煤炭企业科学发展力评价方法确定

目前，国内外关于人的全面发展、县域发展、城市发展、行业发展、企业发展水平评价的方法主要有主成分分析法、聚类分析法、层次分析法、人工神经网络法、模糊综合评判法、灰色模型法等。其中，对评价指标的筛选主要用主成分分析法、聚类分析法、层次分析法、灰色模型法等；对发展水平评价主要用层次分析法、模糊综合评判法、人工神经网络法等；也有把多种评价方法结合使用，避免因方法单一或方法使用不当造成评价误差较大。

综上所述，有关发展水平的评价运用较多的方法是层次分析法、模糊综合评判法或将两种方法综合使用。评价中，主要用层次分析法获取评价指标的权重，但层次分析法所取得的指标权重主观性较强，对评价结果会有影响。因此，作者在评价中采用10位专家打分法尽力降低这一缺陷造成的影响。

煤炭企业科学发展力是一个比较复杂的概念，前面已建立的评价指标体系涉及人的全面发展、经济发展水平、资源可持续能力、环境控制水平、安全保障能力、管理创新能力共6个准则层，28个具体指标；指标体系是一个多层次、多指标的评价系统。而且，有些指标如高层领导干部领导科学发展能力等指标不好准确定量，带有一定的模糊性，而模糊综合评价法正好适合解决此类问题。因此，本书在评价权重确定时将专家打分法与层次分析法相结合，以使权重更客观；在评价时采取模糊综合评价法以及用FCM算法获取隶属度矩阵的方法对煤炭企业科学发展力进行评价。

因此，本书提出将专家打分法、层次分析法、模糊综合评价法、FCM算法相结合，对煤炭企业科学发展力进行评价。

1．专家打分法

1）专家打分法的原理

专家打分是出现较早且应用较广的一种评价方法。它是在定量和定性分析的基础上，以打分等方式做出定量评价，其结果具有数理统计特性。专家评分法的最大优点是在缺乏足够统计数据和原始资料的情况下，可以做出定量估价。

2）专家打分法的实施步骤

专家打分法的步骤相对比较简单，见表4－6。

表4－6 专家打分法实施步骤

2．层次分析法（AHP）

1）层次分析法的原理

层次分析法（Analytic Hierarchy Process，简称AHP），是美国著名的运筹学家T L Satty等人在20世纪70年代提出的一种定性与定量分析相结合的多准则决策方法。该方法是将决策问题的有关元素分解成目标、准则、方案等层次，用一定的标度对人的主观判断进行客观量化，在此基础上进行定性分析和定量分析的一种决策方法。他把人的思维过程层次化、数量化，并用数学分析、决策、预报或控制提供定量的依据。该方法尤其适合于人的定性判断起重要作用的、对决策结果难于直接准确计量的问题（杜栋等，2012；曹晖、侯祖兵，2010）。

2）层次分析法实施步骤

层次分析法可以分为6个步骤，即明确问题，建立层次结构，构造判断矩阵，层次单排序及其一致性检验，层次总排序，做出相应决策。层次分析法的基本步骤及详细过程见表4－7～表4－9。

表4－7 层次分析法实施步骤

续表4－7

表4－8 判断矩阵标度及其含义

表4－9 平均随机一致性指标

3．模糊综合评价法

1）模糊综合评价法的原理

1965年，美国加州大学的控制论专家扎德根据科技发展的需要，经过多年的潜心研究，发表了一篇题为《模糊集合》的重要文章，第一次成功地运用精确的数学方法描述了模糊概念，从而宣告了模糊数学的诞生。模糊综合评判就是以模糊数学为基础，应用模糊关系合成的原理，将一些边界不清、不易定量的因素定量化，从多个因素对被评价事物隶属等级状况进行综合性评价的一种方法。

其基本原理是：首先确定被评判对象的因素（指标）集和评价（等级）；再分别确定各因素的权重及它们的隶属度向量，获得隶属度矩阵；最后把隶属度矩阵与因素的权向量进行模糊运算并进行归一化，得到模糊综合结果。

模糊综合评价法是在模糊环境下考虑多种因素的影响，为了某种目的对一事物做出综合决策的方法，它的特点是对评价对象逐个进行评判，被评价对象有唯一的评价值，不受被评价对象所处对象集合的影响。

2）模糊综合评价法的步骤

模糊综合评价法的步骤主要有：确定评价因素集和评语集、构造评价矩阵、确定权重集、综合评判，详细过程见表4－10。

表4－10 模糊综合评价的步骤

续表4－10

4．FCM算法

1）FCM算法的思想与原理

模糊C均值（Fuzzy C－Means，简称FCM）算法，最初是由Dunn提出的。1973年，Bezdek对FCM算法进行了推广。FCM算法是普通C均值算法的改进，是一种具有柔性模糊划分的聚类算法，它的思想就是使得被划分到同一族的对象之间相似度最大，而不同族之间的相似度最小。

FCM算法把n个向量Xi（i=1，2，…，n）分为c个模糊组，并求每组的聚类中心，使得非相似性指标的价值函数达到最小。可以把经典的FCM算法看成数学规划问题：

式中，X=（X1，X2，…，Xn）⊂Rm是样本集，有n个元素；c是聚类数；h＞1是权重系数；U=（uij）n＊c是隶属度矩阵，uij表示第i个样本属于第j类的隶属度，计算公式为（4－2）；V=（V1，V2，…，Vc）为聚类中心向量，是一个s×c矩阵，计算公式为（4－3）；dij表示第i个样本与第j个聚类中心的欧式距离。

2）FCM算法的步骤

FCM算法的步骤主要有5步，详细过程见表4－11。

表4－11 FCM算法的步骤