脱硫工艺多指标综合评价方法优选课件.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;方法： 1）建立指标矩阵Ak; 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;当评价对象的因素值yi 越小，评判对象的性能就越好，则选用偏小型隶属函数； 当评价对象的因素值yi 越大，评判对象的性能就越优越，则选用偏大型隶属函数。 因此，计算得到的隶属度r ji 的值总是在[0,1]这个区间内，r ji值越接近1则在同类中越处??领先地位，越优越；相反，rji 值越接近0则在同类中越处于落后位置。; 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;原理：设有m个待评方案，n项评价指标，形成原始指标数据矩阵X=(xij)m×n，对于某项指标xj，指标值xij的差距越大，则该指标在综合评价中所起的作用越大；如果某项指标的指标值全部相等，则该指标在综合评价中不起作用。在信息论中信息熵H(x)=﹣ 表示系统的有序程度，一个系统的有序程度越高，则信息熵越大，反之，一个系统的无序程度越高，则信息熵越小。所以，可以根据各项指标指标值的差异程度，利用信息熵这个工具，计算出各指标的权重，为多指标综合评价提供材据。;用熵值法进行综合评价的步骤： 1.将各指标同度量化，计算第j项指标下第i个方案指标值的比重pij;用熵值法进行综合评价的步骤： 此时ej取极大值，即 ej=﹣k =klnm 若设k= ，于是有0≤ej≤1 3.计算第j项指标的差异性系数 对于给定的j，xij的差异性越小，则ej越大；当全部相等时，ej=emax=1，此时对于方案的比较，指标xi毫无作用；当各方案的指标值相差越大时，ej越小，该项指标对于方案的比较，作用越大。;＜; 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;要寻找最能反映这些xi变化的，就要求Var(y)尽可能大，从Var(y)=aTVa冷可以看出，对向量a的长度要作一些限制，否则Var(y)要可以无限增大而没有意义，自然限制 。因此数学问题就是:已知协方差矩阵V，求满足约束条件aTa=1的a，使aTVa达到最大值。; 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;因为在原样本中已插入作为评价标准的最优和最劣对象，可根据其他样本对于最优对象或最劣对象的相似度进行聚 类，则相似度越大的样本优先入类，进而由入类顺序可得样本的排序结果因此在实际应用中只需分别求得样本与最优对象的相似系数 ，以及与最劣对象的相似系数 ; 六、聚类分析法;以最优对象为中心的排序结果与以最劣对象为中心的排序结果往往是不同的，且两种结果的合理性均较差为此可作如下修正：若样本 i 越趋于优，则 越大， 越小，因此可令 求得 ， 再根据 ，对样本进行排序。; 六、聚类分析法; 六、聚类分析法; 六、聚类分析法;分别求得样本与最优对象和最劣之间的相似系数，并计算修正相似系数; 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