一种基于改进熵权灰色关联分析法的油田业务组件评价方法技术

本发明专利技术属于综合评价技术领域，具体是一种基于改进熵权灰色关联分析法的油田业务组件评价方法。包括以下步骤：A.收集油田业务组件的使用日志，对日志内容进行过滤并统计相关业务组件信息，从中选取评价指标；B.根据各油田业务组件的评价指标数据，建立评价矩阵；C.根据各评价指标的属性类型，选择不同的方法进行规范化，将原评价矩阵转化成规范化评价矩阵；D.利用熵值法进行计算，得到各评价指标的客观权重；E.通过改变关联度计算公式改进灰色关联分析法，并结合指标权重信息，构建综合评价模型；F.利用综合评价模型，对油田业务组件进行评价，得到评价排行。本发明专利技术将熵值法和灰色关联分析法融合，具有评价结果客观、样本要求少的优点，可用于油田业务组件评价，实现了油田业务组件评价的可计量，为选取优质油田业务组件提供了重要参考。

【技术实现步骤摘要】
一种基于改进熵权灰色关联分析法的油田业务组件评价方法
本专利技术属于综合评价
，可用于实现油田业务组件评价的可计量，优选油田业务组件，具体是一种基于改进熵权灰色关联分析法的油田业务组件评价方法。
技术介绍
随着计算机技术的不断发展，现代油田企业面临的环境越来越复杂，其信息系统大多数为多平台、多系统的复杂系统。这就要求在Internet环境下，实现系统是松耦合的、跨平台的、与语言无关的、与特定接口无关的，而且要提供对应用程序的可靠访问。服务的出现给人们带来了惊喜,这种技术可以在不同的操作环境中互相操作，消除巨大的信息孤岛，实现信息共享，进行数据交换，达到信息的一致性。随着服务技术的日趋成熟，在网络上具有同种功能的服务实例也越来越多，在企业和商业应用中使用适用性低的服务将导致整个应用的效率低下，错误率高，甚至应用终止执行。因此需要通过服务评价技术来量化服务的质量，为自动选取优质服务以及筛除劣质服务提供依据。传统的服务评价方法主要通过对服务质量进行测试，给出描述服务质量特征(如运行时间,运行成本等)的评价值，传统的服务评价方法由于需要对服务的内部信息和代码进行访问，出于安全性和商业利益的考虑，实现起来有一定的困难，而且也无法体现用户的个性化需求或偏好。现代评价算法主要有层次分析法、模糊综合评判法、数据包络分析法、人工神经网络评价法等，上述各种方法在实际应用中都取得了一定的成功，但都存在其局限性，因此在实际应用中经常集成几种算法构建综合评价模型来使用。目前针对油田业务评价的研究较少，缺少一种科学合理的评价方法，本专利技术提供了一种基于改进熵权灰色关联分析法的综合评价方法，利用业务组件的相关使用信息来作为评价指标，更能体现用户真正的实际需要，使评价结果偏向于用户需求，从而提高评价的准确性，对油田企业加强油田业务组件管理，优选业务组件，提高服务质量都具有重要意义，同时也对油田业务组件的选取和组合起到指导作用。
技术实现思路
本专利技术的目的是为油田业务组件提供一种科学、合理的综合评价方法，实现油田业务组件评价的可计量，为优选油田业务组件提供科学依据。基于改进熵权灰色关联分析法的油田业务组件评价方法，包括以下步骤：A.从油田业务组件日志中统计业务组件的指标信息，并确定评价指标集T＝{a1,a2,…,an}；B.根据各业务组件的指标数据，建立评价矩阵A＝(aij)m×n，其中m为待评价的业务组件个数，n为业务组件的评价指标个数；C.根据评价指标的类型不同分为两类，正向评价指标和逆向评价指标，对不同类型的评价指标，用不同的方法进行规范化处理，将原始评价矩阵A转化为规范化评价矩阵X＝(xij)m×n，不同类型的规范化方法如下：(1)正向评价指标规范化方法正向评价指标是指数值越大越好的评价指标，规范化公式如下：(2)逆向评价指标规范化方法逆向评价指标是指数值越小越好的评价指标，规范化公式如下：D.利用熵值能反映数据离散程度的特性，使用熵值法得到各评价指标的客观权重E.构建综合评价模型，I＝{1,2,…,m}，J＝{1,2,…,n}(1)从规范化评价矩阵X中，挑选各评价指标最优值，构成参考序列y，其余作为比较序列，利用灰色关联分析法计算比较序列与参考序列的关联系数矩阵R＝(rij)m×n：xi(k)与y(k)的关联系数的计算公式如下所示其中ρ称为分辨系数，用来表示分辨能力的大小，在区间(0,1)之间取值,常用取值为0.5；(2)从关联系数矩阵R＝(rij)m×n中确定理想列η+和负理想列η-(3)分别计算各关联系数序列与理想列η+、负理想列η-之间的加权欧氏距离(4)计算新的关联度γ作为评价得分F.将油田业务组件的评价指标数据带入到综合评价模型中计算，得到综合评价得分，分值越高表示业务组件越好。附图说明图1是油田业务组件评价方法的流程图。具体实施方式下面结合附图和实例对本专利技术作进一步详细的描述，但本专利技术的实施方式并不局限于实例表示的范围。第一步：根据图1所示流程，首先统计油田业务组件的指标属性，并确定评价指标，实例中给出以下数据：第二步：根据各个油田业务组件的指标数据，建立评价矩阵A＝(aij)6×3：第三步：分析各评价指标属性，访问量、应用范围和用户评价一般要求越大越好，即正向指标。将原始矩阵A转换为规范化评价矩阵X。采用公式1归范化方法,得到规范化评价矩阵X＝(xij)6×3：第四步：利用熵值法方法得到各个评价指标的客观权重，则访问量、应用范围和用户评价的客观权重为：W＝(0.68，0.30，0.02)。第五步：确定参考序列y＝{1.00,1.00,1.00},公式3中ρ取0.5，计算得到关联系数矩阵R＝(rij)6×3：第六步：确定关联系数理想列η+＝{1.00,1.00,1.00}和负理想列η-＝{0.33,0.38,0.54}，将第五步计算得到权重W带入公式6和公式7，计算得到各油田业务组件的di+和di-,最后用公式8计算得到各油田业务组件的评价得分γi:各油田业务组件的指标信息和排名如下表所示：由上表可知，本例中油田业务组件的排名为：2>1>3>5>6>10。本文档来自技高网...

【技术保护点】
1.一种基于改进熵权灰色关联分析法的油田业务组件评价方法，其特征在于，包括以下步骤：A.从油田业务组件日志中统计业务组件的指标信息，并确定评价指标集T＝{a1,a2,…,an}；B.根据各业务组件的指标数据，建立评价矩阵A＝(aij)m×n，其中m为待评价的业务组件个数，n为业务组件的评价指标个数；C.根据评价指标的类型不同分为两类，正向评价指标和逆向评价指标，对不同类型的评价指标，用不同的方法进行规范化处理，将原始评价矩阵A转化为规范化评价矩阵X＝(xij)m×n，不同类型的规范化方法如下：(1)正向评价指标规范化方法正向评价指标是指数值越大越好的评价指标，规范化公式如下：

【技术特征摘要】
1.一种基于改进熵权灰色关联分析法的油田业务组件评价方法，其特征在于，包括以下步骤：A.从油田业务组件日志中统计业务组件的指标信息，并确定评价指标集T＝{a1,a2,…,an}；B.根据各业务组件的指标数据，建立评价矩阵A＝(aij)m×n，其中m为待评价的业务组件个数，n为业务组件的评价指标个数；C.根据评价指标的类型不同分为两类，正向评价指标和逆向评价指标，对不同类型的评价指标，用不同的方法进行规范化处理，将原始评价矩阵A转化为规范化评价矩阵X＝(xij)m×n，不同类型的规范化方法如下：(1)正向评价指标规范化方法正向评价指标是指数值越大越好的评价指标，规范化公式如下：(2)逆向评价指标规范化方法逆向评价指标是指数值越小越好的评价指标，规范化公式如下：D.利用熵值能反映数据离...

【专利技术属性】
技术研发人员：李克文，于明洋，刘文英，马祥博，
申请(专利权)人：中国石油大学华东，
类型：发明
国别省市：山东,37