染雾层次分析法和灰色关联分析法的研究 篇一
层次分析法（AHP）是一种用于多目标决策的定量分析方法，其核心思想是将一个复杂的决策问题分解成若干个层次，从总体到局部逐层进行比较，最终得出最优方案。AHP的应用领域广泛，包括经济管理、工程技术、环境保护等各个领域。
在AHP中，首先需要建立目标层、准则层和方案层，然后通过构建判断矩阵计算出每个层次的权重，最终得出各个方案的综合得分。AHP方法的优势在于能够考虑不同因素之间的相互影响，帮助决策者做出更加科学的决策。
与AHP相比，灰色关联分析法（GRA）是一种用于研究数据之间关联性的方法，特别适用于样本数据较少或者数据质量较差的情况。GRA方法的关键就是建立灰色关联度函数，通过计算不同数据之间的关联度来揭示它们之间的关联关系。
虽然AHP和GRA有着不同的理论基础和应用场景，但它们在某些方面也有一些相似之处。比如，在多目标决策问题中，AHP可以用来确定各个目标的权重，而GRA可以用来分析各个目标之间的关联性，从而更好地指导决策过程。
通过对AHP和GRA的研究，我们可以发现它们各自的优势和局限性，进而在实际问题中选择合适的方法来解决具体的问题。在未来的研究中，可以考虑将AHP和GRA相结合，利用它们各自的优势互补，为决策提供更加全面和准确的支持。
层次分析法和灰色关联分析法的研究 篇二
灰色关联分析法（GRA）是一种用于研究数据之间关联性的方法，其核心思想是通过计算不同数据之间的关联度来揭示它们之间的关联关系。GRA方法适用于样本数据较少或者数据质量较差的情况，可以帮助研究者从数据中挖掘出有用的信息。
在使用GRA方法时，首先需要建立灰色关联度函数，然后计算不同数据之间的关联度，并将其标准化得出最终的关联度值。通过分析关联度值的大小，可以得出数据之间的关联关系，帮助研究者更好地理解数据的内在规律。
与GRA不同，层次分析法（AHP）是一种用于多目标决策的方法，其核心思想是将一个复杂的决策问题分解成若干个层次，从总体到局部逐层进行比较，最终得出最优方案。AHP方法适用于各种不同领域的决策问题，可以帮助决策者做出更加科学的决策。
尽管AHP和GRA有着不同的理论基础和应用场景，但它们在某些方面也有一些相似之处。比如，在多目标决策问题中，AHP可以用来确定各个目标的权重，而GRA可以用来分析各个目标之间的关联性，从而更好地指导决策过程。
通过对AHP和GRA的研究，我们可以发现它们各自的优势和局限性，进而在实际问题中选择合适的方法来解决具体的问题。在未来的研究中，可以考虑将AHP和GRA相结合，利用它们各自的优势互补，为决策提供更加全面和准确的支持。
层次分析法和灰色关联分析法的研究 篇三
关于层次分析法和灰色关联分析法的研究
在学习、工作生活中，大家最不陌生的就是论文了吧，通过论文写作可以培养我们独立思考和创新的能力。那么你有了解过论文吗？以下是小编为大家收集的关于层次分析法和灰色关联分析法的论文，欢迎阅读与收藏。
我国是一个农业大国,要在我国实现全面建设小康社会的目标,必须解决好三农问题。我国人口众多,人均占有耕地数量不到世界平均水平的一半。在我国这样一个人多地少的国家发展农业生产,增加农民收入,必须十分重视农业科技的作用。2012年中央一号文件专门就我国农业科技的发展进行了规划。舒尔茨[1]指出科技投入是农业长期发展的主要动力,是实现传统农业向现代农业转变的关键因素。国内一些学者对农业科技与农业增产、农民增收的关系进行了研究。马梅芸[2]等研究了福建省农业科技投入对农业发展的贡献,测算出福建省农业科技投入对农业发展的贡献率。汪博兴[3]就农业科技投入对经济增长的影响进行了脉冲响应分析,结果表明,只有不断加大财政农业科技投入,才能实现农业的长期可持续发展,才能推动国民经济的健康发展。以上学者的研究结果将为笔者的研究提供有益的借鉴。笔者以灰色关联理论为基础,定量分析我国农业科技水平与农业发展、农民收入的关系,旨在为发展我国农业科技提供参考。
1、数据来源、指标选取与研究方法
1.1数据来源数据来源于《中国统计年鉴》(2002~2010)。
1.2指标选取笔者以农牧渔业总产值(记为A,单位:亿元)作为衡量农业发展水平的指标;以财政对于农业科技投入费用(记为B1,单位:亿元)、农业科技人才数量(记为B2,单位:人)、农林牧渔业专利授权量(记为B3,单位:件)作为衡量我国农业科技发展水平的指标。农牧渔业总产值能够最大程度地体现农业生产的水平,因此,以此作为衡量我国农业生产水平的指标。农民人均纯收入是衡量农民收入水平的最直接的指标,这个指标能够全面综合反映农民生活水平。农业科技投入代表国家财政经费用于农业科技发展方面的支出,是农业科技财力方面的指标;农业科技人才数量代表农业科技队伍的规模,反映农业科技人力投入;农林牧渔业专利授权量能够直接体现出农业科技的产出水平。因此,用这3个指标就能够表示出我国农业科技的总体发展水平。
1.3研究方法采用灰色关联动态分析法。
2、结果与分析
2.1灰色关联动态分析的建模步骤
2.1.1建立原始数列的因变量参考数列和自变量比较数列。(公式略)
2.1.2将原始序列进行无量纲处理。这是为了消除数量级大小不同而造成的影响,便于进行计算和比较。可以运用初始化法,均值化法等进行,计算公式分别是(公式略)
2.1.3计算每个时刻点上母序列与各个子序列差的绝对值,找出最大差和最小差。(公式略)
2.1.4计算灰色关联系数。(公式略)
2.1.5计算灰色关联度。要求得总的关联度,需要考虑到不同的观测点在总体观测中的重要性程度,因此需要确定各个点的权重。一般情况下,采用算术平均数的方法计算灰色关联度。r0i=1/n騨k=1r0i(k),r0i表示数列x0与数列xi之间的关联系数。
2.1.6关联度排序。根据r0i的大小进行关联度排序。关联度越接近于1,说明关联程度越大。根据经验,当λ=0.5时,关联度大于0.6便认为关联性显着[4-6]。
2.2灰色关联度分析
2.2.1计算序列初值。计算得到序列初值结果。
2.2.3计算极差。从表3可以看出,最大差=0.987,最小差=0。
2.2.4计算关联系数。取λ=0.5,得到关联系数。
2.2.5计算关联度。2003~2009年我国农业发展水平与科技发展水平各个因素关联度为:R01=0.759,R02=0.581,R03=0.731。
2.2.6关联度排序。影响我国农业发展水平的科技发展因素,按照关联度大小排序分别为R01>R03>R02。
3、结论与建议
从以上计算结果可以看出,我国农业科技水平对于农业发展水平有很大影响。其中对于我国农业发展水平影响最大的科技因素是农业科技投入水平。农业科技投入不仅注重数量,而且注重质量。一方面,从数量上看,我国农业科技投入逐年递增,但是与发达国家相比还有差距。农业科研投入占GDP的比值,世界的平均值为1.07%,发达国家为3.2%,而我国农业科研的投入只占GDP的0.5%。另一方面,我国财政农业科技投入质量不高,目前主要投入到农业科技研发方面,农业科技推广方面的投入不够。目前我国从事农业技术推广人员数量较少,素质不够,普遍存在学历低、年龄大,待遇低的状况。
2012年中央1号文件对此推出专门的对策。要加大农业科技推广人员培训,提高农业科技推广人员素质。同时还要进一步加大对于农业科技的投入,改变农业科技投入占农业GDP偏低的情况。农牧渔业专利授权量对于我国农业发展水平也有很大影响。该指标能够全面反映农业
农业科研人员数量与我国农业发展水平关联性不够明显。原因在于:第一,我国农业科技人员结构不够合理,主要表现为缺乏大量高素质的农业科技成果转化人才。第二,农业科技人才的市场化意识不够,导致许多科技成果不能使用农业现代化发展的需要。这方面我国与发达国家有较为明显的差距,比如,美国农业科技工作者习惯于从生产实践中寻找项目,科技活动的直接目标是服务于生产。由于在我国人才评价机制不完善,科研成果是科研工作者晋职调薪和评功受奖的主要依据,许多农业科研工作者从事科研不是为了服务于生产,而是为了多出成果。而成果的取得往往又是通过专家的评定形成的,这就难免受人情因素的约束而影响评定结果的公正性。同时,对农业科技成果的评价过分强调成果的先进性,而忽视科技成果对农业生产的实用性,也在一定程度上影响了农业科技成果的转化率,进一步导致科研与生产的脱节。所以,应该进一步改进我国农业科技体制,使得我国农业科技人员能够面向我国农业现代化建设的实践,进行有针对性的农业科技攻关,这样才能充分发挥农业科技对于我国农业发展的引领和促进作用。
