基于云模型的选煤厂效能评估数据融合研究.pdfVIP

自动化技术与应用 2011年第 30卷第9期 计 算机 应 用 ComputerApplications 对于只有单边约束 或Crn 的属性评语，如 ， f=1，2，3，4 “很好”、 “很差”等 ，可先确定其缺省边界参数或缺省 期望值 ，如评语 “很差”的缺省期望值为 0(指评分)，然 2)将 归一化 后再参照式计算云参数 ，用半升或半降云来描述。 wi= ／∑ ，1，2，3，4 3．2．3 实际云模型的建立 利用一维逆向云改进算法 ，生成云图。算法的精度 得到W =( ，w2， ， ) ，即为所求特征向量的 是 由专家评分点的个数决定的，当评分点的个数少时， 近似值 ，这也是各元素的相对权重。 该算法的误差会很大 ，因此我们需要采集大量的评价数 3)计算判断矩阵x的最大特征值 。 据信息，但搜集大量的评价数据又存在 困难 ，尤其是一 计算公式为 ： 些重大的决策 问题 ，由于涉及到众多专业领域的专家 ， 4 这类决策应该 由这些团体的代表或委员会进行群体决 = 策。为了解决上述问题 ，本文利用计算机能够模拟人的 其中：(Aw)为向量AW 的第 i个元素。 思维的特点，引入了计算机模拟技术 。其基本思想是根 (3)一致性检验。 据计算机具有统计分析的功能，能对多个专家给出的评 步骤如下： 价信息进行统计分析 ，最终集合所有专家的思想和智 1)计算一致性指2)标 3)C． 慧 ，模拟得出专家评定模拟值 。 c．I=( —n)／(n一1) 利用采集到的评价信息和模拟出的评价信息，利用 n为矩阵阶数。 无须确定度信息的逆向云算法 即可得到实 际云模型的 2)查出相应的平均随机一致性指标尺．，。 数字特征。再利用正向云发生器算法 ，即可得到属性实 3)计算一致性比例C．尺 际云的分布 图。 cR：C．I|R．I 3．2．4 计算机模拟 当C．R0．1时，认为判断矩阵的一致性是可 以接 计算机模拟算法如下 ： 受的，若 C ．R ≥0．1，就需要对判断矩阵进行调整再重 输入 ：某属性的专家评价的分数x，云滴数 。 新计算。 输出：n个模拟分数。 3．2．2 构建指标对应的评价集 算法步骤 ： 确定各个属性 的评语 ，形成各个属性的评价集 ，每 (1)在实际云Ex和满足等式： =mean(X)； 一 个属性的每一个评语都 由一个云模型来描述 ，形成各 (2)实际云En和满足等式： =std(X)； 个属性的每个评语相应的评估标准云模型 ，组成属性评 (3)随机生成多个数sum，使得 ：sum=sum+rand(1)； 语的评价标准云模型集。由于评语总是 “好、一般、差” (4)随机生成的数NumX= Ex+En*sqn(2)*(sum一