二元联系数-投影灰靶决策理论在电网应急能力评估中的应用
Application of binary connection number-projection grey target decision theory in power system emergency capability evaluation
收稿日期: 2020-03-25
基金资助: |
|
Received: 2020-03-25
Fund supported: | 中国南方电网有限责任公司科技资助项目(ZBKJXM20180039) |
作者简介 About authors
黎振宇(1987—),男,高级工程师,博士,从事电网防灾减灾技术及电网应急技术研究.orcid.org/0000-0001-7417-7165.E-mail:
在电网应急能力评估中存在指标数据类型多样化的问题,本研究介绍基于二元联系数-投影灰靶决策理论的评价方法,并将其应用在电网应急能力评估研究中. 通过研究分析建立具有多元化数据类型的电网应急能力评估基本指标体系;采用二元联系数理论对建立的多类型指标数据体系进行处理,实现数据组成形式上的统一,以便于后续的分析和计算;考虑到指标之间存在的内在联系,采用基于网络层次分析法的权重划分模型进行指标权重的确定;通过投影灰靶决策模型确定待评价对象应急能力水平与排序. 实例分析结果表明,该方法可以实现对混合指标数据的处理,并有效完成对待评价对象应急能力的评估与排序,是具有可操作性与可行性的.
关键词:
An evaluation method based on the binary connection number-projection gray target decision theory was introduced, and it was applied to the evaluation of power grid emergency capacity, due to the diversification of indicator data types in the evaluation of power grid emergency capacity. Firstly, a basic indicator system for power grid emergency capability evaluation with multiple data types was established through research and analysis. Secondly, the established multi-type indicator data system was processed using binary connection number theory to realize the unity of data composition form in order to facilitate subsequent analysis and calculation. Then, the weights division model of the indicators based on the network hierarchy analysis method was used to determine the weights of the power grid emergency capacity indicators, taking into account the inherent relationship between power grid emergency capacity indicators. Finally, the projected gray target decision model was used to determine the level and ranking of emergency capabilities of the object to be evaluated. Analysis results of an example show that this method can realize the processing of mixed indicator data, and effectively complete the evaluation and sequencing of the emergency capabilities of the objects to be evaluated, which is operable and feasible.
Keywords:
本文引用格式
黎振宇, 陈晓国, 宋永超, 龚建平, 余志纬, 朱永兴, 鲁周勋.
LI Zhen-yu, CHEN Xiao-guo, SONG Yong-chao, GONG Jian-ping, YU Zhi-wei, ZHU Yong-xing, LU Zhou-xun.
电力系统是运行方式复杂、涉及环节众多的复杂系统[1-3],因此影响其稳定运行的因素也较广泛. 人为、环境因素的影响都会对电力系统的安全稳定运行造成冲击,严重时甚至会导致系统解列,造成大面积停电事故的发生[4-6],对人民正常生活、社会稳定运行都会产生巨大影响并造成不必要的经济损失和人员伤亡. 历史和实践证明若想要使电网事故达到零发生是十分艰难的事情,但电网企业如果拥有较强的应急能力可以从一定程度上降低电力事故的规模及其产生的不良影响,从而尽可能保障各种生产活动以及人们生活的正常化. 因此,开展电网应急能力评估工作以提升电网企业在面对突发事件时的应急处置能力并为应急管理提供借鉴和参考是十分必要的.
开展电网应急能力评估工作可以使相关部门了解当前的应急管理水平,及时发现不足,最大程度减少大面积停电事故的发生. 目前,已有部分学者对电网应急能力评估展开了相关研究. 例如,门永生等[7]以电网基础设施为研究对象,研究其应对突发事件的应急能力,主要通过划分详细的评价指标体系并建立基于层次分析方法和模糊综合评价方法的评估模型来实现对应急能力的评价分析;鲁鹏等[8]从应急保障能力、应急处理能力和善后处理能力3个方面建立评估指标体系,并提出改进熵权法在应急能力评估中的应用研究,为该领域的研究提供新的思路;王迪等[9]从预防、准备、响应和恢复4个方面细化评估指标,并建立基于TOWA和TOWGA的综合评价模型,有效地为进行电网应急能力分析提供了依据;赵炜炜等[10]根据大面积停电的一般性特点,建立属性细化的指标体系,并采用模糊层次分析方法对评价指标进行量化分析,从而确定指标的评价结果.
从已有的研究成果来看,目前已有的大多数文献建立的评价指标多为定性指标,须通过专家对指标进行打分来确定指标赋值,而在实际应用中所建立的指标体系往往存在定性指标和定量指标共存的现象. 若仍对所有类型指标进行专家打分存在一定的主观性,可能会对其结果的准确性产生影响,若直接根据各指标类型进行分析往往会存在指标量化赋值的数据类型不统一而难以综合处理的情况,给应急能力评估工作的开展造成一定的阻碍. 针对上述情况,本研究采用将二元联系数理论与投影灰靶决策模型相结合的方式,将其运用到电网应急能力评估体系中. 二元联系数是从集对分析中发展而来的[11],目前已有相关学者对其进行了研究,赵克勤[12]对二元联系数理论的概念、性质以及与不同区间数的联系进行了详细的说明;马金山[13]将二元联系数理论与广义灰靶决策方法相结合,对混合指标属性的问题给出了详细的解决方案. 投影灰靶理论是可以处理不确定信息的模型,可以把经过二元联系数转换后的数据进行集结. 目前对于投影灰靶理论也有专家学者展开了研究. 刘忠侠等[14]对投影灰靶进行研究,提出基于一般灰数的灰靶决策模型;张壮等[15]将投影灰靶理论成功地运用到指挥控制系统的效能评估研究中.
本研究将投影灰靶决策理论和二元联系数理论相结合,既有效解决了指标存在混合属性的问题,又减小了不确定信息带来的影响,实现了其在电网应急能力评估中的应用分析. 主要实现方式为建立多数据类型的电网应急能力评估指标体系,并采用二元联系数理论、投影灰靶决策理论以及网络层次分析法进行电网应急能力评估模型的构建,最后通过算例分析验证该方法的可行性.
1. 电网应急能力评估指标体系的建立
表 1 电网应急能力评价指标体系
Tab.1
A级指标 | 第1层指标 | 第2层指标 |
电网应急能力 评价指标体系A | 法律基础B1 | 国家法律法规落实的完备度x11 |
地方法律法规落实完备度x12 | ||
应急组织体系B2 | 抢修队伍人员数量储备比率x21 | |
应急部门联动情况x22 | ||
应急人员训练情况x23 | ||
应急体系研究开展情况x24 | ||
应急管理人员数量x25 | ||
辅助决策功能完善情况x26 | ||
政府与应急指挥中心信息 联通情况x27 | ||
物资及通讯保障B3 | 电力应急专用车数量x31 | |
应急专项费用投入百分比x32 | ||
通讯系统使用情况x33 | ||
灾害预防与预警B4 | 应急预案演练完备度x41 | |
重要单位应急电源落实情况x42 | ||
电网风险评估开展情况x43 | ||
灾害应急反应B5 | 应急救援准备时间x51 | |
突发事件下人员集结时间x52 | ||
应急信息报送及时性x53 | ||
后期处置B6 | 灾后总结能力x61 | |
灾后恢复与重建能力x62 |
2. 电网应急能力评估模型的构建
2.1. 二元联系数理论
由如表1所示的指标属性可知,所建立的指标体系主要包括定性和定量指标两大类,而这些指标存在着须用精确数或模糊数表示的情况,如x21、x25指标为定量指标,并且可以用精确的数值表示;x11、x22、x23等指标为定性指标,只能用语言定性表示,须采用三角模糊语言标度的方法对其进行量化处理. 另外,在定量指标中,也有些指标无法用确切的数值表示,只能用区间模糊数的方法确定其取值范围,如指标x51、x52. 这种混合指标数据类型的问题给应急能力评估带来了一定的难度. 因此,为了实现对混合数据类型的处理,在已有研究的基础上,采用文献[13]提出的方法将二元联系数运用到解决电网应急能力评估指标属性多样化的问题中,即运用二元联系数理论将多样化类型的指标数据转化为统一的形式,便于后续分析计算. 具体实现方式如下.
定义1[12] 设R为一实数域,则称
定义2[13] 记R为一实数域,设
式中:
此外,
2.2. 投影灰靶决策模型
由二元联系数理论的介绍可知,联系数
设待评价对象组成的集合
2.2.1. 二元联系数指标值处理
构成评价的指标体系数据来源众多,并且存在着量纲不一致的问题,各指标之间不具有可比性,因此,为了方便后续计算须先进行指标值的归一化处理,消除量纲带来的影响.
一般说来,指标值分为正指标和逆指标,正指标值即效益型指标,值越大越好,而逆指标值即成本型指标,值越小越好. 正指标、逆指标归一化公式分别为
式中:
2.2.2. 评价指标正负靶心的确定
定义3 已知经过规范化处理的二元联系数
2.2.3. 评价指标靶心距的确定
在不计联系数
定义4 设
为第
定义5 设
为第
定义6 已知正靶心
为第
综上,得到基于指标加权的综合靶心距为
式中:
2.2.4. 投影一致性系数的确定
投影一致性系数是由刘中侠等[21]提出的可以用于解决特殊决策问题的方法,具体定义如下.
定义7[21] 投影一致性系数为
式中:
由式(14)可以看出,投影一致性系数充分考虑了待评价对象与正、负靶心间的距离关系,因此可以作为衡量电网应急能力水平强弱的手段,并且该值越大说明电网应急能力越强.
2.3. 指标权重的确定
由式(13)可知,求取综合靶心距时的重要环节是指标权重的确定. 目前电网应急能力评估中指标权重的确定方法大多采用层次分析法,但在实际分析当中,指标元素之间往往存在着相互联系,而层次分析法未能体现这种内在关系,因此可能会对评估结果产生影响. 基于此,本研究采用网络层次分析的方法来确定指标权重.
2.3.1. 构建应急能力指标关联图
针对本研究所构建的电网应急能力评价指标体系,研究其存在的内在联系,并根据其相互关系作出相应的应急能力指标关联图.
2.3.2. 构建未加权超矩阵
采用层次分析法中的1-9标度法对指标之间的影响关系进行分析,并构建两两比较的判断矩阵,在求取各判断矩阵的特征向量后进行归一化处理,并将归一化的特征向量进行集合,得到未加权超矩阵为
2.3.3. 构建加权超矩阵
对指标元素组间进行判断矩阵的建立,得到相应的特征向量,从而获得加权矩阵为
由此得到加权超矩阵为
2.3.4. 确定极限超矩阵
将加权超矩阵
由于在极限超矩阵中,其行中的数据是一致的,即任意的列向量是相等的,因此极限超矩阵中的列数值即构成指标权重值,记为
2.4. 电网应急能力评估步骤
通过上文的基本理论介绍,可以得到基于改进灰靶理论的电网应急能力评估步骤,如图1所示.
图 1
3. 算例分析
选取甲、乙、丙3处区域对本研究基于二元联系数-投影灰靶决策理论的电网应急能力评估进行说明,具体实现方式如下.
1)初始数据设定. 先对各指标在甲、乙、丙3处区域的初始数据进行赋值. 其中,x11、x22、x23等定性指标无法直接给出具体数值,因此通过参考行业专家意见并采用三角模糊数方法实现定性指标向定量指标的转换,完成对相关指标的打分赋值. 将定性指标的评价等级划分为非常差、很差、差、较差、一般、较好、好、很好、非常好共9种,因此其对应的三角模糊数设定如下:非常差对应[0,0.1,0.2],很差对应[0.1,0.2,0.3],差对应[0.2,0.3,0.4],较差对应[0.3,0.4,0.5],一般对应[0.4,0.5,0.6],较好对应[0.5,0.6,0.7],好对应[0.6,0.7,0.8],很好对应[0.7,0.8,0.9],非常好对应[0.8,0.9,1.0]. 由此得到相应的指标数据如表2所示.
表 2 电网应急能力指标初始数据表
Tab.2
指标 | x11 | x12 | x21 | x22 | x23 | x24 | x25 | x26 | x27 | x31 |
甲 | [0.5,0.6,0.7] | [0.6,0.7,0.8] | 0.40 | [0.6,0.7,0.8] | [0.5,0.6,0.7] | [0.6,0.7,0.8] | 20 | [0.5,0.6,0.7] | [0.5,0.6,0.7] | 19 |
乙 | [0.7,0.8,0.9] | [0.7,0.8,0.9] | 0.53 | [0.7,0.8,0.9] | [0.6,0.7,0.8] | [0.7,0.8,0.9] | 21 | [0.7,0.8,0.9] | [0.6,0.7,0.8] | 36 |
丙 | [0.7,0.8,0.9] | [0.7,0.8,0.9] | 0.50 | [0.6,0.7,0.8] | [0.6,0.7,0.8] | [0.6,0.7,0.8] | 16 | [0.6,0.7,0.8] | [0.5,0.6,0.7] | 17 |
指标 | x32 | x33 | x41 | x42 | x43 | x51 | x52 | x53 | x61 | x62 |
甲 | 0.28 | [0.6,0.7,0.8] | [0.5,0.6,0.7] | [0.6,0.7,0.8] | [0.6,0.7,0.8] | [30,45] | [35,45] | [0.5,0.6,0.7] | [0.6,0.7,0.8] | [0.7,0.8,0.9] |
乙 | 0.35 | [0.7,0.8,0.9] | [0.5,0.6,0.7] | [0.7,0.8,0.9] | [0.7,0.8,0.9] | [20,40] | [30,35] | [0.6,0.7,0.8] | [0.7,0.8,0.9] | [0.8,0.9,1.0] |
丙 | 0.30 | [0.7,0.8,0.9] | [0.5,0.6,0.7] | [0.7,0.8,0.9] | [0.6,0.7,0.8] | [35,45] | [30,40] | [0.5,0.6,0.7] | [0.7,0.8,0.9] | [0.7,0.8,0.9] |
2)数据转换. 通过式(1)~(5)将混合类型的指标数据转换为统一形式的二元联系数,转换结果如表3所示.
表 3 电网应急能力指标二元联系数
Tab.3
指标 | x11 | x12 | x21 | x22 | x23 | x24 | x25 | x26 | x27 | x31 |
甲 | 0.6+0.1i | 0.7+0.1i | 0.40+0i | 0.7+0.1i | 0.6+0.1i | 0.7+0.1i | 20+0i | 0.6+0.1i | 0.6+0.1i | 19+0i |
乙 | 0.8+0.1i | 0.8+0.1i | 0.53+0i | 0.8+0.1i | 0.7+0.1i | 0.8+0.1i | 21+0i | 0.8+0.1i | 0.7+0.1i | 36+0i |
丙 | 0.8+0.1i | 0.8+0.1i | 0.50+0i | 0.7+0.1i | 0.7+0.1i | 0.7+0.1i | 16+0i | 0.7+0.1i | 0.6+0.1i | 17+0i |
指标 | x32 | x33 | x41 | x42 | x43 | x51 | x52 | x53 | x61 | x62 |
甲 | 0.28+0i | 0.7+0.1i | 0.6+0.1i | 0.7+0.1i | 0.7+0.1i | 37.5+7.5i | 40.0+5.0i | 0.6+0.1i | 0.7+0.1i | 0.8+0.1i |
乙 | 0.35+0i | 0.8+0.1i | 0.6+0.1i | 0.8+0.1i | 0.8+0.1i | 30.0+10.0i | 32.5+2.5i | 0.7+0.1i | 0.8+0.1i | 0.9+0.1i |
丙 | 0.30+0i | 0.8+0.1i | 0.6+0.1i | 0.8+0.1i | 0.7+0.1i | 40.0+5.0i | 35.0+5.0i | 0.6+0.1i | 0.8+0.1i | 0.8+0.1i |
图 2
表 4 电网应急能力指标权重
Tab.4
指标 | 权重 | 指标 | 权重 | |
x11 | 0.06688 | x32 | 0.06782 | |
x12 | 0.03817 | x33 | 0.05365 | |
x21 | 0.02363 | x41 | 0.15005 | |
x22 | 0.01221 | x42 | 0.04043 | |
x23 | 0.07533 | x43 | 0.04541 | |
x24 | 0.01516 | x51 | 0.05628 | |
x25 | 0.01008 | x52 | 0.04015 | |
x26 | 0.04263 | x53 | 0.06596 | |
x27 | 0.03720 | x61 | 0.05674 | |
x31 | 0.02349 | x62 | 0.07873 |
表 5 电网应急能力指标标准化数据
Tab.5
指标 | x11 | x12 | x21 | x22 | x23 | x24 | x25 | x26 | x27 | x31 |
甲 | 0.27+0.33i | 0.30+0.33i | 0.28+0i | 0.32+0.33i | 0.30+0.33i | 0.32+0.33i | 0.35+0i | 0.29+0.33i | 0.32+0.33i | 0.26+0i |
乙 | 0.36+0.33i | 0.35+0.33i | 0.37+0i | 0.36+0.33i | 0.35+0.33i | 0.36+0.33i | 0.37+0i | 0.38+0.33i | 0.37+0.33i | 0.50+0i |
丙 | 0.36+0.33i | 0.35+0.33i | 0.35+0i | 0.32+0.33i | 0.35+0.33i | 0.32+0.33i | 0.28+0i | 0.33+0.33i | 0.32+0.33i | 0.24+0i |
指标 | x32 | x33 | x41 | x42 | x43 | x51 | x52 | x53 | x61 | x62 |
甲 | 0.30+0i | 0.30+0.33i | 0.33+0.33i | 0.30+0.33i | 0.32+0.33i | 0.65+0.67i | 0.63+0.6i | 0.32+0.33i | 0.30+0.33i | 0.32+0.33i |
乙 | 0.38+0i | 0.35+0.33i | 0.33+0.33i | 0.35+0.33i | 0.36+0.33i | 0.72+0.56i | 0.70+0.8i | 0.37+0.33i | 0.35+0.33i | 0.36+0.33i |
丙 | 0.32+0i | 0.35+0.33i | 0.33+0.33i | 0.35+0.33i | 0.32+0.33i | 0.63+0.78i | 0.67+0.6i | 0.32+0.33i | 0.35+0.33i | 0.32+0.33i |
5)靶心及靶心距的确定. 通过式(8)、(9),可以得到指标的正负靶心:
通过式(10)~(13)计算可以得到评估对象的加权靶心距如表6所示.
表 6 加权靶心距
Tab.6
区域 | 加权靶心距 | ||
正靶心距 | 负靶心距 | 正负靶心距 | |
甲 | 0.0578 | 0.0155 | 0.0707 |
乙 | 0.0080 | 0.0650 | 0.0707 |
丙 | 0.0395 | 0.0321 | 0.0707 |
6)一致性系数确定. 根据式(14)~(16)计算各区域的投影一致性系数并对其进行排序. 由此得到最终的评价结果,如表7所示. 可以看出,利用本研究方法,3个地区的电网应急能力水平排序为乙>丙>甲,与实际情况相吻合. 由此说明,本研究所采用的方法在处理含有不确定信息和多类型指标数据的电网应急能力评估时是科学合理的. 同时,最终排序结果表明甲、丙两地的应急能力与乙地相比仍旧有须改善提高的环节,比如甲可以在政府与应急指挥中心信息联通情况、应急预案演练完备度方面进行适当加强;丙可以在电力应急专用车数量方面进行加强,从而使得两区域的电网应急能力弱势环节得到强化,有利于促进整体应急能力的提高.
表 7 电网应急能力评估结果
Tab.7
区域 | 投影一致性系数 | 排序 |
甲 | 0.0354 | 3 |
乙 | 0.6050 | 1 |
丙 | 0.1694 | 2 |
4. 结 语
针对含有混合数据类型的电网应急能力评价难以实现,并且评价过程中存在着不确定信息的问题,建立二元联系数与投影灰靶理论相结合的决策模型. 通过对电网应急能力评估特点分析,构建科学的电网应急能力评价指标体系,并针对指标构成形式的多样性问题,采用二元联系数理论实现对数据类型的统一转化;针对应急能力评估过程中存在的不确定信息的问题,建立投影灰靶决策模型,并从待评价对象与正、负靶心距的贴合度2个方面综合考虑电网应急能力水平的强弱;同时,考虑到指标因素间存在着内在联系,采用网络层次分析方法确定指标权重,使得评价结果更加科学、合理. 实例分析表明,本研究所采用的方法具有较好的适用性,可以为电网应急管理提供决策参考.
本研究仍存在不足之处:构建的电网应急能力评价指标未进行更进一步的详细划分,仍缺乏一定的全面性;在建立应急能力指标权重模型时,对赋权的客观性须进一步深化研究. 因此,在今后的工作中,应构建更加全面的电网应急能力评价指标,并研究较为客观的应急能力指标权重确定方法,从而进一步降低指标权重的主观性与模糊性.
参考文献
电力系统复杂性及其相关问题研究
[J].DOI:10.3969/j.issn.1006-6047.2010.02.002 [本文引用: 1]
Research on power system complexity and related issues
[J].DOI:10.3969/j.issn.1006-6047.2010.02.002 [本文引用: 1]
基于直觉模糊层次分析法的电网运行状态综合评估
[J].
Comprehensive evaluation of power system operation status based on intuitionistic fuzzy analytic hierarchy process
[J].
提升电力系统安全稳定性的有效措施探究
[J].DOI:10.3969/j.issn.1006-5059.2019.14.035 [本文引用: 1]
Exploring effective measures to improve safety and stability of power system
[J].DOI:10.3969/j.issn.1006-5059.2019.14.035 [本文引用: 1]
巴西大停电的思考
[J].DOI:10.12096/j.2096-4528.pgt.2018.016 [本文引用: 1]
Reflections on the blackout in Brazil
[J].DOI:10.12096/j.2096-4528.pgt.2018.016 [本文引用: 1]
关于委内瑞拉大停电事故的情况分析和关键基础设施的安全防护建议
[J].
Analysis of the situation of the blackout in Venezuela and the safety protection of critical infrastructure
[J].
国内外安全事故对电力企业安全文化的影响
[J].DOI:10.3969/j.issn.1672-3198.2013.21.105 [本文引用: 1]
The impact of safety accidents at home and abroad on safety culture of electric power enterprises
[J].DOI:10.3969/j.issn.1672-3198.2013.21.105 [本文引用: 1]
电网基础设施突发事件应急能力指标体系构建及评价
[J].
Construction and evaluation of emergency response capability index system for power grid infrastructure incidents
[J].
基于熵权法的电网应急能力水平评价研究
[J].DOI:10.3969/j.issn.1672-0792.2013.11.11 [本文引用: 1]
Study on the evaluation of power grid emergency capability level based on entropy weight method
[J].DOI:10.3969/j.issn.1672-0792.2013.11.11 [本文引用: 1]
动态综合评价方法在电网应急能力评估中的应用
[J].
Application of dynamic comprehensive evaluation method in power system emergency management capability assessment
[J].
电网大面积停电应急评价指标体系及其应用
[J].DOI:10.3321/j.issn:1000-1026.2008.20.006 [本文引用: 1]
Emergency evaluation index system for power system large-scale blackout and its application
[J].DOI:10.3321/j.issn:1000-1026.2008.20.006 [本文引用: 1]
一种基于三角模糊数的二元联系数双重多属性决策方法
[J].DOI:10.3969/j.issn.1672-9722.2019.04.006 [本文引用: 1]
A dual multi-attribute decision making method based on triangular fuzzy numbers for binary connection numbers
[J].DOI:10.3969/j.issn.1672-9722.2019.04.006 [本文引用: 1]
基于集对分析的不确定性多属性决策模型与算法
[J].DOI:10.3969/j.issn.1673-4785.2010.01.007 [本文引用: 2]
Uncertain multi-attribute decision model and algorithm based on set pair analysis
[J].DOI:10.3969/j.issn.1673-4785.2010.01.007 [本文引用: 2]
指标及权重均为混合数据类型的广义灰靶决策方法
[J].
Generalized grey target decision method with indicators and weights as mixed data types
[J].
基于一般灰数的灰靶决策模型拓展与应用
[J].
Extension and application of grey target decision model based on general gray number
[J].
基于变权-投影灰靶的指控系统动态效能评估
[J].DOI:10.3969/j.issn.1001-506X.2019.04.15 [本文引用: 1]
Dynamic effectiveness evaluation of accusation system based on variable weight-projection grey target
[J].DOI:10.3969/j.issn.1001-506X.2019.04.15 [本文引用: 1]
电力应急体系的脆弱性评价研究
[J].DOI:10.7667/j.issn.1674-3415.2010.19.009
Vulnerability evaluation of electric power emergency system
[J].DOI:10.7667/j.issn.1674-3415.2010.19.009
Fuzzy similar priority method for mixed attributes
[J].
基于改进Gini-Simpson指数的指标及权重均为混合属性的广义灰靶决策方法
[J].DOI:10.3969/j.issn.1007-3116.2019.02.004 [本文引用: 1]
A generalized grey target decision method based on improved Gini-Simpson index and mixed weights
[J].DOI:10.3969/j.issn.1007-3116.2019.02.004 [本文引用: 1]
基于广义灰数的双向投影灰靶决策模型拓展研究
[J].DOI:10.12011/1000-6788-2017-1681-07 [本文引用: 2]
Research on the extension of bidirectional projection grey target decision model based on generalized gray number
[J].DOI:10.12011/1000-6788-2017-1681-07 [本文引用: 2]
基于网络层次分析法的城市竞争力评价指标体系研究
[J].DOI:10.3969/j.issn.1001-7348.2006.11.037 [本文引用: 1]
Research on evaluation index system of urban competitiveness based on network analytic hierarchy process
[J].DOI:10.3969/j.issn.1001-7348.2006.11.037 [本文引用: 1]
Fundamentals of the analytic network process: dependence and feedback in decision-making with a single network
[J].DOI:10.1007/s11518-006-0158-y [本文引用: 1]
/
〈 |
|
〉 |
