农业机械化项目绩效模糊综合评价算法

魏效玲，王杰华，周振中

（1.河北工程大学机电学院，河北 邯郸 056038；2.邯郸市市政污水处理有限公司，河北 邯郸 056002）

农业机械化是我国农业长期发展的必要条件，是国民经济发展的重要标志[1]。我国是一个农业大国，农业机械化的发展水平相对较落后，制约着农业经济的可持续发展。因此，加快实施农业机械化的发展，既是改善农民生活水平的重要措施，也是缩小城乡之间的差距、提高农业和农村经济整体水平的重要保证[2-3]。农业机械化项目绩效的评价存在着诸多模糊性和不确定性，建立科学、严谨的农业机械化项目绩效评价体系并赋予合理的模糊评价方法，才能为管理者提供准确的决策依据。但现有模糊评价中存在着指标隶属度对目标分类不明确和出现冗余数值的问题。本文采用基于熵的数据挖掘方法，通过定义指标区分权，清除对目标分类不起作用的冗余数值，筛选出对目标起作用的有效值计算隶属度，该算法经过“一有效、二可比、三合成”三个计算步骤，简记为M（1，2，3），由此建立实现隶属度转换的正确算法[4]，并用于农业机械化项目绩效模糊综合评价中，得到较好的评价结果。

1 模糊评价中新的隶属度转换算法

假设对目标Q的评价等级影响指标有m种，其中j（j=1～m）是各影响指标对于目标Q重要性的权重值λj（Q）为已知，且有

如果每种影响指标被划分为p个评价等级，并用Ck表示第K（K=1～p）个评价等级，同时满足Ck等级优于Ck+1等级。假如j指标属于Ck等级的隶属度μjk（Q）为已知，并且μjk（Q）满足

可求解评价目标Q属于Ck等级的有效隶属度μk（Q）的值。

在以上的隶属度转换过程中转换方法是否正确，直接关系到模糊评价结果的真实可信性。模糊综合评判有四种隶属度转换方法：M（∧，∨）、M（·，∨）、M（∧，+）和M（·，+）；应用结果表明，大部分学者对M（·，+）的应用较认可，同时也有学者提出了改进模型[7-8]。但是，这些方法在隶属度转换过程中，都不能解决指标隶属度中对目标分类不起作用的冗余数值问题，针对已有隶属度转换方法中存在的问题，本文采用基于信息熵的数据挖掘方法，通过定义指标区分权，清除隶属度转换过程中的冗余数值，寻找对目标分类起作用的有效值计算隶属度。

1.1 定义指标区分权

首先从分类角度选择哪些指标隶属度是对评价目标Q的分类起作用的有效数值，哪些是对目标分类不起作用的冗余数值？彻底分清指标隶属度和隶属度中哪些数值能有资格参与计算目标Q的隶属度。

①如果μj1（Q）=μj2（Q）=…=μjp（Q），则有j指标隶属度对目标Q属于各类等级的影响程度是一样的。显然j指标对目标Q的分类不起作用，应该删除j指标。此时j指标对于目标Q的分类贡献归一化量化值αj（Q）=0。②如果存在整数k使μjk（Q）=1其余的隶属度均为0，则j指标隶属度提供的分类信息是：仅从j指标看，评价目标Q只能属于Ck类且仅仅属于Ck类，不可能再属于其它分类等级。此时j指标对于目标Q的分类贡献值αj（Q）最大。③如果j指标隶属度μjk（Q）的取值越集中，其对目标Q的分类贡献值αj（Q）就越大；反之，如果j指标隶属度μjk（Q）的取值越分散，其对目标Q分类的贡献值αj（Q）就越小。

以上三种情况说明，指标对于目标的分类贡献值αj（Q）的大小是由指标隶属度μjk（Q）取值的集中和分散程度来决定；而指标隶属度μjk（Q）的取值大小可用隶属度的熵Hj（Q）来描述，因此，实数αj（Q）可以表示为熵Hj（Q）的函数值

定义由（3）～（5）式的计算实数αj（Q）为j指标关于目标Q的区分权，并且区分权αj（Q）应满足

1.2 确定有效值

①若有μjk（Q）（k=1～p，j=1～m）是评价目标Q的影响指标j属于Ck类的隶属度值，且μjk（Q）满足（1）式，并且αj（Q）是影响指标j关于目标Q的区分权，则称

是影响指标j的第k类隶属度的有效区分值，简称为k类隶属度的有效值。

1.3 计算可比值

②若αj（Q）·μjk（Q）是j指标的k类有效值，βj（Q）是j指标关于目标Q的重要性权重，则称

是j指标k类隶属度的可比有效值，简称k类可比值。

③若βj（Q）·αj（Q）·μjk（Q）是目标Q的j（j=1～m）指标的k类可比值，则称

是目标Q的k类可比和。

④若Mk（Q）是目标Q的k类可比和，μk（Q）是目标Q属于Ck类的隶属度，则

至此，通过公式（3）～（5）、（9）～（10），在目标Q各影响指标的隶属度及指标的重要性权重已知的条件下，即可求出评价目标Q的有效隶属度值，真正实现从底层指标隶属度到目标隶属度的有效转换，并且转换过程是严密和精确的，不会造成分类信息的丢失。

以上隶属度转换过程是：第一步区分权滤波，清除某些对目标分类过程中不起作用的冗余数值并提取起作用的有效值；第二步实现有效值的转化，把有效值转为可比值，根据可比值计算可比和；第三步由可比和定义目标隶属度，实现隶属度的正确转换，整个隶属度转换过程简记为M（1，2，3）。

2 评价实例分析

本文实例采用文献[7]给出的农业机械化项目绩效评价指标体系、指标权重和指标隶属度向量，如表1所示。

表1 农业机械化项目绩效评价指标体系以及模糊隶属度Table 1 Index systems and fuzzy membership degree for performance evaluation of AMP

续表

表1中与各指标括号中的数字对应的是该指标的重要性权重；底层指标的隶属度向量是各指标关于4个评语等级（优C1、良C2、中C3、差C4）的隶属度，其值由农技研究人员和农机管理方面的学者现场考察后获得，农业机械化项目绩效等级划分为：优、良、中、差。

农业机械化项目绩效评价是一个三层次多指标的评价指标体系，从第三层指标开始，经过三级指标隶属度转换后得到二级指标隶属度，二级指标隶属度以同样的步骤转换得到一级指标隶属度，一级指标隶属度再经过转换得到目标隶属度。

（1）以B4农机化作业程度为例，计算其隶属度向量过程如下：

①已知B4含有4项三级指标B41～B44，其指标隶属度矩阵为：

由U（B4）的第j（j=1～4）行计算指标Bj的区分权，得区分权向量为：

②由表1知，指标B41～B44关于B4的重要性权重向量为：

③计算指标B4j的k类可比值，得B4的可比值矩阵为：

④由N（B4）计算指标B4j的k类可比和，得B4的可比和向量为：

⑤ 由M（B4）计算B4的隶属度向量μ（B4）：

同理可得μ（B1）、μ（B2）、…、μ（B8）和μ（B9），分别构成经济效益A1、农机化发展水平A2和投入A3三个一级指标的隶属度矩阵：

（2）根据U（A1）、U（A2）、U（A3）参照与步骤（1）同样的计算过程可以计算经济效益A1、农机化发展水平A2和投入A3的隶属度向量为：

由μ（A1）、μ（A2）、μ（A3）构成农业机械化项目绩效评价隶属度矩阵U（Q），即：

（3）根据U（Q）重复步骤（1）的计算过程可以计算农业机械化项目绩效的隶属度向量为：

（4）目标识别

确定农业机械化项目绩效的评价等级（优、良、中、差）属于哪一级，要用模糊值量化。由于农业机械化项目绩效评价等级的划分是有序的，即Ck等级优于Ck+1等级，该情况下，无序划分的最大隶属度识别准则是不适用的，应该改用置信度识别准则[8-11]：

设λ（λ＞0.6）为置信度，计算

则判别Q属于第K0等级，并且有置信度的值不低于λ。本实例中判Q属于“优”的评价等级，占80.10%（0.801=0.801）的置信度。

3 结论

本文采用基于M（1，2，3）的隶属度转换方法，能有效地解决隶属度转换过程中的冗余数据问题，使模糊评价过程中的隶属度转换更合乎逻辑，并应用于农业机械化项目绩效评价中，使评价结果更加准确可信。同时根据模型最终评价结果，可以找出农业机械化项目实施的薄弱环节，通过对其加强管理和改进，可以提高农业机械化项目的整体实施效果，并为农业机械化项目的立项、资助审核、管理决策提供依据。

[1]李军富.试论农业机械化在建设社会主义新农村中的重要作用[J].中国农机化,2007(1):39-40.

[2]李黎明,袁兰.我国的农业现代化评价指标体系[J].华南农业大学学报:社会科学版,2004,3(2):20-22.

[3]冯飞燕,郭玉明,韩永英,等.山西省农机化项目绩效评价指标体系的建立与分析[J].山西农业大学学报:自然科学版,2007,27(1):93-95.

[4]曹庆奎,阮俊虎,刘开第.基于隶属度转换新算法的煤气站安全性模糊评价[J].煤炭学报,2010,35(3):467-470.

[5]曹庆奎,任向阳,刘开第.矿井工作面瓦斯涌出量的未确知聚类研究[J].煤炭学报,2006,31(3):337-341.

[6]黄广龙,余中华,吴昭同.基于证据推理与粗集理论的主客观综合评价方法[J].中国机械工程,2001,12(8):930-934.

[7]郭玉明,冯飞燕,韩永英,等.农业机械化项目绩效评价指标体系与模糊评价[J].农业机械学报,2007,38(3):82-86.

[8]程乾生.属性识别理论模型及应用[J].北京大学学报:自然科学版,1997,33(1):23-30.

[9]刘增勇,张勇,马红伟.基于模糊综合评判的车辆装备维修质量分析研究[J].军事交通学院学报,2008，10(6):31-48.

[10]尹海东.基于模糊综合评价的农业生产效率分析[J].东北农业大学学报:社会科学版,2011,9(3):28-30.