脱硫工艺多指标综合评价方法的优选课案.ppt

脱硫工艺多指标综合评价方法的优选 目 录 分 类 一、层次分析法 一、层次分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 二、灰色关联分析法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 三、模糊综合评价法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 四、熵值法 五、主成分分析法 五、主成分分析法 五、主成分分析法 五、主成分分析法 五、主成分分析法 五、主成分分析法 五、主成分分析法 五、主成分分析法 五、主成分分析法 五、主成分分析法 五、主成分分析法 六、聚类分析法 六、聚类分析法 六、聚类分析法 六、聚类分析法 六、聚类分析法 六、聚类分析法 六、聚类分析法 六、聚类分析法 六、聚类分析法 六、聚类分析法 六、聚类分析法 七、人工神经网络法 七、人工神经网络法 七、人工神经网络法 七、人工神经网络法 七、人工神经网络法 七、人工神经网络法 七、人工神经网络法 七、人工神经网络法 七、人工神经网络法 七、人工神经网络法 谢 谢 ！ 烟气脱硫技术B：评价向量μB = (0.104 1, 0.059 2, 0.3200, 0.2827, 0.2340)，评价等级IV级，评价得分qB=3.4833； 烟气脱硫技术C：评价向量μC=(0.2258, 0.06430, 0.33120, 0.26880, 0.1099)，评价等级IV级，评价得分qC=2.9727； 烟气脱硫技术D：评价向量μD = (0.2113, 0.1056,0.1952, 0.3197, 0.1682)，评价等级IV级，评价得分qD=3.1279； 烟气脱硫技术E：评价向量μE =(0.0169, 0.3593, 0.3399, 0.1727, 0.1112),评价等级III级，评价得分qE=3.0020； 烟气脱硫技术F：评价向 量μF=(0.0531, 0.179 0, 0.216 4,0.3003, 0.2512), 评价等级IV级，评价得分qF=3.5175。 由此，可以得到6种烟气脱硫技术优先考虑顺序为：A(石灰石湿法) F(湿式氨法) B(简易湿法) D(炉内喷钙尾部增湿) E(电子束法) C(旋转喷雾干燥法)。 实例——基于熵权未确知测度模型的综合评价 原理：主成分分析是把多个指标化成为少数几个综合指标的一种统计分析方法。 在多指标的研究中，往往由于变量个数太多、并且彼此之间存在着一定的相关性，因而使得所观测的数据在一定程度上反映的信息有所重迭，当变量较多时，研究样本的分布规律也比较麻烦。而主成分分析正是把这种情况进行化简，找出几个综合因子来代表原来众多的变量，使这些综合因子能尽可能地反映原来变量的信息量，而且彼此之间互不相关。 这种分析方法抓住主要矛盾，舍弃次要矛盾，从而获得最佳效果。 方法：主成分分析是把多个指标化成为少数几个综合指标的一种统计分析方法。 设有p个指标x1, x2, …, xp，这p个指标反映了客观对象的各个特性，因此每个对象观察到的p个指标值就是一样本值，它是一个p维的向量，如果观察了n个对象，就有n个p维向量，共有n×p个数据，用矩阵X表示就有: 方法： 每一行就是一个样本的观察值。统计问题是:已知数据矩阵x，能否找到反映p个指标x1, x2, …, xp的线性函数 ，它能最好地反映x1, x2, …, xp的变化状