人因可靠性分析的加权CREAM模型

为有效预测开发阶段系统的可靠性,提高认知可靠性与失误分析方法(CREAM)分析的准确性,降低部分系统输入数据的主观性,利用区间值直觉模糊集(IVIFS)和网络分析法(ANP),在考虑共同绩效条件(CPC)间相关性的情况下,提出了一种定量计算CPC权重的优化方法,使可靠性分析更加符合实际环境。在算法中基于判断矩阵获得各CPC权重,克服了一致性检验的约束,并确定了加权的人因失效概率。最后将改进前后的方法应用在肺癌穿刺机器人手术系统的试验中。结果表明:改进后方法获得的权重的标准误差(SE)更低,与真实值更贴近,准确性更高,证明了其分析能力的优越性;改进后方法最终预测结果包含的信息更广,有效避免了对系统潜在故障的忽视。

共原点灰类集对模型在河流健康评价中的应用

在河流健康评价中,为了克服传统灰色聚类方法的缺陷,引入共原点聚类方法对集对模型进行改进,利用功效函数代替联系度分量,发挥共原点聚类方法覆盖范围广的优点并利用集对模型处理不确定性信息。同时采用主客观结合的组合赋权法确定指标权重,构建基于共原点聚类的集对分析模型,并应用于某河的健康评价中。根据评价结果,河流总体健康状况良好,同时应在提高供水水量、保护河流生态多样性、改善河流水质等方面加大力度。

基于投入产出规模的省际碳排放配额分配研究

碳排放交易机制是解决全球气候变暖的有效措施,其中碳排放配额的初始分配一直是碳排放交易机制建立过程中的难点。现有的基于DEA方法的碳排放配额分配大多是基于效率的分配,而没有考虑各省份的投入产出规模。为了保证投入产出规模的测量被各省份接受,本文提出了一种基于共同权重的DEA方法分配我国各省份的碳排放配额。研究结果表明,不同类型的规模分配方法得到的分配比例不同,只有基于投入产出规模的分配方法不仅能同时考虑各省份的投入和产出,而且能够提高分配后的效率。该基于投入产出规模的碳排放配额分配方式更容易被各省份所接受,并能为国家分配碳配额提供一个新的视角。

基于公共权重和理想决策单元的DEA排序方法

利用公共权重和理想决策单元,提出了一种对决策单元(DMUs)进行排序的方法。该方法分为两个阶段:在第一阶段,采用二分法计算出所有决策单元都满足的效率值下界,并证明了该下界是唯一的;在第二阶段,在满足所有DMUs都满足效率下界的前提下,利用理想决策单元,建立了一个多目标规划模型,采用分层序列法计算出所有决策单元都能接受的公共权重集,这些权重值在已知目标函数重要程度时是唯一的,最后通过定义排序规则,得到所有DMUs的排序。数值算例验证了本文方法的有效性和可行性。

大众性问答社区答案质量排序方法研究

【目的】针对大众性问答社区答案质量参差不齐的现状,对答案质量排序方法进行探讨。【方法】依据信息接受模型,从感知价值角度构建答案质量排序初始指标体系;采用K-Medoids聚类算法对初始指标进行离散化,同时利用粗糙集理论对初始指标进行约简并赋予权值,进而修正指标体系;运用加权灰色关联分析计算答案的加权灰色关联度,以产生排序结果。【结果】针对"知乎"6类话题下6个问题的2 297条相关数据进行实验分析,排序靠前的答案通常采用图文结合的表达方式、答案所含信息量高,且回答者社区参与度较高,从而答案的质量较高。【局限】数据规模需要扩大,对排序方法的评价还可以优化。【结论】73名"知乎"用户对原始排序与本研究排序进行满意度评价,结果表明本文方法具有优越性。