- 相關(guān)推薦
以熵權改進(jìn)TOPSIS模型為角度的農業(yè)機械化水平評價(jià)應用研究論文
農業(yè)機械化水平是對機器(裝備)在農業(yè)中使用程度、作用大小和使用效果的一種表達和度量，它直接影響農業(yè)生產(chǎn)效率，是現代農業(yè)建設的關(guān)鍵一環(huán)。農業(yè)機械化作為農業(yè)技術(shù)結構的重要組成部分，是工業(yè)技術(shù)與農業(yè)技術(shù)相結合的產(chǎn)物，是一個(gè)邊界模糊、因素眾多、關(guān)系復雜的動(dòng)態(tài)系統[1]。國際農業(yè)工程學(xué)會(huì )(CIGR)認為“農業(yè)機械化”是利用工具、農具和機器開(kāi)發(fā)農業(yè)用地，從事種植業(yè)生產(chǎn)、儲藏前準備、儲藏和農場(chǎng)就地加工。
白人樸等建立農業(yè)機械化所處發(fā)展階段的模糊評判模型，對全國及各個(gè)省市區農業(yè)機械化發(fā)展階段進(jìn)行評判，把農業(yè)機械化發(fā)展過(guò)程大體劃分為3個(gè)階段：農業(yè)機械化初級階段、中級階段、高級階段[2]。目前中國農業(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機作業(yè)為基礎、能力為保障、效益為核心的農業(yè)機械化發(fā)展評價(jià)指標體系，建立了發(fā)展階段模糊評判模型，從而對中國2001年各省區的農業(yè)機械化所處階段進(jìn)行了分析評判[3]。機械化水平評價(jià)在指標的選擇上很復雜[4]，在權值的計算上存在很強的主觀(guān)性。TOPSIS[5](Technique for Order Preference by Similarity to Ideal Solution)是一種適用于多指標、多方案決策分析的方法，但其自身也存在一些問(wèn)題[6]，本文將嘗試在對其改進(jìn)的基礎上，將其應用于我國的農業(yè)機械化水平分析[7]，避免權重計算的主觀(guān)性，對不同年份的農業(yè)機械化水平進(jìn)行定量分析，使評價(jià)結果更客觀(guān)、符合實(shí)際，為農業(yè)機械化水平合評價(jià)提供一種新方法。
1 TOPSIS模型及其改進(jìn)
1.1 傳統的TOPSIS
TOPSIS是一種有效的多指標、多目標決策分析法，它以距理想解和負理想解的距離作為評價(jià)各方案可行性的依據。該法思路清晰，分析結果較合理，應用靈活，因此被廣泛地應用。其建模步驟為：
1)可據各方案的指標數據構建多目標決策矩陣X=(xij)m ×n;
2)根據各指標對方案的影響對決策矩陣進(jìn)行無(wú)量綱化處理，形成歸一化矩陣V=(vij)m ×n;
3)對每個(gè)指標賦權后，將形成的無(wú)量綱化矩陣與各指標的權重相乘，可得到加權決策矩陣R=(rij)m ×n;
4)根據各指標對方案的影響計算理想解和負理想解;
5)計算各樣品與理想解的歐氏距離和負理想解的歐氏距離;
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，根據有限個(gè)評價(jià)對象與理想化目標的接近程度進(jìn)行排序的方法，是在現有的對象中進(jìn)行相對優(yōu)劣的評價(jià)。但傳統TOPSIS按歐氏距離排序時(shí)，可能出現某方案既貼近于理解想也貼近于負理想解的情況[8-9]。為了解決歐氏距離存在的問(wèn)題，常常采用“垂直距離”來(lái)替代歐氏距離。
為簡(jiǎn)化計算，將坐標原點(diǎn)平移到理想點(diǎn)，平移后的加權決策矩陣為：
T=(tij)m X n，(1)
(1)式中i=1,2,……,m;j=1,2,……,n。
此時(shí)，負理想解為(2)
且tkj滿(mǎn)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(guò)各項目di值的大小來(lái)確定農作物機械化水平。
2 用改進(jìn)的熵值法賦權
熵值法用來(lái)判斷某個(gè)指標的離散程度[10]。指標的離散程度越大，該指標對綜合評價(jià)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(guān)性，使評價(jià)結果更客觀(guān)。其計算步驟如下。
1)根據實(shí)測數據構建m 個(gè)方案、n 個(gè)評價(jià)指標的判斷矩陣為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(wú)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fij=1，lnfij=0的情況，將fij改進(jìn)為。
4)計算熵權Wj：，W=(ωj)1×n(6)
3 實(shí)例
3.1 數據來(lái)源及指標
因農作物機械化水平的評價(jià)對象廣泛，本文中數據聚焦我國
9種主要農作物：水稻、小麥、玉米、馬鈴薯、油菜、大豆、棉花、花生、甘蔗。從《中國農業(yè)機械化年鑒》統計數據中取2004—2014年我國主要農田在耕、種、收3個(gè)環(huán)節機械作業(yè)情況的原始數據 [11](見(jiàn)表1)。
3.2 計算步驟
1)構建無(wú)量綱決策矩陣
用表1中的指標集形成判斷矩陣，表中7個(gè)指標均按越大越優(yōu)原則計算，構建無(wú)量綱化決策矩陣V =(vij)m ×n。求得表2數值。
2)計算各指標的權重系數
將形成的無(wú)量綱決策矩陣分別按不同算法計算，可分別求得各評價(jià)指標的權重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)構建加權決策矩陣
將形成的無(wú)量綱化矩陣與各指標的權重相乘，分別可得到三組不同的加權決策矩陣T=(tij)m ×n。求得表3數值。
4)計算理想解與負理想解
將坐標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結果分析
從排序上看，2004年農作物的機械化水平最低，往后逐年提高，這個(gè)結果與現狀情況基本吻合，結果合理。從貼近度試的差值上可以看出，這11年來(lái)，2010年到2011年機械農業(yè)化水平發(fā)展得最快，2004年到2005年發(fā)展得最緩慢。
4結語(yǔ)
本文分別采用改進(jìn)的嫡權法，運用改進(jìn)的Topsls模型對我國主要農作物的機械化水平進(jìn)行了一個(gè)評估，了解到這n年來(lái)機械化水平逐年提高，其中2010年到2011年發(fā)展得最快，計算結果與實(shí)際相符。計算結果表明:
1)嫡值賦權法在權重的計算上，主要利用數據本身的信息來(lái)確定某一指標的重要性程度，計算結果客觀(guān);
2) Topsls模型運用起來(lái)簡(jiǎn)單可行，計算方便。這個(gè)模型為農作物機械化水平評價(jià)方法提供了一條新途徑。
【以熵權改進(jìn)TOPSIS模型為角度的農業(yè)機械化水平評價(jià)應用研究論文】相關(guān)文章：
能從音樂(lè )創(chuàng )作水平角度評價(jià)下qq音樂(lè )三巨頭？？07-10
外語(yǔ)水平自我評價(jià)05-02
學(xué)業(yè)水平的自我評價(jià)范文06-05
(實(shí)用)學(xué)業(yè)水平自我評價(jià)07-25
學(xué)業(yè)水平自我評價(jià)（精選6篇）03-14
初中生學(xué)業(yè)水平自我評價(jià)03-20
如何評價(jià)小米手機的工業(yè)設計水平？07-10
高中學(xué)業(yè)水平自我評價(jià)（通用18篇）07-13
角度的作文04-23