[发明专利]基于灰色粗糙集的电网建设项目后评价指标赋权方法

说明书

技术领域

本发明属于电网建设评价技术领域，特别是涉及一种基于灰色粗糙集的电网建设项目后评价指标赋权方法。

背景技术

目前，指标权重确定的客观赋权方法主要有：主成分分析法、熵值法、BP神经网络法。

（1）主成分分析法

主成分赋权分析法是利用降维的思想，设法把原来众多具有一定相关性的指标，经过重新组合转化为一组新的相互无关的综合指标来代替原来指标，同时根据实际分析研究的需要从中选取少数几个能尽可能多地反映原有指标信息的综合指标（即主成分）来进行分析的一种多元统计分析方法。

其缺点是权重的确定受专家经验知识的影响很大。

（2）熵值法

在信息理论中，熵是系统无序程度的量度，可以度量数据所提供的有效信息。熵值法就是根据各指标传输给决策者的信息量的大小来确定指标权重的方法。某项指标的差异越大，熵值越小，该指标包含和传输的信息越多，相应权重越大。

虽然这种基于客观性的权重分配方法具有实用性，但缺点是计算过程复杂，而且某些环节存在一定的不足。

（3）BP神经网络法

基于BP神经网络的多指标综合评价方法，将评价指标属性值进行归一化处理后作为BP神经网络模型的输入，将评价结果作为BP神经网络模型的输出，用足够多的样本训练这个网络，使其获取评价专家的经验、知识、主观判断及对指标重要性的倾向。训练好的BP神经网络模型根据待评价对象各指标的属性值，就可得到对评价对象的评价结果，再现评价专家的经验、知识、主观判断及对指标重要性的倾向，实现定性与定量的有效结合，保证评价的客观性和一致性。

其缺点是在综合评价中，被评对象各个特征指标之间一般没有统一的度量标准，并且在很多场合下得到的特征指标是定性描述而不是量值。

发明内容

为了解决上述问题，本发明的目的在于提供一种基于灰色粗糙集的电网建设项目后评价指标赋权方法。

为了达到上述目的，本发明提供的基于灰色粗糙集的电网建设项目后评价指标赋权方法包括按顺序执行的下列步骤：

步骤一、构建指标体系的S01阶段：首先，建立层次分级结构的电网建设项目后评价指标体系；

步骤二、求解每个指标的重要程度的S02阶段：采用灰色粗糙集相关原理，求解每个指标的重要程度；将各专家打分结果作为原始的样本数据，基于上述后评价指标体系分层级逐次构建样本空间；采用每个专家的权重值，利用灰色粗糙集法计算各个指标的粗糙集；

步骤三、用归一化处理方法分配权重的S03阶段：根据每个指标的重要程度，用归一化处理方法分配权重；将灰色粗糙集法计算出来的各层级指标的粗糙集进行归一化计算，得到各个指标的客观权重值。

在S02阶段中，所述的采用灰色粗糙集理论，计算各个指标的粗糙集，即采用灰色粗糙集法计算各个指标的客观权重值，计算单个指标的合成值后进行归一化处理方法包括按顺序执行的下列步骤：

步骤一：对原始数据进行预处理的S201阶段，建立样本空间集，

X_i(X_i(1)，X_i(2)，……，X_i(n))，i=0，1，……，p；

步骤二，求差序列的S202阶段；

Δ_i(k)=|X₀(k)-X_i(k)|

Δ_i=(Δ_i(1),Δ_i(2),……，Δ_i(n)),i=0，1，……，p；

步骤三：求两级最大差和最小差的S203阶段；

M=max_imax_k(k)

m=min_imin_k(k)

步骤四：计算关联系数，求得粗糙集的S204阶段；