精华内容
下载资源
问答
  • 产业关联度模型
    千次阅读
    2021-08-19 14:09:48

    前言

    提起综合评价模型,大家可能会比较熟悉层次分析法,但是层次分型法的主观性太强,有时构造的矩阵并不能通过一致性检验,所以了解一些其他的综合评价模型也是十分重要的。比较常用的综合评价模型有TOPSIS法,熵值法,灰色关联分析法等,本文主要介绍一些灰色关联分析法的主要内容。

    灰色关联分析法

    灰色关联分析法最基本的应用其实并不是进行综合评价,而是进行系统分析。例如在一个系统中可能会有很多的因素对这个系统的发展产生影响,灰色关联分析就是确定各个因素对系统影响的重要程度。灰色关联度分析法的基本思想是根据曲线的相似程度,判断因素之间的关联性,例如:
    在这里插入图片描述
    我们可以根据以上的数据判断哪一种产业对GDP的影响比较大。几何图形如下图所示:
    在这里插入图片描述

    上面是用python画的图,代码如下:

    import numpy as np
    import matplotlib
    import matplotlib.pyplot as plt
    from matplotlib import style
    matplotlib.rcParams['text.usetex']=True
    plt.figure(figsize=(10,10),dpi=70)
    X=[1,2,3,4,5,6]
    Y=[386,408,422,482,511,561]
    Z=[839,846,960,1258,1577,1893]
    S=[763,808,953,1010,1268,1352]
    T=[1988,2062,2335,2750,3356,3806]
    plt.plot(X,Y)
    plt.plot(X,Z)
    plt.plot(X,S)
    import numpy as np
    import matplotlib
    import matplotlib.pyplot as plt
    from matplotlib import style
    matplotlib.rcParams['text.usetex']=True
    plt.figure(figsize=(10,10),dpi=70)
    X=[1,2,3,4,5,6]
    Y=[386,408,422,482,511,561]
    Z=[839,846,960,1258,1577,1893]
    S=[763,808,953,1010,1268,1352]
    plt.plot(X,Y)
    plt.plot(X,Z)
    plt.plot(X,S)
    plt.plot(X,T)
    红色曲线代表GDP,我们的目标是研究三大产业对GDP的影响程度,从图中可以看出橙色曲线与红色曲线的集合形状最为相似,橙色代表第一产业,所以可知第一产业对GDP的影响比较大。
    

    综合评价模型

    上面的例子只是简单的介绍了一下灰色关联分析的具体用途,下面我们介绍一下灰色关联分析作为综合评价模型的具体步骤,如下图所示:

    在这里插入图片描述
    在灰色关联分析用作评价模型的时候,需要对数据进行预处理。
    首先,对于不同类型的数据,处理起来的具体操作就不同,比如一个工厂生产的残次品肯定是越少越好,像这样的数据就称为极小型数据,学生考的分数当然是越高越好,这种叫做极大型数据。
    其次,在评价模型中各个指标的单位可能不一样,我们需要对指标中的数据进行无量纲化处理,常用的方法有有该元素的的值去除以该元素对应的指标的平均值,z_ij=x_ij/((x_1j+x_2j+…+x_nj)/n)。
    第三,利用灰色关联度公式,求解各个指标与母序列的灰色关联度r_1,…,r_m,

    在这里插入图片描述

    在这里插入图片描述

    第四,计算各个指标的权重,w_i=r_i/(r1+…,r_m);

    最终,求出每个评价对象的最终得分,s_ik=z_k1w1+z_k2w2+…+zkm*wm.

    总结

    时间紧,任务重,实在没时间写代码了 哈哈 有问题欢迎交流。

    更多相关内容
  • 基于投入产出模型的中国旅游业产业关联度研究
  • 以黑龙江省2002年投入产出表为计算依据,利用投入产出模型对黑龙江省煤炭产业的产业关联和产业波及效应作出定量分析,计算了投入产出结构、感应及其系数、影响力及其系数等重要指标。分析结果表明,黑龙江省煤炭产业...
  • 江苏省金融保险业的产业关联度研究——基于2002年投入产出表的实证分析,高启媛,,国内外学者对于金融保险业与其它产业的关联有大量的研究,这些实证研究主要采用建立计量经济模型的方法。本文试图从另外一个不同
  • 摘要池塘养殖是我国水产养殖的产业主体,占我国水产养殖的 70%。然而由于污染和过度投放饵料,池塘养殖水华灾害频发。虽有治理,水华发生的频率却有日渐升高的趋势。为
  • 中国汽车产业与其波及产业关联机理分析,郭焱,郭彬,本文利用投入产出表计算直接消耗系数、完全消耗系数、影响力系数和感应系数等指标,通过运用投入产出分析方法,分析汽车产业对
  • 产业结构调整与低碳经济发展相互联系,内在统一,从产业结构角度探讨碳排放强度问题,有利于正确...得到以下结论:第二产业是影响地区碳排放强度的主要因素,全国有16个地区二次产业与碳排放强度关联度最大,但第二产业并不是
  • 基于陕西省42个部门的最新投入产出表数据,通过建立投入产出模型,不仅对煤炭产业关联进行定量分析,还利用感应系数等指标对煤炭产业的波及效应进行了动态的量化测度。研究表明:陕西煤炭产业关联范围广,前向关联的...
  • 以挖掘产业管理与政策决策依据为目的,构建灰色分析系统模型的特征序列和相关因素行为序列,精准测算经济增长与产业结构的系统动态因素关联度,实证视角分析发展态势,精准获知经济增长的对策与建议。
  • 因此,灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。 系统分析(GDP与第一二三产业发展的关系) 第一步:利用EXCE.

    记录一下建模学习笔记

    灰色关联分析作用

    灰色关联分析主要有两个作用,一是进行系统分析,判断影响系统发展的因素的重要性。第二个作用就是用于综合评价问题,给出研究对象或者方案的优劣排名。

    灰色关联分析原理

    在系统发展过程中,若两个因素变化的趋势具有一致性,即同步变化程度较高,即可谓二者关联程度较高;反之,则较低。因此,灰色关联分析方法,是根据因素之间发展趋势的相似或相异程度,亦即“灰色关联度”,作为衡量因素间关联程度的一种方法。

    系统分析(GDP与第一二三产业发展的关系)

    1560155a8b5542a0997d763d60413df6.jpg

     第一步:利用EXCEL画统计图+简单分析一哈

    bffea6f5aeaa4d43aad69654c20dda9c.jpg

     第二步:确定分析序列(母序列和子序列)

    母序列一般为因变量X0(GDP)、子序列一般为自变量Xi(各产业产值)

    第三步:对数据进行预处理(正向化、标准化等方法)

    此题中标准化的方法是每一个元素除以对应指标的均数值。

    029ef9dd9f4e4e35a4c97a2ccacfae78.jpg

     第四步:计算处理后的子序列中各个元素与母序列相应元素的关联程度。

    计算母子序列的两极最大差和两极最小差

    bfb60a167974404b81ed8c5ba3ebd358.jpg 8d79fbc9f1104d12862e2791ff4e7004.jpg

    第五步,计算各个序列,也就是指标与系统总体的关联程度。

    (1)定义分辨系数和关联度式

    1c34b6e8db704c12b2915c834ff4dca0.jpg

    求出各个指标的关联度后,把各类指标关联度求出平均值

    (2)简要分析关联度关系

    得出第几产业关联度和GDP关系最大,既分析完成。

    ——————————————————————————————————————————

    补充例题(对教师指标的综合评价)

    第一步: 

    先利用EXCEL画出统计图,以便后续分析,并简要分析一下。

     第二步:

    设置母序列和子序列(该题中我将各指标的最大值设置为了母序列)

     第三步:对数据进行预处理

     

    第四步:计算关联系数

    先计算母子序列的两极最大差和两极最小差

     第五步:计算子序列关联度

     进行分析:教师4的得分最高

     不足之处:

    没有对各指标进行权重的分配,可以利用熵权法进行确定权重。

     

    补充

    7b333516d8de44fc848ceca16e53cf09.jpg

     个人认为一般数据较多的时候,还是偏向于回归分析等还是比较主流关联度。

    灰色关联度分析更小众一点,灰色关联度分析更适用于数据少,且通常是比较两个序列发展的图线线关度。并且国外比较少人研究灰色系统,美赛并不是很建议用喔。

    清风建模视频中讲解的还是比较详细的,大家有不解可以问问我,也可以看看清风视频咧。

    展开全文
  • 数学建模-灰色关联度分析原理笔记

    千次阅读 2021-07-24 11:43:09
    曲线越接近,相应序列之间的关联度就越大,反之就越小。 比较少用 步骤 例:下表某地区国内生产总值的统计数据(以百万元计),问该地区从2000年到2005年之间哪一种产业对GDP总量影响最大 年份 国内生产总值...

    灰色关联分析法简介

    • 灰色关联分析是一种系统分析
      在这里插入图片描述

    • 灰色关联分析的基本思想是根据序列曲线几何形状的相似程度来判断其联系是否紧密。曲线越接近,相应序列之间的关联度就越大,反之就越小。

    • 比较少用

    步骤

    例:下表某地区国内生产总值的统计数据(以百万元计),问该地区从2000年到2005年之间哪一种产业对GDP总量影响最大

    年份国内生产总值第一产业第二产业第三产业
    20001988386839763
    20012061408846808
    20022335422960953
    2003275048212581010
    2004335651115771268
    2005380656118931352

    画统计图,进行简单分析

    在这里插入图片描述

    • 四个季度都呈上升趋势
    • 第二产业增幅较为明显
    • 第二产业与第三产业的差距慢慢变小后又逐渐增大
    • ……

    确定分析数列

    • 母序列(又称参考序列,母指标):能反应系统行为特征的数据序列(类似于因变量Y,此处记为 X 0 X_0 X0​)
    • 子序列(又称比较序列,子指标):影响系统行为的因素组成的数据序列(类似于自变量X,此处记为 ( x 1 , x 2 , … , x n ) (x_1,x_2,…,x_n) (x1,x2,,xn)
    • 在本例中国内生产总值就是母序列,第一、第二、第三产业就是子序列

    对变量进行预处理

    • 目的:去量纲、缩小变量范围从而简化计算
    • 做法:先求出每个指标的均值,再用该指标中的每个元素除以该均值
      在这里插入图片描述

    计算子序列中各个指标与对应母指标的关联系数

    在这里插入图片描述

    母序列: X 0 = ( X 0 ( 1 ) , X 0 ( 2 ) , … X 0 ( n ) ) ) T X_0=(X_0(1),X_0(2),…X_0(n)))^T X0=(X0(1),X0(2),X0(n)))T

    子序列: { X 1 = ( x 1 ( 1 ) , x 1 ( 2 ) , … x 1 ( n ) ) T X 2 = ( x 2 ( 1 ) , x 2 ( 2 ) , … , x 2 ( n ) ) T … … X m = ( x m ( 1 ) , x m ( 2 ) , … , x m ( n ) ) T \begin{cases}{X_1=(x_1(1),x_1(2),…x_1(n))^T}\\{X_2=(x_2(1),x_2(2),…,x_2(n))^T}\\……\\X_m=(x_m(1),x_m(2),…,x_m(n))^T \end{cases} X1=(x1(1),x1(2),x1(n))TX2=(x2(1),x2(2),,x2(n))TXm=(xm(1),xm(2),,xm(n))T

    计算:
    在这里插入图片描述

    a = m i n i m i n k ∣ X 0 ( k ) − x i ( k ) ∣ a=min_imin_k|X_0(k)-x_i(k)| a=miniminkX0(k)xi(k)为两极最小差,记 b = m a x i m a x k ∣ X 0 ( k ) − x i ( k ) ∣ b=max_imax_k|X_0(k)-x_i(k)| b=maximaxkX0(k)xi(k)为两极最大差

    则上表中 a = 0.0628 , b = 0.186163024 a=0.0628,b=0.186163024 a=0.0628,b=0.186163024

    定义 γ ( x 0 ( k ) , x i ( k ) ) = a + ρ b ∣ x 0 ( k ) − x i ( k ) ∣ + ρ b , ρ \gamma(x_0(k),x_i(k))=\Large \frac {a+\rho b}{|x_0(k)-x_i(k)|+\rho b},\rho γ(x0(k),xi(k))=x0(k)xi(k)+ρba+ρb,ρ​一般取0.5

    结果:
    在这里插入图片描述

    例如: γ ( x 0 ( 1 ) , x 1 ( 1 ) ) = 0.0628 + 0.5 ∗ 0.18613024 0.10414232 + 0.5 ∗ 0.18613024 \gamma(x_0(1),x_1(1))=\Large \frac {0.0628+0.5*0.18613024}{0.10414232+0.5*0.18613024} γ(x0(1),x1(1))=0.10414232+0.50.186130240.0628+0.50.18613024 = 0.4751452 =0.4751452 =0.4751452

    计算灰色关联度

    定义 γ ( X 0 , X i ) = 1 n ∑ k = 1 n γ ( X 0 ( k ) , X i ( k ) ) \gamma(X_0,X_i)=\frac 1n\sum_{k=1}^{n}\gamma(X_0(k),X_i(k)) γ(X0,Xi)=n1k=1nγ(X0(k),Xi(k)) X 0 X_0 X0 X i X_i Xi的灰色关联度

    即求平均值

    γ ( X 0 , X 1 ) = 0.5084 , γ ( X 0 , X 2 ) = 0.6242 , γ ( X 0 , X 3 ) = 0.7573 \gamma(X_0,X_1)=0.5084,\gamma(X_0,X_2)=0.6242,\gamma(X_0,X_3)=0.7573 γ(X0,X1)=0.5084,γ(X0,X2)=0.6242,γ(X0,X3)=0.7573
    在这里插入图片描述

    得到结论

    通过比较三个子序列和母序列的灰色关联度可以得到结论:

    • 该地区在2000年到2005年间的国内生产总值受到第三产业影响最大。

    讨论

    1、什么时候用标准化回归,什么时候用灰色关联分析?

    • 当样本个数n较大时,一般使用标准化回归;当样本个数n较少时,才使用灰色关联分析

    2、如果母序列有多个指标,应该怎么分析

    • 例如 Y 1 , Y 2 Y_1,Y_2 Y1,Y2都是母指标,那么我们先计算 Y 1 Y_1 Y1​与子序列的灰色关联度,再计算 Y 2 Y_2 Y2与子序列的灰色关联度

    评价类问题完整分析步骤(该方法)

    对指标进行正向化

    预处理

    • 如前面的步骤进行预处理(先求出每个指标的均值,再用该指标中的每个元素除以该均值)
    • 得到矩阵 Z n x m = ( Z i j ) n x m Z_{nxm}=(Z_{ij})_{nxm} Znxm=(Zij)nxm

    得到母序列

    (若无实质母序列)将预处理后的矩阵的每一行取出最大值构成母序列(虚构的)

    计算灰色关联度

    得到 γ 1 , γ 2 , … , γ m \gamma_1,\gamma_2,…,\gamma_m γ1,γ2,γm

    计算各个指标的权重

    ω 1 = γ 1 ( γ 1 + γ 2 + … + γ m ) , ω 2 = γ 2 ( γ 1 + γ 2 + … + γ m ) , … , ω m = = γ m ( γ 1 + γ 2 + … + γ m ) \omega_1=\frac {\gamma_1}{(\gamma_1+\gamma_2+…+\gamma_m)},\omega_2=\frac {\gamma_2}{(\gamma_1+\gamma_2+…+\gamma_m)},…,\omega_m==\frac {\gamma_m}{(\gamma_1+\gamma_2+…+\gamma_m)} ω1=(γ1+γ2++γm)γ1,ω2=(γ1+γ2++γm)γ2,,ωm==(γ1+γ2++γm)γm

    计算得分

    第k个评价对象得分: S k = ∑ i = 1 m Z k i ∗ ω i ( k = 1 , 2 , 3 , … , n ) S_k=\sum_{i=1}^mZ_{ki}*\omega_i (k=1,2,3,…,n) Sk=i=1mZkiωi(k=1,2,3,,n)

    得分归一化

    S 1 ′ = S 1 S 1 + S 2 + … + S n , S 2 ′ = S 2 S 1 + S 2 + … + S n , … S n ′ = S n S 1 + S 2 + … + S n S'_1=\frac {S_1}{S_1+S_2+…+S_n},S'_2=\frac {S_2}{S_1+S_2+…+S_n},…S'_n=\frac {S_n}{S_1+S_2+…+S_n} S1=S1+S2++SnS1,S2=S1+S2++SnS2,Sn=S1+S2++SnSn

    展开全文
  • 以三大产业产值、碳排放量为基础,建立灰色关联模型,分析三大产业和碳排放的关联度,得出第二产业与碳排放关联度最高;进而以第二产业相关行业和碳排放为基础,建立灰色关联模型,具体分析相关行业和碳排放的关联度。最后...
  • 二是在分配指标权重方面,为避免小范围内园区指标表现不稳定的情况,以及主观排序方法的随意性,论文以全国工业为考查对象,研究了工业发展与6项指标的灰色相对关联度,以灰色关联度来分配指标权重,得到的指标关系较为...
  • "互联网+"与先进制造业的融合发展成为时代的热点,文中在创新的视角下,研究"互联网+"与高新技术产业创新的融合机理,分析"互联网+"对高新技术产业的作用效果,采用了熵权-灰色关联度模型,选取2013年、2015年和2017年...
  • 鉴于产业定位对小城镇发展的重要性,文中以瀛湖镇为例,利用灰色关联度模型,探讨陕西"丝绸之路经济带"沿线重点小镇的产业定位。结果显示:瀛湖镇3大产业对镇域生产总值的影响程度不同,其中第三产业影响最大,第二产业...
  • 灰色关联度分析法(GRA)_python

    千次阅读 2022-03-18 10:04:13
    灰色关联度分析法(GRA) 参考博客:GRA 定义 灰色关联度分析,是一种多因素统计分析的方法。简单来讲,就是在一个灰色系统中,我们想要了解其中某个我们所关注的某个项目受其他的因素影响的相对强弱,再直白一点,...

    灰色系统理论及其应用系列博文:
    一、灰色关联度分析法(GRA)_python
    二、灰色预测模型GM(1,1)
    三、灰色预测模型GM(1,n)
    四、灰色预测算法改进1—背景值Z
    五、灰色预测改进2—三角残差拟合
    在这里插入图片描述


    参考博客: GRA

    定义

    灰色系统理论是由著名学者邓聚龙教授首创的一种系统科学理论(Grey Theory),其中的灰色关联分析是根据各因素变化曲线几何形状的相似程度,来判断因素之间关联程度的方法。此方法通过对动态过程发展态势的量化分析,完成对系统内时间序列有关统计数据几何关系的比较,求出参考数列与各比较数列之间的灰色关联度。与参考数列关联度越大的比较数列,其发展方向和速率与参考数列越接近,与参考数列的关系越紧密。

    灰色关联度分析,是一种多因素统计分析的方法。简单来讲,就是在一个灰色系统中,我们想要了解其中某个我们所关注的某个项目受其他的因素影响的相对强弱,再直白一点,就是说:我们假设以及知道某一个指标可能是与其他的某几个因素相关的,那么我们想知道这个指标与其他哪个因素相对来说更有关系,而哪个因素相对关系弱一点,依次类推,把这些因素排个序,得到一个分析结果,我们就可以知道我们关注的这个指标,与因素中的哪些更相关。

    算法

    灰色关联度分析属于灰色系统的应用范畴分支,相比于常用的相关性分析法,其优势在于对分析样本的规律性与数量要求不高,适应性更为广泛。其思想是根据灰色关联度的大小来判断各影响因素与电力负荷特性的密切程度,从而确定哪些属于主要影响因素,哪些属于次要影响因素,避免预测时过多考虑次要影响因素而降低预测效率。总体分析流程如下:

    image-20220315141723665

    (1)选择历史数据作为原始数据序列 X ,代表分析指标体系,如公式(2-1)所示,其中m为电力负荷特性及其影响因素的特征数量, n 为样本数量。

    image-20220315141854811

    (2)为消除原始数据因单位不同而可能造成的干扰与误差,对原始数据序列根据公式(2-2)进行无量纲化处理,计算初值象序列 X I XI XI​ 如式(2-3)所示,其中 X I i j ( i = 1 , 2 , . . , n ; j = 1 , 2 , . . . , m ) XI_{ij}(i=1,2,..,n;j=1,2,...,m) XIij(i=1,2,..,n;j=1,2,...,m)为第 j 个指标的第i 个初值象。

    注意:经过实验发现不同的归一化方式会造成不同的结果,现在主流一般为均值归一化和除首行归一化。
    但最近我遇到的一组数据分布比较离散(方差大),用均值归一化和除首行归一化后,数据量纲依然会比较大,因此采用min-MAX归一化。

    image-20220315142255571

    (3)根据公式(2-4)求差值序列∆,计算差值序列如式(2-5)所示,并求得最大差 M ∆ M_{∆} M与最小差 m ∆ m_{∆} m分别如式(2-6)、(2-7)所示。

    image-20220315142813000

    (4)根据公式(2-8)计算关联度系数序列 ξ \xi ξ ,其中 ρ ∈ ( 0 , 1 ) \rho \in(0,1) ρ(0,1)​,此处取为0.5。

    image-20220315142933935

    (5)利用关联度系数根据公式(2-9)计算关联度 γ \gamma γ​​,其中 γ > 0 \gamma>0 γ>0​。

    image-20220315143221998

    (6)根据关联度大小排列顺序,判断主要影响因素与次要影响因素。
    (7)影响因素分析效果检验,包括确定指标体系时的数据检验、计算过程中公式及数据的检验、最终分析结果的检验。

    标准

    H为关联度

    在这里插入图片描述

    结论

    GRA算法本质上来讲就是提供了一种度量两个向量之间距离的方法,以数学角度要言之,该算法即度量已归一化的子向量与母向量的每一维度的l1-norm距离的倒数之和,并将其映射到0~1区间内,作为子母向量的关联性之度量的一种策略。

    例子

    本节采用江苏省无锡市锡北镇的实际数据[59],以年最大负荷 x 0 x_0 x0​为要预测的电力负荷特性,以常住人口 x 1 x_1 x1​ 、人均收入 x 2 x_2 x2​ 、GDP x 3 x_3 x3​ 、农业总产值 x 4 x_4 x4​、工业总产值 x 5 x_5 x5​ 、第三产业产值 x 6 x_6 x6​、年平均温度 x 7 x_7 x7​ 、年降水量 x 8 x_8 x8​、年售电量 x 9 x_9 x9​​​为影响因素,用GRA分析各影响因素对负荷的影响程度。

    注:母序列为最大负荷放在第一列,特征放在后面几列

    image-20220317181722783

     最大负荷,常住人口,人均收入,GDP,农业总值,工业总值,第三产业产值,年平均温度,年降水,年售电量
     21.2,6.8,3752,2.21,2.4,11.5,21,15.9,998.5,0.9
     22.7,7,3897,2.78,2.43,11.8,22,15.6,995.2,0.98
     24.36,7.15,4058,3.05,2.67,12.14,22.7,16.4,1002.6,1.1
     26.22,7.28,4237,3.82,1.85,12.2,23,17.1,1237,1.23
     28.18,7.42,4552,4.34,2.36,13,24.4,16.1,1170,1.36
     30.16,7.55,4998,5.86,2.88,13.6,25.4,16.6,1001.3,1.49
     86.6,10.23,22760,84.94,31,72,73,16.2,1232.5,5.41
    
    • 代码

      import pandas as pd
      
      data = pd.read_csv("data.csv")
      
      # 原始数据序列
      X = data.values
      
      # 无量纲化处理
      X = X / X[0, :]
      
      # 求差值序列
      X = abs((X - X[:, 0].reshape(len(X), 1))[:, 1:])
      
      M_delata = X.max()
      m_delta = X.min()
      
      rho = 0.5
      
      # 求关联系数xi
      
      Xi = (m_delta + rho * M_delata) / (X + rho * M_delata)
      gamma = Xi.mean(axis=0)
      
      
    • 无量纲化

    image-20220317181951058

    • 极差

      image-20220317182044460

    • 关联系数矩阵 ξ \xi ξ

      image-20220317182129878

    • 最终关联系数 γ \gamma γ

      image-20220317182526897

      灰色关联度排序, x 6 > x 2 > x 9 > . . . > x 3 x_6>x_2>x_9>...>x_3 x6>x2>x9>...>x3​,根据该值大小,可以看出 x 6 x_6 x6和负荷关联度最大, x 3 x_3 x3关联最小。

    展开全文
  • 数学建模笔记——评价类模型之灰色关联分析

    万次阅读 多人点赞 2020-08-22 08:40:24
    这一篇就简单介绍一下灰色关联分析吧。...事实上越往后学,例如多元回归分析、运筹学相关、时间序列分析、各类预测模型、聚类分类等等,都涉及到很多有难度的数学推导。我自己即使有所理解和学习,但想要比较简单易
  • 指出我国各省份之间的研究与发展强度具有很大的差异,然后利用灰色系统理论中的灰色关联模型分析了2000-2007年间我国31个省、市、自治区研究与发展强度与其第一产业、第二产业、第三产业和高科技产业之间的关联度。...
  • 运用各个子系统间的灰色关联度来确定子系统间的拉动因子,进而得出理想发展度和协同度,弥补了距离协同模型的两处不足.利用此方法对皖江城市带的协同发展进行了实证分析,实证结果表明皖江城市带的整体协同发展度呈...
  • 灰色关联分析笔记

    千次阅读 2020-06-16 19:02:33
    灰色关联分析笔记
  • 数字化成熟评估模型一文读尽

    千次阅读 2022-03-03 16:26:53
    虽然纯“打分”的数字化成熟评分对企业并没有太大帮助,但理解这些模型的设计思想对于我们理解数字化转型很有价值。 正文开始 本文一共提供了CMM、DMM、DCMM、DCAM、MD3M、DataFlux、IBMMMI、DSMM、IOMM、中新联团...
  • 【数学建模】灰色关联分析+Matlab代码实现

    万次阅读 多人点赞 2020-12-11 10:25:01
    1.灰色关联分析的基本思想 2.运用灰色关联分析的基本步骤 3.灰色关联分析代码实现(Matlab) 学习时间: 2020.12.11 学习产出: 1.灰色关联分析基本思想 2.运用灰色关联分析的基本步骤 ①确定分析数列 母序列(又称...
  • 同时,运用灰色关联模型进一步研究了这两个行业耦合与协调的主要驱动因素。 结论如下:文化创意产业和旅游产业以互动耦合的方式发展,前者赋予后者创造力,后者为前者提供平台支撑。 这两个行业的综合发展水平正在...
  • 灰色关联分析在数学建模以及数据分析中也是一种较为常用的方法,可用于进行系统分析或进行综合评价,本文主要介绍了灰色关联分析的原理和步骤,以及在实际案例当中如何应用求解。
  • 【数学模型】灰色关联分析

    多人点赞 热门讨论 2022-08-05 17:44:46
    数学模型-灰色关联分析
  • CMM是指“能力成熟度模型”,其英文全称为CapabilityMaturityModelforSoftware,英文缩写为SW-CMM,简称CMM。它是对于软件组织在定义、实施、度量、控制和改善其软件过程的实践中各个发展阶段的描述。CMM的核心是把...
  • ③人员能力:负责该工作的人员应能够持续跟踪国内外数据安全政策、标准、产业趋势、新技术,并能够对组织的数据安全策略规划实现持续优化。 二、PA21 组织和人员管理 1、PA描述 通过建立组织内部负责数据安全工作的...
  • 先对三个产业的产值进行归一化处理,再利用灰度关联分析得到三种产业与国民生产总值之间灰色关联度,由于第三产业与国民生产总值的灰色关联度为0.7573,为三者中的最大值,得出第三产业在2000~2005年间对国内生产...
  • 数学建模学习:灰色关联分析

    千次阅读 2022-06-07 14:36:29
    disp(mean(gamma)) 由此我们可以得到各个指标与母序列的灰色关联度 (6)通过比较三个子序列和母序列的灰色关联度可以得到结论: 该地区在2000年至2005年间的国内生产总值受到第三产业的影响最大(其灰色关联度最大...
  • 数学建模笔记——灰色关联分析

    万次阅读 多人点赞 2021-04-22 14:05:09
    曲线越接近,相应序列之间的关联度就越大,反之则越小。 灰色关联分析怎么用 应用1 进行系统分析 第一步:画统计图 根据统计图可得以下结论: 四个变量均呈上升趋势 第二产业的增幅较为明显 第二产业和第三产业的...

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 10,967
精华内容 4,386
热门标签
关键字:

产业关联度模型