專利名稱：針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法
技術(shù)領(lǐng)域：
本發(fā)明涉及突發(fā)事件應(yīng)急救援的預(yù)案評價技術(shù)領(lǐng)域，特別是一種針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法。

背景技術(shù)：
突發(fā)事件應(yīng)急救援預(yù)案編制的優(yōu)劣，將直接影響到救援的效果和效率。針對各種不同的緊急情況制定有效的應(yīng)急預(yù)案，不僅可以指導(dǎo)應(yīng)急人員的日常培訓(xùn)和演練，保證各種應(yīng)急資源處于良好的備戰(zhàn)狀態(tài)；而且可以指導(dǎo)應(yīng)急行動按計劃有序進(jìn)行，防止因行動組織不力或現(xiàn)場救援工作的混亂而延誤事故應(yīng)急，從而降低人員傷亡和財產(chǎn)損失。目前國內(nèi)外預(yù)案情況來看，主要停留在建立應(yīng)急預(yù)案的意義和如何編制應(yīng)急預(yù)案，而對應(yīng)急預(yù)案綜合評價十分匱乏。
雖然目前有很多綜合評價的方法，包括多元統(tǒng)計評價法、模糊綜合評判法、ANN(人工神經(jīng)網(wǎng)絡(luò))法等，但由于鐵路應(yīng)急預(yù)案綜合評價有下列特殊性第一，評價指標(biāo)是一些很難量化或無法直接量化的變量，或是一些不可比的定量化變量，據(jù)此綜合評價引入的是定性化變量；第二，只能抽取少數(shù)目標(biāo)進(jìn)行評價，少數(shù)目標(biāo)并不能涵蓋所有目標(biāo)的特性。因此，目前還沒有一種比較有效的方法可以對鐵路應(yīng)急預(yù)案進(jìn)行全面的綜合評價。


發(fā)明內(nèi)容
本發(fā)明利用AHP均分結(jié)構(gòu)法和PPCE梯度降維法，并結(jié)合加速遺傳算法，提出了針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法。該方法為鐵路應(yīng)急預(yù)案編制的合理性、實(shí)施的可操作性以及救援成本的經(jīng)濟(jì)性評價提供理論依據(jù)，也可為其它類似行業(yè)的應(yīng)急預(yù)案研究提供借鑒。
本發(fā)明的技術(shù)方案是一種針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法，其特征是所述方法包括下列順序執(zhí)行的步驟 步驟1對評價目標(biāo)運(yùn)用AHP均分結(jié)構(gòu)法； 步驟2采用G1法計算AHP均分結(jié)構(gòu)指標(biāo)權(quán)重； 步驟3獲取并量化定性評價數(shù)據(jù)； 步驟4對PPCE模型的建模過程進(jìn)行改進(jìn)，形成PPCE梯度降維法； 步驟5引入RAGA實(shí)現(xiàn)綜合評價。
所述步驟1中，AHP均分結(jié)構(gòu)法是指對AHP構(gòu)權(quán)法指標(biāo)層次結(jié)構(gòu)進(jìn)行調(diào)整，其步驟包括 步驟11設(shè)定評價目標(biāo)的一級指標(biāo)序列為(B1，B2，...，Bp)，Bi的二級指標(biāo)個數(shù)為ci(i＝1，2，...，n)，拆分的標(biāo)準(zhǔn)二級指標(biāo)個數(shù)為cg，其中cg＝min{ci}； 步驟12將Bi的二級指標(biāo)以cg為標(biāo)準(zhǔn)拆分成mi個，即將Bi拆分成

二級指標(biāo)個數(shù)為

拆分后的一級指標(biāo)個數(shù)為h，其中，h＝m1+…+mi+…+mn (1)當(dāng)ci/cg為整數(shù)時， mi＝ci/cg (2)當(dāng)ci/cg有余數(shù)時，設(shè)余數(shù)為l， 所述步驟2中，采用G1法計算指標(biāo)權(quán)重包括下列步驟 步驟21確定步驟12中，AHP均分結(jié)構(gòu)法所獲得的一級指標(biāo)的序關(guān)系，將一級指標(biāo){B1，B2，…，Bi，…，Bh}重新定義為{x1，x2，…，xi，…，xh}，將各一級指標(biāo)按專家調(diào)查的結(jié)果，通過德爾菲法進(jìn)行排序
步驟22分別用Wk-1和wk評價指標(biāo)xk-1與xk的重要性程度，并且 Wk-1/wk＝rk，k＝z，2-1，z-2，…，3，2 若給出rk的理性賦值，則wz為 wk-1＝rkwk(k＝z，z-1，z-2，…，3，2) 步驟23將專家給出的評價結(jié)果代入上述公式得出各一級指標(biāo)的權(quán)重 (w1，w2，w3，w4，......，wh)； 步驟24(w1，w2，w3，…，wh)為運(yùn)用AHP均分結(jié)構(gòu)法后的指標(biāo)層次結(jié)構(gòu)中的一級指標(biāo)的權(quán)重值；將其重新定義為對這些指標(biāo)權(quán)重值進(jìn)行還原處理，得出運(yùn)用AHP均分結(jié)構(gòu)法前的指標(biāo)層次結(jié)構(gòu)中的一級指標(biāo)權(quán)重值為 其中 …… 步驟25二級指標(biāo)的計算重復(fù)上述步驟21至步驟23，得各一級指標(biāo)下的二級指標(biāo)權(quán)重為 (wi1，wi2，wi3，wi4，......，win)； 步驟26計算二級指標(biāo)的組合權(quán)重為 其中(x＝1，2，…，n) …… …… 所述步驟3中，獲取并量化定性評價數(shù)據(jù)又包括下列步驟 步驟31確定評價目標(biāo)的評價指標(biāo)為 X＝{X1，X2，…，Xn} 步驟32建立指標(biāo)評價語等級 V＝{V1，V2，…，Vp} 步驟33設(shè)計調(diào)查問卷，獲取定性評價數(shù)據(jù)； 步驟34將定性評價數(shù)據(jù)轉(zhuǎn)化為定量評價數(shù)據(jù) {x*(i，j)|i＝1～n，j＝1～p} x*(i，j)——第i個指標(biāo)的第j等級評價指標(biāo)值； Nz——有效數(shù)據(jù)的數(shù)量； Ｎx——針對某一樣本給出某指標(biāo)某等級的評價的數(shù)量。
所述步驟4，對PPCE模型的建模過程進(jìn)行改進(jìn)又包括下列步驟 步驟41修改樣本集的定義，各指標(biāo)的樣本集為{x*(i，j)|i＝1～p，j＝1～5}，定義x*(i，j)為第i個指標(biāo)第j個評價語級的評價值，“p，5”分別為樣本的指標(biāo)數(shù)和評價語級的級數(shù)； 步驟42投影值中加入評價語級分?jǐn)?shù)值，把PPCE模型的最佳投影方向a*代上式，得到各指標(biāo)點(diǎn)的投影值z*(i)； 其中z*(i)——各指標(biāo)點(diǎn)的投影值； a*——最佳投影方向； x(i，j)——第i個指標(biāo)的第j等級評價指標(biāo)值； Y為評價語級系數(shù)值； 對Y做如下規(guī)定 Y＝(y1，y2，y3，y4，y5) y1>y2>y3>y4>y5； y1-y2＝y(tǒng)2-y3＝y(tǒng)3-y4＝y(tǒng)4-y5。
步驟43引入改進(jìn)AHP構(gòu)權(quán)法的指標(biāo)權(quán)重值進(jìn)行綜合評價的結(jié)果為 其中G——某樣本綜合評價值； w(i)——通過改進(jìn)AHP構(gòu)權(quán)法得到的第i個指標(biāo)的指標(biāo)權(quán)重； z*(i)——各指標(biāo)點(diǎn)的投影值。
在本發(fā)明中，AHP均分結(jié)構(gòu)法能夠克服傳統(tǒng)的AHP構(gòu)權(quán)法指標(biāo)權(quán)重分布不均衡的缺陷，對因素眾多、規(guī)模較大的對象做出精確評價。PPCE梯度降維法能處理大量定性評價數(shù)據(jù)，指標(biāo)的定性評價內(nèi)容較定量評價內(nèi)容涵蓋更廣泛。本發(fā)明的AHP均分結(jié)構(gòu)法與PPCE梯度降維法相結(jié)合，運(yùn)用加速遺傳算法，建立的適用于鐵路應(yīng)急預(yù)案評價的綜合分析方法，為鐵路應(yīng)急預(yù)案編制的合理性、實(shí)施的可操作性以及救援成本的經(jīng)濟(jì)性評價提供理論依據(jù)，也可為其它類似行業(yè)的應(yīng)急預(yù)案研究提供借鑒。



圖1是技術(shù)路線圖。
圖2是AHP改進(jìn)步驟圖。
圖3是投影追蹤評價模型(PPCE模型)改進(jìn)步驟圖。
圖4是數(shù)據(jù)的獲取與預(yù)處理流程圖。
圖5是鐵路應(yīng)急預(yù)案評價指標(biāo)體系結(jié)構(gòu)圖。
圖6是調(diào)整后的鐵路應(yīng)急預(yù)案評價指標(biāo)體系結(jié)構(gòu)圖。

具體實(shí)施例方式 圖1為該方法研究的技術(shù)路線圖。對鐵路應(yīng)急救援組織機(jī)構(gòu)、預(yù)案體系、基本結(jié)構(gòu)的研究以及應(yīng)急預(yù)案流程化分析的基礎(chǔ)上得到鐵路應(yīng)急預(yù)案評價影響因素，并運(yùn)用德爾菲法進(jìn)行篩選，建立了應(yīng)急預(yù)案綜合評價指標(biāo)體系。結(jié)合AHP均分結(jié)構(gòu)法101、投影尋蹤梯度降維法102和加速遺傳算法103提出了鐵路應(yīng)急預(yù)案的綜合分析方法。最后運(yùn)用該方法對青藏鐵路應(yīng)急預(yù)案進(jìn)行了綜合分析評價，證明其合理性、實(shí)用性。
圖2為AHP改進(jìn)層次結(jié)構(gòu)對比圖。當(dāng)因素眾多、規(guī)模較大時，傳統(tǒng)的AHP方法的缺點(diǎn)是指標(biāo)分布不均衡；當(dāng)評價指標(biāo)同級指標(biāo)的個數(shù)超過9時，構(gòu)造判斷矩陣時計算量大、同級指標(biāo)個數(shù)較大，影響專家打分法評價結(jié)果的可靠性。AHP均分結(jié)構(gòu)法對指標(biāo)層次結(jié)構(gòu)進(jìn)行調(diào)整，在進(jìn)行計算時，可以消除層次結(jié)構(gòu)不均衡帶來的不利影響。
調(diào)整方法如下 如圖2AHP構(gòu)權(quán)法201，設(shè)Bi的二級指標(biāo)個數(shù)為ci(i＝1，2……n)，拆分的標(biāo)準(zhǔn)二級指標(biāo)個數(shù)為cg。
cg＝min{ci}(1) 將Bi的二級指標(biāo)以cg為標(biāo)準(zhǔn)拆分成mi個，即將Bi拆分成

二級指標(biāo)個數(shù)為

拆分后的一級指標(biāo)個數(shù)為h。
h＝m1+…+mi+…+mn(2) (1)當(dāng)ci/cg為整數(shù)時， mi＝ci/cg(3) (2)當(dāng)ci/cg有余數(shù)時，設(shè)余數(shù)為l， 同時在指標(biāo)權(quán)重的計算方法中，鐵路應(yīng)急預(yù)案的綜合評價具有復(fù)雜性、定性與定量結(jié)合等特點(diǎn)，若采用判斷矩陣，則具有一定的局限性。G1法是一種簡單、實(shí)用的決策分析方法，它能克服判斷矩陣的局限性，該方法使計算量成倍減少；無需構(gòu)造判斷矩陣，也就不需要進(jìn)行判斷矩陣的一致性檢驗(yàn)；當(dāng)方案個數(shù)發(fā)生變化時，方案的權(quán)重系數(shù)仍具有很強(qiáng)的保序性；具有標(biāo)度的自動擴(kuò)展功能；適用范圍廣，無需具備較強(qiáng)的數(shù)學(xué)基礎(chǔ)。基于以上優(yōu)點(diǎn)，選用該方法作為計算指標(biāo)權(quán)重的方法。
該方法的具體計算步驟如下 (1)確定一級指標(biāo)的序關(guān)系 將一級指標(biāo){B1，B2，…，Bi，…，Bh}重新定義為{x1，x2，…，xi，…，rh}將各一級指標(biāo)進(jìn)行排序
(2)指標(biāo)賦值 設(shè)專家關(guān)于評價指標(biāo)xk-1與xk的重要性程度之比的判斷分別為 Wk-1/wk＝rk，k＝z，z-1，z-2，…，3，2(9) rk的賦值參見表1。
表1 比例標(biāo)度 若專家給出rk的理性賦值，則wz為 Wk-1＝rkwk(k＝z，z-1，z-2，…，3，2) (3)權(quán)重計算 將專家給出的評價結(jié)果代入上述公式得出各一級指標(biāo)的權(quán)重 (w1，w2，w3，w4，.......，wh)(11) (4)計算結(jié)果處理 (w1，w2，w3，…，wh)為圖2的指標(biāo)層次結(jié)構(gòu)202中的一級指標(biāo)的權(quán)重值。
將其重新定義為 對這些指標(biāo)權(quán)重值進(jìn)行還原處理，得出圖2的指標(biāo)層次結(jié)構(gòu)201中的一級指標(biāo)權(quán)重值為 其中 (5)二級指標(biāo)權(quán)重計算 二級指標(biāo)的計算重復(fù)上述(1)~(3)步驟。得各一級指標(biāo)下的二級指標(biāo)權(quán)重為 (wi1，wi2，wi3，wi4，.......，wm) (6)組合權(quán)重計算 二級指標(biāo)的組合權(quán)重為 其中(x＝1，2，…，n) 在對AHP構(gòu)權(quán)法進(jìn)行深入研究基礎(chǔ)上，將其在指標(biāo)層次結(jié)構(gòu)、權(quán)重計算方法方面做了相應(yīng)的改進(jìn)，使其與鐵路應(yīng)急預(yù)案的指標(biāo)體系的特點(diǎn)相適應(yīng)。
圖3為投影追蹤評價模型(PPCE模型)改進(jìn)對比圖。PPCE模型不適于使用定性評價數(shù)據(jù)進(jìn)行評價，當(dāng)通過少數(shù)評價對象的樣本數(shù)據(jù)確定指標(biāo)權(quán)重，會產(chǎn)生較大的誤差，而且只適用于多目標(biāo)決策。為使PPCE評價模型與鐵路應(yīng)急預(yù)案綜合評價相適應(yīng)，消除PPCE模型的局限性，使它的優(yōu)越性發(fā)揮至最大。本發(fā)明從三個方面對PPCE模型的評價過程進(jìn)行調(diào)整，提出一種新的PPCE模型改進(jìn)法——PPCE梯度降維法。
第一步引入評價數(shù)據(jù) PPCE模型一般使用定量數(shù)據(jù)進(jìn)行評價，而鐵路應(yīng)急預(yù)案綜合評價引入的是定性評價數(shù)據(jù)，在使用PPCE模型進(jìn)行評價之前需要將這些定性數(shù)據(jù)量化處理。這些定性評價數(shù)據(jù)從獲取到量化處理的過程如下 (1)確定評價目標(biāo)的評價指標(biāo) X＝{X1，X2，…，Xn}(19) (2)建立指標(biāo)評價語等級 V＝{V1，V2，…，Vp}(20) 該等級用來評價某一樣本某指標(biāo)的優(yōu)劣程度。
(3)設(shè)計調(diào)查問卷，獲取定性評價數(shù)據(jù) 向相關(guān)專業(yè)人員發(fā)放問卷，提取有效評價數(shù)據(jù)。
(4)將定性評價數(shù)據(jù)轉(zhuǎn)化為定量評價數(shù)據(jù) {x*(i，j)|i＝1～n，j＝1～p} (22) x*(i，j)——第i個指標(biāo)的第j等級評價指標(biāo)值。
Nz——有效數(shù)據(jù)的數(shù)量。
Ｎx——針對某一樣本給出某指標(biāo)某等級的評價的數(shù)量。
第二步使用投影尋蹤聚類模型處理定性評價數(shù)據(jù) PPCE模型使用的常規(guī)原始數(shù)據(jù)結(jié)構(gòu)與鐵路應(yīng)急預(yù)案綜合評價數(shù)據(jù)結(jié)構(gòu)有明顯的不同，以下對其做了比較，并對它們之間的差異進(jìn)行了分析。
表2 PPCE模型使用的常規(guī)原始數(shù)據(jù) 得到原始數(shù)據(jù)的矩陣 表3 鐵路應(yīng)急預(yù)案綜合評價的原始數(shù)據(jù)

得到原始數(shù)據(jù)的矩陣 總結(jié)以上兩種數(shù)據(jù)的結(jié)構(gòu)特征，并將其進(jìn)行對比，具體分析見表4。
表4 兩種數(shù)據(jù)特征結(jié)構(gòu)對比 基于以上對兩種數(shù)據(jù)的特征結(jié)構(gòu)進(jìn)行的比較分析，不宜直接使用PPCE模型進(jìn)行綜合評價。若要應(yīng)用，需要對PPCE模型的建模過程進(jìn)行改進(jìn)，使其與鐵路應(yīng)急預(yù)案的綜合評價相適應(yīng)。對照圖3 PPCE模型301的建模步驟，具體改進(jìn)如下 步驟(1)至步驟(3)的改進(jìn)修改樣本集的定義。
各指標(biāo)的樣本集為{x*(i，j)|i＝1～p，j＝1～5}。定義x*(i，j)為第i個指標(biāo)第j個評價語級的評價值，“p，5”分別為樣本的指標(biāo)數(shù)和評價語級的級數(shù)。
步驟(4)的改進(jìn)投影值中加入評價語級分?jǐn)?shù)值。
把由步驟(3)求得的最佳投影方向a*代入式(23)，得到各指標(biāo)點(diǎn)的投影值z*(i)。
其中z*(i)——各指標(biāo)點(diǎn)的投影值； a*——最佳投影方向； x(i，j)——第i個指標(biāo)的第j等級評價指標(biāo)值； Y——評價語級系數(shù)值。
在本研究中，對Y做如下規(guī)定 Y＝(y1，y2，y3，y4，y5)；(24) y1>y2>y3>y4>y5；(25) y1-y2＝y(tǒng)2-y3＝y(tǒng)3-y4＝y(tǒng)4-y5；(26) 根據(jù)對鐵路應(yīng)急預(yù)案的研究，取Y值為 (y1，y2，y3，y4，y5)＝(2，1，0，-1，2)(27) 第三步引入改進(jìn)AHP構(gòu)權(quán)法的指標(biāo)權(quán)重值進(jìn)行綜合評價 其中G——某樣本綜合評價值； w(i)——通過改進(jìn)AHP構(gòu)權(quán)法得到的第i個指標(biāo)的指標(biāo)權(quán)重； z*(i)——見上。
PPCE梯度降維法克服了傳統(tǒng)的PPCE模型的局限性，既可用于多目標(biāo)決策，也可用于單目標(biāo)決策，涵蓋指標(biāo)內(nèi)容更加廣泛。
PPCE梯度降維法建模的關(guān)鍵是尋得最優(yōu)的投影方向，基于此，將新興的適合于多維全局優(yōu)化算法——遺傳算法與PPCE梯度降維法結(jié)合，共同對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價。
下面結(jié)合青藏鐵路應(yīng)急預(yù)案綜合評價的方法這一具體實(shí)施例，對本發(fā)明進(jìn)行詳細(xì)說明。
數(shù)據(jù)的獲取和預(yù)處理如圖4所示，運(yùn)用AHP均分結(jié)構(gòu)法對青藏鐵路應(yīng)急預(yù)案的指標(biāo)權(quán)重進(jìn)行計算、分析。
首先，對指標(biāo)體系結(jié)構(gòu)進(jìn)行調(diào)整。圖5為鐵路應(yīng)急預(yù)案評價指標(biāo)體系。調(diào)整后的指標(biāo)體系見圖6。
然后，將量化處理后的數(shù)據(jù)，引入改進(jìn)AHP構(gòu)權(quán)法的計算模型中，得出的青藏鐵路應(yīng)急預(yù)案指標(biāo)權(quán)重排序。
將經(jīng)過數(shù)據(jù)預(yù)處理的評價數(shù)據(jù)引入基于RAGA的PPCE梯度降維法綜合評價之中，實(shí)現(xiàn)綜合評價方法的具體應(yīng)用。
下面分別以青藏公司的綜合、專項和站段應(yīng)急預(yù)案為例進(jìn)行分析。
1、青藏鐵路綜合應(yīng)急預(yù)案評價 針對青藏鐵路公司某綜合應(yīng)急預(yù)案進(jìn)行問卷調(diào)查，并將獲得的數(shù)據(jù)預(yù)處理使之量化，詳見表5。
表5 青藏鐵路公司綜合應(yīng)急預(yù)案A評價指標(biāo)值
將表5中數(shù)據(jù)進(jìn)行歸一化處理后，帶入改進(jìn)PPCE模型202，并用RAGA進(jìn)行優(yōu)化。選定種群規(guī)模n＝110，雜交概率pc＝0.80，變異概率pm＝0.80，優(yōu)秀個體數(shù)目選為20個，α＝0.05，加速次數(shù)為20次。
運(yùn)用MATLAB進(jìn)行計算，得出的計算結(jié)果為迭代次數(shù)25次，最大投影值為0.9870212。最佳投影方向a＝(0·5539，0.5297，0.4935，0.3735，0.1718)；將計算結(jié)果依次帶入式(23)、(24)中，得出該預(yù)案的評價值G＝0.738717352。
2、青藏鐵路專項應(yīng)急預(yù)案評價 針對青藏鐵路公司某專項應(yīng)急預(yù)案進(jìn)行問卷調(diào)查，并將獲得的數(shù)據(jù)預(yù)處理使之量化，詳見表6 表6 青藏鐵路公司專項應(yīng)急預(yù)案B評價指標(biāo)值

將表6中數(shù)據(jù)進(jìn)行歸一化處理后，帶入改進(jìn)PPCE模型202，并用RAGA進(jìn)行優(yōu)化。選定種群規(guī)模n＝110，雜交概率Pc＝0.80，變異概率pm＝0.80，優(yōu)秀個體數(shù)目選為20個，α＝0.05，加速次數(shù)為20次。
運(yùn)用MATLAB進(jìn)行計算，得出的計算結(jié)果為迭代次數(shù)19次，最大投影值為1.120366。最佳投影方向a＝(0.4753，0.6870，0.4981，0.2302，0.0325)；將計算結(jié)果依次帶入式(23)、(24)中，得出該預(yù)案的評價值G＝0.979787823。
3、青藏鐵路站段應(yīng)急預(yù)案評價 針對青藏鐵路公司某站段應(yīng)急預(yù)案進(jìn)行問卷調(diào)查，并將獲得的數(shù)據(jù)預(yù)處理使之量化，詳見表7 表7 青藏鐵路公司站段應(yīng)急預(yù)案E評價指標(biāo)值

將表7中數(shù)據(jù)進(jìn)行歸一化處理后，帶入改進(jìn)PPCE模型202，并用RAGA進(jìn)行優(yōu)化。選定種群規(guī)模n＝110，雜交概率pc＝0.80，變異概率pm＝0.80，優(yōu)秀個體數(shù)目選為20個，α＝0.05，加速次數(shù)為20次。
運(yùn)用MATLAB進(jìn)行計算，得出的計算結(jié)果為迭代次數(shù)19次，最大投影值為1.070268。最佳投影方向a＝(0.5089，0.6988，0.4415，0.2306，0.0675)；將計算結(jié)果依次帶入式(23)、(24)中，得出該預(yù)案的評價值G＝1.030502986。
根據(jù)以上各應(yīng)急預(yù)案的評價計算結(jié)果，做出相應(yīng)的解釋、分析。其中模型中提到的評價指標(biāo)投影值、評價語級最佳投影方向、綜合評價值等概念解釋如下 評價指標(biāo)投影值它是通過評價模型將5維的指標(biāo)評價數(shù)據(jù)降為1維得到的，它表示這一個評價指標(biāo)的綜合評價值。
評價語級它用來評價各指標(biāo)的優(yōu)劣，其中一級評價語級表示很好；二級評價語級表示較好；三級評價語級表示一般；四級評價語級表示較差；五級評價語級表示很差。
最佳投影方向各評價語級的最佳投影方向值，表示該評價語級對整個預(yù)案評價的影響程度。
綜合評價值表示對預(yù)案的綜合評價。綜合評價值各取值范圍的含義嚴(yán)格與式(27)中Y的取值范圍相對應(yīng)。當(dāng)該值取在[1，2]之間，表示綜合評價為優(yōu)；當(dāng)該值取在
之間，表示綜合評價為良；當(dāng)該值取在[-1，0]之間，表示綜合評價為中；當(dāng)該值取在[-2，-1]之間，表示綜合評價為差。
備選預(yù)案A的評價結(jié)果分析從備選預(yù)案A的計算結(jié)果可以看出其評價值為0.738717352，該預(yù)案的綜合評價為良。其中，一級評價語級對該預(yù)案總體評價的影響程度最大，其值為0.553871；五級評價語級對該預(yù)案總體評價的影響程度最小，其值為0.17176。該備選預(yù)案的主要優(yōu)勢在于信息報送流程上，它對信息報送流程的描述十分清晰。它的劣勢主要在救援人員調(diào)配以及保障措施設(shè)計上，這兩方面的相關(guān)內(nèi)容不夠明確，沒有達(dá)到理想的效果。
備選預(yù)案B的評價結(jié)果分析從備選預(yù)案B的計算結(jié)果可以看出其評價值為0.979787823，該預(yù)案的綜合評價為良。其中，二級評價語級對該預(yù)案總體評價的影響程度最大，其值為0.686978；五級評價語級對該預(yù)案總體評價的影響程度最小，其值為0.032485。該備選預(yù)案的主要優(yōu)勢在于并發(fā)突發(fā)事件處置上，在幾件突發(fā)事件同時發(fā)生時，該預(yù)案能夠做到在其他突發(fā)事件專項預(yù)案中很好的切換。它的劣勢主要在信息報送流程上，這方面的相關(guān)內(nèi)容不夠清晰規(guī)范，不能達(dá)到理想的效果。
備選預(yù)案C的評價結(jié)果分析從備選預(yù)案C的計算結(jié)果可以看出其評價值為1.030502986，該預(yù)案的綜合評價為優(yōu)。其中，二級評價語級對該預(yù)案總體評價的影響程度最大，其值為0.698849；五級評價語級對該預(yù)案總體評價的影響程度最小，其值為0.067504。該備選預(yù)案的主要優(yōu)勢在于處置流程的規(guī)范化設(shè)計上，這個預(yù)案的處置流程較規(guī)范，當(dāng)幾件突發(fā)事件同時發(fā)生時，該預(yù)案所設(shè)計的流程能夠免去許多重復(fù)不必要的相似過程。它的劣勢主要在處置突發(fā)事件的實(shí)際效果上，通過應(yīng)用得到的相關(guān)數(shù)據(jù)發(fā)現(xiàn)，該院在處置突發(fā)事件時不能完全達(dá)到理想的效果。
從分析的結(jié)果可以看出備選預(yù)案C的評價值最高，在某專項預(yù)案的選擇上，應(yīng)該選擇備選預(yù)案C。
以上所述，僅為本發(fā)明較佳的具體實(shí)施方式
，但本發(fā)明的保護(hù)范圍并不局限于此，任何熟悉本技術(shù)領(lǐng)域的技術(shù)人員在本發(fā)明揭露的技術(shù)范圍內(nèi)，可輕易想到的變化或替換，都應(yīng)涵蓋在本發(fā)明的保護(hù)范圍之內(nèi)。因此，本發(fā)明的保護(hù)范圍應(yīng)該以權(quán)利要求的保護(hù)范圍為準(zhǔn)。
權(quán)利要求
1.一種針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法，其特征是所述方法包括下列順序執(zhí)行的步驟
步驟1對評價目標(biāo)運(yùn)用AHP均分結(jié)構(gòu)法；
步驟2采用G1法計算AHP均分結(jié)構(gòu)指標(biāo)權(quán)重；
步驟3獲取并量化定性評價數(shù)據(jù)；
步驟4對PPCE模型的建模過程進(jìn)行改進(jìn)，形成PPCE梯度降維法；
步驟5引入RAGA實(shí)現(xiàn)綜合評價。
2.根據(jù)權(quán)利要求1所述的針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法，其特征是所述步驟1中，AHP均分結(jié)構(gòu)法是指對AHP構(gòu)權(quán)法指標(biāo)層次結(jié)構(gòu)進(jìn)行調(diào)整，其步驟包括
步驟11設(shè)定評價目標(biāo)的一級指標(biāo)序列為(B1，B2，...，Bp)，Bi的二級指標(biāo)個數(shù)為ci(i＝1，2，...，n)，拆分的標(biāo)準(zhǔn)二級指標(biāo)個數(shù)為cg，其中cg＝min{ci}；
步驟12將Bi的二級指標(biāo)以cg為標(biāo)準(zhǔn)拆分成mi個，即將Bi拆分成
二級指標(biāo)個數(shù)為
拆分后的一級指標(biāo)個數(shù)為h，其中，h＝m1+…+mi+…+mn；
(1)當(dāng)ci/cg為整數(shù)時，
mi＝ci/cg
(2)當(dāng)ci/cg有余數(shù)時，設(shè)余數(shù)為l，
3.根據(jù)權(quán)利要求1所述的針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法，其特征是所述步驟2中，采用G1法計算指標(biāo)權(quán)重包括下列步驟
步驟21確定步驟12中，AHP均分結(jié)構(gòu)法所獲得的一級指標(biāo)的序關(guān)系，將一級指標(biāo){B1，B2，…，Bi，…，Bh}重新定義為{x1，x2，…，xi，…，xh}，將各一級指標(biāo)按專家調(diào)查的結(jié)果，通過德爾菲法進(jìn)行排序
步驟22分別用wk-1和wk評價指標(biāo)xk-1與xk的重要性程度，并且
wk-1/wk＝rk，k＝z，z-1，z-2，…，3，2
若給出rk的理性賦值，則wz為
wk-1＝rkwk(k＝z，z-1，z-2，…，3，2)；
步驟23將專家給出的評價結(jié)果代入上述公式得出各一級指標(biāo)的權(quán)重
(w1，w2，w3，w4，.......，wh)；
步驟24(w1，w2，w3，…，wh)為運(yùn)用AHP均分結(jié)構(gòu)法后的指標(biāo)層次結(jié)構(gòu)中的一級指標(biāo)的權(quán)重值；將其重新定義為對這些指標(biāo)權(quán)重值進(jìn)行還原處理，得出運(yùn)用AHP均分結(jié)構(gòu)法前的指標(biāo)層次結(jié)構(gòu)中的一級指標(biāo)權(quán)重值為
其中
步驟25二級指標(biāo)的計算重復(fù)上述步驟21至步驟23，得各一級指標(biāo)下的二級指標(biāo)權(quán)重為
(wi1，wi2，wi3，wi4，.......，win)；
步驟26計算二級指標(biāo)的組合權(quán)重為
其中(x＝1，2，…，n)
4.根據(jù)權(quán)利要求1所述的針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法，其特征是所述步驟3中，獲取并量化定性評價數(shù)據(jù)又包括下列步驟
步驟31確定評價目標(biāo)的評價指標(biāo)為
X＝{X1，X2，…，Xn}；
步驟32建立指標(biāo)評價語等級
V＝{V1，V2，…，Vp}；
步驟33設(shè)計調(diào)查問卷，獲取定性評價數(shù)據(jù)；
步驟34將定性評價數(shù)據(jù)轉(zhuǎn)化為定量評價數(shù)據(jù)
{x*(i，j)|i＝1～n，j＝1～p}
x*(i，j)——第i個指標(biāo)的第j等級評價指標(biāo)值；
Nz——有效數(shù)據(jù)的數(shù)量；
Nx——針對某一樣本給出某指標(biāo)某等級的評價的數(shù)量。
5.根據(jù)權(quán)利要求1所述的針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法，其特征是所述步驟4，對PPCE模型的建模過程進(jìn)行改進(jìn)又包括下列步驟
步驟41修改樣本集的定義，各指標(biāo)的樣本集為{x*(i，j)|i＝1～p，j＝1～5}，定義x*(i，j)為第i個指標(biāo)第j個評價語級的評價值，“p，5”分別為樣本的指標(biāo)數(shù)和評價語級的級數(shù)；
步驟42投影值中加入評價語級分?jǐn)?shù)值，把PPCE模型的最佳投影方向a*代上式，得到各指標(biāo)點(diǎn)的投影值z*(i)；
其中z*(i)——各指標(biāo)點(diǎn)的投影值；
a*——最佳投影方向；
x(i，j)——第i個指標(biāo)的第j等級評價指標(biāo)值；
Y為評價語級系數(shù)值；
對Y做如下規(guī)定
Y＝(y1，y2，y3，y4，y5)；
y1>y2>y3>y4>y5；
y1-y2＝y(tǒng)2-y3＝y(tǒng)3-y4＝y(tǒng)4-y5。
步驟43引入改進(jìn)AHP構(gòu)權(quán)法的指標(biāo)權(quán)重值進(jìn)行綜合評價的結(jié)果為
其中G——某樣本綜合評價值；
w(i)——通過改進(jìn)AHP構(gòu)權(quán)法得到的第i個指標(biāo)的指標(biāo)權(quán)重；
z*(i)——各指標(biāo)點(diǎn)的投影值。
全文摘要
本發(fā)明公開了突發(fā)事件應(yīng)急救援的預(yù)案評價技術(shù)領(lǐng)域中的一種針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法。該方法將AHP構(gòu)權(quán)法改進(jìn)成為AHP均分結(jié)構(gòu)法，并將PPCE模型的建模過程改進(jìn)成PPCE梯度降維法；結(jié)合AHP均分結(jié)構(gòu)法和PPCE梯度降維法，并結(jié)合加速遺傳算法，提出了針對鐵路應(yīng)急預(yù)案進(jìn)行綜合評價的方法。該方法為鐵路應(yīng)急預(yù)案編制的合理性、實(shí)施的可操作性以及救援成本的經(jīng)濟(jì)性評價提供理論依據(jù)，也可為其它類似行業(yè)的應(yīng)急預(yù)案研究提供借鑒。
文檔編號G06Q50/00GK101425157SQ200810227630
公開日2009年5月6日 申請日期2008年11月28日 優(yōu)先權(quán)日2008年11月28日
發(fā)明者王艷輝, 羅文婷, 郭曉妮, 雪 胡, 雄 王 申請人:北京交通大學(xué)