一种用于综合评价的指标无量纲化处理方法技术

本发明专利技术公开了一种用于综合评价的指标无量纲化处理方法，涉及综合评价技术领域，其包括以下步骤：构建评价指标对不同待评价模型的原始评价数据序列；对每个评价指标对应的原始评价数据序列按照异常值和非异常值进行分段；判断评价指标的类型；按照指标类型及其对应的评价数据序列的不同分段，分别进行评价数据的无量纲化处理。经本发明专利技术无量纲处理后的指标评价数据满足正、负指标统一为同类型以及避免极小值为零的情况，处理后的指标数据变化趋势与原始数据能良好吻合；更好地保留处理前后数据之间的差异性、变异性等关键信息，并保持样本间的相对距离不变，比现有方法更能提升无量纲化数据分布的均衡性。化数据分布的均衡性。化数据分布的均衡性。

【技术实现步骤摘要】
一种用于综合评价的指标无量纲化处理方法


[0001]本专利技术涉及综合评价领域，具体涉及一种用于综合评价的指标无量纲化处理方法。

技术介绍

[0002]为提高预测和评估精度，使技术人员工作便利，需要对相关模型进行综合评价，即把被评价模型的多个评价指标的信息映射到一个综合指标上。从多种模型中选择出有效的模型，从而获得更加准确的预测或者评估结果。
[0003]综合评价时，有的指标的单位是长度，有的是价格，有的是面积，有的是体积等，这是单位差异；有的数据以千作计量，有的数据以万作计量，这是数量级的差异；有些指标数据越大越好，称为正指标，有些指标越小越好，称为逆指标；有些指标在某个区间或某个固定值最好，称为适度指标，这是趋势性差异。不同指标数据的差异主要体现在单位、数量级和趋势性这三个方面。在综合评价的数据预处理中，一般需要对数据进行无量纲化处理(也称为数据的规范化、规格化或标准化)，目的是消除这三方面的差异，做到同单位化、同值域化和同趋势化。
[0004]目前，常用的无量纲化处理方法有总和标准化处理法、标准差处理法、极值法、功效系数法等。因为总和标准化处理法、标准差处理法不能将指标统一为同一类型的正指标或者负指标；而经过极值法无量纲化的指标，虽然可以统一为正、负同类型，但因存在极小值为零的情况，特别对基于Dempster法则的待评价模型评价方法不再适用；功效系数法通过调节系数值虽然可以避免最小值为零的情况，但不能将正负指标统一化。

技术实现思路

[0005]针对现有技术中的不足，本专利技术提出一种用于综合评价的指标无量纲化处理方法，满足正、负指标统一为同类型以及避免极小值为零的情况，无量纲化处理后评价数据的变化趋势与原始评价数据能良好吻合，尽可能保留处理前后数据之间的差异性、变异性等关键信息，并保持样本间的相对距离不变。
[0006]为实现上述目的，本申请提供了一种用于综合评价的指标无量纲化处理方法：
[0007]一种用于综合评价的指标无量纲化处理方法，其包括以下步骤：
[0008]S10，构建评价指标对不同待评价模型的原始评价数据序列；
[0009]S20，对每个评价指标对应的原始评价数据序列按照异常值和非异常值进行分段；
[0010]可选的，所述异常值为偏离大部分原始评价数据的极端值；
[0011]将评价指标j对n个待评价模型的原始评价数据按照从小到大进行排序，记为：{y
1j
,y
2j
,
…
,y
nj
}；
[0012]以所述排序后的评价数据的中位数为参考点，进行异常值的识别；
[0013]将所述排序后的评价数据{y
1j
,y
2j
,
…
,y
nj
}分为三段，
[0014]段一：为最小值到中位数之间识别出的t1个异常值，记为{y'
1j
,y'
2j
,
…
,y'
t1j
}，
[0015]段二：为中位数到最大值之间的t2个异常值，记为{y
″
1j
,y
″
2j
,
…
,y
″
t2j
}，
[0016]段三：为t3个非异常值，记为
[0017]所述t1+t2+t3＝n；
[0018]设置不同分段的评价数据无量纲化结果的取值范围，其中，所述段一的评价数据无量纲化结果的取值范围设置为所述段二的评价数据无量纲化结果的取值范围设置为置为所述段三的评价数据无量纲化结果的取值范围设置为
[0019]S30，判断评价指标的类型，
[0020]可选的，所述评价指标的类型分为正指标和逆指标；
[0021]S40，按照指标类型及其对应的评价数据序列的不同分段，分别进行评价数据的无量纲化处理；
[0022]可选的，当所述评价指标j为所述正指标时，分段无量纲化处理表达式为：
[0023][0024]可选的，当所述评价指标j为所述逆指标时，分段无量纲化处理表达式为：
[0025][0026]其中α为分段权系数，其取值范围为0<α<1。
[0027]本申请提供一种用于综合评价的指标无量纲化处理方法，先构建评价指标对不同待评价模型的原始评价数据序列；对每个评价指标对应的原始评价数据序列按照异常值和非异常值进行分段；判断评价指标的类型；按照指标类型及其对应的评价数据序列的不同分段，分别进行评价数据的无量纲化处理。经本专利技术无量纲处理后的指标数据满足正、负指标统一为同类型以及避免极小值为零的情况，处理后的指标数据变化趋势与原始数据能良好吻合；更好地保留处理前后数据之间的差异性、变异性等关键信息，并保持样本间的相对距离不变，比现有方法更能提升无量纲化数据分布均衡性。
附图说明
[0028]为了更清楚地说明本申请的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，显而易见地，对于本领域普通技术人员而言，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0029]图1为本专利技术一种用于综合评价的指标无量纲化处理方法的工作流程图。
具体实施方式
[0030]参见图1，为本专利技术一种用于综合评价的指标无量纲化处理方法的工作流程图；
[0031]由图1可知，一种用于综合评价的指标无量纲化处理方法，其包括以下步骤：
[0032]S10，构建评价指标对不同待评价模型的原始评价数据序列；
[0033]S20，对每个评价指标对应的原始评价数据序列按照异常值和非异常值进行分段；
[0034]可选的，所述异常值为偏离大部分原始评价数据的极端值；
[0035]将评价指标j对n个待评价模型的原始评价数据按照从小到大进行排序，记为：{y
1j
,y
2j
,
…
,y
nj
}；
[0036]以所述排序后的评价数据的中位数为参考点，进行异常值的识别；
[0037]进一步地，以所述排序后的评价数据的中位数为参考点，进行异常值的识别包括：
[0038]所述中位数记为依次计算中位数两边数据偏离中位数的距离d，以最大端点值和最小端点值为例，公式如下：
[0039][0040]分别计算d
→
和d
←
，若d
→
>1，则剔除最大值方向的端点值；若d
←
>1，则剔除最小值方向的端点值；重复本步骤，直到d
→
和d
←
的值均不大于1；
[0041]将所述排序后的评价数据{y
1j
,y
2j
,
…
,y
nj
}分为三段，...

【技术保护点】

【技术特征摘要】
1.一种用于综合评价的指标无量纲化处理方法，其特征在于，所述方法包括：构建评价指标对不同待评价模型原始评价的数据序列；对所述评价指标对应的原始评价数据序列按照异常值和非异常值进行分段；判断所述评价指标的类型；按照所述指标类型及其对应的评价数据序列的不同分段，分别进行所述评价数据的无量纲化处理。2.根据权利要求1所述用于综合评价的指标无量纲化处理方法，其特征在于，所述对每个评价指标对应的原始评价数据序列按照异常值和非异常值进行分段包括：所述异常值为偏离大部分原始评价数据的极端值；将评价指标j对n个待评价模型的原始评价数据按照从小到大进行排序，记为：{y
1j
，y
2j
，...，y
nj
}；以所述排序后的评价数据的中位数为参考点，进行异常值的识别；将所述排序后的评价数据{y
1j
，y
2j
，...，y
nj
}分为三段，段一：为最小值到中位数之间识别出的t1个异常值，...

【专利技术属性】
技术研发人员：杨洋，梁俊宇，程志，罗恩博，李浩涛，杨家全，张旭东，
申请(专利权)人：云南电网有限责任公司曲靖供电局，
类型：发明
国别省市：