陕西省农机化发展阶段评价研究——基于模糊综合评判

董小艳，杨　沛，宋荣杰，李　梅

(西北农林科技大学 信息工程学院，陕西 杨凌　712100)



陕西省农机化发展阶段评价研究——基于模糊综合评判

董小艳，杨沛，宋荣杰，李梅

(西北农林科技大学 信息工程学院，陕西 杨凌712100)

摘要：我国农业机械化发展显现出阶段性特征，对陕西农机化发展所处阶段进行研究，可为相关部门决策提供参考依据。为此，选用三角分布和半梯形分布隶属函数，采用专家调查法确定各评价指标的权重，采用平均加权型模糊合成算子，构建了基于模糊综合评判的发展阶段评判模型，对陕西省农业机械化所处发展阶段进行评判。结果表明：陕西省农机化发展2011-2013年总体上已处于中级阶段。评判结果与实际相符，表明该方法在对陕西省农机化所处发展阶段进行综合评判具有实用性。

关键词：农业机械化；模糊综合评判；陕西省

0引言

农业机械化系统是一个复杂的系统，其发展受到自然(地理条件、气候等)、社会、经济等多种因素制约。陕西省从南到北可以分为秦巴山地、关中平原、陕北高原3个地貌区。在陕西省国土资源总土地面积中，南部秦巴山地约占36%，北部陕北高原约占45%，中部关中平原约占19%。陕西横跨3个气候带，南北气候差异较大。近年来陕西省经济得到快速健康发展，陕西农村居民人均纯收入持续稳定增长，国家、陕西省政府和个人持续加大对农业生产机械的投入。国家和陕西省政府给予政策倾斜，全力发展农业机械化，这些都促使陕西省农业机械化得到快速发展。为了对陕西省农机化水平有一个正确认识，使得农机化能够在陕西省的农业发展中发挥更大作用，本文构建了基于模糊综合评判[1-2]的发展阶段评判模型，对陕西省农业机械化目前所处发展阶段进行了评判，得出的结果与实际相符。

1模糊综合评判的原理和步骤

模糊综合评判方法[3-5]是以模糊数学为理论基础，对受多种因素影响的复杂对象进行综合评价的一种方法。该方法最早由我国学者汪培庄提出，本身有严格的理论体系，可很好地将定性化指标定量化处理，解决了其他方法中定量与定性评价结合的问题，适合解决各种非确定性问题。模糊综合评判方法具有系统性强和结构清晰的特点，评判的对象是具有中间过渡性或既此既彼(模糊性)的事物。它先对各因素进行单因素模糊评判，然后对各因素进行模糊运算得到模糊综合评判结果。该方法的结果是一个集合，可以较为准确描述对象的“亦此亦彼”的模糊状态。农业机械化系统是一个复杂的系统，对农业机械化所处发展阶段的评判受到多个因素的影响，而各个评价因素到底隶属于哪个发展阶段具有模糊性，即各阶段之间存在着中间过渡性,存在着亦此亦彼的现象。模糊综合评价方法可引入模糊数学中的隶属度概念，通过综合评判各评价因素对发展阶段的隶属程度来较好地实现对陕西省农业机械化所处发展阶段的评判，且该方法在实际应用中相对容易实现。

1.1　确定评价因素集和评判集

评价因素集是一个集合，集合的元素为影响评价对象的各种因素。

设因素集合为

(1)

对应评判等级为

(2)

其中，m为评价等级的个数。评判等级分的越细，评判越准确，但其评判过程也相应繁琐所以要取一个适当值，一般为3～5个。

对评价因集素划分为

(3)

Ui中含有ki个因素因子，满足以下条件

(4)

1.2　确定评价因素的权向量W

在进行模糊综合评价时，各因素对综合评价的影响程度不一样，权重就是表征其在评价时的相对重要程度的量化系数。常见的确定权重的方法可分为主观赋权法和客观赋权法两类，专家调查法属于主观赋权法，本文采用专家调查法确定评价因素的权重系数。权重系数调查汇总表设计如表1所示[6-8]。

表1　权重系数调查汇总表

表1中，kij为专家j对第i个指标的打分，打分值为5分制。由每个因素的权重系数组成权重集W是因素集U上的模糊子集，即

W=(w1,w2,...,wn)

(5)

其中，wi(i=1,2,…,n)是因素ui的权重系数，且满足∑wi=1，(i=1,2,…,n)。

(6)

1.3　确定隶属函数，建立模糊关系矩阵R

确定了评判集、因素集和权重向量后，就可以进行单因素评判，即确定因素集中单因素ui(i=1,2,...,n)隶属于评判等级vj(j=1,2,...,m)的隶属程度(隶属度)，得到一个模糊评判向量Ri=(ri1,ri2,...,rim)。隶属度确定方法有专家确定法、模糊统计法及隶属度函数确定法等，本文中的各项评价指标对各阶段的隶属度由三角分布和半梯形分布隶属函数[9-11]确定，隶属度函数曲线如图1所示。

图1 模型选用的3种隶属度函数

将进行单因素评判得到的各模糊评判向量组合起来，即可构成模糊关系矩阵R，表示U和V之间的模糊关系，有

(7)

1.4　模糊综合评判

选择合适的模糊综合合成算子，通过对模糊关系矩阵R与权重集W进行模糊合成运算，得到模糊综合评判向量，记为B=(b1,b2,...,bm)。综合评判的运算公式为

=[b1,b2,...,bm]

(8)

其中，∘为模糊综合合成算子，常用的模糊综合合成算子包括M(∧,∨)、M(·,∨)、M(∧,⊕)、M(·,⊕)。前两种属于主元素突出性型算子，后两种属于加权平均型算子。本文选用M(·,⊕)算子即加权平均型算子[12]，该算子可以充分利用关系矩阵R的信息且明显体现权重作用。该算法的运算模型为

(9)

1.5　反模糊化

综合评判结果向量B是一个模糊向量，而不是一个点值，因此在计算出决策集B后，可对其进行进一步的处理(数值的清晰化)，从而能更加直观地体现陕西省农机化发展整体上所处阶段。通常有两种处理方法：

1)最大隶属度法。该方法选取bj(j=1,2,…,m)的最大值，忽略了B中的其他信息。若bj=max(b1,b2,...,bm)，则取V中与bj最大值对应的等级vj作为评价结果，即评价对象总体上隶属于第j等级。

2)级别特征根法，又称为重心法[13-14]。为各评语等级分别设置值为“1,2,…,m”，然后用评判结果B中对应隶属度将各分值加权求平均。该方法充分利用了B中的所有信息，处理公式为

(10)

2 模糊综合评判模型

对陕西省农机化发展进行阶段性研究，有助于对陕西省现阶段农机化水平进行正确认识。本文选用模糊综合评判方法构建模型对陕西省农业机械化发展阶段进行评判。

2.1　建立评价集和因素集

农机化发展受到多种因素制约，在对陕西省农机化所处发展阶段进行评判时，不可能将所有因素都考虑进去，只能抓住关键影响因素作为评价的指标。本文依据行业标准NY/T 1408.1—2007(农业部颁布-白人朴等起草)，建立陕西省农机化发展阶段评判的因素集U={U1，U2}={耕种收综合机械化水平U1，第一产业从业人员占全社会从业人员U2}。其中，U1={U11，U12，U13}={耕整地机械化程度U11，播栽机械化程度U12，收获机械化程度U13}。同时，结合农机化系统的特点和参看相关国内有关农机化水平评价文献资料[15]，将陕西省农机化发展阶段分为3个等级，即V={v1,v2,v3}={初级阶段,中级阶段,高级阶段}。

2.2　确定评价因素的权向量W

笔者采用书面问卷调查的形式邀请35位相关的专家就两个指标对农机化发展阶段的重要程度打分，收回24份问卷调查表。问卷采用5分制，即将指标的重要度划分为5个等级：很不重要、不重要、一般、重要、很重要。对回收的问卷调查表整理统计，统计结果如表2所示。由表2可知：2项评价指标因子U1和U2的权重系数分别为0.667和0.333，如表2所示。

表2　评价因子的评分统计及权重

2.3　确定隶属函数，建立模糊关系矩阵

在对陕西省农业机械化所处发展阶段进行评判时，某些评价因子值越大反映的评价效果越好，将该类指标称为正效应指标；某些评价因子值越小越好，将该类指标称为负效应指标。在本文中采用的评价指标中，耕种收综合机械化水平U1为正效应指标，第一产业从业人员占全社会从业人员U2为负效应指标[16-17]。笔者参考多篇相关文献，并根据这两项指标的分布特征，选用三角分布和半梯形分布结合的分布函数[9-11]作为本文的隶属度函数。

耕种收综合机械化水平U1的隶属函数的定义过程及定义可以用图2及公式(11)、(12)、(13)[18]来描述。

图2　U1的隶属函数

(11)

(12)

(13)

第一产业从业人员占全社会从业人员U2的定义过程及定义可用图3及公式14、15、16[19]来描述。

图3　U2的隶属函数

(14)

(15)

(16)

将陕西省2011-2013年的数据代入公式(7)～(11)所示的隶属函数进行单因素评判，得到各模糊评判隶属度向量，将各模糊评判向量组合可得到关系矩阵分别为

2.4　模糊综合评判

本文选用M(·,⊕)算子对模糊关系矩阵R与权重集W进行模糊合成运算，得到陕西省2011-2013年模糊综合评判结果向量为

=(0.05070.86850.0808)

=(0.02330.85110.1255)

=(0.01050.80330.1862

2.5　反模糊化

设评价集V={v1,v2,v3}={初级阶段，中级阶段，高级阶段}，相应地设定评分值={1,2,3},采用级别特征根法利用式(10)计算得到2011-2013评价分值分别为

=2.1757

由于整个计算过程比较繁琐，手工计算容易出错，笔者用MatLab7.6编制程序，完成综合评判计算。

3结果与分析

陕西省农机化发展阶段评判模型的计算结果为：2011综合评判结果B=(0.0507,0.8655,0.0808),2012综合评判结果B=(0.0233,0.8511,0.1255), 2013综合评判结果B=(0.0105,0.8033,0.1862)。 农机化发展对中级阶段的隶属度明显高于其他两个阶段，按照最大隶属度原则，陕西省2011-2013年农业机械化发展总体上已处于中级阶段。2011-2013年间农机化发展对中级阶段的隶属度由0.865 5降至0.803 3，对高级阶段的隶属度由0.080 8增加到0.186 2，表明农业机械化发展有向高级阶段发展的趋势。采用级别特征根法对B向量处理，2011年级别特征值为2.030 1,2012 年级别特征值结果为2.1022,2013年级别特征值为2.175 7。由此得出相同结论：陕西省2011-2013年农业机械化发展总体上已处于中级阶段，并有向高级阶段发展的趋势。

4结论

采用专家调查法确定各因素的权重，引入模糊数学理论，选用三角分布和半梯形分布隶属函数确定各因素对于各发展阶段的隶属度；采用平均加权型模糊合成算子，对陕西省2011-2013年农业机械化所处发展阶段进行了综合评判，并分别运用最大隶属度法和级别特征法对评判结果处理。结果表明：陕西省2011-2013年农业机械化发展总体上已处于中级阶段，相互印证了彼此结论的正确性和合理性；所构建模型还存在不足，权重的确定采用主观赋权法，主观性相对较大，构建的隶属函数有待进一步完善。

参考文献：

[1]潘润秋，刘珺，宋丹妤.基于模糊综合分析法的农用地分等方法[J].农业工程学报，2014，30(18)：257-265.

[2]董小艳.陕西农机化水平评价及耕种收机械化水平预测研究[D].杨凌：西北农林科技大学,2010.

[3]S.Dahiya,et al.“Analysis of groundwater quality using fuzzy synthetic evaluation[J].Journal of Hazardous Materials, 2007,147(3):938-946.

[4]Lingjuan Li, Lingtong Shen. An improved multilevel fuzzy comprehensive evaluation algorithm for security performance[J].The Journal of China Universities of Posts and Telecommunications , 2006,13(4):48-53.

[5]Caimei Guo，Deli Zhang.A note on the continuity of triangular norms[J].Fussy Math, 2003,11(3)： 655-657.

[6]周健，王红卫，吴邵海.盾构法施工风险的多态贝叶斯网络模型分析[J].同济大学学报:自然科学版,2013,41(2):186-190,202.

[7]陈新生，楚继军,王宝珠.我国城市社区休闲体育公共服务体系的结构与运行机制分析[J].北京体育大学学报，2012,35(10)：35-41.

[8]张长耀 ，宋连久. 西藏各地市农业竞争力模型和综合评价[J].农机化研究，2014,36(11)：59-64.

[9]焦松，李伟，杨明.基于三角模糊数的仿真模型验证方法[J].中南大学学报,2014,45(1):124-131.

[10]吴 姜，蔡泽祥，胡春潮,等.基于模糊正态分布隶属函数的继电保护装置状态评价[J].电力系统保护与控制,2012,40(5):48-52.

[11]梁媛，许健，麻林. 利用模糊综合评判法分析由太湖引水后黄浦江水质的变化[J].甘肃农业大学学报，2014,49(1):116-120.

[12]杨玉峰，冯明奎，陈锦标.基于云模型的舰船综合仿真系统效能评估[J].中国航海,2014,37(4):64-68.

[13]张根保，郭书恒，柳剑.加工中心加速可靠性增长试验中加速应力的选择方法[J].中国机械工程，2014,25(12):1623-1629.

[14]黄书君,李坤权,朱光怡.基于模糊层次分析模型的高校室内空气质量评价与分析[J]. 环境工程,2014(5):90-94.

[15]杨敏丽，白人朴.我国农业机械化发展的阶段性研究[J]. 农业机械学报 ,2005,36(12):167-170.

[16]汪浪，曹卫东.近10 年我国城镇化与工业化协调发展研究[J].科学决策,2014(2)：21-32.

[17]L Li,Y M Li.The design and stability analysis of adaptive system based on linear T-S fuzzy system[J].Acta Automatica Sinica, 2003,29(6):1024-1026.

[18]刘志祥，冯凡，王建波，等.模糊综合评判法在矿山岩体质量分级中的应用[J].武汉理工大学学报，2014,36(1):129-134.

[19]张春琴，张玉芬.模糊综合评判在水田质量评价中的应用[J].河北大学学报,2014,34(4):357-362.

Evaluation Study on Shaanxi Province Agricultural Mechanization Development Stage——Based on Fuzzy Comprehensive Evaluation

Dong Xiaoyan， Yang Pei， Song Rongjie， Li Mei

(College of Information Engineering, Northwest A & F University, Yangling 712100 , China)

Abstract：China's agricultural mechanization development shows stage characteristics. Study on Shaanxi province agricultural mechanization development stage can provide reference for the relevant department in decision-making. With the help of triangular distribution and semi-trapezoidal distribution membership function, and using expert investigation approach to determine the weight of each evaluation index and the average weighted fuzzy synthetic operator, this paper builds the development stage evaluation model based on fuzzy comprehensive evaluation, so as to evaluate the development stage of agricultural mechanization in the Shaanxi Province.The results show that agricultural mechanization development in Shaanxi province from 2011 to 2013 in general has remained in the intermediate stage. Evaluation results are consistent with the reality, showing the practicality of the approach in evaluating Shaanxi Province agricultural mechanization development stage comprehensively.

Key words：agricultural mechanization； fuzzy comprehensive evaluation; Shanxi Province

中图分类号：S232.3

文献标识码：A

文章编号：1003-188X(2016)10-0027-05

作者简介：董小艳(1975-)，女，陕西扶风人，讲师，硕士,(E-mail)dongxiaoy00@163.com。通讯作者：杨沛(1982-)，女，陕西渭南人，讲师,硕士,(E-mail)yangpei@nwsuaf.edu.cn。

基金项目：国家高技术研究发展计划项目(2013AA102304)

收稿日期：2015-09-28