基于加权主成分分析的码头功能调整综合测评方法

摘要

本发明属于交通运输规划与管理技术领域，为建立码头功能区调整综合测评模型，并对具体测评结果进行分级，为港口规划调整、码头规划设计调整和管理控制提供技术支持。为此，本发明采用的技术方案是，基于加权主成分分析的码头功能调整综合测评方法，包括下列步骤：码头功能调整综合测评指标体系的建立；权重的确定利用灰色关联度法能客观确定权重这一自然特性，确定码头功能调整综合测评各个测评指标权重；测评模型的建立1）采用灰色关联度法确定各测评指标的权重w_j(j=1,2,...,26)；2）测评指标原始数据的无量纲化处理阈值的选取与级别的划分。本发明主要应用于交通运输规划与管理。

主权项

1.一种基于加权主成分分析的码头功能调整综合测评方法，其特征是，包括下列步骤：码头功能调整综合测评指标体系的建立采用系统分析法利用测评指标体系的建立及其综合测评实际上是更好的实现系统目标即使系统目标得到改进这一自然规律，通过码头功能调整的本质是码头各个功能子系统更加匹配这一总目标的分解，建立码头装卸能力、码头配套设施、财务分析、经济分析四个子目标，从这四个子目标出发，确定各自的测度指标从而建立码头功能区调整的综合测评指标体系；权重的确定利用灰色关联度法能客观确定权重这一自然特性，确定码头功能调整综合测评各个测评指标权重；①原始数据的处理采用平均值法对原始数据进行处理：即将各测评方案同一指标值相加除以测评方案数目求得平均值做为该指标的参考值，将各个指标的平均值依次排列做为参考数列，设n=26为测评指标的数目，则经过数据处理后的参考数列x₀(t)表示为：{x₀(t)}＝{x₀₁，x₀₂，...，x₀₂₆}其中x₀₁表示第一个测评指标的参考值，x₀₂₆表示第26个测评指标的参考值；②计算关联系数设p为测评方案的数目，与参考数列作关联程度比较的p个数列即比较数列为：$\{x_1\left(t\right),x_2\left(t\right),...,x_p\left(t\right)\}=\left[\begin{array}{cccc}{x}_{11}& x_{12}& ···& x_{126}\\ x_{21}& x_{12}& ···& x_{226}\\ ···& ···& ···& ···\\ x_{p1}& x_{p2}& ···& x_{p26}\end{array}\right\}$其中x₁₁表示第一个测评方案的第一个测评指标值，x₁₂₆表示第一个测评方案的第26个测评指标值，x_p26表示第_p个测评方案的第26个测评指标值；将第k(k＝1，2，...，p)个测评方案各指标的数值与参考数列x₀(t)对应指标值的差值的绝对值记为：Δ_ok(t)＝|x₀(t)-x_k(t)|t=1,2,...,nx对于第k个测评方案，分别记26个Δ_ok(t)中的最小数和最大数为Δ_ok(min)和Δ_ok(max)，对p个比较数列，又记p个Δ_ok(min)中的最小者为Δ(min)，p个Δ_ok(max)中的最大者为Δ(max)，这样Δ(min)和Δ(max)分别是所有p个比较数列在各个测评指标中的绝对差值中的最小者和最大者，于是，第k个方案中第t个测评指标的关联系数通过下式计算：${\zeta }_{\mathrm{ok}}\left(t\right)=\frac{\Delta \left(\min \right)+\mathrm{\rho \Delta }\left(\max \right)}{{\Delta }_{\mathrm{ok}}\left(t\right)+\mathrm{\rho \Delta }\left(\max \right)}$式中ρ为分辩系数，用来削弱Δ(max)过大而使关联系数失真的影响，0＜ρ＜1；③求关联度计算第t个测评指标的关联度r_t：$r_t=\frac{1}{p}\underset{k=1}{\overset{p}{\Sigma }}{\zeta }_{0k}\left(t\right)$其中ζ_ok(t)为第k个方案中第t个测评指标的关联系数；④通过关联度确定权重对各个测评指标的关联度进行归一化处理，即每一个指标的关联度除以所有关联度的总和，然后可得到各个指标的权重矩阵：w=[w₁，w₂，....，w_j，....，w₂₆]其中w_j为第j个测评指标的权重；测评模型的建立利用主成分分析法-这一客观测评方法能克服指标间信息重叠的这一自然规律，建立基于加权主成分分析法的码头功能调整综合测评模型，具体步骤为；1）采用灰色关联度法确定各测评指标的权重w_j(j=1,2,...,26)；2）测评指标原始数据的无量纲化处理I.对于成本型指标$y_{\mathrm{lj}}=\frac{{\max x}_j-x_{\mathrm{lj}}}{{\max x}_j--{\min x}_{\mathrm{lj}}}$II.对于效益型指标$y_{\mathrm{lj}}=\frac{x_{\mathrm{lj}}-{\min x}_j}{{\max x}_j-{\min x}_j}$III.对于区间型指标其中x_lj表示第l个测评样本对象或方案对象的第j项指标值，maxx_j、minx_j分别是x_lj中的最大值和最小值，[S₁,S₂]为指标的最优区间；将各指标通过无量纲化处理后再乘以100，转化成百分制计数，其中x_lj表示第l个测评对象(样本,方案)的第j项指标值，共L个测评对象，26个测评指标；3）计算矩阵(y_lj)_L×26的相关矩阵R＝(r_ij)_26×26，其中r_lj为第l行与第j列的相关系数：(y_lj)_L×26是原始数据经过无量纲化处理后的L行26列的矩阵；4）计算R的特征值λ₁≥λ₂≥λ₃≥......≥λ₂₆及对应的标准正交化特征向量u₁，u₂，...,u₂₆；5）求主成分：$Z_k=\underset{j=1}{\overset{26}{\Sigma }}{u}_{\mathrm{kj}}{y}_j,k=\mathrm{1,2},...,26$其中u_kj表示第k个特征值对应的第j个标准正交化特征向量；其中y_j是第j个标准化指标；6）计算累计方差贡献率E，使其满足$E=\underset{j=1}{\overset{m}{\Sigma }}{\lambda }_j/\underset{j=1}{\overset{26}{\Sigma }}{\lambda }_j\ge 85\%$其中E的大小表示前m个主成分反映的信息量和的多少，85%表示提出的特征信息的精度，也可以取其它如90%、95%等，具体依据不同的要求确定；7）标准化指标y_j的加权处理：$y_j^{*}=w_j{y}_j,j=\mathrm{1,2},...,26$其中w_j为通过灰色关联度法求得的第j个测评指标的权重；8）计算每个测评对象(样本,方案)的综合测评指数值Z$Z=\underset{k=1}{\overset{m}{\Sigma }}({\lambda }_k/\underset{j=1}{\overset{26}{\Sigma }}{\lambda }_j)\times \left(\underset{j=1}{\overset{26}{\Sigma }}{u}_{\mathrm{kj}}{y}_j^{*}\right)$以该值大小对包括样本，方案各个测评对象进行排序；阈值的选取与级别的划分根据各个指标的值以及最后的综合测评值确定级别，即级别的划分既要考虑各个分指标值的大小达到一定标准，又要考虑最后的综合测评值达到指定标准，进而保证整体方案的有效性。