：

前15年16個區的加權強地震次數和記為對應年的地震次數：10.8604 8.8636 10.7887 6.5039 10.5366 8.4613 8.9314 10.52459.8064 13.2414 12.4107 8.5926 8.0791 6.6808 9.5909

4.1.5 下限值

前15年加權和的最小值

用min函數求16區強震次數影響中國后一年次數的下限值-6.5039。

4.1.6 檢驗

假設得出下限值在誤差3%的范圍內有效。

若接下來16區的加權強地震次數和小于該下限值，則預測中國后一年不發生地震。

再以接下來5年的數據做檢測，若用接下來5年的數據得到的16區在j年能影響中國發生強震的強震次數，在誤差允許范圍內比下限值小，則認為后一年中國不發生強震，反之則會發生。

得接下5年的強震加權平均值為：8.5641；6.6224；5.9168；6.3156；8.3036。

在誤差允許的范圍內，會有一年發生錯誤，在接下來的5年內中國實際上每年都有強震發生，故預測的準確率為80%。

4.1.7 預測

由2006年的數據，調用yuce.m可得2006年16區強震的加權平均值為7.3518,大于下限值6.5039。

故可以80%的準確率預報中國在2007年會發生強震。

4.2 問題2

4.2.1 模型建立

利用均生函數的數學方法建模，進行周期性外延對時間序列作出多步外推。擬合時考慮了短臨預測的準確性，將以往的地震預測的雙評分標準csc準則的λ值取為0，直接通過給定方差的閾值調節適當的周期。

1) 用均生函數構造時間序列

設時間序列x(t)={x(1),x(2),…,x(N)}，式中：N為擬合樣本量。

其均生函數定義為：

式中：n，L滿足nL≤[N/L]的最大整數，M為不超過[N/2]的最大整數。

均值生成函數是由時間序列按一定的時間間隔計算均值而派生出來的。

取不同的周期（L=1,2,…,M），用均值生成函數循環外推構造延拓序列，即為在一定周期下構造的新序列：

2) 擬合周期的選取

用不同周期的均生函數所構造的序列不同，如何選取合適的周期，使擬合的效果達到最佳是一個關鍵的問題。本文將長期預測的雙評分準則轉為單評分準測，以提高短臨預測的精確度。

a) 雙評分準則CSC（Couple Score Criterion）：

雙評分準則CSC是從數量預報評分和趨勢預報評分2個方面來權衡變量的篩選或階數的確定，采用隱式表達，即CSC=S1+S2 ，其中：S1表示數量評分，稱之為精評分；S2表示趨勢評分，即粗評分。雙評分準則旨在使精評分和粗評分之和達到最小。該準則有3種不同的表達式，本文采用第一種，即CSC1準則：

其中：N為樣本量；Qk為平均殘差平方和；Nk為趨勢評分。

如果預報考慮升平降3種趨勢，則趨勢評分定義為：

式中：

U是判定不同趨勢的標準，可根據預報問題憑專業只是確定。λ為調整系數，表示數量預報和趨勢預報的權重。λ=1.0時，二項權重相等；λ>1.0時，趨勢預報占的比重較大，這一點對地震的中長期預報而言是非常重要的。在進行擬合時，取不同的時期，可構造不同的序列，根據雙評分準則，計算其CSC1值。取CSC1值最小的周期作為一級擬合的周期。

b) 單評分準則：

利用地震發生的周期性，為提高短臨預測，不使用中長期的雙評分準則CSC，將雙評分準則的CSC表達式中的λ取為0。同時將累計的范圍設定在L-N之間。取累計殘差的平均值

將其作為為單評分標準，以符合短臨預測的要求。

4.2.1 模型求解與誤差分析

1) 最優周期的選擇

若一時間序列x(t)={x(1),x(2),…,x(N)}存在長度為L的周期，那么由此周期構成的新序列是由x(1),x(2),…,x(L),x(L+1),x(L+2),… x(2L),…加上隨機項構成的。顯然，序列中x(L)與x(L+1),x(L+2),…數據相近，x(2)與x(L+2),… x(2L),…相近。依此類推，不同周期相同序號上的數據之間的方差稱為組內方差，同一周期內數據之間的方差稱為組間方差。這里我們只考慮組內方差，將組內方差的范圍設定在L-N之間。我們將方差的設定為： =2.3

通過調節周期L值使方差的值達到設定的閾值

2) 擬合與數據求解

擬合度定義=1-相對誤差值

選取云南地區每月的最大震級作為觀測數據，取未擬合的6個月的數據作為檢驗數據發現最低擬合度達到：65%，最高達到95%，平均殘差值Q =2.2543，最優周期為L=40，如表3所示。

我們預測結果是：第9月的最大震級是：3.7；10月份的最大震級是：3.4。

5 模型的討論與推廣

5.1 模型的討論

該模型通過改進中長期的方法達到比較理想的效果，但是模型求解的精確度依賴于對周期的選取。本文中使用殘差調節周期值有一定合理性，而且相對容易操作，比較適合短臨預測。本模型在也可以改進最優周期的選取方法用于中長期預測。

5.2 模型的推廣

預測問題是一個普遍性問題，尤其作為氣象學經典預測的均生函數預測模型，更能得到更廣泛的應用，可以應用于各種類似的預測問題中。根據前面的模型所建立的地震預測系統和歷史地震數據，可以較好地預測某一年是否會有地震發生以及某區域某月的最高震級。還可以應用于氣候預報、自然災害預測等領域。

6 結束語

地震監測預測是防震減災的基礎，直接關系到防震減災事業的成效。地震監測預測的根本突破，取決于地震監測預測科技水平的不斷提高。因此，強化管理，依靠科技進步，不斷提高地震監測預測科技水平，是推進防震減災事業發展的重要途徑和根本保證。

云南省是我國地震災害最嚴重的省份之一。由于地處印度洋板塊和歐亞板塊碰撞帶東側，新構造運動和現代構造活動十分強烈，歷史上曾發生多次強烈地震，現今中強地震活動頻繁。由于地震本身的復雜性和目前對地震的科學認識水平，以及觀測方法、研究深度的局限性，地震監測預測水平與政府和社會需求之間的差距仍然很大。因此，進一步完善地震監測預測工作管理體制、規劃地震監測預測的科學布局技術要求，是防震減災工作的重要任務之一。

參考文獻：

[1] 國家地震科學數據共享中心[EB/OL]./index.jsp.

[2] 吳紹春,吳耿鋒,王煒,等.尋找地震相關地區的時間序列相似性匹配算法[J].軟件學報,2006(17):185-192.

[3] 姜啟源,刑文訓,謝金星,等.大學數學試驗[M].北京：清華大學出版社,2005.