公开/公告号CN112330168A
专利类型发明专利
公开/公告日2021-02-05
原文格式PDF
申请/专利权人 中国葛洲坝集团易普力股份有限公司;
申请/专利号CN202011259303.7
申请日2020-11-12
分类号G06Q10/06(20120101);G06Q50/26(20120101);G06F17/16(20060101);G06N7/02(20060101);
代理机构50211 重庆市前沿专利事务所(普通合伙);
代理人刘代春
地址 401121 重庆市北部新区星光五路2号土星商务中心C1
入库时间 2023-06-19 09:49:27
技术领域
本发明是绿色矿山建设领域,特别是一种基于模糊数学与层次分析的绿色矿山建设评价方法。
背景技术
生态文明建设作为国家战略,已逐渐贯彻到我国的各行各业。矿山行业在贯彻“生态文明”理念时,提出了建设绿色矿山。即在矿产资源开发全过程中,实施科学有序的开采,对矿区及周边生态环境扰动控制在可控范围内,实现矿区环境生态化、开采方式科学化、资源利用高效化、企业管理规范化和矿区社区和谐化的矿山。
然而,我国矿山建设过程中,很多矿山企业都是粗放式开采,矿山开采面貌差、地质灾害隐患较多、矿山环境与周边环境不协调等问题较为突出,矿山环境问题日益突出。随着国民经济高质量发展,矿山生态环境要求越来越高,绿色矿山建设势在必行,绿色矿山建设评价指标体系研究迫在眉睫。
由此可见,绿色矿山建设中亟待一种专门用于评价建设成果的评价方法,以加快绿色矿山建设,促进生态文明社会建设。
发明内容
本发明的目的就是针对现有绿色矿山建设过程中缺少系统的评价方法的不足,提供一种基于模糊数学与层次分析的绿色矿山建设评价方法,该方法通过构建绿色矿山建设质量评价指标体系;运用层次分析法确定评价指标权重;采用模糊数学方法对待评价目标进行综合评判三个步骤;其评价结果避免了专家打分法的主观性,使得绿色矿山建设质量评价结果更加真实,评价方法便于理解,操作比较简便,可操作性强。
为实现前述目的,本发明采用如下技术方案。
一种基于模糊数学与层次分析的绿色矿山建设评价方法,包括以下步骤:
S1,构建绿色矿山建设质量评价指标体系;
S2,运用层次分析法确定评价指标权重;
S3,采用模糊数学方法对待评价目标进行综合评判。
采用前述方案的本发明,通过构建绿色矿山建设质量评价指标体系、运用层次分析法确定评价指标权重、采用模糊数学方法对待评价目标进行综合评判三个步骤,避免了专家打分法的主观性,如个人情绪或感情因素带来的影响,使得绿色矿山建设质量评价结果更加真实,评价方法便于理解,操作比较简便,可操作性强。
优选的,在所述S1步骤中,所述评价指标体系由目标层A、准则层B和指标层C三层构成;准则层B构成影响目标层A的一级因素,指标层C构成影响目标层A的二级因素;其中,包括依据相关规范标准,结合绿色矿山建设领域相关背景及经验进行目标层A的构建;通过分析现有评价指标的优缺点,确定准则层B的评价指标项数,以及与每一准则层B对应的指标层C评价指标项数;且指标层C的评价指标包括定性指标和定量指标。评价指标体系构造是一个严密的逻辑思维过程,包含评价指标的目的、定义、特性、计算过程、测验等基本步骤。依据相关规范标准,结合该领域相关背景及经验进行指标构建。通过分析现有评价指标的优缺点,经过筛选后确定评价指标,然后采用模糊数学与层次分析相结合的方法,建立综合评价模型。该评价模型由指标权重确定和模糊综合评价组成,定性、定量相结合,通过多因素评价指标对目标对象进行模糊综合评价。且综合评价指标由定性与定量指标构成,指标构成比较合理。
进一步优选的,所述准则层B的评价指标由矿区环境B1、资源开发方式B2、资源综合利用B3、节能减排B4、智能矿山B5和企业管理形象B6组成;所述指标层C的评价指标由矿容矿貌C1、矿区绿化覆盖率C2、人均工效C3、开采回采率C4、土地复垦率C5、边坡终了治理率C6、生产工艺和技术C7、矿山资源利用率C8、废水利用率C9、节能降耗C10、“三废”达标排放率C11、科技创新C12、矿山数字化C13、职工满意度C14、职业病体检率C15和企业形象C16组成;其中,与矿区环境B1对应的指标层C的评价指标为矿容矿貌C1和矿区绿化覆盖率C2;与资源开发方式B2对应的指标层C的评价指标为人均工效C3、开采回采率C4、土地复垦率C5和边坡终了治理率C6;与资源综合利用B3对应的指标层C的评价指标为生产工艺和技术C7、矿山资源利用率C8和废水利用率C9;与节能减排B4对应的指标层C的评价指标为节能降耗C10和“三废”达标排放率C11;与智能矿山B5对应的指标层C的科技创新C12和矿山数字化C13;与企业管理形象B6对应的指标层C的评价指标为职工满意度C14、职业病体检率C15和企业形象C16。以与绿色矿山建设实际评价项目和评价指标相吻合,确保评价结果客观,实用性强。
更进一步优选的,所述定量指标包括矿区绿化覆盖率C2、人均工效C3、开采回采率C4、土地复垦率C5、边坡终了治理率C6、矿山资源利用率C8、废水利用率C9、科技创新C12、矿山数字化C13、职工满意度C14、职业病体检率C15;其中,矿区绿化覆盖率C2、土地复垦率C5、边坡终了治理率C6、废水利用率C9的评价指标均为100%,人均工效C3的评价指标为不低于100吨/天或2.5万吨/年,开采回采率C4的评价指标为不低于95%,矿山资源利用率C8的评价指标为石粉、泥粉、表土和渣土利用率不低于95%,科技创新C12的评价指标为创新投入不低于上年度主营业务收入的1.5%,矿山数字化C13的评价指标为关键生产工艺流程数控化率不低于70%,职工满意度C14的评价指标为职工满意率不低于70%,职业病体检率C15的评价指标为职业病体检率不低于90%。以形成依据定量指标的准确评价结果。
进一步优选的,在所述S2步骤中,包括:
S21,采用1~9标度法,对每层评价指标的相对重要性进行定性描述来构造比较标度;
S22,通过打分构建比较判断矩阵;
S23,求出其最大特征根λ
S24,检验判断矩阵的一致性;
S25,计算综合评价指标权重。
以利用科学技术手段构建评价媒介,为获得准确的评价结果打下可靠基础,消除个人意志对评价结果影响隐患。其中,打分由行业内多位专家进行,并通过合理的计分规则进行综合计分,以尽量减少人为影响因素,确保评价结果客观、公正。
更进一步优选的,在构建的所述比较判断矩阵中,比较标度值除1~9的自然数外,还包括倒数,倒数的含义是若元素i与j的重要性之比为a
更进一步优选的,构建的所述比较判断矩阵包括目标层A与准则层B比较矩阵、准则层B与指标层C比较矩阵;在计算综合评价指标权重步骤中,包括计算指标层C相对于准则层B的权重,以及指标层C相对于目标层A的权重。以获得全面的评价结果。
更进一步优选的,在S24步骤中,检验判断矩阵的一致性采用如下检验公式:
CR=CI/RI;
式中,CR为判断矩阵的随机一致性比率;CI为判断矩阵的一般一致性指标,CI由下式求得:
CI=(λ
式中,RI为判断矩阵的平均随机一致性指标;n为矩阵自然数的阶数;其中,1~9阶判断矩阵的RI值依次为:0;0;0.58;0.90;1.12;1.24;1.32;1.41;1.45。以利用科学手段为准确性评价提供保障。
进一步优选的,在采用模糊数学方法对待评价目标进行综合评判的步骤中,包括,
S31,确定隶属度矩阵,定性指标采取百分比统计法,确定其隶属度,且定性指标采用打分法获得定性指标评语集,并通过隶属函数计算定性指标评语集;定量指标采用半梯形分布函数作为隶属度函数,确定其隶属度;
S32,确定评价等级标准集合
其中,V
S33,采用模糊综合评判方法对待评价目标进行评价;包括,
第一小步,建立准则层B及准则层B的诸指标权重集W
其中,p=1,2,…,k;k为准则层指标B
第二小步,对准则层(B)因素进行模糊综合评价,综合评价的单因素隶属度矩阵为:
综合评价隶属度矩阵R为:
第i类因素的模糊综合评价集合为:
最终得到准则层(B)因素综合评价结果:
第三小步,对目标层(A)因素进行模糊综合评价:
确保评价结果准确、客观、可靠。
本发明的有益效果是,综合评价指标由定性与定量指标构成,指标构成比较合理。采用层次分析法与模糊数学相结合的评价方法,避免了专家打分法的主观性,使得绿色矿山建设质量评价结果更加真实,评价方法便于理解,操作比较简便。
附图说明
图1是本发明的评价过程流程图。
图2是本发明评价方法中的层次分析法与模糊数学相结合的评价框图。
具体实施方式
下面结合附图对本发明作进一步的说明,但并不因此将本发明限制在所述的实施例范围之中。
参见图1、图2,一种基于模糊数学与层次分析的绿色矿山建设评价方法,包括以下步骤:
S1,构建绿色矿山建设质量评价指标体系;
S2,运用层次分析法确定评价指标权重;
S3,采用模糊数学方法对待评价目标进行综合评判。
其中,在所述S1步骤中,所述评价指标体系由目标层A、准则层B和指标层C三层构成;准则层B构成影响目标层A的一级因素,指标层C构成影响目标层A的二级因素;其中,包括依据相关规范标准,结合绿色矿山建设领域相关背景及经验进行目标层A的构建;通过分析现有评价指标的优缺点,确定准则层B的评价指标项数,以及与每一准则层B对应的指标层C评价指标项数;且指标层C的评价指标包括定性指标和定量指标。
所述准则层B的评价指标由矿区环境B1、资源开发方式B2、资源综合利用B3、节能减排B4、智能矿山B5和企业管理形象B6组成;所述指标层C的评价指标由矿容矿貌C1、矿区绿化覆盖率C2、人均工效C3、开采回采率C4、土地复垦率C5、边坡终了治理率C6、生产工艺和技术C7、矿山资源利用率C8、废水利用率C9、节能降耗C10、“三废”达标排放率C11、科技创新C12、矿山数字化C13、职工满意度C14、职业病体检率C15和企业形象C16组成;其中,与矿区环境B1对应的指标层C的评价指标为矿容矿貌C1和矿区绿化覆盖率C2;与资源开发方式B2对应的指标层C的评价指标为人均工效C3、开采回采率C4、土地复垦率C5和边坡终了治理率C6;与资源综合利用B3对应的指标层C的评价指标为生产工艺和技术C7、矿山资源利用率C8和废水利用率C9;与节能减排B4对应的指标层C的评价指标为节能降耗C10和“三废”达标排放率C11;与智能矿山B5对应的指标层C的科技创新C12和矿山数字化C13;与企业管理形象B6对应的指标层C的评价指标为职工满意度C14、职业病体检率C15和企业形象C16;所述定量指标包括矿区绿化覆盖率C2、人均工效C3、开采回采率C4、土地复垦率C5、边坡终了治理率C6、矿山资源利用率C8、废水利用率C9、科技创新C12、矿山数字化C13、职工满意度C14、职业病体检率C15;其中,矿区绿化覆盖率C2、土地复垦率C5、边坡终了治理率C6、废水利用率C9的评价指标均为100%,人均工效C3的评价指标为不低于100吨/天或2.5万吨/年,开采回采率C4的评价指标为不低于95%,矿山资源利用率C8的评价指标为石粉、泥粉、表土和渣土利用率不低于95%,科技创新C12的评价指标为科技创新投入不低于上年度主营业务收入的1.5%,矿山数字化C13的评价指标为关键生产工艺流程数控化率不低于70%,职工满意度C14的评价指标为职工满意率不低于70%,职业病体检率C15的评价指标为职业病体检率不低于90%。
在所述S2步骤中,包括:
S21,采用1~9标度法,对每层评价指标的相对重要性进行定性描述来构造比较标度;
S22,通过专家打分构建比较判断矩阵;
S23,求出其最大特征根λ
S24,检验判断矩阵的一致性;
S25,计算综合评价指标权重。
在构建的所述比较判断矩阵中,比较标度值除1~9的自然数外,还包括倒数,倒数的含义是若元素i与j的重要性之比为a
构建的所述比较判断矩阵包括目标层A与准则层B比较矩阵、准则层B与指标层C比较矩阵;在计算综合评价指标权重步骤中,包括计算指标层C相对于准则层B的权重,以及指标层C相对于目标层A的权重。
在S24步骤中,检验判断矩阵的一致性采用如下检验公式:CR=CI/RI;
式中,CR为判断矩阵的随机一致性比率;CI为判断矩阵的一般一致性指标,CI由下式求得:CI=(λ
式中,RI为判断矩阵的平均随机一致性指标;n为矩阵自然数的阶数;其中,1~9阶判断矩阵的RI值依次为:0;0;0.58;0.90;1.12;1.24;1.32;1.41;1.45。
在采用模糊数学方法对待评价目标进行综合评判的步骤中,包括,
S31,确定隶属度矩阵,定性指标采取百分比统计法,确定其隶属度,且定性指标采用打分法获得定性指标评语集,并通过隶属函数计算定性指标评语集;定量指标采用半梯形分布函数作为隶属度函数,确定其隶属度;
S32,确定评价等级标准集合
其中,i=1,2,…,n;p=1,2,…,k;k为准则层指标B
S33,采用模糊综合评判方法对待评价目标进行评价;包括,
第一小步,建立准则层B及准则层B的诸指标权重集W
其中,i=1,2,…,n;p=1,2,…,k;k为准则层指标B
第二小步,对准则层(B)因素进行模糊综合评价,综合评价的单因素隶属度矩阵为:
综合评价隶属度矩阵R为:
第i类因素的模糊综合评价集合为:
最终得到准则层(B)因素综合评价结果:
第三小步,对目标层(A)因素进行模糊综合评价:
应用前述方法进行某砂石绿色矿山项目的评价过程如下。
步骤1:结合研究学者相关成果以及研究目标自身特性,参照相关规范标准、先进案例、专家打分等手段,制定不低于我国相关政策要求的标准。结果如表1所示。
表1,指标评价标准(V)
步骤2:计算评价指标权重。专家对各层级评价中的各个因素重要程度进行两两比较,可以得出A-B、B-C判断矩阵,求解各个矩阵的最大特征根及特征向量,并对其一致性进行检验,最终得到各个指标的权重值。结果如表2-表10所示。
表2,A-B判断矩阵
表3,B1-C判断矩阵
表4,B2-C判断矩阵
表5,B3-C判断矩阵
表6,B4-C判断矩阵
表7,B5-C判断矩阵
表8,B6-C判断矩阵
表9,指标权重及一致性检验结果
表10,绿色矿山建设评价体系指标权重(W)
步骤3:进行层次分析-模糊数学综合评价。由隶属度函数计算定量指标评语集,采用专家打分法获得定性指标评语集,结果如表11,模糊综合评价矩阵。
表11,模糊综合评价矩阵(R)
对准则层(B)因素进行综合评价。根据公式Bi=Wi*Ri计算得到B层第i个指标下各因素相对于评语集的关系,计算结果见表12所示。
表12,准则层(B)因素综合评价结果
由表可知,被评价的某砂石绿色矿山建设项目,“B6企业管理形象”指标最好,属于“优良”的可能性为95.09%,属于“一般”的可能性为4.91%,“差”的可能性为零。“B1矿区环境”指标最差,属于“优良”的可能性为23.33%,属于“一般”的可能性为35%,“差”的可能性最高,为41.67%。
根据最大隶属度原则,B准则层的六个指标中,被评价为“优良”的指标有B2资源开发方式、B3资源综合利用、B4节能减排、B5智能矿山、B6企业管理形象,B1矿区环境指标被评价为“差”。虽然“B2资源开发方式”指标被评价为优良,但是“54.58%”的数值并不高,后续绿色矿山建设的过程中,应做好矿区环境建设和资源开发方式转变。
对目标层(A)因素进行模糊综合评价:
式中:
计算结果,见表13所示。
表13,目标层(A)因素综合评价结果
根据评价结果看出被评价的某砂石绿色矿山建设项目,有61.38%的可能属于“优良”,17.07%的可能属于“一般”,21.55%的可能属于“差”。因此,被评价的某砂石绿色矿山建设项目等级为“优良”。
以上详细描述了本发明的较佳具体实施例。应当理解,本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此,凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案,皆应在由权利要求书所确定的保护范围内。
机译: 基于上下文模型和层次分析法的层次分析法微博客系统
机译: 一种JAVA类之间的呼叫层次分析方法
机译: 一种基于互联网的艺术评价方法