基于熵权集的大坝分部位动态健康评价方法研究

针对目前大坝安全评价存在主观性强、结论指导性弱、分析滞后等缺点,提出以部位为对象,以特征时段为区间的大坝动态安全评价方法,根据多效应量来获取指标的隶属度,结合信息熵理论和专家评估法确定指标权重,通过聚类方法进行时段类比。方法已编制为程序,并应用于狮子坪大坝工程安全决策。工程应用表明：该法能够实时给出关键部位安全性态随时段的演变过程,结论以过往性态为基础,便于工程操作,根据监测资料的变化对指标权重予以修正,数据趋于平稳时权重进行减小,反之增大,符合实际,为大坝安全评价提供一种新思路。     

基于AHP-RS的电网本质安全评价指标权重计算

在电网本质安全评价过程中,确定评价指标的权重是一个必要的环节,权重值的大小将直接影响评价结果。根据所构建的评价指标体系,运用层次分析法(AHP)来确定主观权重,运用粗糙集(RS)理论来确定客观权重,并通过最小相对信息熵原理将二者进行组合,得到兼顾专家经验和客观信息的评价指标权重。实例应用表明,该组合赋权法更加合理有效,实用性更强。     

基于粗糙集和信息熵的场站航材股评价研究

将粗糙集理论引入航材股评价过程,结合信息熵理论,实现对航材股定量打分排序,区分航材股的优劣。针对粗糙集理论无法处理决策属性缺失系统的缺陷,利用信息熵,选取权重值最大的条件属性作为决策属性,完善航材股评价信息系统,拓展粗糙集理论的应用。采用改进的贪心算法离散属性值,约简冗余属性,提升信息系统的运行效率。实例分析表明,该模型可以完成对航材股的评价打分,验证了该模型的可行性与正确性。     

粗粒度多尺度属性约简启发式算法

粗糙集理论(RS)从它出现到现在一直是数据推理方面的一种强有力的工具,而作为数据推理的一个非常重要组成部分——知识的约简也一直是粗糙集理论的研究重点.本文基于信息论中信息熵、相对熵和条件熵的概念和性质,在粗糙集系统中增加了一个粗粒度逼近量,并根据粗粒度逼近量提出了一种多尺度逼近的属性约简或者叫规则提取的新算法.     

巢湖水质安全评价的对应分析和投影寻踪熵耦合方法

在巢湖水质安全评价指标体系及其等级标准建立的基础上,把指标的客观权重分解为反映不同指标属性对评价结果的影响程度的属性权重和反映不同评价对象指标值之间的整体差异对评价结果的影响程度的样本集权重,分别用基于加速遗传算法的对应分析方法和投影寻踪方法确定,再用最小相对信息熵原理计算指标的客观组合权重,形成了水质安全评价的对应分析和投影寻踪熵耦合方法(CFA-PP)。CFA-PP的应用结果表明:影响巢湖水质安全最大的前4个指标的客观权重分别是总磷占25.5%,叶绿素a占21.6%,氨氮占18.4%,总氮占12.7%;全湖水质安全处于"较不安全"与"不安全"等级之间;控制磷、氮营养盐分的入湖负荷是提高水质安全程度的有效途径。CFA-PP是由数据驱动的综合评价方法,在水质安全评价中具有应用价值。     

基于不完备信息的粗糙集确定备件品种

针对确定备件品种不完备信息的多属性决策问题,给出了基于不完备信息系统的粗糙集模型,并依据扩展优势关系确定粗糙集的上、下近似集,从而获取分类决策规则;通过一个实例说明该方法的可行性和有效性。     

建立在粗糙集和模糊综合评判模型下的客户信用评价

客户信用关系是企业客户关系管理的重要内容。本文提出了结合粗糙集及模糊综合评判的模型对客户进行信用评价的方法。针对客户信用评价指标体系,借助粗糙集理论,进行指标属性约简、确定权重,并利用模糊综合评判对客户进行评价。该方法在一定程度上克服了传统权重确定的主观性,提高了评估的效率和准确性。最后,引入一个算例阐明了该模型的合理性。     

基于集对分析的指标属性测度确定方法

以大坝安全监测资料为基础,将评价指标和评价目标的实质特性有序分割为多个内在属性,利用集对分析中的联系度概念,提出了一种确定大坝安全综合评价指标属性测度的方法,建立了适合于大坝安全评价的梯形分段属性测度函数,并给出了一个评价实例,为大坝安全综合评价中指标属性测度的确定方法提供一条新的途径.实例表明:将集对分析方法应用于大坝安全属性识别评价方法中,采用集对分析来确定指标属性测度是合理、可行的,具有信息利用充分、结构形式简单的特点,能较好地描述评价指标与属性子集之间的内在属性关系.     

用于连续属性离散化的RSE-Chi2方法

为解决基于卡方统计量离散化方法在处理未知数据特性时的参数难确定问题，提出了一种基于粗糙集方法的自动离散化方法.该方法根据粗糙集理论对知识不确定性和属性重要性的分析，利用粗糙集方法处理数据不需要先验知识的特点，以基于最小描述长度原理的决策系统信息熵作为离散化过程的评价函数，并由属性断点平均重要性确定多连续属性的离散化顺序，构建了自动的离散化方法RSE Chi2.实例测试表明，该方法性能良好，能根据样本数据本身的特性，自动协调拟合和预报精度，不需要先验设定显著性水平和不一致率等参数，离散化结果更为精简,所建决策树分类模型具有较好的预报性能.     

影响电力系统短期负荷预测因素的权重分析方法

将负荷预测问题归为多因素问题,影响负荷预测的各因素的重要程度定量为权重。着重对负荷预测的权重分配算法进行了研究,将模糊聚类技术和粗糙集理论结合,利用客观信息熵对影响负荷的因素进行权重分配。该算法首先将负荷预测的大量相关数据进行模糊聚类,然后应用粗糙集理论中的信息熵客观地从负荷预测的实际数据中确定各因素的权重,并将所得权重应用于基于决策树的负荷预测模型中;与其他方法进行了比较,证明了该方法的有效性。