排序方式: 共有178条查询结果,搜索用时 31 毫秒
1.
基于不确定信息条件下的多属性群组决策评价模型 总被引:2,自引:0,他引:2
建筑安全管理的复杂性要求将决策者的知识和经验有效结合以利于做出正确的决策判断.逼近理想解排序方法(TOPSIS)作为一种实用且有效地处理多属性决策问题的方法被广泛地应用到建设管理领域.将该方法与灰数理论相结合,通过建立不确定信息条件下的多属性群组决策模型来进行建筑安全绩效评价.首先采用区间型灰数矩阵描述专家评价信息的不确定性;其次引入线性变换函数对灰数评价矩阵进行规范化处理以改善评价信息偏差问题,并采用明可夫斯基距离函数来克服传统TOPSIS方法中初始权重影响过大的缺陷;最后结合建筑安全绩效评价实例证明该模型算法的科学性和有效性,并易于拓展到类似决策评价中. 相似文献
2.
为解决函数形式多样性而导致的结果不确定性问题,将神经网络应用于特征价格模型中.基于所采集的西安市房地产信息,利用神经网络理论,在Matlab软件中输入特征变量信息,选用带有动量法和自适用学习率的改进算法对神经网络进行训练,直接输出有效的预测价格结果.与特征价格模型常用的四种函数形式所得出的结果进行比较,验证了神经网络在预测能力上具有相对的稳定性和精确性. 相似文献
3.
4.
目前中国企业经营管理模式正逐渐从粗放型向集约型转变,企业生产结构必须优化升级才不会被市场淘汰出局,而实施改扩建项目是企业提高经济效益的重要手段.从价值工程的角度出发,建立了基于价值工程的改扩建项目的投资决策模型,并结合AHP法和模糊综合评判法对改扩建项目的投资决策问题进行了分析.其结果表明:基于价值工程的投资决策方法能更全面、客观的体现改扩建项目方案的经济效果,能为企业技改项目提供决策依据. 相似文献
5.
6.
7.
8.
为评价冲击矿压危险程度,提出一种基于粒子群算法和BP神经网络(PSO-BP)的冲击危险评估方法。利用已有冲击矿压数据,通过BP网络建立回归模型,并采用PSO算法对模型的连接权重和阀值进行优化,克服了BP网络收敛速度慢、易陷入局部最优的缺点。选取冲击矿压的10种主要影响因素,利用典型冲击矿井的20组工程数据建立PSO-BP评估模型,并将该模型与标准BP模型进行对比分析,结果表明PSO-BP模型较标准BP模型的评估准确率提高15%。最后,通过某矿冲击危险评估的工程实例验证了该方法的可行性和普适性。 相似文献
9.
10.