熵權模糊物元模型在廠礦道路養(yǎng)護中的應用

唐曉進

(寶鋼工程技術集團有限公司，上海 201900)

熵權模糊物元模型在廠礦道路養(yǎng)護中的應用

唐曉進

(寶鋼工程技術集團有限公司，上海 201900)

鑒于現(xiàn)行廠礦道路技術狀況評定中各項指標的模糊不確定性、不相容性以及信息的有限性，本文建立了灰關聯(lián)熵分析理論與模糊物元分析方法相結合的綜合評價模型。實例計算分析表明，該模型簡單、計算方便，可有效地減少評價過程中的主觀性干擾，能夠較全面、客觀地對廠礦道路技術狀況做出綜合評價。

灰關聯(lián)熵權，模糊物元模型，狀況評定，廠礦道路養(yǎng)護

0 引言

廠礦道路特別是冶金行業(yè)中的廠礦道路為典型的重載交通道路，需要經(jīng)常對其進行養(yǎng)護，但廠礦道路到什么狀況時需要進行養(yǎng)護，評價指標是什么，當前廠礦道路中很少有人去進行研究，由此造成當前廠礦道路的養(yǎng)護帶有很大的隨意性，養(yǎng)護資金劇增，為此很有必要借鑒當前公路養(yǎng)護中的相關經(jīng)驗，建立廠礦道路養(yǎng)護評價體系。當前許多學者和專家關于公路養(yǎng)護優(yōu)先排序決策方面進行了探索和研究，并取得了一定的成果，如多目標多屬性法、灰色物元法以及層次分析法［1-3］等，但這些方法總會在一定程度上依賴于人的主觀判斷，尤其是在指標權重確定方面，呈現(xiàn)較大的隨意性。

我國現(xiàn)行JTG H20-2007公路技術狀況評定標準［4］中公路技術狀況評價指標用公路技術狀況指數(shù)MQI表示，它包括路面(PQI)、路基(SCI)、橋隧構造物(BCI)和沿線設施(TCL)四大部分養(yǎng)護決策依據(jù)相應的評定標準制定，各項指標的評定標準見表1。

表1 公路技術狀況評定標準

本文建立了廠礦道路技術狀況評定的歐氏貼近度復合模糊物元，并通過灰關聯(lián)熵分析法確定各指標權重，灰關聯(lián)熵分析法是在灰關聯(lián)分析法基礎上發(fā)展起來的，它能克服一般灰關聯(lián)分析方法的不足［6］，可使評價結果更加客觀、合理，為廠礦道路技術狀況評定及廠礦道路路段的養(yǎng)護優(yōu)先決策提供了一種新方法。

1 熵權模糊物元評價模型的建立

1．1 模糊物元模型［5，7，8］

1)模糊物元。

所謂模糊物元，就是以“事物、特征、模糊量值”組成有序三元組來描述事物的基本元。m個事物n維物元組合在一起稱為復合模糊物元Rmn，用矩陣的形式表示為式(1)：

其中，Rmn為m個事物的n個模糊特征的復合物元;Mi為第i個事物(i=1，2，…，m);Cj為第 j個特征(j=1，2，…，n);vij為第 i個事物第j個特征對應的模糊量值。

2)從優(yōu)隸屬度物元的確定。

對于路段綜合評價，由于各評價指標特征值具有越大越優(yōu)的特點，則可依據(jù)從優(yōu)隸屬度的原則，按式(2)把模糊復合物元Rmn中的量值 vij變成從優(yōu)隸屬度 uij(i=1，2，…，m;j=1，2，…，n)。

越大越優(yōu)型：

標準模糊物元R0n是指從優(yōu)隸屬度模糊物元珘Rmn中各評價指標的從優(yōu)隸屬度最大值或最小值。若以(Δij)m×n表示標準模糊物元R0n與復合模糊物元Rmn中各項差的平方，則得差平方復合模糊物元RΔ可表示為：

1．2 熵權的確定［9，10］

1)評價指標規(guī)范化。

對由原有評價指標數(shù)據(jù)組成的矩陣Fmn=(fij)m×n進行規(guī)范化處理，可按式(5)對 Fmn進行規(guī)范化處理得到矩陣 Gmn= (rij)m×n。

2)灰關聯(lián)度的計算。

其中，ρ為分辨系數(shù)，0≤ρ＜1，本文取 ρ=0．5。

3)計算熵權。

第j個指標的熵值Ej按式(7)計算。

其中，Ej為熵值;eij為相對比重;εij為關聯(lián)系數(shù);常數(shù) K=(lnm)－1。假設決策者對指標沒有明顯的偏好，則指標j的權重可按式(8)計算確定：

1．3 綜合評價指標的確定

由于廠礦道路技術狀況評價體系具有綜合意義，本文采用歐氏貼近度ρHi(越大越優(yōu)型)作為綜合評價指標，運用M(·，+)算法(即先乘后加)來計算和建立貼近度復合模糊物元RρH，用矩陣的形式表示為式(9)：

2 實例應用分析

本文利用某冶金企業(yè)5個路段的廠礦道路路況調查數(shù)據(jù)進行路況綜合評定;各分項評價指標值見表2，表2的數(shù)據(jù)可用矩陣Fmn=(fij)5×8表示。

表2 路段技術狀況評定數(shù)據(jù)

根據(jù)表2數(shù)據(jù)，構造路段的復合模糊物元Rmn表示如下：

根據(jù)式(6)計算得到灰關聯(lián)熵值：

根據(jù)最大貼近度原則可知，5個路段綜合評價的優(yōu)劣排序從小到大有：M2＜M4＜M1＜M5＜M3，這表明路段M3的綜合評價最好，而M2的綜合評價最差，需最優(yōu)安排其養(yǎng)護。5個路段的養(yǎng)護需求排序見表3。

表3 養(yǎng)護優(yōu)先排序表

3 結語

1)廠礦道路技術狀況評定與養(yǎng)護優(yōu)先排序需全面考慮多指標的屬性，針對其評價指標的模糊不確定性、不相容性及信息的有限性，將模糊物元理論和熵權分析方法應用于廠礦道路技術狀況綜合評定中，進而得到養(yǎng)護優(yōu)先排序。實例分析表明，本文所建立的模型簡單、計算方便，結果亦較合理，具有一定的推廣前景。

2)在廠礦道路養(yǎng)護決策體系中，通常需要進行技術狀況評定和養(yǎng)護需求分析的路段數(shù)目較多，由于本文建立的熵權模糊物元評價模型計算理論簡單、方便，若采用計算機對其進行計算，更可方便快捷地做出評判和決策。

［1］蔣曉明．多目標多屬性決策方法在瀝青路面養(yǎng)護排序中的應用［J］．中外公路，2007，27(5)：62-64．

［2］秦元營，孔永鍵．基于灰色物元法的路面養(yǎng)護決策［J］．公路，2007(10)：205-208．

［3］聞紹明，徐濱昌，姜 波．用層次分析進行路面養(yǎng)護優(yōu)先排序［J］．黑龍江交通科技，2002，97(3)：63-67．

［4］JTG H20-2007，公路技術狀況評定標準［S］．

［5］張 斌，雍歧東，肖芳淳．模糊物元分析［M］．北京：石油工業(yè)出版社，1997．

［6］張岐山，郭喜江，鄧聚龍．灰關聯(lián)熵分析方法［J］．系統(tǒng)工程理論與實踐，1996(8)：7-11．

［7］董秀坤，折學森，高世君．基于熵權的模糊物元模型在軟基處理方案評價中的應用［J］．南昌大學學報(工科版)，2007， 29(2)：168-170．

［8］王 琨，董 立，董秀坤．運用模糊物元模型評價地基處理方案［J］．路基工程，2009(3)：108-109．

［9］梁 軍，江 薇，李旭虹．模糊綜合評價方法改進及其在交通管理規(guī)劃中的應用［J］．交通運輸工程學報，2002，2(4)：68-72．

［10］呂 鋒，賈現(xiàn)召，楊曉英，等．基于灰關聯(lián)分析模糊物元模型的礦區(qū)污水處理方案優(yōu)選研究［J］．礦業(yè)安全與環(huán)保，2008，35(1)：58-60．

Application of fuzzy matter-element model based on entropy weight in factory road maintenance

TANG Xiao-jin

(Bao Steel Engineering＆ Technology Group Co．，Ltd，Shanghai 201900，China)

In view of the fuzziness，uncertainty and incompatibility of indexes and the limited information for assessing the factory road performance，the paper established fuzzy matter-element model based on grey association entropy weight by combining the grey association entropy theory with fuzzy matter-element method．The example indicated that this model is simple and easy to use．It can reduce subjective assumption effectively and make more overall and objective evaluation for the comprehensive assessment of factory road performance．

grey association entropy weight，fuzzy matter-element model，performance assessment，factory road maintenance

TD56

A

10.13719/j.cnki.cn14-1279/tu.2012.25.037

1009-6825(2012)25-0167-03

2012-06-25

唐曉進(1964-)，男，高級工程師