多层灰色关联分析

多层灰色关联分析（精选9篇）

多层灰色关联分析 第1篇

我国自改革开放以来,很少对火电机组运行状态综合评价进行研究,在实施过程中没有可以借鉴的经验。在火电机组运行评价过程中采用模糊综合评价法有很好的效果,但是评价内容有强烈的主观性,灰色关联分析法在火电机组中的应用只实施了整体评价, 没有系统的局部评价,致使信息流失。所以,应在此基础上采用成份分析法对指标相关性进行消除,有效对机组工作状态进行分析和信息提取,通过信息的提取进行评价指标系统的建立[1]。

1主成份分析法构建综合评价指标体系

在进行综合性评价时,应当充分考虑到评价过程中的正当性,与此同时进行评价指标体系的合理使用非常重要,在此基础上必须具有科学性,在对指标进行选择时,指标的完整性对整个指标体系运行较为完备,但是指标的独立性在此其中也起到了较为重要的作用。从不同的角度中可以看出,对指标进行不同的多种选择能够在很大程度上对一些较为重要的信息漏洞进行弥补,但是如果指标比较多,指标之间会形成一定的关联性。指标之间的相关性会对信息产生一定的影响,致使出现信息重叠现象,在一定程度上这种影响会使评价结果失去科学性和真实性,人为的信息选择具有很大的主观性。所以,采用数理统计方法对指标进行针对性的选择,对主要因素进行提取,在提取过程中需要把握好指标的本质性和独立性。想要对指标进行优取,最好的解决办法是主成份分析法, 这种方法实施的前提是信息原变量不变,在计算综合指标时需要考虑到系统的整体性,将系统内部各个指标进行合理的组合来进行计算。主成份分析法的计算前提是信息应当在计算过程中保持不变,与此同时还应避免信息重叠。

2乘法组合法确定指标权重

综合评价结果关系到整体系统的运行情况,因此必须要具有一定的准确性,准确性能够有效优化指标权重,对权重确定方法比较多,主要方法有以下两种: 主观赋权和客观赋权。主观赋权指的是人们根据指标的价值和技术得到,其中更多的是凭借经验,在很大程度上知识结构受到决策者经验的影响。而客观赋权指的是通过指标数据差异程度对信息进行确定的权利,这能够在很大程度上消除主观性对信息的影响, 但是客观赋权有一定的矛盾之处,针对于此,对客观赋权进行层次分析法和熵权分析法相结合的方式[2,3,4]。 也就是说客观权重由熵值法来进行确定,AHP在某种意义上决定着计算进程,并且控制着主观权重,客观权重对主观权重有很好的控制和调整功能。

3灰色关联分析评价法的选择

由于火电厂运行系统需要不间断运行,运行系统较为复杂,与系统相关的指标非常多,系统通过指标计算数据时会存在着不同程度上的灰度。因此,需要采用灰色关联分析方法,这种方法最大的一个优点就是完全可以对不确定的信息进行灰色系统评价,该系统评价对规则指标不明确的问题信息的评价准确率比较高,所以,由此可以看出灰色关联分析法在机组综合评价中有很好的实用价值。一般情况下多层次综合评价信息丰富度优于单层次综合评价,并且机组评价指标体系层次比较多,灰色关联分析和小样本指标评价相比有较高的准确性。机组运行需要用到灰色关联分析方法,以便增加机组运行的安全性和稳定性, 通过该方法的运行使机组运行状态以多种形式和多层次的出现,并且有效进行自动综合评价。

单层次评价和多层次灰色关联分析综合评价都有良好的计算和评价功能,其中相似度比较好,并且有很大的共同之处。在进行多层次灰色关联分析综合评价中对不同级别的指标采取特色的评价形式,指标以单层次形式实施评价,这在很大程度上达到真实性评价的目的,对不同指标下的隶属关系和不同指标中的二级指标的关联数,得到不同评价指标和参考指标的关联度。加权合成不同指标下的关联度,也就是最终关联度。

4实际应用

4.1建立评价因素集

评价因素集在一定程度上也就是评价指标体系, 采用的主要评价方法是多层次灰色关联分析综合评价方法,结合14台600MW机组进行系统性评价, 采用这种评价方法主要是对系统的准确性和真实性进行有效的验证。根据运行规程有关资料进行34项初拟指标的选择。评价因素集的建立需要具备可靠性,影响可靠性的主要因素有运行小时、非计划停运小时、等效强迫停运率、负荷系数、生产厂用电率等。 指标存放相关性在一定程度上会对评价结果有一定的影响,为了消除此种不利因素,特别采用了主成份分析法进行指标的优先选择。技术监督的不同指标中在运行和评价时不具有相关性,所以,不必进行定量检测,一般情况下采用主成份分析其经济性和真实性。

由此可以看出,“可靠性”指标比较多,对此的计算和评价方法主要是通过主成份分析法来进行,计算的主要区域是系数矩阵,矩阵方法的计算和其他方法具有一定的差异性,这种差异性很大程度上反应出了系统评价的优劣,所以,可以看出,不同指标之间会产生很大的相关性[5,6,7,8],这种相关性比较明显。从这种相关性可以看出,指标之间存在的相关性会对机组运行的有效性和可靠性有很大的重叠,所以,针对重叠信息需要采用主成份分析法来进行筛选,最终计算出相关系数矩阵值和主成份载荷。在进行主成份数量确定的过程中很大程度上需要进行累加贡献率的事实,累加贡献率应大于95%,这在很大程度上避免了信息的流失,使综合性评价相近于原始状态,其信息和指标的筛选需要有主成份载荷和公因子方差来进行,形成指标体系。

4.2运用多层次灰色关联分析综合评价法计算

对不同的指标进行初级综合评价。

可靠性进行一级评价。通过计算得出关联系数矩阵,权重为

对经济性指标进行一级评价得关联度

对技术监督指标进行一级评价得关联度

5结束语

多层灰色关联分析 第2篇

针对长江流域日益严重的水污染现状,根据流域各站点的检测值,利用灰色关联分析法建立模型,并对长江水质进行了定量综合评价.通过计算抽样水质与<地表水环境质量标准>(GB3838-)中各限值的关联度,得出各时间点(某断面不同时段)的.水质综合评价指标,从而判断水质类别,同时还得出了各断面水质的演变趋势.

作 者：周明 成筠 姚云鹏 Zhou Ming Cheng Yun Yao Yunpeng 作者单位：周明,成筠,Zhou Ming,Cheng Yun(三峡大学,经济与管理学院,湖北,宜昌,443002)

姚云鹏,Yao Yunpeng(三峡大学,土木水电学院,湖北,宜昌,443002)

多层灰色关联分析 第3篇

无线通信技术[1]凭借可移动性、成本低、扩展性强、应用方便等优势, 在智能电网特别是有线电力通信无法有效作用或远程现场作业等应用中, 发挥着举足轻重的作用[2], 是实现智能电网建设的基础支撑技术之一。利用过去单纯追求技术的评估指标对各种无线通信技术进行综合评估已不再合适, 进而转变采用考虑经济性、适应性等性能的多维分析指标。这不仅能在无线组网规划[3,4]前对具有投资可能性的技术进行有效评价, 而且可以根据技术的优缺点及时改进、优化无线组网的决策方案, 为用户提供高效、持续、优质的网络通信服务。

近几年, 国内针对无线通信技术的综合评估研究较少, 但在其他方面的综合应用研究成果较为丰硕, 这些综合决策方法主要是按性能表现对评估对象的多个量化指标进行综合评价。最典型的有层次分析法[5]、熵权法[6]、模糊评价法[7]、灰色关联分析法[5,6,7,8,9]、TOPSIS评价法、回归分析[10]等方法。其中, 文献[2-5]中的灰色关联分析方法不仅计算简单、适应性强, 还能充分解决指标计算不确定的问题, 是综合评估方法中应用最广的一种。然而灰色关联分析中的平均指标权重, 会使决策结果存在一定的主观性, 从而出现决策判断偏差。为克服平均权重的不足, 文献[5-6, 8]分别提出在灰色关联分析中结合应用其他评估手段, 形成多元分析方法, 对各种无线技术进行综合分析。文献[5, 8]所融合的模糊评价法与层次分析法, 弥补了各自的不足, 却由于对主客观信息的处理方式各异, 而导致客观数据的利用率不高, 存在较强的偶然性;同理, 文献[6]中的熵权法能有效的利用客观数据进行客观赋权, 但对定性指标的考虑不够充分, 使得上述多元评估分析方法在实际的综合评估中可能存在应用偏差。

文中在上述多元评价方法的梳理和分析基础上, 结合国内电网实际情况及未来智能电网无线通信网络发展需求, 研究提出一种基于组合熵权法和多层灰色关联分析的无线通信技术多维指标分析方法, 并将理论研究应用于三种典型无线通信技术的具体分析、评估和比较, 指导电网中无线通信技术的实际应用建设, 为智能电网无线组网规划和设计提供重要依据。

1 无线通信技术的多维指标体系

综合考虑影响技术性能的多个主要评价因素, 依据从上至下的层次结构, 对无线通信技术关键指标进行分析与筛选, 最终构建出一套科学、全面的无线通信技术多维综合评价指标体系。如图1所示。

2 综合分析法

2.1 计算综合权重序列

2.1.1 熵权法

通常, 熵权法中的信息熵是表示评估指标信息的重要程度, 熵值越大即权重越大, 该指标对整体性能的影响也就越大。目前, 通过熵权法确定指标权重, 可以有效提高权重分配过程中的客观性。然而在实际评估中, 这种依赖客观信息求解熵值的方法, 对带有经验性的定性指标考虑较少, 反而扩大了评估决策与实际应用之间的差距。

设由m种无线通信技术的n项评价指标构成的矩阵为U= (xij) m×n, 为直观地评价各无线通信技术在同一定性指标的表现等级, 首先对各指标参数矩阵进行归一化标准处理, 得到标准指标矩阵, 其中。由此, 各评价指标的信息熵为

评价矩阵的权重系数为

2.1.2 组合熵权法

为提高熵权法处理主观信息的能力, 将专家经验判断与客观数据相互关联, 本文提出在原有熵权法的基础上采用层间指标综合的主客观赋权方法, 科学、合理的分配多维指标的组合权重。该方法不仅可以有效的排除灰色关联分析中权重平均所带来的不确定因素;还能增强评估系统层间权重的可信度与关联度, 为决策评判提供一种更科学、客观的综合权重赋值法。

设有m种技术的n1项一级评价指标构成的矩阵Un1= (xij) m×n1和n2项二级评价指标构成的矩阵Un2= (xij) m×n2, 各级评价指标的组合权重计算过程为:

1) 首先通过专家调查收集、“盲度分析”排序等过程, 统计得到一级评价指标的主观权重序列W={W1, W2, …Wn1};假设有s位评估专家对第i种技术的第j项一级定性指标进行评价, 利用公式 (3) 可得到该指标的定量转换值bij。

式中m为指标转换量, r为所有专家对该评价指标的定性排序值。由此, 第j项一级指标的主观权重值为:

2) 按照一级指标的划分, 划定n1个二级指标子集;利用熵权法分别计算各指标子集内二级评价指标的客观权重序列αi={αi1, αi2, …αik}, 且满足∑k=1αik=1。其中, i表示一级指标的序号。

3) 根据一级指标的主观权重集{Wi}, 组合计算各二级评价指标的综合权重值{Wik}。

2.2 多维指标分析方法

灰色关联分析法[12,13]是一种具有信息量少、适合小样本建模、关联性强、评估效果好等特点的综合决策分析方法。它可以根据特定问题、特定条件所需的实际性能标准, 快速准确的选出最优关联的技术方案。然而, 该方法计算过程中的平均权重, 赋予了与其重要性不符的指标权重系数, 增加了评估结果的不确定性。为此, 本文提出将组合熵权法求解的综合权重取代灰色关联分析中的平均权重, 并依据指标体系结构, 综合确定多层灰色关联度系数, 从而决策选出与最优理想方案更接近、更客观、有效的无线技术方案。

在建立多维分析模型前, 首先梳理基于熵值的单层灰色关联分析过程 (SGAR) 。通过计算各指标序列Xi= (xi1, xi2...xin) 与最优序列X0= (xo1, xo2...xon) 间的灰色关联矩阵γoi (k) 为

式中, 分辨系数ρ最少取0.5。最后, 利用各指标的综合权值wk, 求得综合关联度γo公式为

多维指标综合分析过程如图2所示。在应用该方法前, 需确定评估指标的层次分析结构, 如图1中两层的无线通信技术指标体系;然后从下至上的分层应用组合熵权法和多层灰色关联分析方式, 求解无线技术的综合关联度系数, 最终排序确定各技术性能的优劣。分析步骤如下:

1) 首先明确多维指标评估体系的具体指标及指标的层级结构, 并利用组合熵权法求解各级评价指标的组合权值。

2) 利用基于熵值的单层灰色关联评价方法, 从下至上的逐层确定上层指标的关联度。

3) 根据层间结构及多层指标的灰色综合关联度系数, 对各项一级指标的关联度进行权重计算综合关联度, 通过比较、排序, 最终确定各种无线通信技术的综合性能。

这种层间关联、合理权重的综合分析方法, 不仅能有效减少专家主观评价对最终结果的影响, 而且还综合了指标体系各层间的关联因素, 有助于科学、全面的分析评估各种技术, 大大提高各种技术的应用能力, 为提高技术规划、优化系统性能提供帮助。

2.2.1 无线通信技术的多维指标应用

依照上述综合分析方法的处理过程, 本文对当前应用最广泛的Wi Fi、Zig Bee、蓝牙技术, 进行某地级城市中心配电网无线组网规划中无线技术应用的综合性能评估, 最终计算得到三种技术指标的综合关联系数γo以及综合排名c。设有三个原始评价矩阵U= (xij) m×n2, 则综合分析处理过程如下:

1) 对原始评价矩阵进行归一化处理。

2) 收集20位专家调查数据, 利用式 (3) (4) 分别计算得到各技术的一级指标主观权重值{Wi}:{0.9, 0.6, 0.6, 0.8, 0.7}{0.7, 0.8, 0.7, 0.7, 0.8}{0.7, 0.7, 0.6, 0.5, 0.4};然后, 利用式 (1) (2) 分别求得各二级指标客观权重, 结合对应的一级主观权重值, 利用式 (5) 求解各二级指标的综合权重。

3) 根据步骤 (2) 求得的二级综合指标权重序列, 利用SGAR方法的公式 (6) (7) , 求得各二级指标的关联度系数γi。

4) 最后, 根据一级主观权重序列{Wi}计算各指标关联度系数的权重和γo, 作为评价技术的最终关联评价值, 数据结果见表1所示。其中, 一级指标的关联度系数为各子集指标关联度系数的权重值。

如上表所示, 文中以城市中心配电网无线通信组网规划为应用背景, 结合应用组合熵权法与多层灰色关联分析法, 求得各种无线技术的综合关联评价。通过对表1中综合评价值的比较和排序, 可知在Wi Fi、Zig Bee、蓝牙这三种可选的城中心配电网无线通信技术的综合性能排名:ZigBee>Wi Fi>蓝牙, 其中综合性能表现最佳的是Zig Bee技术, 性能最差的是蓝牙技术。

通过各种无线技术在同项性能指标的关联值比较, 又可知Wi Fi与Zig Bee在有效性、可靠性方面的性能表现差别很小, 且各有优势;在安全性和可扩展性方面, Wi Fi的性能表现明显弱于Zig Bee技术;而在经济性的投入明显低于Zig Bee技术;蓝牙技术因受短距离传输的局限性影响, 除了安全性与可靠性与Wi Fi技术的差距较小外, 其他三个指标均明显劣势于Wi Fi和Zig Bee技术。实质上, 这些指标性能间的差异都跟无线技术本身的技术理论以及特殊的应用背景息息相关, 然而技术的综合关联评价并不仅仅依靠独立的评价指标值, 更多的受到指标在整体性能表现中综合权重的影响。

3 结束语

在各种无线技术飞速发展和智能电网无线新技术融合应用的大背景下, 本文提出基于改进熵权法和多层次灰色关联分析的综合评估分析方法, 对几种典型应用的无线通信技术进行分析、评估、比较, 为智能电网无线通信网络建设中无线通信技术的有效规划提供重要参考依据, 为智能电网无线组网新规划提供必要的设计依据, 为无线新技术的应用提供研究基础。

摘要：本文针对目前智能电网无线通信网络中, 出现的各种无线通信技术利用率不高, 缺乏有效的技术规划以及综合决策评估等问题, 提出了基于组合熵权法和多层灰色关联分析相结合的无线技术多维指标综合分析方法。最后将该理论方法应用于三种典型无线技术的综合评估, 验证该算法的有效性和可靠性。

多层灰色关联分析 第4篇

基于灰色关联层次分析的飞机战伤抢修性评价

分析了飞机战伤抢修性的主要影响因素,建立了抢修性评价指标体系.给出了灰色关联与层次分析相结合的分析模型,并研究了该模型在飞机战伤抢修性评价中的应用,通过实例计算表明了这种评价模型的.有效性和实用价值.

作 者：侯满义 李曙林 李寿安 HOU Man-yi LI Shu-lin LI Shou-an 作者单位：空军工程大学工程学院,西安,710038刊 名：电光与控制 ISTIC PKU英文刊名：ELECTRONICS OPTICS & CONTROL年，卷(期)：200613(6)分类号：V271.4关键词：灰色关联 层次分析 关联度 飞机战伤抢修 战伤抢修性

煤矿事故类型的灰色关联分析 第5篇

1 灰色关联分析模型

灰色关联分析是对系统中2个因素关联性大小的量度,它描述系统发展过程中因素间相对变化的情况,如大小、方向与速度等变化的相对性,是用以确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。

1.1 构造原始数据序列

设有一母因素数列(参考数列),记作Y0=[Y0(1),Y0(2),Y0(3),,Y0(n)],同时有一系列子因素数列(被比较数列),依次记作Y1,Y2,Y3,,Ym。

经过变换后的原始数据列为

undefined

式中,i=1,2,3,,m;k=1,2,3,,n。即有

1.2 原始数据均值化处理

由于在实际应用中,常常会碰到数据的量纲和绝对值大小不一样的情况。因此,需要对原始数据进行变换,即进行无量纲化、统一化,从而获得可以比较的数列。本文采用均值化的方法对原始数据进行变换。均值化即指用一列数据的平均值除以每一个数据,得到一个新数列,均值化的方法适用于较为零乱的数据序列,并能在一定程度上减少因第1个数据不稳定造成的影响。对原始数据作均值化(或初值化、规格化)处理:

X′i=Xi/xi(1)=[x′i(1),x′i(2),,x′i(n)],(i=0,1,2,,n) (2)

1.3 关联系数的程序计算步骤

对式(2)求差序列,记为

undefined

求两级最大差和最小差,记为

undefined

计算关联系数,定义x0与xi(i=1,2,,n)之间的关联系数如下:

undefined

式中,ξi(k)称为第k时刻的关联系数;η为分辨系数,取值范围[0,1]。不同的η值对应于不同的关联度,不过,一般不会影响到关联序的,它可以用来提高关联系数之间的差异性。理论证明,η值越小,说明分辨率越高,通常取η=0.5。

如果对ξi(k)取平均值,则得到x0与xi之间的关联度

undefined

在煤矿事故的关联度分析中,关联度反映事故各因素对煤矿事故死亡人数的影响程度,vi越大,表示这一因素xi对事故x0的影响大。从而能反映出原始数据Yi与Y0的影响程度。

2 煤矿事故灰色关联分析实例

现以20032007年煤矿事故统计数据为基础数据,将煤矿事故的影响因素划分为:顶板事故、瓦斯事故、机电事故、运输事故、放炮事故、水害事故、火灾事故及其他事故。以每年煤矿事故死亡人数为参考数列Y0,以在各类煤矿事故中的死亡人数作为比较数列Yi(i=1,2,,8)(表1),进行煤矿事故的灰色关联分析。

对表1中的原始数据运用均值法,即运用公式(2)进行无量纲化处理得到表2。对表2数据求差序列见公式(3)、(4)、(5),得到表3。

由关联系数公式(6)及关联度公式(7)可得出各类型煤矿事故与煤矿事故死亡人数的关联度排序(表4)。

根据表4的计算结果,由0.847 3﹥0.784 2﹥0.754 8﹥0.723 4﹥0.702 4﹥0.650 7﹥0.555 2﹥0.502 9,得出灰色关联度的排序为:V1﹥V2﹥V4﹥V3﹥V5﹥V6﹥V8﹥V7。从该排列中可以看出:X1是与X0关系最为密切的因素,与X0的发展趋势最为接近,对X0的影响最大;而X7与X0的关系最不密切。从而可以看出,煤矿事故对死亡人数的影响Y1﹥Y2﹥Y4﹥Y3﹥Y5﹥Y6﹥Y8﹥Y7。

3 结语

灰色关联理论验证了下述情况,即在所有的煤矿事故中,验证了顶板事故(Y1)引起的死亡人数最大,其次是瓦斯事故(Y2)和运输事故(Y4),这三者对煤矿事故的死亡人数的影响最大。因此,对煤矿事故的预防重点也就在对这三类事故管理和技术上的安全控制。这样才能保障煤矿的安全生产,将煤矿事故的发生次数降至最低,减少国家财产损失和人身伤害。

摘要：以2003—2007年度煤矿事故统计数据为基础,建立了灰色关联分析模型,对煤矿事故死亡人数影响关联度进行定量分析,分析结果验证了顶板事故、瓦斯事故和运输事故,这三者对煤矿事故的死亡人数的关联度最大。该分析能为进一步预防和控制煤矿事故的发生和加强煤矿安全生产管理提供科学依据。

关键词：煤矿事故,灰色关联分析模型,安全生产,关联系数

参考文献

[1]朱红青.煤矿事故调查(A类)[M].徐州:中国矿业大学出版社,2002.

[2]刘思峰,郭天榜.灰色系统理论及其应用[M].北京:科学出版社,2000.

基于灰色关联分析的图像匹配方法 第6篇

目前的图像匹配算法主要可分为基于图像特征的匹配和基于像素灰度值的匹配这两大类[1,2]。前者是通过提取图像中的边缘、轮廓、直线、纹理等特征来作为匹配标准, 优点是计算量小, 但对特征复杂且提取困难的图像达不到理想的效果。而后者利用图像间灰度信息的相关性作为匹配判决准则, 优点是实现简单, 匹配精度高, 但不适用于对运算速度有较高要求的场合。

将灰色关联分析方法运用于图像匹配, 能够充分地利用图像中的差异和相似信息。而单一地采用灰色关联理论判断图像的相似程度, 这种方法存在如下问题:两个序列间整体的相关度并不能反映序列中对应每个点的相关程度, 所以由此判断图像是否匹配不具有唯一性。所以为了确定两幅图像匹配的绝对性, 本文先利用灰色关联分析理论找出模板图像和原图的最大关联处, 然后通过直方图关联和边缘匹配进一步验证该位置的子图像和模板图像是否一定匹配, 从而完善整个匹配过程的准确程度, 找到正确的匹配位置。

1 灰色关联匹配模型

灰色关联分析是根据数据序列间的发展趋势、信息相似性, 找出信息系统中各因素间的复杂关系, 判别数据序列之间的相关程度[3,4,5,6]。灰色关联匹配模型采用灰色关联分析来判断模板图像和子图像的之间相似关系, 从而找到原图像中的最大关联处, 以便确定待匹配目标的最佳位置。

假设待匹配图像F的大小为MM, 而模板图像T的大小为NN (N为奇数) , 以模板图像同样大小的搜索窗口在待匹配图像上平移, 所覆盖的子图记作Sp, q, 其中 (p, q) 为子图Sp, q左上角像素点在图像F中的位置 (1p, qM-N+1) 。以子图Sp, q的灰度值作为比较序列Sk, 模板图像T的灰度值作为参考序列T0, 那么两个序列间的关联程度为

其中

式中:ε称为分辨系数, 其值在 (0, 1) 区间选择。

参考序列和比较序列分别表示为

式中:L为数据序列的个数。

根据式 (1) 可知, R0, k∈ (0, 1], 当其取值越大时, 表示参考序列和比较序列之间的关联度越大, 即说明该位置处的子图与模板图像的相似度越大, 且越接近于最佳匹配位置。若子图和模板图像完全一致, R0, k达到最大值为1。

2 基于直方图的灰色关联度分析

图像的直方图是图像像素灰度分布的体现, 反映了图像中各个灰度级和其对应频数间的关系。而上述基于图像灰度关联的匹配模型能对模板图像在原图像上的坐标进行定位, 但是并不能保证图像匹配位置的准确性。所以本文首先从灰度分布这一方面, 利用图像直方图间的灰色关联度, 验证上述定位出的子图像和模板图像间的相关程度。

若将模板图像的直方图作为参考序列TR, 将最佳位置处子图像的直方图作为比较序列Si, 那么两序列间的灰色关联度为

其中

式中:nbins为关联序列的长度, 取值为图像直方图的灰度级数;t0 (k) 和si (k) 分别表示参考序列TR和比较序列Si集合中的元素。

由式 (8) 可知, 子图与模板图像直方图关联得出的RTS值越大, 表明该块图像和模板图像的相似度越高。同样, 当两幅图像完全匹配时, 其取值为1。

然而, 图像的直方图信息仅仅反映了图像中不同灰度总体的概率分布, 无法体现具有不同灰度值的像素之间的空间位置关系, 所以具有相同直方图的图像并不能充分证明图像是完全一致的。而图像的直方图信息所表示的只是图像的灰度特征, 因此需要考虑图像的几何特征来进一步确定模板图像和定位出的子图像是否一致。

3 边缘特征和Hausdorff距离

图像的几何特征分为很多类, 其中最基本是边缘特征[7]。为了验证图像匹配结果的正确性, 本文利用Canny算子提取图像的边缘, 通过计算边缘对应点之间Hausdorff距离, 从而从特征分布这一方面来验证匹配结果的正确性。

Hausdorff距离是一种描述两组点集间相似程度的量度[8,9]。由于基本形式的Hausdorff距离存在许多缺陷, 故采用均值Hausdorff距离来进行匹配验证。若通过灰色关联匹配模型得到定位处的子图像为I, 而模板图像为T, 则均值Hausdorff距离的定义为

式中:NI是I中边缘点的个数;dT (i) 表示I中的点i到点集T的最小距离;代价函数ρ是对称函数, 而且在零点有唯一的一个最小值, 定义为

式中:τ是用来剔除出格点的阈值;hT (I, T) 度量了I和T两个点集之间的最大不匹配度, 其值越小证明匹配程度越高。若图像完全匹配, hM (I, T) 取最小值为0。

4 实验

根据本文的设计思路, 全部程序在MATLAB 7.1上实现。选取的待匹配图像如图1所示, 大小为550550。而模板图像为在待匹配图像中截取大小为3131的子图, 如图2所示。

将图像灰度化后, 通过灰色关联匹配模型找出待匹配图像中的最佳匹配点, 程序返回原图与模板图像匹配位置的中心坐标, 即可能匹配的点 (288, 286) , 在待匹配图像中以 (288, 286) 为中心坐标截取大小为3131的子图像。

通过直方图关联分析, 程序返回该子图与模板图像直方图间的灰色关联度, 实验计算得到的值为1。而通过边缘提取, 程序返回该子图与模板图像间的Hausdorff距离, 得到的值为0, 结果均符合两幅图像完全匹配时的条件。由此可知, 模板图像在原图像上空间对准的坐标为 (288, 286) , 匹配结果如图3所示。

若在原图中截取大小为4343的模板图像, 如图4所示。同上述过程, 先通过灰关联匹配模型, 找到可能匹配的点 (308, 248) , 截取子图像。同样程序返回直方图间的关联度为1, Hausdorff距离为0, 匹配结果如图5所示。结果证明了通过灰关联匹配模型得到的最佳匹配位置均符合灰色特征和几何特征两方面相关时的条件。

将模板图像叠加到原图像中的匹配位置处, 图像的边缘衔接处光滑平坦且纹理自然完整。在实验过程中采用了多张不同的图片进行图像匹配, 通过上述相同的实验步骤均得到了理想的匹配结果, 也验证了其正确性。

5 总结

本文利用灰色关联理论完成了定位匹配目标的过程, 并且结合图像的直方图信息和边缘特征间相关程度, 排除了匹配失误的可能性, 增强了图像匹配的正确率。通过对不同图片进行实验, 展示了灰色关联模型的匹配定位以及从灰色特征和几何特征两方面求取相似度的全过程, 同时也验证了这种算法的有效性和可行性, 可用于实时计算。

摘要：针对图像匹配正确率的问题, 在研究灰色关联理论的基础上, 提出了基于灰色关联分析的匹配方法, 找出模板图像在待匹配图像中的最佳匹配位置。通过计算图像直方图的灰关联度及边缘点集间的Hausdorff距离, 从图像的灰度分布和形状特征两方面来验证了定位的准确性。实验采用了多张不同的图片进行图像匹配, 实验结果表明了该算法的有效性和良好的匹配效果, 具有匹配效率高、匹配误差小等特点。

关键词：图像匹配,灰色关联分析,直方图,边缘特征,Hausdorff距离

参考文献

[1]章毓晋.图像工程 (中册) :图像分析[M].2版.北京:清华大学出版社, 2005.

[2]ZITOVA B, FLUSSER J.Image registration methods:a survey[J].Image and Vision Computing, 2003 (21) :977-1000.

[3]胡隽, 何辅云, 贺静.灰色系统理论在图像处理中的应用[J].电视技术, 2003, 27 (7) :19-22.

[4]黄瑶, 熊和金.目标识别的灰关联方法研究[J].湖南农业大学学报:自然科学版, 2009, 35 (S1) :103-105.

[5]杜志顺, 吴国平, 裘永宵, 等.复合板灰色自适应瑕疵检测[J].计算机应用, 2010, 30 (8) :2250-2253.

[6]马苗, 鹿艳晶.基于灰色理论和遗传算法的快速图像匹配方法[J].计算机工程与应用, 2008, 44 (32) :169-172.

[7]任澍, 唐向宏, 康佳伦.纹理和边缘特征相结合的图像修复算法[J].计算机辅助设计与图形学学报, 2013, 25 (11) :1682-1693.

[8]张洪霞, 俞利, 叶旭鸣.基于边缘特征和hausdorff距离的图像匹配算法[J].计算机工程与应用, 2010, 46 (9) :47-50.

我国煤炭出口影响因素灰色关联分析 第7篇

长久以来, 外贸出口一直都是我国经济增长的重要驱动力之一。自改革开放以来, 我国经济和出口贸易都得到了快速增长。2001年入世之后, 我国的出口贸易更是得到了飞速发展, 净出口对经济增长的贡献率一直保持不小的比例。我国的煤炭储量丰富, 截至2012年底, 我国拥有煤炭可采储量1, 145亿吨, 仅次于美国和俄罗斯, 位居世界第三位。我国是世界第一产煤大国, 也是煤炭消费大国。多年来, 我国煤炭的出口量一直呈递增趋势, 直至2002年;从2003年开始, 我国煤炭的出口量逐年下降, 而我国煤炭进口量却呈逐年增加趋势。2003年, 我国煤炭出口量为9, 402万吨, 进口量只有1, 109万吨;到了2012年, 我国煤炭出口量减少到927万吨, 而煤炭进口量却增加到28, 851万吨。

另一方面, 进入2012年以来, 煤炭工业在经历了10年高速增长后, 突然遭遇“寒冬”。“十一五”以来的7年间, 全国煤炭采选业固定资产投资完成2.25万亿元, 累计新增煤炭产能约20多亿吨。2013年, 全国现有煤矿总产能约46亿吨, 产能过剩5亿吨左右, 煤炭消费量由10年前的年均增长约9%下降到约2.6%。截至2013年12月底, 生产和利用煤炭的相关企业存煤约8, 400万吨, 同比增加70万吨。2014年初以来, 煤炭市场持续呈现需求低速增长, 产能释放, 进口增加, 库存高位的严峻态势。当前, 我国煤炭企业面临严峻的考验, 煤炭产能过剩带来的库存压力以及进口煤的冲击带来的价格下行压力使得我国煤炭企业陷入了困境。

因此, 在当前的发展形势下, 探讨我国煤炭出口的影响因素, 对于理解、预测我国煤炭的出口形势, 促进煤炭合理出口, 缓解进口煤炭冲击压力, 以及有效减轻煤炭工业萧条对我国经济发展造成的不利影响, 具有重要的理论和实践价值。

二、文献综述

目前, 对于煤炭出口的研究, 国内学者都停留在定性分析层面。黄佐钘、邵汝军通过对世界煤炭贸易概况、我国煤炭出口的主要竞争对手、我国煤炭出口的优势和劣势进行分析, 提出了提升我国煤炭出口竞争力的三条对策建议:一是对有条件的中小型煤炭, 要鼓励他们进行兼并重组, 提高煤炭行业集中度和安全生产标准;二是努力降低各项政策对煤炭出口的不利影响;三是充分利用地理优势, 扩大煤炭在东亚地区的出口量。尹南利用国际贸易相关理论, 采集大量历史数据, 并建立计量经济学模型来分析我国煤炭出口与亚太地区煤炭价格之间的关系, 结果表明二者之间存在负相关性。陈洁对影响中国煤炭进出口的各种因素进行分析, 得出了中国目前呈现煤炭“出口锐减、进口速增”的新局面, 主要是我国政府的煤炭出口导向政策变化的结果。继而在对煤炭产品独特的国内外环境加以分析和研究, 并结合环境及国家安全等因素的情况下, 给出了具体制定我国煤炭出口政策的相关建议。廉国恩、刘晓红认为煤炭出口退税政策的调整改变了国内国际煤炭产品的相对价格, 从而会对出口企业的利润水平和内销企业的竞争力产生影响;并针对如何让煤炭企业适应煤炭出口退税政策提出了三点建议:一是要积极关注国际煤炭市场变化带来的影响;二是要以内销为重点制定发展战略;三是内销企业要以转型升级为重点提升竞争实力。

郭珉、武玉英从国内生产总值、全社会固定资产投资、财政科技拨款、R&D经费、外商直接投资、我国的贸易进口额、实际有效人民币汇率指数等17个方面对影响我国出口贸易的相关因素进行灰色关联分析。刘芳从出口退税率、外商直接投资、人民币汇率、国内生产总值和工业品出厂价格指数等五个方面对影响我国机电产品出口的因素进行了灰色关联分析。综上所述, 本文在参考以上学者研究成果的基础上, 结合当前煤炭国际贸易现状, 选取我国煤炭总产量、国内生产总值、关税、我国煤炭进口总量、煤炭行业固定资产投资、煤炭价格指数、汇率、我国煤炭消费总量、外商直接投资、煤炭生产技术进步等因素, 运用灰色关联法分析这些因素对我国煤炭出口的影响程度。

三、我国煤炭出口影响因素灰色关联分析

(一) 灰色关联分析方法概述。

灰色关联度是指系统中影响因素之间的相似程度。在系统发展过程中, 如果两个因素随时间的变化的态势是一致的, 即同步变化程度较高, 则可以认为两者关联较大;反之, 则两者关联度较小。灰色关联分析是通过灰色关联度来分析和确定系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近, 相应序列之间的关联度就越大, 反之就越小。该分析方法既对样本量的多少没有限制, 也不要求样本有典型的分布规律, 更重要的是量化结果通常与定性分析结果相符, 因而在实际中应用十分广泛。

(二) 数据选取。

本文通过分析影响我国煤炭出口的相关因素, 从影响煤炭出口的众多因素中选取具有代表性的10种进行定量分析, 分别是我国煤炭总产量 (万吨, 用X1表示) 、国内生产总值 (亿元, 用X2表示) 、关税 (亿元, 用X3表示) 、我国煤炭进口总量 (万吨, 用X4表示) 、煤炭行业固定资产投资 (亿元, 用X5表示) 、煤炭价格指数 (上年等于100, 用X6表示) 、人民币汇率 (100美元可兑换的人民币, 用X7表示) 、我国煤炭消费总量 (万吨, 用X8表示) 、外商直接投资 (亿美元, 用X9表示) 、生产技术进步 (亿元, 用X10表示) 。由于生产技术进步这一指标无法直接计量, 故用国家财政科学技术支出来反映。X1~X10作为比较序列, 煤炭出口总量X0作为参考序列, 本文选取2001~2012年的年度数据进行分析, 数据来源于国家统计局统计年鉴和我国海关总署。 (表1)

(三) 灰色关联分析

1、对参考数列和比较数列进行无量纲化处理。

由于原始数据的量纲不一定统一, 导致数据的量纲也不一定相同不便于比较, 或在比较时难以得到正确的结论, 因此在进行灰色关联度分析时, 一般都要进行“无量纲化”的数据处理, 也就是进行标准变化, 根据同一个比较标准进行下一步处理。本文采用均值化法对原始数据进行无量纲化处理。先从每个X数列中找出每列数据的平均值, 然后再作为分母对原始数据进行变换, 得到新的序列。采用均值化法对原始数据进行无量纲化处理, 处理结果见表2。 (表2) 均值公式为:

2、求差序列。

差序列公式为:△i (k) =x'0 (k) -x'i (k) , (i=1, 2, …, 10;k=1, 2, …, 12) , 差序列计算结果见表3。 (表3)

3、求两级最大差与最小差。

两级最大差、最小差公式为:最大值M=miaxmkax△i (k) ;最小值m=miinmkin△i (k) , 由表3易得M=1.7308, m=0.0003。

4、求关联系数。

计算公式为其中ξ称为分辨系数, ξ越小, 分辨力越大, 一般ξ的取值区间为 (0, 1) , 具体取值可视情况而定, 通常取ξ=0.5。计算结果见表4。 (表4)

5、计算关联度。

关联度计算公式为计算可得各影响因素的关联度为:γ01=0.5871, γ02=0.8019, γ03=0.9008, γ04=0.6208, γ05=0.8165, γ06=0.5974, γ07=0.9072, γ08=0.7469, γ09=0.8790, γ0, 10=0.7702。

6、影响因素排序。

按从大到小的顺序对各影响因素的关联度进行排序可得, γ07>γ03>γ09>γ05>γ02>γ0, 10>γ08>γ04>γ06>γ01详见表5。 (表5) 由表5可得各因素对我国煤炭出口的影响程度由强到弱依次为:人民币汇率>关税>外商直接投资>煤炭行业固定资产投资>国内生产总值>国家财政科学技术支出>煤炭消费总量>煤炭进口总量>煤炭价格指数>煤炭总产量。

四、结论与分析

数据的灰色关联度分析结果表明, 2001~2012年对我国煤炭出口影响的各因素中, 汇率、关税、外商直接投资、煤炭行业固定资产投资、国内生产总值、国家财政科学技术支出等影响程度较大, 总体关联度呈递减趋势。

(一) 人民币汇率对我国煤炭出口的影响程度最大。

汇率对我国煤炭出口影响最明显, 排第一位。一国的汇率下降, 意味着该国产品的国际竞争能力相对提高, 贸易收支容易出现顺差。汇率是国际贸易最有影响力的调节杠杆, 2001~2005年我国的人民币汇率总体保持稳定, 2006~2012年人民币汇率呈持续下降趋势。我国汇率下降的结果是导致人民币升值, 从而使得煤炭进口的价格下跌, 利于煤炭进口而限制煤炭出口。根据国家统计局的数据, 我国自从2001年加入世贸组织以后, 人民币对美元的汇率逐年降低, 100美元兑换的人民币数目从2001年的827.7降到2012年的631.25。与此同时, 煤炭出口量也从2001年的9, 012万吨下降到2012年的927万吨。由此可见, 人民币汇率的变动对我国煤炭出口的影响非常明显。

(二) 影响程度次之的是关税。

关税是影响我国煤炭出口的关键因素之一, 其中出口退税政策是主要调节手段。20世纪末, 我国开始实施煤炭出口退税政策。1997年我国明确煤炭出口税率为3%, 1999年为改变煤炭企业亏损严重的情况, 我国将煤炭出口退税率提高到13%。出口退税率的不断提高为煤炭出口企业提供了一定程度的赢利能力, 促进了煤炭出口的发展。进入21世纪后, 我国煤炭企业的出口退税政策出现逆转, 2004年1月1日起煤炭出口退税率降为11%;2005年5月1日再次下降为8%;2006年9月15日起取消煤炭出口退税政策。2006年11月1日, 焦煤出口开始征收5%的出口暂定关税;2008年8月20日, 炼焦煤出口税率由5%提高至10%;其他烟煤等征收出口暂定关税税率为10%。我国煤炭贸易政策近十年来的变化表明, 国家对煤炭由鼓励出口到限制出口, 关税是主要的调节杠杆。由此可见, 关税对我国煤炭出口的影响程度非常大。

(三) 外商直接投资和煤炭行业固定资产投资是重要影响因素。

外商直接投资对我国煤炭出口贸易的影响主要体现在国际市场上。我国在相当长的时期内, 对外资企业都将实行出口导向型政策, 要求外资企业的产品必须全部返销国际市场, 不得进入国内市场。相对国内企业而言, 外商对国际市场更了解, 在营销手段、分销渠道等方面更具优势。煤炭系统固定资产增加有助于推进我国煤炭产业的优化升级, 从而提升我国煤炭产业的国际竞争力, 为促进我国煤炭产业在国际市场上的发展提供强劲动力。由此可见, 外商直接投资和煤炭行业固定资产投资是我国煤炭出口的重要影响因素。

(四) 国内生产总值也是一个不容忽视的有力影响因素。

对外贸易是经济增长的核心, 对国民经济的发展具有重要的意义。国民经济的高速发展带动了煤炭需求的增长, 2004~2013年这10年, 国内生产总值的年平均增长率接近两位数。当前, 我国正加快进行煤炭产业优化升级, 逐步淘汰落后低效产能, 这将对我国煤炭的生产有一定的影响, 从而使得煤炭产能不足以满足需求, 需要通过进口来保证我国煤炭供需平衡。另一方面, 随着经济结构的不断调整, 国民经济增长将会放缓, 2014年预期增长率为7.5%。能源结构的逐步调整则会使得未来我国煤炭资源将出现供大于求的局面, 需要通过出口来保证我国煤炭的供需平衡。由此可见, 国内生产总值对于我国煤炭出口而言也是一个不容忽视的有力影响因素。

(五) 国家财政科学技术支出也有一部分影响作用。

技术进步因素, 特别是国家财政拨款对我国煤炭出口有一定程度的影响。我国是一个资源相对缺乏且资源利用效率较低的国家。我国人均资源占有量还不到世界平均水平的一半。我国每吨水泥熟料燃料消耗为170公斤标煤, 而国际先进水平为107.5公斤标煤, 高出58.1%;我国每吨钢可比能耗平均为966公斤标煤, 国际先进水平是656公斤标煤, 高出47.3%;我国火电厂供电煤耗为每千瓦时404克标煤, 国际先进水平为317克标煤, 高出27.4%。科学技术的发展, 一方面可以开发新能源替代传统化石能源;另一方面可以提高我国的能源利用效率, 从而降低国民经济发展对煤炭的需求, 进而会在一定程度上破坏煤炭供需平衡, 最终影响我国煤炭出口量。

(六) 消费量、进口量、价格指数、总产量等因素影响程度较弱。

煤炭生产总量与煤炭行业固定资产投资关联性较强, 而煤炭消费总量与国内生产总值关联性较强, 因而二者对煤炭出口的影响都受到较强关联因素的弱化。煤炭价格指数反映的是煤炭市场的波动情况, 只表现供求关系的紧张和舒缓, 并不直接作用于进口。煤炭进口与出口的关联度也较低, 主要是受到贸易政策的影响。

综上所述, 采用灰色关联方法分析煤炭出口及其影响因素的关联度, 具有一定的参考价值, 可为理解、预测我国的煤炭出口形势及制定相关政策提供参考。

参考文献

[1]黄佐钘, 邵汝军.中国煤炭出口的国际竞争力比较[J].生产力研究, 2008.17.

[2]尹南.中国煤炭出口与亚太地区煤炭价格关系剖析[J].价格月刊, 2010.6.

粮食产量影响因素的灰色关联分析 第8篇

粮食是经济社会得以持续发展的基础。我国是一个超过13亿人口的大国, 全国粮、油、肉的年消费量分别达5.5亿吨、2400万吨、8000万吨左右并以粮食每年250万吨、植物油100万吨、肉200万吨的速度继续增长。在耕地资源有限的情况下, 深入分析影响粮食产量的因素, 提出针对性的解决措施, 是十分重要的课题。

国内外已有许多学者对粮食产量影响因素进行了研究。刘钦普运用回归分析和时间序列分析的方法对河南省粮食产量影响因素进行了探讨。石洪景运用聚类分析的方法对粮食产量水平的影响因素进行了分析。结论表明, 粮食生产基础要素投入水平、自然因素和生产价格、土地投入三个因素对于粮食产量影响最大。范东君对于粮食产量影响因素进行了实证分析, 并且对每个因素贡献率进行了测算。以上作者的研究成果给本课题的研究提供了有益的借鉴。

本文将运用灰色关联理论, 以我国粮食总产量为被解释变量, 分析粮食总产量与各个影响因素之间的内在关联性。

二、灰色关联动态分析的建模步骤

1. 建立原始数列的因变量参考数列和自变量比较数列

因变量参考数列又叫母序列记作

自变量比较数列又叫子序列

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

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

差序列:Δi (k) =|x0 (k′) -xi (k′) | (i=1, 2, 3, ..., n) 。

则差序列为:Δi=[Δi (1) , Δi (2) , Δi (3) , Δi (k) ]。

4. 计算灰色关联系数

其中L0i (k) 是子序列xi (i=1, 2, 3, ..., n) 的k个数与母序列x0的关联系数, 表示式中是分辨系数, 在0到1之间, 通常取λ=0.5。

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表示数列x0与数列xi之间的关联系数。

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便认为关联性显著。

三、指标选取及计算

1. 指标选取

本文选取粮食产量作为衡量我国粮食生产水平的指标, 记为A1 (单位:万吨) 。影响粮食产量的因素有:粮食播种面积, 记为A2 (单位:千公顷) ;粮食单产, 记为A3 (单位:公斤/公顷) ;农林水支出, 记为A4 (单位:亿元) ;农业科技人员数量, 记为A5 (单位:人) ;化肥使用量, 记为A6 (单位:万吨) ;农业机械动力, 记为A7 (单位:万千瓦) ;有效灌溉面积, 记为A8 (千公顷) 。具体数据如表1所示。

资料来源:中国统计年鉴 (2004-2010)

选择上述因素的原因:粮食产量是粮食生产水平高低的最重要标志, 因此选择这个指标反映我国粮食生产水平;粮食播种面积和粮食单产显然是影响粮食产量的重要因素;农林水支出反映财政对于粮食生产的支持力度;农业科技人员数量反映农业科技水平, 而农业科技水平显然对粮食产量有重要影响;化肥使用量是粮食增产的重要保障;农业机械总动力反映农业机械化水平;有效灌溉面积反映水平建设的水平。

2. 基于灰色理论的计算

按照上述步骤计算的结果如表2所示。

记粮食产量与各个影响因素关联度为A1i, 其中i=2-8。按照粮食产量与各个影响因素关联度大小排序为:A16>A13>A17>A12>A18>A15>A14。

四、结论

根据上述分析可以看出, 对粮食产量影响最大的因素是化肥使用量。首先, 这表明我国农业还没有走出粗放型生产模式。因此, 今后农业生产中, 应实行更加科学的施肥方法, 如测土施肥法, 从而在减少化肥使用量的同时, 提高化肥使用效率。其次, 粮食单产对于粮食总产量影响作用相当大。随着我国人口不断增长, 各个方面使用土地的需求更加迫切。所以, 我国粮食总产量的增长不能寄希望于扩大播种面积, 应该高度重视提高粮食单产。要采用更科学的技术, 通过精耕细作, 提高粮食单产。再次, 农业机械总动力对粮食产量有很重要的影响。通过农业机械化生产, 可以提高粮食生产效率, 减少浪费, 从而稳步提高粮食产量。同时, 粮食播种面积对于粮食总产量有直接的影响。基于我国的国情, 不可能再大幅度扩大粮食播种面积。需要做的事情是要稳定粮食播种面积。最后, 有效灌溉面积表明我国水利设施对于粮食产量有很大的影响作用。

参考文献

[1]刘钦普.基于时空回归模型的河南省粮食产量预测[J].安徽农业科学, 2011 (28) .

[2]石洪景.粮食产量水平的影响因素及聚类分析[J].西南农业大学学报, 2011 (10) .

[3]范东君.粮食产量影响因素的实证分析与贡献率测算[J].湖南工业大学学报, 2011 (09) .

[4]刘思峰, 郭天榜.灰色系统理论及其应用[M].河南大学出版社, 1991.

[5]易德生, 郭萍.灰色理论与方法[M].石油工业出版社, 1992.

农村贫困与县域环境的灰色关联分析 第9篇

关键词：农村,贫困,县域环境,灰色关联

引言

贫困作为一个长期困扰人类的世界性难题,得到了世界各地的普遍关注。2002 年,联合国设定并启动了8 个“千年发展目标”,而8 个目标的第一个就是“消灭极端贫穷与饥饿”。就中国而言,在经过了最初的由政策和体制推动反贫困,并在面上取得了十分明显的效果后,中国农村贫困已不再是国家经济总体欠发达、制度和政策缺失等带有普遍性的因素造成的“面上的”贫困,取而代之的是由特殊的区域环境、生产条件以及人口素质等一系列带有明显地域性特征的约束条件导致的“点上的”贫困。20002010 年,东部地区贫困人口占全国贫困人口的比重由10.2%下降至4.6%,西部地区贫困人口占全国贫困人口的比重由60.8%上升至65.1%。贫困人口进一步向西部地区集中[1]。如果抛开制度、政策、资本、教育、人力资源等诸多经济社会因素的影响,以传统农业为主的农村贫困地区的生产格局受环境的影响仍然是一个至关重要、不可回避的现实问题。

一、灰色关联模型简介

(一)灰色系统理论及其应用

灰色系统理论(Grey System Theory)创立于1982 年,主创者为邓聚龙。它主要用于处理数据少、样本小、信息不完全和经验缺乏的不确定性问题。该理论以关联度计算为基本手段,把事物看成一个动态、发展的系统,对事物之间的变化情况进行定量的描述,对事物的发展状态进行量的比较,在进行综合评价时,不需要太多的数据,优于经典的精确数学方法。目前,灰色系统理论在各个方面得到了广泛的应用。例如,教育与经济、金融与创新、产业关联、银行选址,以及企业的技术创新与绩效、科技投入与经济增长、能源技术效率与经济效率,还有,CPI与商品价格、居民消费与经济增长、航运中心与金融中心的联动等等,都用到了灰色关联分析。由此可见,灰色关联分析方法的实用性与有效性之强。

在区域研究方面,由于区域内部有明显的相似性和连续性,同时又有明显的差异性,灰色关联分析方法的应用优势更加明显。赵新正等根据城市化动力机制和区域城市化水平的不同,利用灰色关联分析法对影响区域城市化发展的指标体系进行定量研究[2]。毕克新等利用灰色关联分析法对黑龙江省近十年区域知识产权与技术创新之间的关联性进行了分析[3]。范君君等运用灰色系统理论中关联分析方法,对甘南州经济增长与各个特征人口之间的关联性进行分析[4]。陈桃红运用灰色关联分析方法对西南五省区市的区域竞争力进行了评价,从而得出该五省区市区域竞争力大小的灰色关联度[5]。

在三农问题的研究上,灰色关联分析法也发挥了重要作用。朱丽琴等采用灰色关联分析方法分析了广东省农民家庭收入及其来源构成的关联性,以此提出实现农民家庭收入持续快速增长的有效途径[6]。刘卫柏等运用灰关联度的相关理论分析阐述农村土地流转的影响因素,并在分析了各个因素之间的主次关系[7]。陶爱祥选取农业单位GDP能耗作为衡量低碳农业发展水平的指标,运用灰色关联理论,分析了中国农业科技发展水平与低碳农业发展水平之间的关系[8]。李冬梅等将灰色系统理论应用于对粮食产业安全度的评价,解决了对粮食产业安全的国际比较评价时信息不完全、样本量小的问题[9]。

(二)灰色关联分析方法

灰色关联分析是通过灰色关联度来分析系统因素间的影响程度或因素对系统主行为的贡献测度的一种方法。灰色关联度计算步骤如下:

(1)确定反映系统行为特征的参考数列和影响系统行为的比较数列

设参考数列为X0=(X0(1),X0(2),,X0(n))

比较数列为Xi=(Xi(1),Xi(2),,Xi(n)),i=1,2,,m

(2)对参考数列和比较数列进行无量纲化处理

在进行灰色关联度分析时,一般都要进行无量纲化的数据处理。以削除“由于系统中各因素数据的量纲不同,所导致不便于比较,或在比较时难以得到正确的结论”的研究障碍。

(3)求参考数列与比较数列的灰色关联系数 ξ(Xi)

对于一个参考数列X0有若干个比较数列X1,X2,Xm。各比较数列与参考数列在各个时刻的关联系数ξ(Xi)可由下列公式算出:

其中 ξ 为分辨系数,0<ξ<1

为两层式取绝对差值中最小值计算,第一层为先分别由各比较数列Xi曲线上的每一个点与参考数列Xi曲线上的每一个点之绝对差值中取最小值,再由这些最小值当中选取最小值。简记为 Δmin。

为两层式取绝对差值中最大值计算,第一层为先分别由各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点之绝对差值取最大值,再由这些最大值当中选取最大值。简记为△max。

|X0(k)-Xi(k)| 为各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点之绝对差值。记为△Oi(k)。所以关联系数 γ(Xi)也可简化如下列公式:

(4)求关联度 γi

因为关联系数是比较数列与参考数列在各个时刻的关联程度值,所以它的数不止一个,而信息过于分散不便于进行整体性比较。因此,有必要将各个时刻的关联系数集中为一个值,也就是求其平均值,作为比较数列与参考数列间关联程度的数量表示,关联度ri公式如下:

(5)关联度大小排序

将计算得到的关联度按大小进行排序,关联度越大说明该比较序列与参考序列关联度越高,联系越紧密,该序列反映的因素对研究对象影响越大。

二、灰色关联实证分析

(一)指标选取

根据灰色关联度分析法的要求,我们首先要确定参考序列的指标和比较序列的指标。选取能够反映农村贫困情况的农民人均纯收入为母序列,记为X0(k)。因为自然地理环境条件作为农村贫困的一个影响因素对农民的农业收入影响是最大的,而农业收入又是农民纯收入的重要来源。所以本文选取农民人均纯收入作为参考序列。

环境作为生产资料和劳动条件,是土壤、气候、水及生物等各种自然条件的总和。在选择比较序列时,主要选择对农村经济产生重要影响的因素。比如,一个地区是否交通便利,公路铁路覆盖率,距离大中型城市远近灯,对于提高该地区工业和服务业在世界市场上的竞争力至关重要;还有,农业生产力从根本上依赖于气候和土壤,当农业占经济的主导地位时,地理条件是经济发展最根本的制约因素等等。因此,本文选取代表地理条件、气候条件、水资源、地形、土地、资源、灾害、道路、地理区位八个方面的15 个变量反映自然地理环境条件。比较序列所反映的具体因素(如表1 所示)。

注:(1)根据各个县的水土流失侵蚀模数,标准共分为7 级:小于200 吨/平方公里=1 200~500 吨/平方公里=2 500~1 000 吨/平方公里=31 000~2 500 吨/平方公里=42 500~5 000 吨/平方公里=55 000~10 000 吨/平方公里=6,大于10 000 吨/平方公里=7;(2)根据《云南统计年鉴》整理得出,标准共分为4 级:十分丰富=3,丰富=2,比较丰富=1,一般=0;3同2。

(二)资料数据来源

本文主要是整理了云南省3 个扶贫开发重点县(均为国家级扶贫开发重点县)县域环境条件的面板数据,数据来源于《云南统计年鉴》(2011、2012)、《禄劝年鉴》(2012)、《寻甸统计年鉴》(2011、2012)、《会泽年鉴》(2012)。具体数据(如下页表2 所示):

(三)数据分析

基于下页表2 中的数据,依据灰色建模理论和步骤,建立云南省农村贫困县域环境灰色关联模型,应用MATLABR2011a软件,算得参考序列与比较序列之间的关联度(如下页表3 所示):

(四)结果分析

(1)从上述分析结果可以看出,与农民人均纯收入关联度最大的是人均耕地面积,其次是离最近城市的距离,而人均林地面积和矿产资源等级与农民人均纯收入关联不大。这可能是由于现阶段农村地区尤其是农村贫困地区的生产格局仍然以传统的农业为主,而城市是农产品主要市场,距离城市的远近对农业收入会产生重要影响。而林业资源和矿产资源的开发力度不够,资源随丰富,却不能带来惠民效益。

(2)上述结果中,除了人均耕地面积、离最近城市距离、人均林地面积和矿产资源等级这四个因素外,剩余的因素可分为两类。一类是ri≥0.5 的因素,这些因素有年平均气温、亩均可用水量、山地面积比重、水土流失等级、旅游资源等级、县域公路密度、县域铁路密度,这些因素与农民人均纯收入有关联。其中,年平均气温和亩均可用水量可以说明农业生产条件,山地面积比重可以说明土地资源等级,水土流失等级可以说明土地质量,县域公路和铁路密度可以说明地理区位的优越性,这些环境条件的好坏都会对农业收入产生影响,进而影响农民人均纯收入。另一类是ri<0.3 的因素,这些因素有县域平均海拔、年均降水量、县域南北长度、县域东西长度,这些因素与农民人均纯收入的关联度较小。

三、政策建议

现阶段农村地区尤其是农村贫困地区的生产格局仍然是以传统的农业为主,因此,与传统农业生产相关的环境条件,例如水资源量、耕地面积与质量、交通便利性等,对增加农民收入和减少贫困面更具约束性,有更强的相关影响。因此,通过水土保持、土地整理等措施保护和提高土地质量,通过加大农田基础设施建设力度提高土地集约化程度,同时加大农村道路改造,加大改善农村交通条件的政策和资金投入,是帮助农民增加收入、摆脱贫困的出路。