针对传统评估方法难以量化不确定性、且因未能保留中立态度而引发决策偏差的问题,首先在语言q阶正交模糊Z数(LqROFZ)的框架下,引入中性运算法则,定义中性运算下加权算术(LqROFZNWA)与加权几何(LqROFZNWGA)聚合算子并论证其数学特性,规...针对传统评估方法难以量化不确定性、且因未能保留中立态度而引发决策偏差的问题,首先在语言q阶正交模糊Z数(LqROFZ)的框架下,引入中性运算法则,定义中性运算下加权算术(LqROFZNWA)与加权几何(LqROFZNWGA)聚合算子并论证其数学特性,规避传统运算对专家中立态度的破坏,确保信息聚合时完整保留原始中立判断。其次,提出基于排序结果与评价值二维相似度的属性偏好计算方法,并借助Jensen-Shannon散度优化模型,动态平衡主客观信息;最后,采用Co Co So排序方法,有效融合两种聚合路径,并以安徽省药企质量风险评估为实例,验证该模型的优越性与有效性。展开更多
文摘针对传统评估方法难以量化不确定性、且因未能保留中立态度而引发决策偏差的问题,首先在语言q阶正交模糊Z数(LqROFZ)的框架下,引入中性运算法则,定义中性运算下加权算术(LqROFZNWA)与加权几何(LqROFZNWGA)聚合算子并论证其数学特性,规避传统运算对专家中立态度的破坏,确保信息聚合时完整保留原始中立判断。其次,提出基于排序结果与评价值二维相似度的属性偏好计算方法,并借助Jensen-Shannon散度优化模型,动态平衡主客观信息;最后,采用Co Co So排序方法,有效融合两种聚合路径,并以安徽省药企质量风险评估为实例,验证该模型的优越性与有效性。
文摘为了降低因Z-R关系不确定导致的雷达定量降水估测(Quantitative Precipitation Estimation,简称QPE)误差,提出了基于云团的分组Z-R关系拟合方案,在风暴单体识别算法得到的不同降水云团或同一个云团内部的不同数据分组区域内,拟合并采用不同的Z-R关系反演地面降水信息。以2013年6月5—7日的梅雨锋过程为例,使用覆盖长江中下游地区的28部多普勒雷达和全国逐分钟雨量计的观测资料,对单一动态关系、简单分组Z-R关系以及基于云团的分组ZR关系反演的雷达1 h QPE进行效果对比和误差分析,结果表明:(1)基于云团的分组Z-R关系可以有效识别降水云系的局部特征,这是基于云团的分组Z-R关系优于其他两种Z-R关系方案的重要原因。(2)雷达波束部分遮挡导致的偏弱反射率因子,对雷达QPE数据场的不连续性和Z-R关系的不确定性均有影响。(3)雷达硬件或雷达标定引入的偏强(弱)的反射率因子,与简单分组Z-R关系得到的雷达QPE局部高(低)估相关,这降低了简单分组Z-R关系在大范围降水过程中的适用性,但对基于云团的分组Z-R关系的影响较小。
