基于模糊TOPSIS法的职业选择定量分析

由于职业选择受多种因素的影响,且许多因素又具有模糊不确定性,单纯地从定性的角度无法准确清晰地进行选择判断.为解决这一问题,本文运用模糊TOPSIS法对职业选择问题进行定量分析.首先,从个人兴趣爱好、单位的工资收入水平、地理位置、单位性质、发展前景、继续深造的条件和机会、发展机会等,建立职业选择的评价指标体系;然后,采用模糊集理论与专家综合评判相结合的方法求出模糊评价指标的概率并给出所有评价指标的权数;接着,以模糊数学和传统TOPSIS(逼近理想解的排序法)法为基础,建立职业选择评价方法;最后,以某大学生职业选择为例,验证该评价方法的有效性.结果表明,运用模糊TOPSIS法对职业选择定量分析是可行的.     

基于故障树的城市雾霾天气模糊综合评判

以某市雾霾天气为例,找出导致该市雾霾发生的原因并建立相关的故障树,通过分析得出导致该市发生雾霾的主要原因为气象和人为原因.然后利用模糊综合评判法,对该市雾霾污染程度进行了量化评判,得出该市雾霾污染程度为重度污染,便于该市相关部门做好防范措施.结果表明,利用故障树分析法和模糊综合评判法对雾霾天气进行分析是可行的,为其他雾霾城市分析提供了参考依据.     

梯形模糊数直觉模糊Bonferroni平均算子及其应用

本文研究决策信息为梯形模糊数直觉模糊数(TFNIFN)且属性间存在相互关联的多属性群决策(MAGDM)问题,提出一种基于梯形模糊数直觉模糊加权Bonferroni平均(TFNIFWBM)算子的决策方法.首先,介绍了TFNIFN的概念和运算法则,基于这些运算法则和Bonferroni平均(Bonferroni mean,BM)算子,定义了梯形模糊数直觉模糊Bonferroni平均算子和TFNIFWBM算子.然后,研究了这些算子的一些性质,建立基于TFNIFWBM算子的多属性群决策模型,结合排序方法进行决策.最后,将该方法应用在MAGDM中,算例结果表明了该方法的有效性与可行性.     

上海市社会总抚养比的预测分析——基于最小二乘法的改进GM（1,1）模型

上海市社会总抚养比受到诸多因素的影响,导致数据波动性较大,单纯地采用灰色预测模型无法更加准确地进行预测,因此文章提出了基于最小二乘法的改进GM（1,1）模型.首先文章介绍了普通GM（1,1）模型的建立方法与步骤;接着通过采用最小二乘法的原理弱化波动较大的数据,加强其规律性从而建立新的GM（1,1）模型;最后结合2007-2011年上海市社会总抚养比数据建立新的预测模型,并用2012年数据对模型进行验证合格,可以用来预测未来几年上海市社会总抚养比,便于该市对未来经济的发展宏观调控.结果表明该预测方法是合理可行的,为其他相关预测提供了理论依据.     

基于新型区间直觉三角模糊熵的多属性决策方法

在进行区间直觉模糊多属性决策时,有时属性权重是未知的,针对这一问题,提出一种新型区间直觉三角模糊熵的决策方法.首先,给出该新型区间直觉三角模糊熵定义和相关定理,应用该区间直觉三角模糊熵确定属性的权重.然后,基于逼近理想解排序法(TOPSIS)的思想,采用改进的加权欧几里得距离,进行区间直觉模糊群决策,并给出决策步骤.最后,将该方法应用在供应链选择的群决策问题中,通过算例实验验证了该方法的有效性与可行性.     

火灾损失预测的改进GM(1,1)模型

本文对随机性较强的火灾事故,提出了采用改进GM(1,1)模型来减小预测误差.该模型通过三次改进提高预测精度,首先基于普通GM(1,1)模型,改进模型中初始值提高模型精度;其次基于初值改进后的GM(1,1)模型进行残差修正,再次提高预测准确性;最后对残差修正模型中的初始值进行改进,使最后预测模型更加精确.并且在处理含负值的残差数列时,提出了二次累加的方法进行模型预测.通过普通模型的预测值与改进模型的预测值进行对比,可以发现改进后模型的预测值更加接近实际值.结果表明,三次改进后的GM(1,1)模型精度明显提高,为以后预测研究提供一种理论参考.     

基于贝叶斯网络的供应链风险模糊综合评判

由于导致供应链失效的风险因素具有模糊性、复杂性,增加了供应链风险分析难度,一般的风险分析方法不能很好地评判供应链风险.文章提出了基于贝叶斯网络的供应链风险模糊综合评判方法,以某企业供应链风险为例,通过构建供应链失效风险的贝叶斯网络对风险事件发生概率进行线性推理,再采用模糊综合评判方法求出供应链风险中主要风险事件及总风险事件的风险等级,为该企业及早调控供应链提供依据.本评判方法可为企业供应链风险及其他类似风险的预防和控制提供参考依据.