灰色模糊评价方法-盘古文库

灰色模糊评价方法

来源：火烈鸟

作者：开心麻花

2025-09-18

灰色模糊评价方法（精选8篇）

灰色模糊评价方法第1篇

关键词：灰色模糊评价,项目投资,决策分析

项目投资决策需要考虑很多不确定的影响因素, 选用单项财务指标进行评价, 其本身都有一定的片面性, 根据不同的指标值来决策有可能会得出不同的结果。综合考虑财务因素和非财务因素, 对项目进行综合评价能够选择那些最优的项目方案。本文尝试应用灰色模糊综合评价方法进行项目投资决策分析。

一、灰色模糊综合评价的特点和方法综述

项目投资决策领域中普遍存在不确定性决策问题, 不确定性主要有:一个是主观不确定性, 即人的思维模糊性;另一个是信息不完全、不充分所造成的客观不确定性, 即灰性。在一个信息不完全的问题中, 往往存在许多模糊的因素;具有模糊因素的一个问题可能不具备完全充分的数据与信息。灰色是量的概念, 模糊是质的范畴。因此用灰色模糊概念来探讨项目投资决策问题, 能够更好地构建具有柔性的决策模型, 且使决策结果更加接近实际。

许多学者对灰色模糊综合评价进行了研究, 笔者归纳分析主要有以下几种方法: (1) 用灰色关联分析选定评定因素, 确定权重集, 进行模糊综合评判; (2) 运用灰色系统理论确定评估灰类, 计算灰色评估系数, 得出灰色评估权向量和矩阵, 依据模糊数学理论形成评判矩阵, 进行模糊评价; (3) 将评价对象的模糊综合评判结果矩阵视为比较数列, 计算各个比较数列和各参考数列的灰色关联度, 根据关联度大小对评价对象进行优劣排序; (4) 使用模糊综合评判和灰色关联综合评价法, 分别进行评判, 然后再将结果进行综合集成; (5) 用模糊数学中的广义距离来表示参考序列和比较序列的差异程度, 然后用灰色关联分析法进行综合评判; (6) 根据灰色理论的差异信息原理, 构造灰色隶属度算子, 形成新的模糊隶属度矩阵, 然后进行模糊综合评判; (7) 以灰色模糊关系为基础, 将隶属度和灰度综合到评判过程中, 进行灰色模糊综合评判; (8) 根据灰色模糊数学理论, 用区间数来表示隶属度, 并将隶属度和灰度综合起来, 建立区间数灰色模糊综合评判数学模型, 进行评价; (9) 使用灰色关联系数法构建模糊评判矩阵, 然后再进行模糊综合评判。

基于灰色关联分析的模糊综合评价法, 方法简便, 易于操作。综合考虑项目投资指标的特点, 本文采用此法进行投资决策分析。

二、灰色模糊综合评价的数学模型的建立

1. 建立综合评价的因素集。

因素集是以影响评价对象的各种因素为元素所组成的一个普通集合, 通常用u表示, 即:u= (u1, u2, , um) , 其中元素ui (i=l, 2, , m) 代表影响评价对象的第i个因素。

2. 确定因素权向量。

评价工作中, 各因素的重要程度有所不同, 为此, 给各因素ui (i=1, 2, , m) 确定一个权重ai (i=1, 2, , m) , 各因素的权重集合的模糊集, 用A表示:A= (a1, a2, , am) 。

3. 基于灰色关联分析的模糊关系矩阵

(1) 确定比较数列 (评价对象) 和参考数列 (评价标准) 设评价对象为m个, 评价指标为n个, 则比较数列为

用矩阵形式可表示为:

为第i个方案的第k个指标的评价值;取每个指标的最佳值为参考数列的实体, 则有参考数列

(2) 指标值的规范化处理要确定数列的灰关联系数, 需要对数据列进行生成处理。对时间序列数据的处理, 常用的处理方法有:初值化, 最小值化, 最大值化, 平均值化, 区间值化等。对于非时间序列的数据不存在运算关系, 采用指标区间值化, 归一化, 标准化等处理方法。本文采用规范化公式:

利用 (2) 式对 (1) 式进行规范化处理

(3) 确定灰关联系数

其中:是分辨系数, 且, 通常取为0.5以几何意义来讲, 关联系数与隶属度是相似的, 于是可得模糊关系矩阵[9]

(4) 建立综合评价模型。确定R、A之后, 通过模糊变换将u上的模糊向量A变为v上的模糊向量B, 即:

其中, “”称为广义模糊综合评价合成算子有无穷多种, 但实际中经常采用的有几种, 本文根据具体情况采用加权平均法, 上式即为综合评价模型。

(5) 模糊评价。根据各个因素在评判集上的隶属度。得到评判指标之后, 便可根据最大隶属原则选择最大评判指标max bj所相对应的方案为评判结果。

三、应用

某工程有以下四种方案, 现使用灰色模糊综合评价进行分析

1. 选择评价指标, 建立评价指标集。

根据具体情况, 选择总投资额、投资回收期、期望净现值、内部收益率、环境影响评价作为评价指标, 组成评价指标集。

2. 确定权重。

根据德尔菲法, 由专家确定各指标权重 (0.250.15 0.3 0.2 0.1)

3. 确定最有指标集, 构造初始矩阵并规范化

4. 计算灰色关联系数并建立灰色模糊关系矩阵

5. 模糊评价

由前面求得的A、R, 根据B=AR, 可得B= (0.4555 0.7580.793.0375) 即方案1、2、3、4的评价值分别为0.4555, 0.758, 0.793, 0.375。根据最大隶属原则, 方案3为最优方案。

四、结论

灰色模糊综合评价模型及其算法, 具有严密的数学逻辑推理, 方法简便易行, 应用于项目投资决策分析具有较高的实践价值。

参考文献

[1]吴红华:灾害损失评估的灰色模糊综合方法[J].自然灾害学报, 2005 (4)

[2]徐维祥张全寿:一种基于灰色理论和模糊数学的综合集成算法[J].系统工程理论与实践, 2001 (4)

[3]张辉高德利:基于模糊数学和灰色理论的多层次综合评价方法及应用[J].数学的实践与认识, 2008 (2)

[4]吕钱英黄霞邱淑芳:基于模糊数学和灰色理论的环境质量评价研究进展[J].江西科学, 2008 (4)

[5]于志鹏陆愈实:模糊灰色关联法在分析安全投资因素与效益关系中的应用[J].中国安全科学学, 2007 (3)

[6]陈光:模糊灰色在安全评价中的应用[J].矿业安全与环保, 2006 (2)

[7]卜广志张宇文:基于灰色模糊关系的灰色模糊综合评判[J].系统工程理论与实践, 2002 (4)

[8]朱绍强孟科张临喜:区间数灰色模糊综合评判及其应用[J].电光与控制, 2006 (6)

[9]查新月豁祖顺:基于灰色关联分析的模糊评判模型与系统分析[J].数学理论与应用, 2005 (9)

灰色模糊评价方法第2篇

为了提高水利工程建设绩效评价效果的准确性，就应该充分利用水利工程建设多级分治管理的特点，在绩效评价体系参与建设活动初期阶段，对水利工程建设项目进行整体性的分析，限定子系统范围，明确工程建设绩效评价的目的，然后围绕工程建设绩效评价目的展开后续工作。首先制定工程建设绩效评价具体指标,在保证绩效评价指标符合既定标准的基础上，根据水利工程建设的施工周期，确定定期评价的时间规律，其次将绩效评价体系与水利工程建设各子系统联系起来，加强对水利工程假设实际情况的监督与审查，收集整合工程建设费用与进度数据，并与财务预算的具体数值进行比较，在保证水利工程建设项目质量的情况下，对项目建设进度方案进行适当的调整。最后从全局角度重新审视水利工程建设项目，划分出工程项目建设的薄弱点，通过绩效评价，得出阶段性的工程建设评价效果，为后续水利工程建设提供科学的数据依据，提高水利工程建设计划方案的适用性。

3.2发挥绩效评价体系的应用特点

从水利工程建设实际管理状态的角度进行分析，水利工程建设项目管理大多采用多级分治的方式，细化水利工程建设项目的具体内容，以水利工程建设项目内容的重要性为依据，合理配置管理级别劳动力，并制定工程建设项目管理实施计划，以及工程建设项目管理的优先级，保证水利工程建设管理的高效性和全面性。在这样的管理模式下，要想提高水利工程建设绩效评价结果的说服力，在进行水利工程绩效评价的过程中，不仅要掌握水利工程建设的整体情况，以及绩效评价项目的重要性级别，还要注重工程子系统建设绩效评价结果的比较，运用模糊数学理论，划分不同影响因素和模糊条件之间的.界限，确定所评价项目的实际属性级别,充分发挥灰色模糊评价法实用性强，绩效评价重点突出的特点。

3.3遵循绩效评价的应用原则

水利工程建设涉及的信息数据比较多，再加上绩效管理体系在水利工程建设中的应用，更加注重工程建设效果，所以在一定程度上提高绩效评价工作的难度，在这样的情况下，要想推进基于灰色模糊评价的水利工程管理绩效评价的应用，提高绩效评价的实际效果，就应该遵循绩效评价的应用原则，围绕水利工程施工目标开展绩效评价工作，注重工程子系统项目建设信息的收集，实时把握工程建设的信息和进度情况，致力于不断发现问题，并对水利工程建设过程中的问题进行深人的分析，制定有效的解决方案，调整工程建设计划方案，确保水利工程建设计划方案内容有一定程度的提高，让水利工程建设更加接近工程功能目标，继而保证整个工程能够顺利稳定的发展。

3.4保证绩效评价方法应用的合理性

一般情况下，大型的水利工程建设项目都是由政府投资开展的，这种类型的水利工程建设项目涉及的建设内容比较广泛，水利工程建设项目功能要求多，在短时间内无法表现出明显的社会效益或者经济效益，所以在进行绩效评价活动时，不能一次性判定水利工程建设项目的内在应用价值,要根据水利工程建设项目的实际应用情况，制定科学合理的绩效评价计划，对大型的水利工程建设项目进行长期的检测和评价，从全面的角度判断水利工程建设项目的效益。以防洪水利工程项目为例，以防洪水利工程为对象开展绩效评价工作，首先要对当地的洪汛情况进行调查，收集相应的洪水灾害造成的损失数据信息，然后对防洪水利工程的调节功能进行研究，掌握水利工程减灾面积，减少的洪涝灾害经济损失的具体数值，并从客观的角度对两者进行数据对比分析，最后确定防洪水利工程的实际效益指标。

3.5确保绩效评价指标的综合性

灰色模糊评价法能够对水利工程建设进行定量分析，但是在实际应用的过程中，受多方面因素的影响,不能有效的区分定量分析和定性分析的界限，容易出现水利工程绩效定量评价指标与定性评价指标混淆的现象，大大增加了绩效评价的难度。为了保证水利工程建设绩效评价结果的有效性，就应该避免分析大量量化指标现象的发生，对绩效评价指标内容进行有效的分析，确保绩效评价指标的综合性，并且以具体的要求为依据，按照规定的标准或原则,对水利工程建设绩效评价指标进行分类，注重对项目工程施工环境，以及项目工程产生社会效益的评价，从根本上提高水利工程建设绩效评价的针对性，增加社会效益指标的影响力度，实现对水利工程建设进行综合评价的目的。

参考文献

[1]王海涛.大型水利工程项目的绩效评价研究[D].中国科学院大学(工程管理与信息技术学院)，.

[2]聂相田?基于模糊优选BP网络的水利工程建设管理绩效评价[J].水电能源科学,,04:136-138+116.

灰色模糊评价方法第3篇

灰色模糊评价实质上是数学模型理论的具体应用,能够有效的区分边界不清、定义不明的应用理论,进而对具体的研究项进行定量分析,从更加深入的层次对问题进行剖析,确定所有的能够对分析结构造成影响的因素,充分发挥灰色模糊评价综合性的特点。绩效评价体系作为一种量化的评价指标,是监管水利工程建设情况,保证水利工程建设工程质量的有效手段,基于灰色模糊评价理论的绩效评价体系,能够保证水利工程建设的质量,确保水利工程建设实现要求的功能,要想进一步提高灰色理论的实际应用性能,在实际建设过程中, 就要对水利工程建设的每个环节进行实时的测评,以便于及时发现工程建设的问题,调整工程建设方案,继而保证水利工程建设能够顺利的进行。由此可以看出对基于灰色模糊评价的水利工程管理绩效评价进行研究,不仅能够提高绩效管理体系的有效性和执行力,还能提升工程建设评价效果的准确性,为水利工程后续建设提供数据参考,具有重要的应用研究价值意义[1]。

2基于灰色模糊评价的水利工程管理绩效评价研究现状

我国相关学者以灰色模糊评价理论为基础,对我国水利工程建设绩效评价体系进行了深入的研究,具体的研究内容如下:

1水利工程建设绩效评价水平的显著提升。我国水利工程建设绩效评价体系起步比较晚,管理制度不够规范,在实际应用的过程中,不能保证顾及到水利工程建设的所有细节,基于灰色模糊评价的水利工程管理绩效评价研究,针对这个问题,在我国现有水利工程建设绩效评价体系之上进行了创新, 弥补了传统绩效体系的不足,改变了后评价的评价方式,优化了水利工程绩效评价流程。与此同时随着我国社会经济的快速进步,我国政府对水利工程绩效评价体系的关注度越来越高,提供了大量的资金支持和技术支持,使我国水利工程建设绩效评价体系水平有了质的飞跃[2]。

2提高了水利工程建设绩效评价方法的实用性。基于灰色模糊评价的水利工程管理绩效评价研究,以模糊数学计算法为基本,根据水利工程建设的实际情况,建立了模糊数学应用模型,对水利工程建设的关键点进行了有效的定量分析,用更加科学合理的方式处理了外部信息给工程建设带来的影响,与此同时排除了人们主观上的惯性评价理论,从最基本的层面入手,确保了绩效评价体系实际应用的科学有效性,进而提高了水利工程建设绩效评价的实用性效果。

3提升了水利工程建设绩效评价的全面性。早期的水利工程绩效评价体系过于注重后评价阶段,忽视了水利工程建设过程中外部因素带来的影响,绩效评价项目内容片面,缺少专业性的数据支持和参考,所以不能保证水利工程建设绩效评价效果的准确性。基于灰色模糊评价的水利工程管理绩效评价研究,加强了对水利工程建筑过程中各项目的管理评价, 考虑了多种现实因素的影响,增加了模糊数学模型项目整合因素和项目评价因素,同时结合分层分析法,根据绩效评价的具体结果,划分了工程效果等级,进而从更加客观的角度反映了水利工程建设的状态[3]。

3提高灰色模糊评价的水利工程管理绩效评价研究效果策略

3. 1明确绩效评价的目的

为了提高水利工程建设绩效评价效果的准确性,就应该充分利用水利工程建设多级分治管理的特点,在绩效评价体系参与建设活动初期阶段,对水利工程建设项目进行整体性的分析,限定子系统范围,明确工程建设绩效评价的目的,然后围绕工程建设绩效评价目的展开后续工作。首先制定工程建设绩效评价具体指标,在保证绩效评价指标符合既定标准的基础上,根据水利工程建设的施工周期,确定定期评价的时间规律,其次将绩效评价体系与水利工程建设各子系统联系起来,加强对水利工程假设实际情况的监督与审查,收集整合工程建设费用与进度数据,并与财务预算的具体数值进行比较,在保证水利工程建设项目质量的情况下,对项目建设进度方案进行适当的调整。最后从全局角度重新审视水利工程建设项目,划分出工程项目建设的薄弱点,通过绩效评价,得出阶段性的工程建设评价效果,为后续水利工程建设提供科学的数据依据,提高水利工程建设计划方案的适用性。

3. 2发挥绩效评价体系的应用特点

从水利工程建设实际管理状态的角度进行分析,水利工程建设项目管理大多采用多级分治的方式,细化水利工程建设项目的具体内容,以水利工程建设项目内容的重要性为依据,合理配置管理级别劳动力,并制定工程建设项目管理实施计划,以及工程建设项目管理的优先级,保证水利工程建设管理的高效性和全面性。在这样的管理模式下,要想提高水利工程建设绩效评价结果的说服力,在进行水利工程绩效评价的过程中,不仅要掌握水利工程建设的整体情况,以及绩效评价项目的重要性级别,还要注重工程子系统建设绩效评价结果的比较,运用模糊数学理论,划分不同影响因素和模糊条件之间的界限,确定所评价项目的实际属性级别,充分发挥灰色模糊评价法实用性强,绩效评价重点突出的特点。

3. 3遵循绩效评价的应用原则

水利工程建设涉及的信息数据比较多,再加上绩效管理体系在水利工程建设中的应用,更加注重工程建设效果,所以在一定程度上提高绩效评价工作的难度,在这样的情况下,要想推进基于灰色模糊评价的水利工程管理绩效评价的应用, 提高绩效评价的实际效果,就应该遵循绩效评价的应用原则, 围绕水利工程施工目标开展绩效评价工作,注重工程子系统项目建设信息的收集,实时把握工程建设的信息和进度情况, 致力于不断发现问题,并对水利工程建设过程中的问题进行深入的分析,制定有效的解决方案,调整工程建设计划方案, 确保水利工程建设计划方案内容有一定程度的提高,让水利工程建设更加接近工程功能目标,继而保证整个工程能够顺利稳定的发展。

3. 4保证绩效评价方法应用的合理性

一般情况下,大型的水利工程建设项目都是由政府投资开展的,这种类型的水利工程建设项目涉及的建设内容比较广泛,水利工程建设项目功能要求多,在短时间内无法表现出明显的社会效益或者经济效益,所以在进行绩效评价活动时, 不能一次性判定水利工程建设项目的内在应用价值,要根据水利工程建设项目的实际应用情况,制定科学合理的绩效评价计划,对大型的水利工程建设项目进行长期的检测和评价, 从全面的角度判断水利工程建设项目的效益。以防洪水利工程项目为例,以防洪水利工程为对象开展绩效评价工作,首先要对当地的洪汛情况进行调查,收集相应的洪水灾害造成的损失数据信息,然后对防洪水利工程的调节功能进行研究,掌握水利工程减灾面积,减少的洪涝灾害经济损失的具体数值, 并从客观的角度对两者进行数据对比分析,最后确定防洪水利工程的实际效益指标。

3. 5确保绩效评价指标的综合性

灰色模糊评价法能够对水利工程建设进行定量分析,但是在实际应用的过程中,受多方面因素的影响,不能有效的区分定量分析和定性分析的界限,容易出现水利工程绩效定量评价指标与定性评价指标混淆的现象,大大增加了绩效评价的难度。为了保证水利工程建设绩效评价结果的有效性,就应该避免分析大量量化指标现象的发生,对绩效评价指标内容进行有效的分析,确保绩效评价指标的综合性,并且以具体的要求为依据,按照规定的标准或原则,对水利工程建设绩效评价指标进行分类,注重对项目工程施工环境,以及项目工程产生社会效益的评价,从根本上提高水利工程建设绩效评价的针对性,增加社会效益指标的影响力度,实现对水利工程建设进行综合评价的目的。

摘要：文中简单介绍了基于灰色模糊评价的水利工程管理绩效评价研究意义,针对基于灰色模糊评价的水利工程管理绩效评价研究现状,以及提高灰色模糊评价的水利工程管理绩效评价研究效果策略进行了深入的探讨和分析。

灰色模糊评价方法第4篇

目前我国城市化率还相对较低,房地产行业有很大的发展空间。随着政府针对房价宏观调控政策的不断完善,相对于住宅地产开发能给企业带来短期利润而言,商业地产更有可能为企业提供持续的竞争力和稳定的现金流。商业地产项目的投资成本回收和效益取决于项目的长期运营,商业地产的选址是影响项目运营成功的先决条件,而影响商业地产选址的因素具有的不确定性给开发商们的决策增加难度。

1 商业地产选址影响因素与决策方法

1.1 商业地产选址影响因素

商业地产项目的选址由于不同地段项目所面临的问题互异,来自企业自身和社会以及政府等方面的因素共同影响着商业地产项目的选址,对于同一城市范围内的商业地产项目的开发,可以从企业、社会和政府三方面将影响选址的因素归纳如下:企业品牌价值目标、地价及拆迁等成本费用、单位租售价格水平、道路交通设施等基础服务配套设施、平均人流量、周围环境的竞争程度、地段升值潜力、政府对城市的整体规划。

1.2 商业地产选址决策方法

关于房地产的选址决策,目前应用比较多的是层次分析法和模糊综合评价法,以及由两者结合的模糊层次分析法。但是,目前我国大多数房地产企业存在着严重的数据不完备问题,因此商业地产项目的选址既存在模糊性又存在数据不完备性。因此,在商业地产选址决策方法中引入灰色系统理论是十分必要的,并有着坚实的理论基础。

本文将灰色系统理论、模糊数学以及层次分析法相结合,采用灰色模糊综合评价法对商业地产选址进行决策。较单纯运用模糊综合评价而言,将灰色系统理论和模糊综合评价结合,不仅能得出一个综合的评价结果,还能够通过模糊评价矩阵中的关联系数比较不同方案的因素之间的优劣,使评价的过程更具有明确性。

2 灰色模糊选址决策模型

2.1 评价指标体系的构建

商业地产的选址直接关系到项目的运营,对于很多影响选址的因素,我们只能进行定性分析,从企业对项目的定位、社会对项目的综合影响以及政府对城市的整体规划三方面将影响选址决策的指标因素划分成8个指标:企业品牌价值、土地价格及拆迁成本、租售价格、道路交通等基础配套设施、平均人流量、竞争程度、地段升值潜力、政府整体城市规划八个因素作为评价指标,评价指标体系如图1。

2.2 决策模型构建

灰色模糊决策的步骤是首先邀请熟悉项目情况的专家对各因素的重要程度进行综合打分,确定各评价指标的权重,再对不同方案的相同因素进行综合评分,计算灰色关联系数,最后利用评价指标的权重向量和以灰色关联系数构成的模糊判断矩阵进行模糊综合评价。

2.2.1 运用判断矩阵确定评价指标集矩阵

各指标权重和指标集矩阵通过邀请专家进行综合评分确定,假设不同因素相互间的判断矩阵为B,如:

设Aij=ai/aj,,则矩阵的元素Aij有如下性质:Aij=1;Aij=1/Aji。判断矩阵中元素Aij的确定运用1-9标度法:同样重要取值为1;稍微重要取值为3;明显重要取值为5;重要得多取值为7;极端重要取值为9;介于以上各种情况之间则分别取2、4、6、8;两个目标反过来比较则以上各种值的倒数。通过计算和归一化处理,可以得出各指标因素的权重向量W=(w1,…,wn)。

对于各因素相对于不同方案的评判矩阵为B,bij表示为第i个方案中的第j个指标的原始值,其中bj*(j=1,…,n)表示第j个指标的最优值:指标值若越大越好则取最大值,若越小越好则取最小值。

2.2.2 指标值的规范化处理

将各指标值进行无量纲化和规范化处理,运用如下公式将bij无量纲化、规范化后得Cij(第i个方案的第j个指标值):将指标判断集矩阵B变为规范矩阵C:

其中i=1,…,m;j=1,…,n。

2.2.3 灰色关联系数的计算及模糊关系矩阵的确定

将规范化矩阵中的[c1*,…,cn*]作为计算关联系数的参考指标,首先计算绝对差序列,令,计算不同方案的不同因素取值与参考值的关联系数dji:

运用上述公式对各因素相对参考因素的关联系数进行计算,可以得到模糊综合评价所需的模糊评价矩阵D:

2.2.4 模糊综合评价

为了综合考虑所有指标的贡献,选用普通矩阵乘法来进行模糊合成运算,综合评价模型E=W×D,即:

通过比较向量E的各个指标值的大小来评选最优选址决策方案。

3 灰色模糊决策实例

现选取四块不同的地段(f1,f2,f3,f4),分别从企业、社会及政府三方面的角度对这四块地进行分析,邀请熟悉情况的专家对各个不同地段的企业品牌价值(g1)、土地价格及拆迁成本(g2)、租售价格(g3)、道路交通等基础配套设施(g4)、竞争程度(g5)、平均人流量(g6)、地段升值潜力(g7)、政府整体城市规划(g8)这八个评价指标进行综合评分。

3.1 计算评价因素权重和确定评价矩阵

现定指标权重比较标度值(1-9标度),得指标重要性标度比较值如表1所示。

通过计算得出指标因素权重集W=(3/24,1/24,6/24,3/24,4/24,1/24,4/24,2/24)。易知土地价格及拆迁成本和竞争环境这两个指标为逆向型指标,而其它指标为正向型指标,因此将土地价格及拆迁等成本(g2)和竞争程度(g5)两个指标的最小值为最优参考值,其余的指标值取其它们的最大值为最优参考值,由各方案的评价指标因素的得分得出如下评判矩阵:

3.2 评判矩阵规范化、计算模糊评价矩阵

由规范化公式可将矩阵B转换成矩阵C:

得到规范化判断矩阵之后进行绝对序列差的计算,计算结果如表2。

依据这些绝对序列差数值计算各因素指标值与参考值的关联系数,取分辨系数α=0.5。得出模糊评价矩阵D:

3.3 模糊综合决策

根据前面的计算得出的矩阵W和D,运用矩阵相乘进行模糊综合决策,可以进行决策评价,E=W×D,计算得到:E=W×D=[0.66 0.57 0.54 0.60]。

将不同方案的得分值排序,e1>e4>e2>e3,因此依据八个评价指标综合分析四个不同的地段得出的情况是:最满意的是f1地段,其次是f4地段,最不满意的是f3地段。从关联系数矩阵得知地段f1在租售价格和城市规划方面有着绝对的优势,基础配套设施还需等完善,但以后地段的升值空间不大。

4 结语

运用综合灰色系统理论和模糊综合评价的灰色模糊综合评价方法对商业地产开发的选址进行决策,符合商业地产的选址影响因素多且不确定性程度大的条件,相对只用模糊综合评价结果,在不同方案比较过程更透明,计算更合理。

参考文献

[1]霍亚坤.基于模糊数学的商业地产地段价值影响因素研究[J].商场现代化,2007(,1):60-61.

[2]王松涛,陈伟.我国大中城市商业地产投资潜力评价[J].商业时代,2007(,3):10-11.

[3]黄正军,万继业等.基于集合理论的房地产项目的选址决策分析[J].重庆大学学报,2007(,9):113-116.

[4]刘波.中国商业地产发展现状与趋势分析[J].国土资源,2009(,5):34-37.

灰色模糊评价方法第5篇

关键词：营销力,灰色系统,模糊评价

企业营销力是企业系列营销活动有机耦合, 以克服交换中障碍的能力。为了有效培育企业营销力, 企业营销力的评价显得尤为重要。对于企业营销力评价研究, 国内外学者已进行了相关探索, 但至今尚未见到一个相对完整的和可操作的评价方法, 基于此, 本文提出了基于灰色系统的企业营销力综合模糊评价。

1 模型构建

1.1 指标体系

运用Delphi法构建如图1所示的企业营销力三级评价指标体系。其中, 营销文化力 (v1) 是营销文化对市场营销活动的导向能力, 决定着企业在营销活动中的指导思想, 主要评价指标有:营销文化建设 (x1) 、市场的变观念意识 (x2) 、营销道德与责任 (x3) 、营销创新意识 (x4) 、营销工作的地位 (x5) , 这五个指标是定性指标。

营销战略定位力 (v2) 是对未来企业营销发展方向的总体规划, 主要的评价指标:信息系统建设 (x6) 、环境分析能力 (x7) 、战略决策能力 (x8) 、市场定位能力 (x9) , 这四个指标是定性指标。

营销组合力 (v3) 是保证企业营销战略目标的具体实现的产品、价格、促销和渠道有机组合能力。主要评价指标:R&D经费比重 (x10) , 定量指标, R&D经费比重=企业R&D经费数额/企业销售收入总额;新产品产值率 (x11) , 定量指标, 新产品产值率=新产品总产值/同期全部产品的总产值;产品性价比 (x12) , 定性指标;产品合格率 (x13) , 定量指标, 产品合格率=企业合格品产值/企业总产值;渠道分布科学性 (x14) , 定性指标;单位销售额促销成本 (x15) , 定量指标, 单位销售额促销成本=促销费用/企业销售收入总额。

营销执行力 (v4) 是所有营销活动得以有效实施的职能保证、人员保证和机制保证。评价指标:服务体系完善程度 (x16) , 营销组织与队伍建设 (x17) , 销售规章制度完善性 (x18) , 营销过程控制与监督 (x19) , 这四个指标是定性指标。

营销绩效力 (v5) 是企业开展的所有营销活动实施效果的直接体现。主要的评价指标:市场占有率 (x20) , 定量指标, 市场占有率=企业的销售额/市场总销售额;顾客满意度 (x21) , 定性指标;销售利润率 (x22) , 定量指标, 销售利润率=企业利润额/市场总销售额;企业及品牌形象 (x23) 和战略目标实现程度 (x24) , 定性指标。

1. 2 指标的优化调整与权重

对于定量指标, 消除量纲的影响, 统一变换到 $[0, 1]$ 范围内。用bij表示量化处理后指标, 则对成本型指标:指标评价越小越好的指标。量化处理公式为:

$b_{i j} = \frac{d_{j}^{\max} - d_{i j}}{d_{j}^{\max} - d_{j}^{\min}}, i = 1, 2, \dots, m$ ;j=1, 2, n, 式中d $_{j}^{\max}$ 和d $_{j}^{\min}$ 分别是对指标集中诸评价值的最大值和最小值。

效益型指标:指标评价值越大越好的指标, 量化处理公式为:

$b_{i j} = \frac{d_{i j} - d_{j}^{\max}}{d_{j}^{\max} - d_{j}^{\min}}, i = 1, 2, \dots, m$ ;j=1, 2, n

区间型指标:指在某一区间内取值是才是最优的指标。量化处理公式为:

$b_{i j} = {\begin{matrix} 1 - \frac{t_{1} - d_{i j}}{\max {t_{1} - d_{j}^{\min}, d_{j}^{\max} - t_{2}}} \dots \dots d_{i j} < t_{1} \\ 1 \dots \dots d_{i j} \in [t_{1}, t_{2}] \\ 1 - \frac{d_{i}_{j} - t_{2}}{\max {t_{1} - d_{j}^{\min}, d_{j}^{\max} - t_{2}}} \dots \dots d_{i j}^{} > t_{2} 。 \end{matrix}$

式中i=1, 2, , m;j=1, 2, , n; $[t_{1}, t_{2}]$ 为指标的最佳区间。

对于指标的权重, 借助于层次分析法 (AHP) , 结合相关专家对指标重要性的评判, 可得指标的组合权重:

$W = (W_{1}, W_{2}, \dots, W_{n}) ‚ \sum_{i = 1}^{n} W_{i} = 1, 0 < W_{i} < 1$ , 式中, Wi表示第i个指标相对目标W的权重。

1.3 数据的收集与处理

对于定量指标, 经过1.2的处理, 变为无量纲值。对于定性指标, 采用专家打分法, 通过向有资深实践经验的专家匿名调查卷的形式, 获得他们对各定性指标的评定值。对于定性指标依靠专家打分确定, 其评估矩阵是建立在评估者的知识水平、认识能力和个人偏爱之上的, 因而很难完全排除人为因素带来的偏差, 这就使评估者在评估中提供的评估信息不甚确定, 也不甚完全, 从而带有灰色性和模糊性, 故本文利用灰色系统评估法和模糊综合评判, 来处理专家对评估指标的样本矩阵。设l (l=1, 2, , L) 为评价者, i (i =1, 2, , I) 为被评价指标, 评价者l对评价指标i 给出的评分记作dli, 那么其样本矩阵:

$D = [\begin{matrix} d_{11} & d_{12} & \dots & d_{11} \\ d_{21} & d_{22} & \dots & d_{21} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ d_{l 1} & d_{l 2} & ⋮ & d_{L Ι} \end{matrix}]$ 。

1.4 确定评估灰类, 构建模糊矩阵

确定评估灰类即确定评估灰类的定级数、灰类的灰数及灰数的白化权函数, 依据实际评估问题设评估灰类, 确定评价灰类就是要确定评价灰类的等级数、灰类的灰数及白化权函数。依据实际评估问题设评估灰类序号为e (e=1, 2, 3 , , g) , 即有g个评估灰类。本文根据实际经验和专家咨询, 规定四个评价灰类 (g=4) , 分别是“优”、“良”、“中”、“差”。其相应的评价等级集合为 $S = {S_{1}, S_{2}, S_{3}, S_{4}}^{Τ}$ = ${9, 7, 5, 3}^{Τ}$ 。

第一类“优”, e=1, 灰数为 $\otimes \in [9, + \infty)$ , 其白化函数为:

$f_{1} (d_{l i}) = {\begin{matrix} \frac{d_{l i}}{9} \dots \dots d_{l i} \in [0, 9] \\ 1 \dots \dots d_{l i} \in [9, + \infty] \\ 0 \dots \dots d_{l i} \in [- \infty, 0] 。 \end{matrix}$

第二类“良”, e=2灰数为 $\otimes \in [0, 7, 14]$ , 其白化函数为:

$f_{2} (d_{l i}) = {\begin{matrix} \frac{d_{l i}}{7} \dots \dots d_{l i} \in [0, 7] \\ 2 - \frac{d_{l i}}{14} \dots \dots d_{l i} \in [7, 14_{}] \\ 0 \dots \dots d_{l i} \notin [0, 14] 。 \end{matrix}$

第三类“中”, e=3灰数为 $\otimes \in [0, 5, 10]$ , 其白化函数为:

$f_{3} (d_{l}_{i}) = {\begin{matrix} \frac{d_{l i}}{5} \dots \dots d_{l i} \in [0, 5] \\ 2 - \frac{d_{l i}}{10} \dots \dots d_{l i} \in [0.5, 10_{}] \\ 0 \dots \dots d_{l i} \notin [0, 10] 。 \end{matrix}$

第四类“差”, e=4 $\otimes \in [0, 3, 6]$ , 其白化函数为:

$f_{4} (d_{l i}) = {\begin{matrix} 1 \dots \dots d_{l i} \in [0, 3] \\ \frac{3 - d_{l i}}{3} \dots \dots d_{l i} \in [3, 6] \\ 0 \dots \dots d_{l i} \notin [0, 3] 。 \end{matrix}$

用fe (dli) 表示dli属于第e (e=1, 2, 3, 4) 类评估标准的权, 用pie表示灰色统计法确定灰数的白化权函数, 用表示pi评判矩阵的灰色统计数, 那么对于定性指标, 可得:

pie= $\sum_{l}^{L} f_{e} (d_{l i})$ , pi= $\sum_{e = 1}^{4} p_{i e}$ 。

从而求出所有专家对第i个指标的灰色评价权值, 并用rie表示, rie= $\frac{p_{i e}}{p_{i}}$ 。

关于定量指标, 在经过第二步处理计算后得到无量纲值, 根据确定的白化函数直接计算第k个定量指标第e类评价标准的灰色权值, 用rke表示。以上计算得到的rie和rke, 进行归一化处理, 使得 $\sum_{j = 1}^{4} r_{i e} = 1$ 和 $\sum_{j = 1}^{4} r_{k e} = 1$ , 组合构造出评价指标的单因素模糊评判矩阵:

$R = [\begin{matrix} r_{11} & r_{12} & r_{13} & r_{14} \\ r_{21} & r_{22} & r_{23} & r_{24} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ r_{n 1} & r_{n 2} & r_{n 3} & r_{n 4} \end{matrix}]$ 。

1.5 计算评价结果

由指标权重和灰色评估权矩阵可得白化的综合模糊评判矩阵:

$\begin{array}{l} B = {b_{1}, b_{2}, b_{3}, b_{4}} = W R = (w_{1}, w_{2}, \dots, w_{n}) \\ [\begin{matrix} r_{11} & r_{12} & r_{13} & r_{14} \\ r_{21} & r_{22} & r_{23} & r_{24} \\ ⋮ & ⋮ & ⋱ & ⋮ \\ r_{n 1} & r_{n 2} & r_{n 3} & r_{n 4} \end{matrix}] 。 \end{array}$

然后求出最终的评价结果P=BS, 根据计算结果, 可确定项目评价等级。

2 实证研究:基于灰色系统的海尔集团营销力综合模糊评价

海尔集团成立于1984年, 是集科研、生产、贸易及金融等于一体的国家特大型企业, 产品出口到160多个国家和地区, 本文利用所提出的模型, 对该企业营销力进行评价。

2.1 指标的系统权重

采用 AHP法, 结合10位专家对指标的重要性的判断, 可以得到24个指标的组合权重:

$W = {W_{1}, W_{2}, W_{3}, \dots, W_{24}} = {0.04369, 0.0335, 0.043, 0.0426, 0.049, 0.043, 0.0492, 0.0338, 0.0357, 0.0372, 0.0503, 0.0422, 0.0396, 0.0445, 0.0415, 0.0384, 0.0381, 0.0418, 0.0410, 0.033, 0.0483, 0.041, 0.041, 0.038}$ 。

2.2 数据的收集与处理

对于定量指标, 以2004年底该企业的实际数据为准, 根据2.2的方法, 变为无量纲值 (表1) 。

对于18个定性指标, 请10位专家打分, 为了便于专家评定, 规定打分范围110 分, 以10位专家对18个评价指标评价打分, 得到专家评估样本矩阵D= (dli) 10*18 (略) 。

2.3 确定评价灰类, 构造模糊矩阵

根据1.4 确定的评价灰类、相应的灰数及白化权函数, 根据1.4介绍的方法, 计算pie, pi, rie, rke, 并构造单因素模糊矩阵R (略) 。

2.4 计算评价结果

由1.5, 计算最终评价结果

P=BS= $(w_{1}, w_{2}, \dots, w_{n}) R {9, 7, 5, 3}^{Τ}$ = ${0.420, 0.351, 0.26, 0.198} {9, 7, 5, 3}^{Τ}$ =8.131。由计算结果可知, 该企业的营销力处于良好状态。

3 结论

本文运用Delphi法、AHP法、灰色系统评估法和模糊综合评估法, 提出了一种切实可行的基于灰色系统的企业营销力综合模糊评价模型, 并以实例验证了评价模型的可行性和有效性。

参考文献

[1]Weerawardena J, O Cass A.Exploring the characteristics of the mar-ket-driven firms and antecedents to sustained competitive advantage.Industrial Marketing Management, 2004, (33) :419—428

[2]Atuahene-Gima K.Determinants of technology licensing intentions:An empirical analysis of Australian engineering firms.Journal of Prod-uct Innovation Management, 1993; (10) :230—240

[3]刘思锋、郭天榜, 党耀国, 灰色系统理论及其应用.北京:科学出版社, 1999

[4]胡运权, 郭耀煌.运筹学教程, 北京:清华大学出版社, 1998

[5]潘红华, 胡家升, 张圣云, 等.基于灰色系统模型的预测函数控制方法研究.控制与决策, 2004;19 (1) :117—119

[6]王庆金, 吴泗宗.价格折扣和运输折扣下供应链库存-运输优化模型.信息与控制, 2005; (3) :335—339

[7]王庆金, 吴泗宗.市场需求预测偏差下供应链协调.工业工程与管理, 2005; (4) :13—16

灰色模糊评价方法第6篇

从它的性质, 一般分为政策风险, 金融风险, 自然风险, 技术风险和管理风险。

1) 政策风险。土地和税收政策的调控对高速公路的建设和运营会产生一定的影响, 收费站的收费标准基本上由政府主导, 收费过高在一定程度上对交通流量有较大影响。

2) 金融风险。建设周期较长的高速公路建设项目, 债务结构的不合理有可能使建设项目的债务偿还深陷困境。金融风险主要包括债务结构风险、利率风险和外汇风险三大类。

3) 自然风险。自然风险来自不良的地质条件, 恶劣的天气条件和现场条件。

4) 技术风险。技术风险是指高速公路项目在建设到运营中采取的技术方案缺陷给工程带来的损失。

5) 管理风险。高速公路在项目建设中需要熟悉工程项目管理的专业人才, 而目前很多项目公司中的人员缺乏有经验的管理者, 在公路工程项目建设和运营过程中, 专业管理人才的缺乏, 使项目不能有效的, 合理的, 规范化的建设与管理, 不利于工程的整体建设进而不能取得应有的经济效益。

2 高速公路项目债务风险评价指标体系的确定

基于国内外公路工程建设中遇到的较为常见的风险, 利用层次分析法 (AHP) 原理, 将影响公路项目的债务偿还风险按照表现形式分类如图1所示。

2.1 建立债务风险指标集

影响高速公路项目偿还债务的风险U在项目融资建设和运营两阶段用指标集ut={u1t, u2t, …, u5t} (t=1, 2) 表示, 各个风险指标子集包含ni个风险指标, 即:uit={uti1, uti2, …, utini} (i=1, 2, …, 5) 。

其中, ni为第i个风险指标子集中的风险指标个数;n为风险子集的风险指标。

2.2 建立债务风险评语集

债务风险评语集假定为V={v1, v2, …, v5}, v1, v2, …, v5分别表示债务风险程度为低、较低、中等、较高和极高。即公路项目中建设和运营阶段的风险评语集相同。

2.3 确定风险指标的权重集

atij为Uit中第j个债务风险指标Utij的权重, Ait={ati1, ati2, …, atini}就是债务风险因素指标子集权重分配, 满足:ati1+ati2+…+atini=1。

2.4 确定债务风险评价指标的评分标准

评价指标utij的债务风险水平评价指标分为5个层次, 值分别为1, 2, 3, 4, 5, 相邻等级之间相应的评分为1.5, 2.5, 3.5和4.5。

2.5 建立评判样本矩阵

选取m个评价专家, 序号为k, k=1, 2, …, m。让评定专家对第t阶段的公路项目债务按风险判定指标集Uit评分标准打分dtijk得出公路项目债务风险评价矩阵Dit。

2.6 确定评价灰类

根据评分标准, 得出评价灰类h=1, 2, …, 5。将评价灰类取为风险低、风险一般、风险较高、风险高、风险极高五级。其函数如下:

第一灰类为风险低 (H=1) , 设灰数为, 函数为f1:

第二灰类为风险一般 (H=2) , 设灰数为, 函数为f2:

2.7 综合评价风险指标子集

每阶段的风险指标子集Uit的评判向量:

其中, i=1, 2, …, 5;Bit为向量对V的隶属度。设Ut中第i个风险指标Uit的权数为ait, 则风险因素指标集权重分配为:

其中, a1t+a2t+…+a5t=1。

第t阶段的风险Ut到V的模糊隶属度矩阵可表示为:

则第t阶段的风险Ut评判向量为:

2.8 综合评判项目的债务风险

在债务风险分析的前提下, 对项目建设和运营阶段的债务风险进行评价。依据债务风险指标的隶属度向量构成总的评价函数矩阵R:

设项目各阶段债务风险对应的权重分配为:

其中, a1+a2=1。

则项目全过程的债务风险U的综合评判为:

2.9 确定债务风险综合评价值

评价等级灰色聚类根据“灰度” (阈值) 的分配, 灰度值向量C= (1, 2, 3, 4, 5) 。则高速公路项目债务风险评价值Q=B·CT, 债务风险评价值Q求出后, 依据Q值判断该公路项目债务风险处于何等级, 进而判定该公路项目全过程债务风险的严重程度。

3 案例分析

HN省CJ高速公路项目, 其中交通部补助为114 500万元, 省公路基金为79 804万元, 银行贷款851 176万元, 其他机构贷款19 411万元, 该项目的债务额高达870 587万元, 应用上述模型对此高速公路项目进行债务风险评价。项目在建设阶段和运营阶段, 请6位专家给该项目两阶段的债务风险指标因素打分。

应用AHP来确定Ait, At, A, 将此项目建设阶段和运营阶段的样本矩阵经过灰色化, 进而得出两阶段的综合评判矩阵。

高速公路项目融资建设阶段的风险评判矩阵和风险值为:

高速公路项目运营阶段的风险评判矩阵和风险值为:

高速公路项目全过程的债务风险综合评价矩阵R:

高速公路项目在全过程的债务风险U的综合评判为:

在公路项目的整个过程中的债务风险综合评价值为:

4 结语

该高速公路项目债务风险的综合评价值为3.586 4, 结论为该项目债务风险水平较高。项目融资建设阶段和运营阶段的债务风险值分别为3.671 3和3.526, 两个阶段的风险值也较高。因此项目决策者可以把重点放在专家评分普遍较高的指标项上, 制定相应的降低风险策略, 避免债务风险较高而导致债务无法按时偿还。

摘要：针对高速公路项目债务受多因素、多目标的影响, 建立了公路项目在建设和运营两阶段的动态模糊评价方法, 其不仅可以评价项目各个阶段的风险值, 还可以对项目全过程的债务风险进行总的综合评价, 使决策者根据风险评价值对债务风险进行针对性的监控和预防并制定风险降低策略。

关键词：公路工程,债务风险,灰色,模糊评价

参考文献

[1]王作功.基于生态理论的高速公路投资风险管理研究[D].北京:北京交通大学博士学位论文, 2009:16-23.

[2]温胜强.高速公路项目融资风险层次分析模型研究[J].中外公路, 2005 (3) :118-119.

[3]刘星, 岳中志, 刘谊.地方政府债务风险预警机制研究[M].北京:经济管理出版社, 2005:35-38.

灰色模糊评价方法第7篇

关键词：矿井通风系统,指标体系,灰色理论,TWW函数,模糊综合评价

矿井通风的目的是为井下各工作地点提供足够的新鲜空气,使其中有毒有害气体、粉尘不超过规定值,并有适宜的气候条件。矿井通风系统通常被称为矿井的心脏与动脉[1]。矿井通风是保障矿井安全的最主要技术手段之一,对矿井通风系统进行综合评价是现代化矿井制订生产规划、进行技术方案决策的重要依据。

1 矿井通风系统综合评价体系建立

经过考察不同类型的矿井通风系统,在深入研究矿井通风理论,参考前人的研究成果并汲取国内近年来煤矿各次重大灾害事故发生及扩大的原因和影响因素的基础上[2,3,4,5],依据矿井通风系统的组织结构,建立矿井通风系统综合评价体系,见图1。

2 评价体系的建立

考虑到矿井通风系统是一个典型的灰色系统,故选择基于三角白化权(Trigonal Whitening Weight,TWW)函数的灰色评价并结合模糊评价方法建立矿井通风系统综合评价模型。

2.1 评价模型

针对评价对象的性质,设置m个评价指标,

s个不同的灰类,某一评价对象i关于指标j的样本观测值为Xij,j=1,2,,m。根据Xij的值对相应的对象i进行评估、诊断。该评价采用二级综合评价。

第一级评价采用基于白化权函数的灰色评估方法,其具体步骤如下[6]:

第一步,按照评价要求所需划分的灰类数s,将各个评价指标的取值范围也相应地划分为s个灰类,例如,将j指标的取值范围[a1,as+1]划分为s个区间:

[a1,a2],,[ak-1,ak],,[as-1,as],[as,as+1]

其中ak(k=1,2,,s,s+1)的值要根据实际问题的要求或定性研究结果取定。

第二步,令λk=(ak+ak+1)/2属于第k个灰类的TWW函数值为1,连接(λk,1)与第k-1个灰类的起点ak+1和第k+1个灰类的终点ak+2,得到指标j关于k灰类的TWW函数f $_{j}^{k}$ (),j=1,2,,m;k=1,2,,s。对于fj1()和fjs(),可分别将j指标的取值域向左、右延拓至a0,as+2,见图2。

对于j指标的TWW函数为

$f_{j}^{k} (x) = {\begin{matrix} 0 & x \notin [a_{k - 1}, a_{k + 2}] \\ \frac{x - a_{k - 1}}{λ_{k} - a_{k - 1}} & x \in [a_{k - 1}, λ_{k}] \\ \frac{a_{k + 2} - x}{a_{k + 2} - λ_{k}} & x \in [λ_{k}, a_{k + 2}] \end{matrix} (1)$

若评价对象i对于指标j的观测值为x,由式(1)可计算出其关于灰类k(k=1,2,,s)的隶属度fjk(x)。

第三步,计算评价对象i(i=1,2,,n)关于灰类k(k=1,2,,s)的综合聚类系数σ $_{i}^{k}$ :

$σ_{i}^{k} = \sum_{j = 1}^{m} f_{j}^{k} (x_{i j}) \cdot η_{j} (2)$

式中:fjk(xij)为对象i(i=1,2,,n)在指标j(j=1,2, ,m)下关于灰类k(k=1,2,,s)的TWW函数;ηj为指标j在综合聚类中的权重。

第二级评价采用基于单级的模糊综合评价方法[7],其具体步骤如下:

第一步,构成因素集。该级模糊综合评价因素集为D,其中的每一个因素Di(i=1,2,,n)由上一级评价中的各聚类(即评价体系的次级目标)所构成。

第二步,构成评语集。C={优秀A级(C1),合格B级(C2),不合格C级(C3)}

第三步,构成模糊评判矩阵。σ $_{i}^{k}$ 关于灰类k的不同函数值,则代表了该次级指标在3个不同评语等级的隶属度值,分别计算各个次级指标的σ $_{i}^{k}$ 关于灰类k的不同函数值(隶属度值),得矩阵 $\tilde{C}_{i} = (r_{i 1}, r_{i 2}, r_{i 3})$ ,用 $\tilde{C}_{i} (i = 1 ‚ 2 ‚ \dots ‚ n)$ 构成模糊评判矩阵 $\tilde{R} = (\tilde{C}_{1}, \tilde{C}_{2}, \dots, \tilde{C}_{n})^{Τ}$ 。

第四步,计算模糊评判结果。因素集D的权重分配为 $\tilde{A}$ ,得评判结果为 $\tilde{A}$ 。 $\tilde{R}$ ,归一化得 $\tilde{B} = (b_{1}, b_{2}, b_{3})$ 。

第五步,确定评价等级。根据模糊综合评价结果 $\tilde{B} = (b_{1}, b_{2}, b_{3})$ ,首先按最高隶属度原则确定基本评价等级,然后根据其余等级隶属度大小,按下列原则进行修正[2]:

1) 如果基本评价等级为C级,当b1+b2>b3/2时,则最终评价等级应上调至B级,否则保持不变为C级。

2) 如果基本评价等级为A级,当b2+b3>b1/2时,则最终评价等级应下调至B级,否则保持不变为A级。

3) 如果基本评价等级为B级,当b1>b2/2>b3时,则最终评价等级应上调至A级;当b1<b2/2<b3时,则最终评价等级应下调至C级,否则保持不变为B级。

2.2 评价指标权重的定量

矿井通风系统进行综合评价也是一个由相互关联和相互制约的一系列定性或定量因素所构成的复杂系统的决策问题。因此确定评价指标权重值可采用层次分析法(AHP)来确定,其方法见参考文献[8,9]。

2.3 矿井通风系统指标评价分级界定值的确定

参考典型煤炭企业规章制度、煤矿生产法律法规条文、矿山安全导则、矿井统计数据等各类文献,确定矿井通风系统指标评价分级界定值见表1[2],分指标取数域延拓值见表2。

对于指标X14,反风合格度定义为反风时间合格度与反风率合格度的乘积,即当反风时间和反风度同时达到《煤矿安全规程》的要求(反风时间10 min以内,反风率40%以上)[10]时定义较好类得分为1,即该类隶属度得分为满分,否则得零分,故该指标不存在延拓值,不需要进行白化权函数计算。

3 应用实例

唐山沟煤矿实测各指标数据如表3所示。

根据前述方法对该矿通风系统进行评价,用该模型计算得到的评判结果经归一化处理为

$\tilde{B} = (b_{1}, b_{2}, b_{3}) = (0.328 6, 0.412 7, 0.258 7)$

评价后得到的基本评价等级为B级,因为b1>b2/2>b3,则最终评价等级应上调至A级;故该矿井现有的通风系统评价等级为A(优秀)等级。

4 结论

1) 构建了矿井通风系统综合评价体系,确定了风量与风质合格度等6大类23小项的评价指标。

2) 建立了基于灰色聚类分析模糊综合评价的矿井通风系统评价模型,划分出通风效果等级,通过已建立的评价模型计算后,最终得到矿井通风效果的评价等级。

3) 以唐山沟煤矿实际通风系统状况为例进行了评价,评价结果与现场实际情况完全符合。

4) 根据综合聚类系数本身的性质,还可进一步分析各个指标的动态变化情况,从而有针对性地指导实际生产工作。

参考文献

[1]黄元平.矿井通风[M].徐州:中国矿业大学出版社,1986.

[2]陈开岩.矿井通风系统优化理论及应用[M].徐州:中国矿业大学出版社,2003.

[3]蔡卫,吴兵.层次分析法在矿井通风评价中的应用[J].辽宁工程技术大学学报,2005,24(2):149-152.

[4]程磊,杨运良,熊亚选.矿井通风系统评价指标体系的研究[J].中国安全科学学报,2005,15(3):91-94.

[5]陈伯辉.福建煤矿通风系统改造与优化研究[D].福州:福州大学,2007.

[6]刘思峰,郭天榜.灰色系统理论及其应用[M].北京:科学出版社,1999.

[7]宋晓秋.模糊数学原理和方法[M].徐州:中国矿业大学出版社,2000.

[8]许树柏.层次分析法原理[M].天津:天津大学出版社,1998.

[9]程健维,杨胜强.矿井采掘工作面通风效果的综合评价[J].中国安全科学学报,2007,17(5):156-161.

灰色模糊评价方法第8篇

PPP模式是政府和私人部门针对基础设施建设在特许权合同的基础上建立的一种公私共盈模式, 合理的应用PPP模式可以有效释放私人企业潜力, 解决基础设施建设融资难题。然而, 由于PPP项目具有特许经营期长、不确定因素多、动态持续分阶段等特点, 其面临的风险程度较高且风险管理存在一定的复杂性。有效的风险管理可以促进PPP项目融资的顺利运行, 作为风险管理的前提, 构建科学、完善的风险评价体系至关重要。本文根据PPP项目的风险特点构建灰色模糊综合评价模型, 并通过实例分析验证了该模型的可行性。

二、国内外研究现状

国外关于PPP项目的融资风险研究开始于20世纪90年代。Akbiyikli与Eaton (2004) 通过对PPP项目的所面临的风险进行系统的分析, 指出风险管理应当贯穿项目的规划、设计、施工、运营等各个阶段。Grimsey与Lewis (2002) 结合苏格兰废水处理设施PPP项目的具体情况, 应用概率论、敏感度分析法以及样本统计模拟技术评估了项目面临的各类风险。Thomasctal (2006) 基于故障树法和德尔菲法, 提出了对风险水平和风险权重进行评价的理论框架。

国内关于PPP风险评价的研究尚未形成合理的框架体系, 且模型适用范围各有不同。李辉等 (2008) 以某城市基础设施PPP项目为例, 应用熵权法和专家评价法确定指标权重, 并建立了模糊综合评价模型;张玮等 (2010) 采用网络层次分析法, 根据项目风险指标的关联性, 对东南亚某国家PPP水电站项目风险进行了评价研究;黄斌等 (2010) 等采用蒙特卡洛模拟法对高速公路PPP建设项目进行了风险评价。

尽管关于基础设施项目的PPP融资风险评价的研究日趋完善成熟熟, 目前仍存在以下问题:

(1) 较少考虑风险因素的关联性, 对于各各类风险如何相互作用并影响整体风险水平平的研究较为匮乏。

(2) 模型构建较为单一纯粹。常见的有有层次分析模型、模糊综合评价模型、敏感感性分析模型、BP神经网络模型、基于VVAR方法的风险评判模型等。基于PPP项目目融资风险的复杂性, 根据单一的方法建立立模型无法避免风险评判的片面性。

三、方法选择依据

本文将采用灰色模糊综合评价法构建PPPP融资风险评价模型, 方法选择依据如下下:

(1) 基于PPP项目的复杂性、数据资料的的难获取性和融资风险因素交叉性, 其风险险评价难以定量分析风险因素与风险水平的的关系。受到以往资料和专家经验制约, 不不同类别的风险所处的评价等级必定存在一一定的模糊性, 需要借助模糊理论进行研究究。

(2) PPP融资项目风险的识别往往容易受受经验控制而缺乏客观性, 导致风险的形成成因素及其关系不够明确, 因此PPP融资风险险的评价体系又是一个典型的灰色系统。

(3) 灰色模糊综合评价法在应用过程中不不受样本量大小的限制, 也无需典型的分布布且计算量较小, 对于研究种类繁多关系复杂的PPP项目融资风险有较好的实用性。

四、指标体系构建

李灿灿 (2010) 指出:非系统风险代表与项目建设、生产经营过程直接相关, 并为公司或投资者可控制的风险;而系统风险是指项目在开发建设、生产经营过程中超出项目公司或者投资者控制范围所产生的风险。结合PPP项目的融资结构和各参与方相互关系, 综合考虑项目的社会效益、经济效益和环境效益, 遵循全面性、独立性、可量化等指标选取原则, 从风险的可控性角度将对PPP项目风险分为非系统风险和系统风险, 建立风险清单进行识别并构建指标体系, 如表1所示。

五、评价模型构建

(一) 灰色关联度确定指标权重

Step 1:请m位专家对风险指标权重做出评定。

计算各风险评价指标与权重最大指标A11的序列差 (g1i表示相对于A11, 其他指标的重要度) 。

Step 3:根据公式计算灰色关联系数 (M、m分别为最大、最小序列差, β一般取值0.5) 。

Step 4:根据公式计算灰色关联度。

Step 5:将灰色关联度进行归一化处理, 得到各指标权重系数αij, Aij权重矩阵为

(二) 灰色模糊评价矩阵确定风险水平

Step 1:请k位资深专家, 根据经验对于PPP项目融资风险水平分等级进行赋值评价。

Step 2:将评价灰类分为高, 中高, 中等, 中低, 低5个等级, 用e表示 (e=1, 2, 3, 4, 5) , (灰数, 白权化函数记为) 。

Step 3:白权化处理指标元素Aij的原始评价样本值, 把同一个灰类值的白权化函数值之和作为的灰色评价系数, 记为, 计算公式为以A11为研究对象, 其灰色评价数分别为

Step 4:将灰色评价数归一化处理得到A11的隶属向量为

Step 5:求向量Sij, 得隶属矩阵

(三) 模糊综合评价

Step 2:综合评判矩阵 (其中Xi为一级指标权重) 。

Step3:确定项目风险值Z=C×V (8) , (V为评价向量, 且V= (9, 7, 5, 3, 1) ) 。根据风险值所在的区间判断项目风险等级 (当Z∈ (1, 5) , 风险等级为低级, 为风险可控项目。当Z∈ (5, 8) , 风险等级为中级, 为风险可控项目。Z∈ (8, 9) 风险为高级, 项目不可行) 。

六、案例分析

(一) 项目概况

青岛市政府采用PPP模式与私人企业合作开发廉租房L项目, 该项目建筑面积约4万平方米, 占地面积20亩, 土地开发费用为90元/亩, 项目的建安造价为1600元/平方米。按照廉租房项目PPP融资风险识别中8个风险因素分组, 共24个风险因素, 邀请10名专家组成决策组。

(二) 算例分析

请决策组评判指标体系中的二级风险指标权重分别进行打分, 具体打分结果见表2。

根据公式 (1) — (3) 计算灰色关联度后归一化处理得到各级风险指标的权重系数以及两级指标层间的相对权重, 并进行排序, 结果如表3所示。

请决策组按照第二章建立的标准, 根据历史经验和文献资料, 分别对于体系中24个风险因素的风险水平进行打分。

根据风险水平的评定值确定灰色模糊评价系数, 归一化得到各指标因素的隶属向量, 根据公式 (4) - (5) 确定各类风险隶属矩阵:

(1) 系统风险:

观察比较各类系统风险隶属矩阵行向量, 系统风险中, 贪污腐败、法律变化、政策稳定性、没收或主权变动及不可抗力造成的风险较为严重。

(2) 非系统风险:

观察比较各类非系统风险隶属矩阵行向量, 非系统风险中, 政府违约、技术风险、私人部门违约、完工风险、技术风险、管理风险、租金标准变更、市场需求造成的风险较为严重。

对总体风险进行模糊综合评判:

项目风险C=X×S= (0.4474, 0.2991, 0.1688, 0.0762, 0.0085) 。

计算项目的总体风险值Z=CVT=7.2014, 属于中级风险。

(三) 评价结果分析

根据综合评价结果, 青岛市的L廉租房项目的PPP融资风险等级为中级, 为保证项目的可行性需要采取有效的措施进行风险控制和防范。根据各风险指标的隶属矩阵, 将风险级别高的风险因素定义为Ⅰ级风险因子, 具体包括贪污腐败、政府违约、技术风险、不可抗力风险;将处于轻度风险和重度风险的临界区域的风险因子定义为Ⅱ级风险因子, 有法律变化、私人部门违约、完工风险、技术风险、管理风险、租金标准变更、市场需求;其余为Ⅲ级风险因子。对于Ⅰ级风险因子, 通过改变其产生几率或引发损失严重度进而确定策略和风险处置组, 包括风险转移、风险分割、风险规避等策略综合运用。对于Ⅱ级风险因子, 需要将事前控制、事中控制、事后控制相结合, 在目标控制阶段加强跟踪、监督和反馈, 一旦偏离, 及时采取有效的措施, 最大限度的降低风险。对于Ⅲ级风险因子, 由于其对项目造成的损失较小, 可以采用风险自留策略。

七、结语

本文结合廉租房PPP融资风险评价指标的模糊性和评价信息的不确定性, 根据灰色模糊理论构建了廉租房PPP融资风险评价模型。通过计算灰色关联度确定指标权重, 求得隶属度矩阵并得到灰色模糊评价矩阵, 进行多级模糊综合评价后求得评价风险等级。实例证明, 灰色模糊综合评价法可以有效结合定性与定量的方法对廉租房PPP融资风险进行分析, 从而为规避融资风险提供理论依据, 同时对其他基础设施建设项目PPP融资风险评估有一定的参考价值。

摘要：本文首先基于国内外研究现状, 指出研究PPP项目融资风险因素关联性和构建PPP项目融资评价复合型模型的必要性, 通过综合PPP项目融资风险指标的不确定性和模糊交叉性, 建立了基于灰色模糊理论的PPP融资风险评价模型;之后, 根据PPP项目的融资结构和利益相关关系, 从系统风险和非系统风险两个层面出发, 将风险分作6类并选取24项指标;最后, 应用本模型对青岛市L廉租房PPP项目进行风险评价, 最终计算得到各类一级风险指标模糊综合评判矩阵和总风险模糊综合评判矩阵, 并结合项目的风险等级和风险指标的隶属矩阵提出合理的风险控制措施, 保证项目的可行性。

关键词：PPP项目,融资风险,灰色模糊评价,风险评价

参考文献

[1]李辉, 徐霞.基于熵值权的PPP项目风险的模糊综合评价方法研究.投资分析, 2008 (3)

[2]张玮, 张卫东.基于网络层次分析法 (ANP) 的PPP项目风险评价研究.项目管理技术, 2010 (10)

[3]李灿灿.PPP融资模式风险分析.经济视点, 2010 (2)

[4]黄斌, 张昊辰, 任泽生.Va R在PPP项目风险管理中的应用.辽宁工程技术大学学报, 2010 (4)

[5]Darrin Grimsey and Mervyn K.Lewis, Evaluating the risks of Public Private Partnerships for infrastructure projects, UK:University of Central Lancashire:Intemational Journal of Porject Management, 2002, (20) , pp.107-118.

[6]A.V.Thomas and Satyanarayana N.Kalidindi, Modeling and assessment of critical risks in BOT road projects.Construction Management and Economics, 2006, 24, (4) , pp.407-424.