CN113256075A - 一种基于层次分析和模糊综合评价法的企业风险等级评价方法 - Google Patents
一种基于层次分析和模糊综合评价法的企业风险等级评价方法 Download PDFInfo
- Publication number
- CN113256075A CN113256075A CN202110471226.XA CN202110471226A CN113256075A CN 113256075 A CN113256075 A CN 113256075A CN 202110471226 A CN202110471226 A CN 202110471226A CN 113256075 A CN113256075 A CN 113256075A
- Authority
- CN
- China
- Prior art keywords
- enterprise
- risk
- judgment matrix
- score
- level
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0635—Risk analysis of enterprise or organisation activities
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/903—Querying
- G06F16/90335—Query processing
- G06F16/90344—Query processing by using string matching techniques
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/16—Matrix or vector computation, e.g. matrix-matrix or matrix-vector multiplication, matrix factorization
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0639—Performance analysis of employees; Performance analysis of enterprise or organisation operations
- G06Q10/06393—Score-carding, benchmarking or key performance indicator [KPI] analysis
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Strategic Management (AREA)
- Development Economics (AREA)
- Data Mining & Analysis (AREA)
- Mathematical Physics (AREA)
- Databases & Information Systems (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Tourism & Hospitality (AREA)
- Computational Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Algebra (AREA)
- Software Systems (AREA)
- Computing Systems (AREA)
- Computational Linguistics (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于层次分析和模糊综合评价法的企业风险等级评价方法,所述方法通过建立初始各级指标打分体系,由于该体系中主观因素比重过多,于是通过层次分析,客观给出各层级指标权重,优化了初始各级指标打分体系中的等权重的情况,以企业风险评价为例,起初最终的企业风险评价是依据各企业的最终得分,人为判断等级,有失公允,为了得到客观的评价结果,建立模糊综合评价模型,通过构建隶属函数,结合层次分析得到的权重,给出每个企业属于各个风险等级的可能性,取概率最高值作为评价结果,提高了企业风险等级评价的准确性。
Description
技术领域
本发明涉及计算机应用技术领域,尤其涉及一种基于层次分析和模糊综合评价法的企业风险等级评价方法,上述评价方法通过构建主观打分体系结合客观数学模型解决了多层级指标评价效率低下,并且主观评价成分较高的问题。
背景技术
随着时代的发展,指标类评价方法作为管理决策的常用工具,其理论和实践应用也在逐步发展。从最初的主观评分评价、组合指标评价法、综合指数评价法到现在结合各类数学模型综合评价法,指标类问题的评价方法逐渐客观化和数学化。指标类评价方法的应用领域也在逐步扩展,小到旅游目的地的决策,大到宏观层次社会发展的评价,指标类评价方法为人们做出正确决策提供了科学依据;目前对多指标综合评价方法进行***全面研究的文献较少,很多方法都是基于特定问题来进行研究,失去了普遍适用性,而且指标类综合评价过程或过于主观或过于客观,这两者都会导致最后的结果达不到一定的准确度;对此,本申请中提出了一种基于层次分析和模糊综合评价法的企业风险等级评价方法,上述评价方法通过构建主观打分体系结合客观数学模型解决了多层级指标评价效率低下,并且主观评价成分较高的问题。
发明内容
本发明所要解决的技术问题在于针对现有的综合指数评价采用的各层级指标等权重导致的主观因素比重过多而使指数评价不准确的技术问题,本申请中构思的基于层次分析和模糊综合评价法的企业风险等级评价方法通过建立初始各级指标打分体系,由于该体系中主观因素比重过多,于是通过层次分析,客观给出各层级指标权重,优化了初始各级指标打分体系中的等权重的情况,以企业风险评价为例,起初最终的企业风险评价是依据各企业的最终得分,人为判断等级,有失公允,为了得到客观的评价结果,建立模糊综合评价模型,通过构建隶属函数,结合层次分析得到的权重,给出每个企业属于各个风险等级的可能性,取概率最高值作为评价结果;上述评价方法通过构建主观打分体系结合客观数学模型解决了多层级指标评价效率低下,并且主观评价成分较高的问题。
为实现上述发明目的,本发明采用如下的技术方案:
一种基于层次分析和模糊综合评价法的企业风险等级评价方法,包含以下步骤:
步骤1:构建详细的评价体系
1)数据准备:首先根据资源库中存在的企业数据字段,筛选出与企业风险等级相关的字段;
2)数据分层:将筛选出来的字段进行分类,得到二级指标;
3)构建各层指标打分规则:根据筛选出来的各个字段的属性,建立相应的打分规则;
步骤2:对指标类项目进行评价
1)权重获取
(1)判断矩阵:首先生成二级指标下各级指标的判断矩阵,通过对各级指标中的各种属性中的任意两个的重要程度进行比较,填充判断矩阵,并得到判断矩阵;
(2)一致性检验:对步骤(1)中得到的判断矩阵进行一致性检验;
(3)一致性修正:当步骤(2)中的一致性检验判断合格时,即,以步骤(1)中得到的判断矩阵作为最终的判断矩阵;当步骤(2)中的一致性检验判断检查中存在的逻辑问题,对步骤(1)中得到的判断矩阵进行人工一致性修正或者数学一致性修正,使其通过一致性检验;
(4)权重计算:对步骤(3)中所得的判断矩阵进行权重计算,所述的权重计算方法采用算术平均法求权重、几何平均法求权重、特征值法求权重中的一种,得到最终的等级权重;
2)企业概况得分
当一条企业数据进入评分体系,首先根据统一社会信用代码,将企业进行分类,按照步骤1中的指标打分规则,计算该企业的详细情况得分,同时,计算该企业的基本情况得分,根据权重对这两个得分进行综合得到最终的一级指标企业概况的得分;
3)企业管理得分
由于企业管理分为日常管理和合格证件,所以需要根据步骤1中的指标打分规则分别计算该企业的日常管理得分和合格证件得分,根据权重对这两个得分进行综合得到最终的企业管理得分;
4)历史隐患得分
一级指标历史隐患由两个二级指标构成,分别是行政处罚和事故损失,根据步骤1中的指标打分规则分别计算该企业的行政处罚得分和事故损失得分,根据权重对两个二级指标进行加权求和得到最终的历史隐患得分;
5)风险监控得分
风险检测、设备风险、作业风险、违法风险、环境风险这五个二级指标构成一级指标风险监控,根据层次分析得到的这五个二级指标的权重进行加权求和,计算最终的风险监控得分;
6)模糊综合评价
当计算所有节点关系权重后,聚焦最终输出,通过一级指标计算最终评分等级时引入模糊综合评价模型,一级指标为企业概况、历史隐患、企业管理、风险监控;具体评价过程如下:
(1)数据准备:根据上述步骤1)中得到企业概况权重、企业管理权重、历史隐患权重和风险监控权重,用符号w=[w1,w2,w3,w4]来表示,根据上述步骤2)-步骤5),得到一级指标企业概况得分、企业管理得分、历史隐患得分和风险监控得分,用符号score=[A1,A2,A3,A4];
(2)构建隶属函数;
(3)模糊综合评价;依照步骤(2)中构建的隶属函数得到归属度矩阵
结合w=[w1,w2,w3,w4],得到该企业的综合隶属度,
最后根据隶属度最大值所对应的风险等级作为最终的评价预测值。
其中,对于步骤1中的数据准备这一步骤中,根据资源库中存在的企业数据字段,筛选出与企业风险等级相关的字段,得到以下149个字段:企业种类、统一社会信用代码、重大危险源等级、企业标准化等级、特种作业人员人数、是否有剧毒品、是否有危化品、监管类别、风险分级类别(风险等级)、信用等级、是否被拉入黑名单、是否属于"三场所三企业"、注册安全工程师人数、监管层级、监管等级、风险等级、专职安全生产管理人员数、注册安全工程师人数、专职安全生产管理人员人数、专职安全管理人员人数、剧毒化学品作业人员人数、危险化学品作业人员人数、特种作业人员人数、危险化学品库房或仓储场所建筑面积(平方米)、储罐(容器)总容积(立方米)、是否有仓储设施、罐区总数量、罐区罐总容积、仓库总数量、仓库总容积、重大危险源数量、企业货运车总辆数、企业货运车总吨位、危货车辆数含挂、危货车辆数含挂总吨位、危货车辆数不含挂、危货车辆数不含挂总吨位、合计艘数、合计总吨GT、合计载重吨Deadweight tonnage(DWT)、成品油(refined oil)船艘数、成品油船总吨GT、成品油船载重吨Deadweight tonnage(DWT)、化学品船艘数、化学品船总吨GT、化学品船载重吨(DWT)、液化气(Liquefied Petroleum Gas)艘数、液化气船总吨GT、液化气船载重吨(DWT)、罐区总数量、罐区总容积、仓库总数量、仓库总容积、企业规模、专职安全生产管理人员人数、安全生产标准化等级、重大危险源数量、核准经营总规模(吨/年)、核准经营利用规模、核准经营规模(桶/年)、液化天然气罐个数、液化天然气罐总容积、液化天然气罐设计储量、压缩天然气罐个数、压缩天然气罐总容积、压缩天然气罐设计储量、总设计储量、加气站等级、汽油罐个数、汽油罐总容积、柴油罐个数、柴油罐总容积、加油站等级、是否构成重大危险源、是否有重点监管、非煤矿山建设项目安全设施设计审查意见书、危化品建设项目安全条件审查意见书、危险化学品建设项目安全设施设计审查意见书、非药品易制毒化学品生产备案证明、非药品易制毒化学品经营备案证明、危险化学品重大危险源备案登记表、非药品易制毒化学品经营许可证、非药品类易制毒化学品生产许可证、中华人民共和国采矿许可证、矿山安全生产许可证、危险化学品经营许可证、危险化学品安全生产许可证、危险化学品安全使用许可证、烟花爆竹零售许可证、烟花爆竹批发许可证、烟花爆竹安全生产许可证、特种设备使用登记证、特种设备行政许可证、内陆渔业船舶证书、船舶所有权证书、道路运输证、道路危险货物运输经营许可证、道路运输经营许可证、船舶营业运输证证书、内河船舶证书信息簿证书、燃气经营许可证、许可证信息表、消防安全许可信息、安全评价机构资质证书、安全生产检测检验机构资质证书、安全生产知识和管理能力考核合格证、国家特种作业操作证、特种作业操作证版式文件、安全管理和作业人员证_市监、特种设备检验检测人员证、道路运输从业人员从业资格证、渔业船舶职务船员适任证书、安全管理和作业人员证_应急厅、近三年被执法处罚的数量、作出行政处罚决定日期、是否法制审核、工伤人数、事故数、隐患数量、处罚类型、财产损失、重伤人数、是否发生火灾隐患、是否有压力管道、是否有场(厂)内机动车辆、是否有起重机械、是否有电梯、是否有压力容器、是否有锅炉、有无高风险设备、是否有检维修作业、是否有断路作业、是否有动土作业、是否有高处作业、是否有高危作业、是否有吊装作业、是否喷涂作业、是否有临时用电、是否有盲板抽堵、是否有动火、是否涉氨制冷、是否粉尘涉爆、是否有易制毒、是否有易制爆、有无高风险场所、是否有限空间、是否有受限空间;
其中,对于步骤1中的数据分层这一步骤中,将筛选出来的字段进行分类,得到如下二级指标:企业基本情况、企业详细情况、企业日常管理、企业合格证件、行政处罚、企业的事故损失、企业风险检测、企业作业风险、企业违法风险、企业设备风险和企业环境风险,最后根据二级指标的性质进一步划分得到四个一级指标:企业概况(企业基本情况和企业详细情况)、企业管理(企业日常管理和企业合格证件)、企业历史隐患(行政处罚和企业的事故损失)和企业风险监控(企业风险检测、企业作业风险、企业违法风险、企业设备风险和企业环境风险);
其中,对于步骤1中的构建各层指标打分规则这一步骤中,根据筛选出来的各个字段的属性,建立相应的打分规则;如果该字段是离散字段,则需要根据该字段的字面意义进行得分,如“是否有剧毒品”字段,按照字段的字面意义,制定的打分规则是:如果该企业有剧毒品则进行减分,否则进行加分;如果该字段是连续字段,则需要根据该字段的字面意义进行得分,如“注册安全工程师人数”字段,按照字段的字面意义,制定的打分规则是:注册安全工程师人数按照梯度计算,10人,30人,50人,50人以上,人数越多,该企业得分越高;
其中,对于步骤2中的一致性修正这一步骤中,使用了两类方法进行一致性修正,分别是人工修正和数学修正;人工修正就是重新检查判断矩阵中存在的逻辑问题,进行人为修改重要性,使其通过一致性检验;数学修正有多种方法,这些方法有利有弊,选取了三种修正方法并进行比较,选取原则就是尽量在修正的过程中保留原判断矩阵所包含的信息,而且具有易于实现的特点;
1)方法一:
由于判断矩阵是一致的判断矩阵的导出矩阵中的元素均为1,于是基于这一特性,该修正方法分为以下三个步骤:(1)找出判断矩阵中影响一致性检验不通过最主要的元素,也就是判断矩阵的到处矩阵中偏离1最大的元素;(2)如果对应的判断矩阵中该元素偏大,则尝试减1,如果对应的判断矩阵中该元素偏小,则尝试加1;(3)对调整过的判断矩阵进行一致性检验,如果通过则无需进行修正,否证重复(2)和(3)直至通过一致性检验;该方法优点:尽量保留判断矩阵的原始信息,只修改影响一致性检验的元素;
2)方法二:
基于一致性矩阵的性质,该修正方法总共分为以下三个步骤:
(1)计算判断矩阵A的特征值和特征向量,并找出最大特征值所对应的特征向量w;(2)对判断矩阵进行列归一化,得到归一化矩阵B;(3)计算特征向量与归一化矩阵B各列的夹角余弦值,找出夹角余弦值偏离1最大的列和最小的列,依据夹角余弦值最小的列的值,对应修改最大夹角余弦值所对应的判断矩阵的列;该方法有一定的缺点:对判断矩阵进行修正时,默认该判断矩阵中影响一致性检验不通过的元素存在专家误判可能,修正方法过于主观;
该方法思想与方法二思想相同,但是修正方法不同,修正过程分为以下步骤:
(1)计算判断矩阵A的特征值和特征向量,并找出最大特征值所对应的特征向量w;(2)对判断矩阵进行列归一化,得到归一化矩阵B;(3)计算特征向量与归一化矩阵B各列的夹角余弦值,找出夹角余弦值偏离1最大的列r,对其进行公式修正,使其夹角余弦值接近1;(4)对调整后的判断矩阵进行一致性检验,若通过则无需再次修正,否则重复上述(1)、(2)、(3),直至一致性检验通过;
其中,对于步骤2中的构建隶属函数这一步骤中,隶属函数的构建方法多样,主要分为以下三个大类:
1)模糊统计法:模糊统计法的原理是,找多个人对同一个模糊概念进行描述,用隶属频率去定义隶属度;
2)借助已有的客观尺度:对于某些模糊集合,可以用已经存在的指标去作为元素的隶属度;
3)指派法:指派法是主观性较强的方法,可凭借主观意愿,在确定模糊集合的所属分类后,给它指派一个隶属函数,得到元素的隶属度;在调参之前,由于无法确定隶属函数,基于步骤2中的步骤2)-步骤5)计算的所有企业的一级指标企业概况得分、企业管理的分、历史隐患得分和风险监控得分,根据每个一级指标得分的数据分布情况,计算上四分位点、下四分位点、中位数、最小值和最大值,构造不同等级的隶属函数;
其中,所述的基于层次分析和模糊综合评价法的企业风险等级评价方法还包括对指标中所对应的参数进行参数调整这一步骤;
所述的参数调整这一步骤包括两种方法:其一为调节各个指标的所对应的参数以及模糊综合评价模型中的隶属函数,称作层次调参法,其二为建立损失模型,通过最小二乘法求解最优参数,称作损失函数调参法;
所述的层次调参法包括如下步骤:
所述的参数调整为基于一级指标判断矩阵,得到最终预测时一级指标所对应的权重,根据一级指标的重要性,确定参数的调节顺序;
(1)按照上述的参数调节顺序,查看一级指标得分、企业风险真实值、企业风险预测值,挖掘这三个指标之间的内在联系,筛选企业概况中有调节意义的参数,筛选标准:若企业概况中该属性是连续属性,则查看该属性数据的离散程度,如离散程度低则参数调节意义不大;若企业概况中该属性是离散属性,则查看不同类别数据所占的比例,若不同类别的数据所占比例差异悬殊,则参数调节意义不大;筛选结束后,对参数进行试验性调节,查看对应的得分变化以及预测值变化;
(2)调节模糊综合评价模型中的隶属函数,根据一级指标的得分和企业风险真实值,建立一级指标得分和企业风险真实值的联系函数作为隶属函数;
所述的损失函数调参法包括如下步骤:
建立损失函数
其中,θ1:企业概况参数;θ2:企业管理参数;θ3:历史隐患参数;θ4:风险监控参数;
X1:企业概况得分;X2:企业管理得分;X3:历史隐患得分;X4:风险监控得分;
X:企业概况下各个属性得分;Y:企业管理下各个属性得分;Z:历史隐患下各个属性得分;M:风险监控下各个属性得分;
模糊综合评价得到最终的预测值:
其中,w=[w1 w2 w3 w4]:一级指标所对应的权重f:模糊综合评价中的隶属函数,
[y1 y2 y3 y4]中最大值所对应的等级就是最终的预测值;
目标函数就是最小化损失函数:
L(θ)=minimize(Bθ-Y)T(Bθ-Y);
θ=[θ1 θ2 θ3 θ4];
通过最小二乘法求解可得:
本发明与现有技术相比具有以下优点:本发明解决了现有的综合指数评价采用的各层级指标等权重导致的主观因素比重过多而使指数评价不准确的技术问题,采用将获取的多个二级指标和一级指标进行权重分配和模糊综合评价到达了客观的评价结果,建立的模糊综合评价模型,通过构建隶属函数,结合层次分析得到的权重,给出每个企业属于各个风险等级的可能性,取概率最高值作为评价结果,同时通过调节各个指标的所对应的参数以及模糊综合评价模型中的隶属函数的参数实现了更加准确的评价。
附图说明
图1为本发明中的基于层次分析和模糊综合评价法的企业风险等级评价方法流程图;
图2为本发明中的构建评价体系的流程图;
图3为本发明中的对指标类项目进行评价的流程图;
图4为本发明中的权重获取的流程图;
图5为本发明中的模糊综合评价过程的流程图;
图6为本发明中的指标评分体系图。
具体实施方式
下面结合图1-6与具体实施方式对本发明做进一步的说明。
图1为根据本发明实施方式的一种基于层次分析和模糊综合评价法的企业风险等级评价方法流程图,如图1所示方法首先根据构建的评价体系,从数据库中提取评价体系中的所涉及到的数据进行数据清洗,接着根据层次分析获得的末级指标的权重对缺失数据进行初始值填补,并按照评价体系计算一级指标企业概况、企业管理、历史隐患和风险监控的得分,最后根据计算好的各个一级指标得分确定模糊综合评价中的隶属函数并确定每条企业数据各个一级指标对于不同风险等级的隶属度,结合层次分析下一级指标的权重预测该企业的风险等级。对比已知的部分企业真实风险等级建立损失函数调整评价体系中的参数,使得风险等级结果预测更优。
图2为本发明中所构建的评价体系的流程图,如图2所示,专业人员基于自身的风控背景从资源库中选取和企业风险等级相关的企业数据字段,并对筛选出来的初始字段进行分类提取出二级指标,同样的对二级指标进行分类提取出最终的一级指标,最后根据一级指标的具体计算数值结合一定的模型的确定企业的风险等级。
图3为本发明中对指标类项目进行评价的流程图。首先建立评价体系中一级指标、二级指标以及末级指标的判断矩阵,专业人士根据项目的相关背景以及对各个指标的深度理解结合所给出的标度表填充判断矩阵,并综合算术平均法、几何平均法和特征值法计算所有指标的权重,接着对处理好的从资源库中提取出来的企业数据进行加权求和得到一级指标企业概况、企业管理、历史隐患和风险监控的得分,最后将模糊综合评价应用到这四个指标的得分对企业的风险等级进行评价。
图4是本发明中权重获取的流程图。以一级指标为例详述权重的获取过程。
(1)判断矩阵的建立:首先是判断矩阵的建立。专业人员根据自己对147个属性的业务理解,根据下面如表1所示的重要程度标度表给出两两属性的重要程度标度,填充判断矩阵。
表1
标度 | 含义 |
1 | 同样重要 |
3 | 稍微重要 |
5 | 明显重要 |
7 | 强烈重要 |
9 | 极端重要 |
2、4、6、8 | 上述两相邻判断的中值 |
倒数 | A和B相比如果标度为3,那么B和A相比标度为1/3 |
获取如表2所示的一级指标判断矩阵:
表2
企业概况 | 企业管理 | 历史隐患 | 风险监控 | |
企业概况 | 1 | 3 | 1/3 | 3 |
企业管理 | 1/3 | 1 | 1/9 | 7 |
历史隐患 | 3 | 9 | 1 | 7 |
风险监控 | 1/3 | 1/7 | 1/7 | 1 |
其中,判断矩阵中数字的含义:专业人员依据自己对业务的理解认为企业概况指标比企业管理指标稍微重要,则相应的数字则为3,反之企业管理相对于企业概况的重要性则为1/3。
(2)进行一致性检验:接着对判断矩阵进行一致性检验,若一致性检验通过则直接进行权重计算否则需要对判断矩阵进行一致性修正,再进行权重计算。由于专业人士给出的判断矩阵中可能存在一定的逻辑问题,比如因素A比因素B重要,因素B比因素C重要,因素C又比因素A重要,为了避免存在这类的逻辑问题,我们对判断矩阵进行了一致性检验。一致性检验步骤如下:
1)计算一致性指标CI
其中,λmax是判断矩阵最大的特征值,n是判断矩阵的维度。
2)查找对应的平均随机一致性指标RI,如下表3所示:
表3
3)计算一致性比例CR
如果CR<0.1,则可认为判断矩阵的一致性可以接收;否则需要对判断矩阵进行一致性修正。
(3)进行一致性检验:当专业人士给出的判断矩阵一致性较差时,根据决策者意愿可采用人工修正和数学修正矩阵。
(4)权重计算:权重计算通常使用算术平均法、几何平均法和特征值法,综合了这三种权重计算方法,取均值作为最终各个属性的权重。以修正后的一级指标判断矩阵为例,计算一级指标的权重,如下表4所示:
表4
1)算术平均法:首先对判断矩阵进行列归一化(矩阵中每个元素除以其所在列的和)得到归一化矩阵,如下表5所示:
表5
企业概况 | 企业管理 | 历史隐患 | 风险监控 | |
企业概况 | 0.22 | 0.23 | 0.22 | 0.21 |
企业管理 | 0.07 | 0.08 | 0.07 | 0.16 |
历史隐患 | 0.66 | 0.68 | 0.65 | 0.58 |
风险监控 | 0.05 | 0.02 | 0.06 | 0.05 |
接着将归一化后的矩阵按行求和,并除以该矩阵的维度,得到一级指标的权重,如下表6所示:
表6
一级指标 | 权重 |
企业概况 | 0.22 |
企业管理 | 0.095 |
历史隐患 | 0.6425 |
风险监控 | 0.045 |
2)几何平均法:首先对判断矩阵中的元素按行相乘得到一个新的列向量,并进行维度次开方,最后进行列归一化,如下表7所示:
表7
一级指标 | 权重 |
企业概况 | 0.22 |
企业管理 | 0.09 |
历史隐患 | 0.65 |
风险监控 | 0.04 |
3)特征值法:首先求出判断矩阵的最大特征值以及其对应的特征向量,对求得的特征向量进行归一化即可得到一级指标的权重,如下表8所示:
表8
一级指标 | 权重 |
企业概况 | 0.22 |
企业管理 | 0.09 |
历史隐患 | 0.64 |
风险监控 | 0.05 |
4)综合三种方法得到最终权重,如下表9所示:
表9
一级指标 | 权重 |
企业概况 | 0.22 |
企业管理 | 0.091667 |
历史隐患 | 0.644167 |
风险监控 | 0.045 |
图5为本发明中模糊综合评价过程的流程图。如图5所示,一级指标企业概况、企业管理、历史隐患和风险监控的得分以及权重计算完成后,我们将聚焦最终输出,通过引入模糊综合评价模型来预测最终的企业风险等级。首先是隶属函数的确定,本发明中使用的是指派法中梯形分布函数:
其中a,b,c,d分别是我们的一级指标得分中最小值、下四分位数、中位数、上四分位数和最大值中的部分数值。以一级指标企业概况得分为例,详述企业概况不同风险等级的隶属函数计算过程:(1)计算企业概况得分的最小值x1、下四分位数x2、中位数x3、上四分位数x4和最大值x5;(2)基于分数越高该企业隶属于蓝色风险的可能性越高和分数越低该企业隶属于红色风险的可能性越高的思想,构建企业概况不同风险等级的隶属函数:
隶属函数确定后,根据各个一级指标的隶属函数计算隶属矩阵结合一级指标的权重得到综合隶属度,确定企业的风险等级,如图6所示。
表10
红色(特高风险) | 橙色(高风险) | 黄色(中风险) | 蓝色(低风险) | |
企业概况 | 0.7 | 0.5 | 0.2 | 0.8 |
企业管理 | 0.2 | 0.3 | 0.5 | 0.5 |
历史隐患 | 0.5 | 0.2 | 0.1 | 0.5 |
风险监控 | 0.125 | 0.2 | 0.2 | 0.1 |
如上表10,表格中的值是通过隶属函数计算得到的隶属度,如企业概况那一行,其中0.7是企业概况隶属于红色的概率,0.5是企业概况隶属于橙色的概率,0.2是企业概况隶属于黄色的概率,0.8是企业概况隶属于蓝色的概率。结合图4的权重获取流程中计算得到的一级指标权重w=[0.22,0.091667,0.644167,0.045],通过加权求和得到该企业的综合隶属度可以得到该条企业数据的风险等级为蓝色。
在上述对本发明中的企业风险等级评价方法描述的基础上,本发明以某市应急厅企业多指标风险等级评价项目为例,详细描述上述评价方法:
一、构建详细的评价体系(以某市应急厅企业多指标风险等级评价项目为例)
(1)数据准备
首先根据资源库中存在的企业数据字段,筛选出与企业风险等级相关的字段,得到以下149个字段:企业种类、统一社会信用代码、重大危险源等级、企业标准化等级、特种作业人员人数、是否有剧毒品、是否有危化品、监管类别、风险分级类别(风险等级)、信用等级、是否被拉入黑名单、是否属于"三场所三企业"、注册安全工程师人数、监管层级、监管等级、风险等级、专职安全生产管理人员数、注册安全工程师人数、专职安全生产管理人员人数、专职安全管理人员人数、剧毒化学品作业人员人数、危险化学品作业人员人数、特种作业人员人数、危险化学品库房或仓储场所建筑面积(平方米)、储罐(容器)总容积(立方米)、是否有仓储设施、罐区总数量、罐区罐总容积、仓库总数量、仓库总容积、重大危险源数量、企业货运车总辆数、企业货运车总吨位、危货车辆数含挂、危货车辆数含挂总吨位、危货车辆数不含挂、危货车辆数不含挂总吨位、合计艘数、合计总吨GT、合计载重吨Deadweighttonnage(DWT)、成品油(refined oil)船艘数、成品油船总吨GT、成品油船载重吨Deadweight tonnage(DWT)、化学品船艘数、化学品船总吨GT、化学品船载重吨(DWT)、液化气(Liquefied Petroleum Gas)艘数、液化气船总吨GT、液化气船载重吨(DWT)、罐区总数量、罐区总容积、仓库总数量、仓库总容积、企业规模、专职安全生产管理人员人数、安全生产标准化等级、重大危险源数量、核准经营总规模(吨/年)、核准经营利用规模、核准经营规模(桶/年)、液化天然气罐个数、液化天然气罐总容积、液化天然气罐设计储量、压缩天然气罐个数、压缩天然气罐总容积、压缩天然气罐设计储量、总设计储量、加气站等级、汽油罐个数、汽油罐总容积、柴油罐个数、柴油罐总容积、加油站等级、是否构成重大危险源、是否有重点监管、非煤矿山建设项目安全设施设计审查意见书、危化品建设项目安全条件审查意见书、危险化学品建设项目安全设施设计审查意见书、非药品易制毒化学品生产备案证明、非药品易制毒化学品经营备案证明、危险化学品重大危险源备案登记表、非药品易制毒化学品经营许可证、非药品类易制毒化学品生产许可证、中华人民共和国采矿许可证、矿山安全生产许可证、危险化学品经营许可证、危险化学品安全生产许可证、危险化学品安全使用许可证、烟花爆竹零售许可证、烟花爆竹批发许可证、烟花爆竹安全生产许可证、特种设备使用登记证、特种设备行政许可证、内陆渔业船舶证书、船舶所有权证书、道路运输证、道路危险货物运输经营许可证、道路运输经营许可证、船舶营业运输证证书、内河船舶证书信息簿证书、燃气经营许可证、许可证信息表、消防安全许可信息、安全评价机构资质证书、安全生产检测检验机构资质证书、安全生产知识和管理能力考核合格证、国家特种作业操作证、特种作业操作证版式文件、安全管理和作业人员证_市监、特种设备检验检测人员证、道路运输从业人员从业资格证、渔业船舶职务船员适任证书、安全管理和作业人员证_应急厅、近三年被执法处罚的数量、作出行政处罚决定日期、是否法制审核、工伤人数、事故数、隐患数量、处罚类型、财产损失、重伤人数、是否发生火灾隐患、是否有压力管道、是否有场(厂)内机动车辆、是否有起重机械、是否有电梯、是否有压力容器、是否有锅炉、有无高风险设备、是否有检维修作业、是否有断路作业、是否有动土作业、是否有高处作业、是否有高危作业、是否有吊装作业、是否喷涂作业、是否有临时用电、是否有盲板抽堵、是否有动火、是否涉氨制冷、是否粉尘涉爆、是否有易制毒、是否有易制爆、有无高风险场所、是否有限空间、是否有受限空间。
(2)数据分层
将筛选出来的字段进行分类,得到如下二级指标:企业基本情况、企业详细情况、企业日常管理、企业合格证件、行政处罚、企业的事故损失、企业风险检测、企业作业风险、企业违法风险、企业设备风险和企业环境风险,最后根据二级指标的性质进一步划分得到四个一级指标:企业概况(企业基本情况和企业详细情况)、企业管理(企业日常管理和企业合格证件)、企业历史隐患(行政处罚和企业的事故损失)和企业风险监控(企业风险检测、企业作业风险、企业违法风险、企业设备风险和企业环境风险)。
(3)构建各层指标打分规则
根据筛选出来的各个字段的属性,建立相应的打分规则。如果该字段是离散字段,则需要根据该字段的字面意义进行得分,如“是否有剧毒品”字段,按照字段的字面意义,我们制定的打分规则是:
如果该企业有剧毒品则进行减分,否则进行加分。如果该字段是连续字段,则需要根据该字段的字面意义进行得分,如“注册安全工程师人数”字段,按照字段的字面意义,我们制定的打分规则是:注册安全工程师人数按照梯度计算,10人,30人,50人,50人以上,人数越多,该企业得分越高。
二、指标类项目评价过程
步骤1:权重获取
人为设置权重的过程往往存在主观因素过重的缺点,因此我们借助层次分析法给出各级指标的科学权重。
(1)判断矩阵
首先生成一级指标、二级指标下各级指标的判断矩阵,找专业人士给出两两属性的重要程度比较,填充判断矩阵。
(2)一致性检验
专业人士给出的判断矩阵中可能存在一定的逻辑问题,比如因素A比因素B重要,因素B比因素C重要,因素C又比因素A重要,为了避免存在这类的逻辑问题,我们对判断矩阵进行了一致性检验。
(3)一致性修正
当专业人士给出的判断矩阵一致性较差时,我们使用了两类方法进行一致性修正,分别是人工修正和数学修正。
人工修正就是重新检查判断矩阵中存在的逻辑问题,进行人为修改重要性,使其通过一致性检验。
数学修正有多种方法,这些方法有利有弊,我们选取了三种修正方法并进行比较,选取原则就是尽量在修正的过程中保留原判断矩阵所包含的信息,而且具有易于实现的特点。
方法一
找出判断矩阵中影响一致性检验不通过最主要的元素,也就是判断矩阵的到处矩阵中偏离1最大的元素;
如果对应的判断矩阵中该元素偏大,则尝试减1,如果对应的判断矩阵中该元素偏小,则尝试加1;
对调整过的判断矩阵进行一致性检验,如果通过则无需进行修正,否证重复2)和3)直至通过一致性检验;
该方法优点:尽量保留判断矩阵的原始信息,只修改影响一致性检验的元素。
方法二
判断矩阵最大特征值对应的特征向量与归一化的判断矩阵各列向量的夹角余弦值为1;
基于一致性矩阵的性质,该修正方法总共分为以下三个步骤:
计算判断矩阵A的特征值和特征向量,并找出最大特征值所对应的特征向量w;
对判断矩阵进行列归一化,得到归一化矩阵B;
计算特征向量与归一化矩阵B各列的夹角余弦值,找出夹角余弦值偏离1最大的列和最小的列,依据夹角余弦值最小的列的值,对应修改最大夹角余弦值所对应的判断矩阵的列;
该方法有一定的缺点:
对判断矩阵进行修正时,默认该判断矩阵中影响一致性检验不通过的元素存在专家误判可能,修正方法过于主观。
方法三
判断矩阵最大特征值对应的特征向量与归一化的判断矩阵各列向量的夹角余弦值为1;
该方法思想与方法二思想相同,但是修正方法不同。修正过程分为以下步骤:
计算判断矩阵A的特征值和特征向量,并找出最大特征值所对应的特征向量w;
对判断矩阵进行列归一化,得到归一化矩阵B;
计算特征向量与归一化矩阵B各列的夹角余弦值,找出夹角余弦值偏离1最大的列r,对其进行公式修正,使其夹角余弦值接近1;
对调整后的判断矩阵进行一致性检验,若通过则无需再次修正,否则重复上述1)、2)、3),直至一致性检验通过。
(4)权重计算
权重计算方法分为算术平均法求权重、几何平均法求权重、特征值法求权重,综合以上三种权重计算方法,得到最终的等级权重。
步骤2:企业概况得分
一条企业数据进入评分体系,首先根据统一社会信用代码,将企业进行分类,按照该类企业制定的打分规则,计算该企业的详细情况得分。除了计算该企业的详细情况得分,还需要计算该企业的基本情况得分,综合这两个得分得到最终的一级指标企业概况的得分。
步骤3:企业管理得分
计算完一级指标企业概况的得分,接下来计算一级指标企业管理的得分。由于企业管理分为日常管理和合格证件,所以需要分别计算该企业的日常管理得分和合格证件得分,综合两个的得分得到最终的企业管理得分。
步骤4:历史隐患得分
一级指标历史隐患有两个二级指标构成,分别是行政处罚和事故损失。分别计算该企业的行政处罚得分和事故损失得分,根据权重对两个二级指标进行加权求和得到最终的历史隐患得分。
步骤5:风险监控得分
风险检测、设备风险、作业风险、违法风险、环境风险这五个二级指标构成一级指标风险监控,根据层次分析得到的这五个二级指标的权重进行加权求和,计算最终的风险监控得分。
步骤6:模糊综合评价
当计算所有节点关系权重后,聚焦最终输出,我们在通过一级指标(企业概况,历史隐患,企业管理,风险监控)计算最终评分等级时引入模糊综合评价模型。具体评价过程如下:
数据准备:
根据步骤1可以得到一级指标企业概况、企业管理、历史隐患和风险监控的权重,用符号w=[w1,w2,w3,w4]来表示。根据上述步骤2-步骤5,可以得到一级指标企业概况得分、企业管理得分、历史隐患得分和风险监控得分,用符号score=[A1,A2,A3,A4]。
构建隶属函数:
隶属函数的构建方法多样,主要分为以下三个大类:
模糊统计法:模糊统计法的原理是,找多个人对同一个模糊概念进行描述,用隶属频率去定义隶属度;
借助已有的客观尺度:对于某些模糊集合,可以用已经存在的指标去作为元素的隶属度;
指派法:指派法是主观性较强的方法,可凭借主观意愿,在确定模糊集合的所属分类后,给它指派一个隶属函数,得到元素的隶属度;
在调参之前,由于无法确定隶属函数,基于步骤2-步骤5计算的所有企业的一级指标企业概况得分、企业管理的分、历史隐患得分和风险监控得分,根据每个一级指标得分的数据分布情况,计算上四分位点、下四分位点、中位数、最小值和最大值,构造不同等级的隶属函数。
计算过程:
依照构建的隶属函数得到归属度矩阵:
结合步骤1得到的w=[w1,w2,w3,w4],得到该企业的综合隶属度
最后根据隶属度最大值所对应的风险等级作为最终的评价预测值。
三、指标类项目调参方法
本次调参主要有以下两种方法:
调节各个指标的所对应的参数以及模糊综合评价模型中的隶属函数(层次调参法):
建立损失模型,通过最小二乘法求解最优参数:
方法一:层次调参法
基于专业人员给出的一级指标判断矩阵,得到最终预测时一级指标所对应的权重分别是:
企业概况:0.502290626,
企业管理:0.368813694,
历史隐患:0.088076892,
风险监控:0.040818788;
根据一级指标的重要性,参数的调节顺序为:企业概况>企业管理>历史隐患>风险监控;
方法一的调参架构:
(1)按照上述的参数调节顺序,查看一级指标得分、企业风险真实值、企业风险预测值,挖掘这三个指标之间的内在联系,筛选企业概况中有调节意义的参数,筛选标准:
1、若企业概况中该属性是连续属性,则查看该属性数据的离散程度,如离散程度低则参数调节意义不大;
2、若企业概况中该属性是离散属性,则查看不同类别数据所占的比例,若不同类别的数据所占比例差异悬殊,则参数调节意义不大;
筛选结束后,对参数进行试验性调节,查看对应的得分变化以及预测值变化;
(2)调节模糊综合评价模型中的隶属函数,根据一级指标的得分和企业风险真实值,建立一级指标得分和企业风险真实值的联系函数作为隶属函数;
方法二:损失函数调参法
建立损失函数:
X1:企业概况得分X1:企业管理得分X1:历史隐患得分X1:风险监控得分;
其中,θ1:企业概况参数;θ2:企业管理参数;θ3:历史隐患参数;θ4:风险监控参数;
X:企业概况下各个属性得分;Y:企业管理下各个属性得分;Z:历史隐患下各个属性得分;M:企业概况下各个属性得分;
模糊综合评价得到最终的预测值:
其中,w=[w1 w2 w3 w4]:一级指标所对应的权重,f:模糊结合评价中的隶属函数,
[y1 y2 y3 y4]中最大值所对应的等级就是最终的预测值;
目标函数就是最小化损失函数:
L(θ)=minimize(Bθ-Y)T(Bθ-Y);
θ=[θ1 θ2 θ3 θ4];
通过最小二乘法求解可得:
最后应说明的是:以上所述仅为本发明的优选实施例而已,并不用于限制本发明,尽管参照前述实施例对本发明进行了详细的说明,对于本领域的技术人员来说,其依然可以对前述各实施例所记载的技术方案进行修改,或者对其中部分技术特征进行等同替换。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明型的保护范围之内。
综上所述仅体现了本发明的优选技术方案,本领域的技术人员对其中某些部分所可能做出的一些变动均体现了本发明的原理,都应为本发明的技术范畴。
Claims (11)
1.一种基于层次分析和模糊综合评价法的企业风险等级评价方法,包含以下步骤:步骤1:构建评价体系
1)数据准备:首先根据资源库中存在的企业数据字段,筛选出与企业风险等级相关的字段;
2)数据分层:将筛选出来的字段进行分类,得到二级指标;
3)构建指标打分规则:根据筛选出来的各个字段的属性,建立相应的打分规则;步骤2:对指标类项目进行评价
1)权重获取
(1)判断矩阵:首先生成二级指标下各级指标的判断矩阵,通过对各级指标中的各种属性中的任意两个的重要程度进行比较,填充判断矩阵,并得到判断矩阵;
(2)一致性检验:对步骤(1)中得到的判断矩阵进行一致性检验;
(3)一致性修正:当步骤(2)中的一致性检验判断合格时,即,以步骤(1)中得到的判断矩阵作为最终的判断矩阵;当步骤(2)中的一致性检验判断检查中存在的逻辑问题,对步骤(1)中得到的判断矩阵进行人工一致性修正或者数学一致性修正,使其通过一致性检验;
(4)权重计算:对步骤(3)中所得的判断矩阵进行权重计算,所述的权重计算方法采用算术平均法求权重、几何平均法求权重、特征值法求权重中的一种,得到最终的等级权重;
2)企业概况得分
当一条企业数据进入评分体系,首先根据统一社会信用代码,将企业进行分类,按照步骤1中的指标打分规则,计算该企业的详细情况得分,同时,计算该企业的基本情况得分,根据权重对这两个得分进行综合得到最终的一级指标企业概况的得分;
3)企业管理得分
企业管理分为日常管理和合格证件,按照步骤1中的指标打分规则,分别计算该企业的日常管理得分和合格证件得分,根据权重对这两个得分进行综合得到最终的企业管理得分;
4)历史隐患得分
一级指标历史隐患由两个二级指标构成,分别是行政处罚和事故损失,按照步骤1中的指标打分规则,分别计算该企业的行政处罚得分和事故损失得分,根据权重对两个二级指标进行加权求和得到最终的历史隐患得分;
5)风险监控得分
风险检测、设备风险、作业风险、违法风险、环境风险这五个二级指标构成一级指标风险监控,根据层次分析得到的这五个二级指标的权重进行加权求和,计算最终的风险监控得分;
6)模糊综合评价
当计算所有节点关系权重后,聚焦最终输出,通过一级指标计算最终评分等级时引入模糊综合评价模型,一级指标为企业概况、历史隐患、企业管理、风险监控;具体评价过程如下:
(1)数据准备:根据上述步骤1)中的权重获取方法得到企业概况权重、企业管理权重、历史隐患权重和风险监控权重,用符号w=[w1,w2,w3,w4]来表示,根据上述步骤2)-步骤5),得到企业概况得分、企业管理得分、历史隐患得分和风险监控得分,用符号score=[A1,A2,A3,A4];
(2)构建隶属函数;
(3)模糊综合评价;依照步骤(2)中构建的隶属函数得到归属度矩阵
结合w=[w1,w2,w3,w4],得到该企业的综合隶属度,
最后根据隶属度最大值所对应的风险等级作为最终的评价预测值。
2.根据权利要求1中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,其中,对于步骤1中的数据分层这一步骤中,将筛选出来的字段进行分类,得到如下二级指标:企业基本情况、企业详细情况、企业日常管理、企业合格证件、行政处罚、企业的事故损失、企业风险检测、企业作业风险、企业违法风险、企业设备风险和企业环境风险,最后根据二级指标的性质进一步划分得到四个一级指标:企业概况由企业基本情况和企业详细情况组成、企业管理由企业日常管理和企业合格证件组成、企业历史隐患由行政处罚和企业的事故损失、企业风险监控为企业风险检测,企业作业风险,企业违法风险,企业设备风险和企业环境风险组成。
3.根据权利要求1中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,其中,对于步骤1中的构建各层指标打分规则这一步骤中,根据筛选出来的各个字段的属性,建立相应的打分规则;如果该字段是离散字段,则根据该字段的字面意义进行得分;如果该字段是连续字段,则根据该字段的字面意义进行得分。
4.根据权利要求1中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,其中,对于步骤2中的一致性修正这一步骤中,使用人工修正方法进行修正;人工修正就是重新检查判断矩阵中存在的逻辑问题,进行人为修改重要性,使其通过一致性检验。
5.根据权利要求1中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,其中,对于步骤2中的一致性修正这一步骤中,使用数学修正,所述的修正方法分为以下三个步骤:(1)找出判断矩阵中影响一致性检验不通过最主要的元素,也就是判断矩阵的到处矩阵中偏离1最大的元素;(2)如果对应的判断矩阵中该元素偏大,则尝试减1,如果对应的判断矩阵中该元素偏小,则尝试加1;(3)对调整过的判断矩阵进行一致性检验,如果通过则无需进行修正,否证重复(2)和(3)直至通过一致性检验。
6.根据权利要求1中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,其中,对于步骤2中的一致性修正这一步骤中,使用数学修正,所述的数学修正方法分为以下三个步骤:(1)计算判断矩阵A的特征值和特征向量,并找出最大特征值所对应的特征向量w;(2)对判断矩阵进行列归一化,得到归一化矩阵B;(3)计算特征向量与归一化矩阵B各列的夹角余弦值,找出夹角余弦值偏离1最大的列和最小的列,依据夹角余弦值最小的列的值,对应修改最大夹角余弦值所对应的判断矩阵的列。
7.根据权利要求1中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,其中,对于步骤2中的一致性修正这一步骤中,使用数学修正,所述的数学修正方法分为以下三个步骤:(1)计算判断矩阵A的特征值和特征向量,并找出最大特征值所对应的特征向量w;(2)对判断矩阵进行列归一化,得到归一化矩阵B;(3)计算特征向量与归一化矩阵B各列的夹角余弦值,找出夹角余弦值偏离1最大的列r,对其进行公式修正,使其夹角余弦值接近1;(4)对调整后的判断矩阵进行一致性检验,若通过则无需再次修正,否则重复上述(1)、(2)、(3),直至一致性检验通过。
8.根据权利要求1中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,其中,所述的基于层次分析和模糊综合评价法的企业风险等级评价方法还包括对指标中所对应的参数进行参数调整这一步骤。
9.根据权利要求8中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,所述的参数调整这一步骤包括两种方法:其一为调节各个指标的所对应的参数以及模糊综合评价模型中的隶属函数,称作层次调参法,其二为建立损失模型,通过最小二乘法求解最优参数,称作损失函数调参法。
10.根据权利要求9中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,所述的层次调参法包括如下步骤:
所述的参数调整为基于一级指标判断矩阵,得到最终预测时一级指标所对应的权重,根据一级指标的重要性,确定参数的调节顺序;
(1)按照上述的参数调节顺序,查看一级指标得分、企业风险真实值、企业风险预测值,挖掘这三个指标之间的内在联系,筛选企业概况中有调节意义的参数,筛选标准:若企业概况中该属性是连续属性,则查看该属性数据的离散程度,如离散程度低则参数调节意义不大;若企业概况中该属性是离散属性,则查看不同类别数据所占的比例,若不同类别的数据所占比例差异悬殊,则参数调节意义不大;筛选结束后,对参数进行试验性调节,查看对应的得分变化以及预测值变化;
(2)调节模糊综合评价模型中的隶属函数,根据一级指标的得分和企业风险真实值,建立一级指标得分和企业风险真实值的联系函数作为隶属函数。
11.根据权利要求9中所述的基于层次分析和模糊综合评价法的企业风险等级评价方法,其特征在于,所述的损失函数调参法包括如下步骤:
建立损失函数:
其中,θ1:企业概况参数;θ2:企业管理参数;θ3:历史隐患参数;θ4:风险监控参数;
X1:企业概况得分;X2:企业管理得分;X3:历史隐患得分;X4:风险监控得分;
X:企业概况下各个属性得分;Y:企业管理下各个属性得分;z:历史隐患下各个属性得分;M:风险监控下各个属性得分;
模糊综合评价得到最终的预测值:
其中,w=[w1 w2 w3 w4]:一级指标所对应的权重,f:模糊综合评价中的隶属函数,[y1y2 y3 y4]中最大值所对应的等级就是最终的预测值;
目标函数就是最小化损失函数:
L(θ)=minimize(Bθ-Y)T(Bθ-Y);
θ=[θ1 θ2 θ3 θ4];
通过最小二乘法求解可得:
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110471226.XA CN113256075A (zh) | 2021-04-29 | 2021-04-29 | 一种基于层次分析和模糊综合评价法的企业风险等级评价方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110471226.XA CN113256075A (zh) | 2021-04-29 | 2021-04-29 | 一种基于层次分析和模糊综合评价法的企业风险等级评价方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN113256075A true CN113256075A (zh) | 2021-08-13 |
Family
ID=77222295
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110471226.XA Pending CN113256075A (zh) | 2021-04-29 | 2021-04-29 | 一种基于层次分析和模糊综合评价法的企业风险等级评价方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256075A (zh) |
Cited By (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113743817A (zh) * | 2021-09-14 | 2021-12-03 | 福建三钢闽光股份有限公司 | 一种基于云平台的企业信用等级评估方法 |
CN113762795A (zh) * | 2021-09-13 | 2021-12-07 | 浙江万维空间信息技术有限公司 | 一种基于层次分析的产业链诊断方法及*** |
CN113837862A (zh) * | 2021-09-27 | 2021-12-24 | 天元大数据信用管理有限公司 | 一种基于征信的贷后风险预警方法、设备及介质 |
CN114118526A (zh) * | 2021-10-29 | 2022-03-01 | 中国建设银行股份有限公司 | 一种企业风险预测方法、装置、设备及存储介质 |
CN114154817A (zh) * | 2021-11-18 | 2022-03-08 | 南京大学 | 自动化的企业环境风险评估方法和装置 |
CN114943442A (zh) * | 2022-05-19 | 2022-08-26 | 天地(常州)自动化股份有限公司 | 地下铁矿企业的安全管理能力的量化分级方法 |
CN115204717A (zh) * | 2022-07-27 | 2022-10-18 | 海南锦赟安全技术服务有限公司 | 安全等级划分方法、装置、设备及可读存储介质 |
CN115640496A (zh) * | 2022-12-16 | 2023-01-24 | 天津众联智能科技有限责任公司 | 基于改进层次分析法的电气隐患判断方法 |
CN115660406A (zh) * | 2022-09-27 | 2023-01-31 | 北京市应急管理科学技术研究院 | 一种危化企业安全分级方法、装置、电子设备及存储介质 |
CN116050852A (zh) * | 2023-03-24 | 2023-05-02 | 中国安全生产科学研究院 | 一种井下动火作业风险预警方法和*** |
CN116341955A (zh) * | 2023-02-27 | 2023-06-27 | 四川省交通勘察设计研究院有限公司 | 一种水运对象的评价方法、装置、设备及介质 |
CN116862160A (zh) * | 2023-06-29 | 2023-10-10 | 盐城工学院 | 一种汽车涂装生产线多目标平衡优化方法 |
CN116884157A (zh) * | 2023-07-11 | 2023-10-13 | 中国人民解放军军事科学院***工程研究院 | 一种野外基地预警*** |
CN117057601A (zh) * | 2023-08-02 | 2023-11-14 | 中国安全生产科学研究院 | 基于物联网的非煤矿山安全监测预警*** |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376400A (zh) * | 2014-10-27 | 2015-02-25 | 广州市中南民航空管通信网络科技有限公司 | 基于模糊矩阵层次分析法的风险评估方法 |
CN105023067A (zh) * | 2015-08-04 | 2015-11-04 | 环境保护部南京环境科学研究所 | 基于层次分析法-模糊综合评价的化工项目环境风险评价体系 |
CN106295976A (zh) * | 2016-08-03 | 2017-01-04 | 重庆大学 | 基于层次分析法和模糊综合评价的ipt***电磁机构性能评价方法 |
CN106326473A (zh) * | 2016-08-31 | 2017-01-11 | 国信优易数据有限公司 | 基于熵权算法与层次分析法的数据挖掘方法与*** |
CN110378549A (zh) * | 2019-05-31 | 2019-10-25 | 广东工业大学 | 一种基于fahp-熵权法的输电杆塔鸟害等级评估方法 |
CN110851784A (zh) * | 2019-11-13 | 2020-02-28 | 国网上海市电力公司 | 一种现场运行电能表的预警方法 |
CN112270355A (zh) * | 2020-10-28 | 2021-01-26 | 长沙理工大学 | 基于大数据技术与sae-gru的主动安全预测方法 |
-
2021
- 2021-04-29 CN CN202110471226.XA patent/CN113256075A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104376400A (zh) * | 2014-10-27 | 2015-02-25 | 广州市中南民航空管通信网络科技有限公司 | 基于模糊矩阵层次分析法的风险评估方法 |
CN105023067A (zh) * | 2015-08-04 | 2015-11-04 | 环境保护部南京环境科学研究所 | 基于层次分析法-模糊综合评价的化工项目环境风险评价体系 |
CN106295976A (zh) * | 2016-08-03 | 2017-01-04 | 重庆大学 | 基于层次分析法和模糊综合评价的ipt***电磁机构性能评价方法 |
CN106326473A (zh) * | 2016-08-31 | 2017-01-11 | 国信优易数据有限公司 | 基于熵权算法与层次分析法的数据挖掘方法与*** |
CN110378549A (zh) * | 2019-05-31 | 2019-10-25 | 广东工业大学 | 一种基于fahp-熵权法的输电杆塔鸟害等级评估方法 |
CN110851784A (zh) * | 2019-11-13 | 2020-02-28 | 国网上海市电力公司 | 一种现场运行电能表的预警方法 |
CN112270355A (zh) * | 2020-10-28 | 2021-01-26 | 长沙理工大学 | 基于大数据技术与sae-gru的主动安全预测方法 |
Non-Patent Citations (3)
Title |
---|
吴小欢: "AHP理论中关于判断矩阵一致性问题研究", 《硕士电子期刊》 * |
张红霞: "《农业产业化龙头企业全面风险管理体系研究以吉林省为例》", 31 May 2013, 中国金融出版社 * |
穆歌 等: "《***建模》", 30 April 2013, 国防工业出版社 * |
Cited By (17)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN113762795A (zh) * | 2021-09-13 | 2021-12-07 | 浙江万维空间信息技术有限公司 | 一种基于层次分析的产业链诊断方法及*** |
CN113743817A (zh) * | 2021-09-14 | 2021-12-03 | 福建三钢闽光股份有限公司 | 一种基于云平台的企业信用等级评估方法 |
CN113837862A (zh) * | 2021-09-27 | 2021-12-24 | 天元大数据信用管理有限公司 | 一种基于征信的贷后风险预警方法、设备及介质 |
CN114118526A (zh) * | 2021-10-29 | 2022-03-01 | 中国建设银行股份有限公司 | 一种企业风险预测方法、装置、设备及存储介质 |
CN114154817A (zh) * | 2021-11-18 | 2022-03-08 | 南京大学 | 自动化的企业环境风险评估方法和装置 |
CN114154817B (zh) * | 2021-11-18 | 2022-07-19 | 南京大学 | 自动化的企业环境风险评估方法和装置 |
CN114943442A (zh) * | 2022-05-19 | 2022-08-26 | 天地(常州)自动化股份有限公司 | 地下铁矿企业的安全管理能力的量化分级方法 |
CN115204717B (zh) * | 2022-07-27 | 2024-03-22 | 海南锦赟安全技术服务有限公司 | 安全等级划分方法、装置、设备及可读存储介质 |
CN115204717A (zh) * | 2022-07-27 | 2022-10-18 | 海南锦赟安全技术服务有限公司 | 安全等级划分方法、装置、设备及可读存储介质 |
CN115660406A (zh) * | 2022-09-27 | 2023-01-31 | 北京市应急管理科学技术研究院 | 一种危化企业安全分级方法、装置、电子设备及存储介质 |
CN115640496A (zh) * | 2022-12-16 | 2023-01-24 | 天津众联智能科技有限责任公司 | 基于改进层次分析法的电气隐患判断方法 |
CN116341955A (zh) * | 2023-02-27 | 2023-06-27 | 四川省交通勘察设计研究院有限公司 | 一种水运对象的评价方法、装置、设备及介质 |
CN116050852A (zh) * | 2023-03-24 | 2023-05-02 | 中国安全生产科学研究院 | 一种井下动火作业风险预警方法和*** |
CN116862160A (zh) * | 2023-06-29 | 2023-10-10 | 盐城工学院 | 一种汽车涂装生产线多目标平衡优化方法 |
CN116884157A (zh) * | 2023-07-11 | 2023-10-13 | 中国人民解放军军事科学院***工程研究院 | 一种野外基地预警*** |
CN117057601A (zh) * | 2023-08-02 | 2023-11-14 | 中国安全生产科学研究院 | 基于物联网的非煤矿山安全监测预警*** |
CN117057601B (zh) * | 2023-08-02 | 2024-01-30 | 中国安全生产科学研究院 | 基于物联网的非煤矿山安全监测预警*** |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113256075A (zh) | 一种基于层次分析和模糊综合评价法的企业风险等级评价方法 | |
CN111414581B (zh) | 一种基于改进的lec风险隐患双重预防体系构建方法 | |
CN107886235A (zh) | 一种耦合确定性与不确定分析的火灾风险评估方法 | |
CN113988530A (zh) | 一种非煤矿山安全风险评估分级方法及*** | |
Jiskani et al. | Improved Z-number based fuzzy fault tree approach to analyze health and safety risks in surface mines | |
CN105913196A (zh) | 一种航道整治社会稳定风险自动分析方法及*** | |
CN113515720B (zh) | 一种危险化学品企业重大安全风险辨识与评估方法 | |
CN107239905A (zh) | 基于改进ahp‑gcm的机载网络安全风险评估方法 | |
Liu et al. | Study of a comprehensive assessment method for coal mine safety based on a hierarchical grey analysis | |
CN115099573A (zh) | 一种安全生产管理平台 | |
CN103198362A (zh) | 一种煤矿安全评估的方法 | |
CN111626640A (zh) | 基于中性参照对象的煤矿安全综合风险评价方法和*** | |
CN115471097A (zh) | 一种数据驱动的井下局部区域安全状态评估方法 | |
CN111967644A (zh) | 一种危化品运输道路规划方法 | |
CN113592313A (zh) | 一种用于对化工园区内各企业的综合评估方法 | |
CN111651726B (zh) | 一种用于矿山安全评价和风险预测的数学模型建立方法 | |
CN113935571A (zh) | 一种加油站安全风险评估分级方法及*** | |
CN111325412A (zh) | 危化品道路运输危险性预警方法 | |
Mandal et al. | Analytic hierarchy process (AHP) approach for selection of open cast coal mine project | |
CN116703148A (zh) | 基于云计算的矿山企业风险画像方法 | |
Maure et al. | Methodology for the management of risk in the storage and transport of hazardous substances | |
CN109460868A (zh) | 一种采用灰度预测的企业安全生产预警***的构建方法 | |
Zhou et al. | Research on Navigation Risk Identification of Three Gorges Ship Lock Based on Improved Analytic Hierarchy Process | |
Wang et al. | Index system of construction safety evaluation based on Analytic Hierarchy Process | |
CN117057601B (zh) | 基于物联网的非煤矿山安全监测预警*** |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination |