投影寻踪模型在工程质量评估中应用.docVIP

投影寻踪模型在工程质量评估中应用 　　摘要：建设工程的质量由很多因素决定，目前的质量评估往往依靠主观判断，似不够科学。投影寻踪是统计学中常用的一种多因素评价手段，将投影寻踪分类模型应用于工程质量评估中，可以计算出影响工程质量各个因素的权重，得出工程质量的综合水平，该方法客观，直接，易于实践应用。 　　关键词：投影寻踪；工程质量；评价 　　Abstract: The quality of the construction project was determined by many factors, nowadays, the project quality was always depended on the subjective judgment, which seems unscientific. The projection pursuit model was a common evaluation method in the statistical areas, the application of the projection pursuit model on the evaluation of the project quality could calculate the weightiness of the factors which affect the quality of the construction project, and the comprehensive level of the quality was obtained, the method was objective, direct, and easy to put into practice. ??　Key Words: projection pursuit, quality of the construction project, evaluation 　　中图分类号：F253.3文献标识码：A文章编号： 　　 　　投影寻踪模型是哈佛大学教授P.J.Huber创立的，在统计学领域有着重大的影响。我们衡量一个事物，往往需要从多个方面来衡量，统计学认为，同时用来描述一个现象的多个量，就是一个高维数据，即高维空间的一个点，传统的多元分析方法总是假定数据来自服从多元正态分布的总体，如果实际数据不满足这个假设，效果就不好，而投影寻踪能够将不同类的数据分开，再考察每个类中的数据结构和特征。 　　目前该方法在很多领域得到很好的应用[1-2]，如灌溉方案的选择，环境质量评价，卷烟质量评价，水质体系评估等等。但在建筑领域的应用还鲜见报道，本文将投影寻踪模型应用于工程质量评估，旨在促使工程质量评价向客观化，科学化方向发展。 　　 　　1 投影寻踪简介 　　1.1 模型原理 　　投影寻踪（Projection Pursuit）是一种用来分析和处理高维数据，尤其是处理非线性、非正态分布高维数据的一种新兴方法。其实质是利用计算机技术，通过把高维数据投影到低维子空间，寻找能够反映原高维数据结构或者特征的投影，在低维空间研究数据结构，从而达到研究与分析高维数据的目的。建模步骤如下[3-4]： 　　建立评价矩阵。设评价的样本容量为 n，评价指标（变量）数目为 p，第 i 个样本的第 j 个指标值为 xij* ，则所有样本指标数据可以用 n×p 列的数据矩阵X*表示（在工程运用中，就是第i个施工企业的第j个评价指标）： 　　 　　 　　 　　 无量纲化处理。为解决各指标值的量纲不同，对不同样本指标值进行无量纲化处理: 　　 对数值越大越优的指标采取如下处理： 　　 　　 　　 　　 对数值越小越优的指标采取如下处理： 　　 　　 　　 　　 处理后得到n×p的数据矩阵X: 　　 　　 式中：max(xj*) ——第 j 个指标的最大值；min(xj*) ——第 j 个指标的最小值. 　　 　　(3)线性投影。投影实质上就是从不同的角度去观察数据，寻找能够最大程度地反映数据特征和最能够充分挖掘数据信息的最优投影方向，从而实现数据降维。本文将高维数据投影到一维线性空间进行研究，因此，设单位向量 a={a1,a2,…ap}为一维线性投影方向，则矩阵X投影到a上的一维投影特征值为zi。 　　 　　 　　 (4)构造投影目标函数。综合投影指标值时，根据分类原则，投影值的散布特征尽可能满足如下要求：局部投影点尽可能密集、最好凝聚成若干点团；整体上投影点团之间尽可能散开。即：使多元数据在一维空间散布的类间距离SZ和类内密度DZ同时取得最大值。因此，将投影目标函数表示为类间距离和类内密度的乘积： 　　 　　 式中：