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.     

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.