- 相關(guān)推薦
以熵權(quán)改進(jìn)TOPSIS模型為角度的農(nóng)業(yè)機械化水平評價應(yīng)用研究論文
農(nóng)業(yè)機械化水平是對機器(裝備)在農(nóng)業(yè)中使用程度、作用大小和使用效果的一種表達(dá)和度量，它直接影響農(nóng)業(yè)生產(chǎn)效率，是現(xiàn)代農(nóng)業(yè)建設(shè)的關(guān)鍵一環(huán)。農(nóng)業(yè)機械化作為農(nóng)業(yè)技術(shù)結(jié)構(gòu)的重要組成部分，是工業(yè)技術(shù)與農(nóng)業(yè)技術(shù)相結(jié)合的產(chǎn)物，是一個邊界模糊、因素眾多、關(guān)系復(fù)雜的動態(tài)系統(tǒng)[1]。國際農(nóng)業(yè)工程學(xué)會(CIGR)認(rèn)為“農(nóng)業(yè)機械化”是利用工具、農(nóng)具和機器開發(fā)農(nóng)業(yè)用地，從事種植業(yè)生產(chǎn)、儲藏前準(zhǔn)備、儲藏和農(nóng)場就地加工。
白人樸等建立農(nóng)業(yè)機械化所處發(fā)展階段的模糊評判模型，對全國及各個省市區(qū)農(nóng)業(yè)機械化發(fā)展階段進(jìn)行評判，把農(nóng)業(yè)機械化發(fā)展過程大體劃分為3個階段：農(nóng)業(yè)機械化初級階段、中級階段、高級階段[2]。目前中國農(nóng)業(yè)機械化正在由初級階段向中級階段跨越。楊敏麗等提出了以農(nóng)機作業(yè)為基礎(chǔ)、能力為保障、效益為核心的農(nóng)業(yè)機械化發(fā)展評價指標(biāo)體系，建立了發(fā)展階段模糊評判模型，從而對中國2001年各省區(qū)的農(nóng)業(yè)機械化所處階段進(jìn)行了分析評判[3]。機械化水平評價在指標(biāo)的選擇上很復(fù)雜[4]，在權(quán)值的計算上存在很強的主觀性。TOPSIS[5](Technique for Order Preference by Similarity to Ideal Solution)是一種適用于多指標(biāo)、多方案決策分析的方法，但其自身也存在一些問題[6]，本文將嘗試在對其改進(jìn)的基礎(chǔ)上，將其應(yīng)用于我國的農(nóng)業(yè)機械化水平分析[7]，避免權(quán)重計算的主觀性，對不同年份的農(nóng)業(yè)機械化水平進(jìn)行定量分析，使評價結(jié)果更客觀、符合實際，為農(nóng)業(yè)機械化水平合評價提供一種新方法。
1 TOPSIS模型及其改進(jìn)
1.1 傳統(tǒng)的TOPSIS
TOPSIS是一種有效的多指標(biāo)、多目標(biāo)決策分析法，它以距理想解和負(fù)理想解的距離作為評價各方案可行性的依據(jù)。該法思路清晰，分析結(jié)果較合理，應(yīng)用靈活，因此被廣泛地應(yīng)用。其建模步驟為：
1)可據(jù)各方案的指標(biāo)數(shù)據(jù)構(gòu)建多目標(biāo)決策矩陣X=(xij)m ×n;
2)根據(jù)各指標(biāo)對方案的影響對決策矩陣進(jìn)行無量綱化處理，形成歸一化矩陣V=(vij)m ×n;
3)對每個指標(biāo)賦權(quán)后，將形成的無量綱化矩陣與各指標(biāo)的權(quán)重相乘，可得到加權(quán)決策矩陣R=(rij)m ×n;
4)根據(jù)各指標(biāo)對方案的影響計算理想解和負(fù)理想解;
5)計算各樣品與理想解的歐氏距離和負(fù)理想解的歐氏距離;
6)計算各方案與理想解的相對貼近程度。最后根據(jù)ξi值的大小排序，ξi越大則方案Mi越接近理想解，方案越優(yōu)。上面各式中，i =1,2,……,m ;j =1,2,……,n 。
1.2 TOPSIS的改進(jìn)
TOPSIS法是C. L. Hwang和K. Yoon于1981年首次提出的，根據(jù)有限個評價對象與理想化目標(biāo)的接近程度進(jìn)行排序的方法，是在現(xiàn)有的對象中進(jìn)行相對優(yōu)劣的評價。但傳統(tǒng)TOPSIS按歐氏距離排序時，可能出現(xiàn)某方案既貼近于理解想也貼近于負(fù)理想解的情況[8-9]。為了解決歐氏距離存在的問題，常常采用“垂直距離”來替代歐氏距離。
為簡化計算，將坐標(biāo)原點平移到理想點，平移后的加權(quán)決策矩陣為：
T=(tij)m X n，(1)
(1)式中i=1,2,……,m;j=1,2,……,n。
此時，負(fù)理想解為(2)
且tkj滿足，(2)式中1≤k≤m。
各方案與理想解的“垂直”距離di為：(3)
di值表明了方案接近理想解的程度。通過各項目di值的大小來確定農(nóng)作物機械化水平。
2 用改進(jìn)的熵值法賦權(quán)
熵值法用來判斷某個指標(biāo)的離散程度[10]。指標(biāo)的離散程度越大，該指標(biāo)對綜合評價的影響就越大。因此，采用熵值法能盡可能地消除各因素的主觀性，使評價結(jié)果更客觀。其計算步驟如下。
1)根據(jù)實測數(shù)據(jù)構(gòu)建m 個方案、n 個評價指標(biāo)的判斷矩陣為R=(xij)m ×n (i =1,2,……,m ;j =1,2,……,n )。
2)將判斷矩陣歸一化處理，得到無量綱化后的矩陣B。其中，效益型(越大越優(yōu))：(4)
成本型(越小越優(yōu))：
3)計算熵值：(5)
為避免出現(xiàn)fij=1，lnfij=0的情況，將fij改進(jìn)為。
4)計算熵權(quán)Wj：，W=(ωj)1×n(6)
3 實例
3.1 數(shù)據(jù)來源及指標(biāo)
因農(nóng)作物機械化水平的評價對象廣泛，本文中數(shù)據(jù)聚焦我國
9種主要農(nóng)作物：水稻、小麥、玉米、馬鈴薯、油菜、大豆、棉花、花生、甘蔗。從《中國農(nóng)業(yè)機械化年鑒》統(tǒng)計數(shù)據(jù)中取2004—2014年我國主要農(nóng)田在耕、種、收3個環(huán)節(jié)機械作業(yè)情況的原始數(shù)據(jù) [11](見表1)。
3.2 計算步驟
1)構(gòu)建無量綱決策矩陣
用表1中的指標(biāo)集形成判斷矩陣，表中7個指標(biāo)均按越大越優(yōu)原則計算，構(gòu)建無量綱化決策矩陣V =(vij)m ×n。求得表2數(shù)值。
2)計算各指標(biāo)的權(quán)重系數(shù)
將形成的無量綱決策矩陣分別按不同算法計算，可分別求得各評價指標(biāo)的權(quán)重W=(ωj)1×n=(0.153 5,0.151 1,0.148 0,0.142 2,0.138 5,0.152 5,0.114 1)。
3)構(gòu)建加權(quán)決策矩陣
將形成的無量綱化矩陣與各指標(biāo)的權(quán)重相乘，分別可得到三組不同的加權(quán)決策矩陣T=(tij)m ×n。求得表3數(shù)值。
4)計算理想解與負(fù)理想解
將坐標(biāo)變換后的理想解為每行中的絕對值最大者，理想解了一(0.153 5,0.151 1,0.148 0,0.142 2,0.1385,0.152 5,0.114 1)。負(fù)理想解5;-=(0,0,0,0,0,0,0)0
5)計算“垂直”距離
計算各方案與理想解的“垂直”距離d;=(0.1428,0.137 8,0.122 3,0.109 7,0.095 1,0.078 5,0.060 9,0.0384,0.024 5,0.012 7,0.000 0)0
3.3結(jié)果分析
從排序上看，2004年農(nóng)作物的機械化水平最低，往后逐年提高，這個結(jié)果與現(xiàn)狀情況基本吻合，結(jié)果合理。從貼近度試的差值上可以看出，這11年來，2010年到2011年機械農(nóng)業(yè)化水平發(fā)展得最快，2004年到2005年發(fā)展得最緩慢。
4結(jié)語
本文分別采用改進(jìn)的嫡權(quán)法，運用改進(jìn)的Topsls模型對我國主要農(nóng)作物的機械化水平進(jìn)行了一個評估，了解到這n年來機械化水平逐年提高，其中2010年到2011年發(fā)展得最快，計算結(jié)果與實際相符。計算結(jié)果表明:
1)嫡值賦權(quán)法在權(quán)重的計算上，主要利用數(shù)據(jù)本身的信息來確定某一指標(biāo)的重要性程度，計算結(jié)果客觀;
2) Topsls模型運用起來簡單可行，計算方便。這個模型為農(nóng)作物機械化水平評價方法提供了一條新途徑。
【以熵權(quán)改進(jìn)TOPSIS模型為角度的農(nóng)業(yè)機械化水平評價應(yīng)用研究論文】相關(guān)文章：
能從音樂創(chuàng)作水平角度評價下qq音樂三巨頭？？07-10
學(xué)業(yè)水平自我評價04-02
外語水平自我評價05-02
學(xué)業(yè)水平的自我評價范文06-05
初中生學(xué)業(yè)水平自我評價03-20
如何評價小米手機的工業(yè)設(shè)計水平？07-10
高中學(xué)業(yè)水平自我評價（通用18篇）07-13
角度的作文04-23