[發(fā)明專利]基于模糊綜合評(píng)價(jià)的國(guó)家高等教育體系健康評(píng)價(jià)

在審

• 申請(qǐng)?zhí)枺?/td>: 202110293045.2
• 申請(qǐng)日: 2021-03-18
• 公開（公告）號(hào): CN112950048A
• 公開（公告）日: 2021-06-11
• 發(fā)明（設(shè)計(jì)）人: 周迪;張佳利
• 申請(qǐng)（專利權(quán)）人: 河海大學(xué)
• 主分類號(hào): G06Q10/06
• 分類號(hào): G06Q10/06;G06Q50/20;G06N7/02
• 代理公司: 北京盛凡智榮知識(shí)產(chǎn)權(quán)代理有限公司 11616
• 代理人: 范琳

1.一種基于模糊綜合評(píng)價(jià)的國(guó)家高等教育體系健康評(píng)價(jià)，其特征在于，包括以下步驟：

步驟1：利用因子分析得到具有代表性和現(xiàn)實(shí)性的評(píng)價(jià)指標(biāo)；

步驟2：將步驟1中的評(píng)價(jià)指標(biāo)相關(guān)數(shù)據(jù)進(jìn)行歸一化處理，壓縮到[0,1]的范圍之內(nèi)；

步驟3：采用指標(biāo)降維的方法對(duì)步驟2中的數(shù)據(jù)進(jìn)行處理分析；利用方差貢獻(xiàn)率等，根據(jù)累積貢獻(xiàn)率的大小，為了使公主成分所包含的數(shù)據(jù)信息不會(huì)過多丟失，提高主成分分析的效率，只要主成分的累積方差貢獻(xiàn)率大于70％，就可以選取這些作為主成分提取結(jié)果，即高等教育的教育水平、高等教育的當(dāng)前發(fā)展、高等教育的發(fā)展前景；

步驟4：對(duì)步驟3中的一級(jí)指標(biāo)進(jìn)行權(quán)重分析；

步驟5：利用模糊綜合評(píng)價(jià)模型，通過步驟4的權(quán)向量作為各因素權(quán)重，確定模糊綜合判斷矩陣，最后得到的模糊向量為：

B＝[0.6118 0.2871 0.3398 0.2957 0.3170]

步驟6：根據(jù)以上建立的高等教育健康狀況評(píng)價(jià)模型，計(jì)算得到以下幾個(gè)國(guó)家的具體評(píng)級(jí)，見圖8；

步驟7：建立時(shí)間序列模型，用ARIMA(p,q,d)模型，一旦被識(shí)別后就可以從時(shí)間序列的過去值及現(xiàn)在值來預(yù)測(cè)未來值，得到p＝1,q＝1,d＝1；

步驟8：對(duì)步驟7中的模型進(jìn)行檢驗(yàn)，檢驗(yàn)是否具有統(tǒng)計(jì)意義；

步驟9：對(duì)未來4年的數(shù)據(jù)進(jìn)行預(yù)測(cè)，得到的數(shù)值如圖9所示；

步驟10：利用步驟9中的數(shù)據(jù)帶入步驟1、2、3、4、5建立的模型，得到各國(guó)高等教育健康評(píng)級(jí)；

步驟11：將上面建好的模型運(yùn)用到澳大利亞這樣一個(gè)實(shí)例中，為該國(guó)家的教育體系提出一個(gè)可實(shí)現(xiàn)的、合理的愿景，以支持一個(gè)健康和可持續(xù)的高等教育體系。

2.根據(jù)權(quán)利要求1所述的基于模糊綜合評(píng)價(jià)的國(guó)家高等教育體系健康評(píng)價(jià)，其特征在于，所述步驟5和步驟7中的健康評(píng)級(jí)模型和時(shí)間預(yù)測(cè)模型的具體內(nèi)容：

步驟2中，利用min-max標(biāo)準(zhǔn)化,將原始數(shù)據(jù)線性化的方法轉(zhuǎn)換到[0,1]的范圍，歸一化公式如下：

步驟4中，在進(jìn)行權(quán)重分析之前，必須對(duì)其進(jìn)行一致性檢驗(yàn)，檢驗(yàn)我們構(gòu)造的判斷矩陣和一致矩陣是否有太大的差別

步驟5中的模糊綜合評(píng)價(jià)建模，包括以下幾點(diǎn)：

(1)確定因數(shù)集(評(píng)價(jià)指標(biāo)集)，對(duì)于高等教育健康水平而言，這里直接利用主成分分析法中降維之后的三個(gè)指標(biāo)：高等教育水平，高等教育基礎(chǔ)，高等教育前景，記為

U＝{u₁ u₂ u₃}

(2)確定評(píng)語集，由于每個(gè)指標(biāo)的評(píng)價(jià)值的不同,往往會(huì)形成不同的等級(jí)，此處擬定五個(gè)等級(jí)，等級(jí)1-5，高等教育體系健康水平最高為等級(jí)5，最低為等級(jí)1,記為：

V＝{v₁ v₂ v₃ v₄ v₅}

(3)確定各因素的權(quán)重，一般情況下,因素集中的各因素在綜合評(píng)價(jià)中所起的作用是不相同的,綜合評(píng)價(jià)結(jié)果不僅與各因素的評(píng)價(jià)有關(guān),而且在很大程度上還依賴于各因素對(duì)綜合評(píng)價(jià)所起的作用,這就需要確定一個(gè)各因素之間的權(quán)重分配,它是U上的一個(gè)模糊向量，此處已經(jīng)通過AHP計(jì)算得到一個(gè)權(quán)重向量A，記為

A＝{a₁ a₂ a₃}

(4)確定模糊綜合判斷矩陣

綜合上述所有向量得到因素評(píng)判矩陣如下：

確定單因素評(píng)判矩陣R和因素權(quán)向量A之后，通過模糊變化將U上的模糊向量V變?yōu)锳上的模糊向量，最后得到的模糊向量為：

B＝[0.6118 0.2871 0.3398 0.2957 0.3170]

步驟7中，將預(yù)測(cè)對(duì)象隨時(shí)間推移而形成的數(shù)據(jù)序列視為一個(gè)隨機(jī)序列，如果序列僅存在趨勢(shì)，當(dāng)經(jīng)過d階逐步差分就可以平穩(wěn)，用一定的數(shù)學(xué)模型來近似描述這個(gè)序列，使用ARIMA(p,q,d)模型，一旦被識(shí)別后就可以從時(shí)間序列的過去值及現(xiàn)在值來預(yù)測(cè)未來值：

首先通過ADF檢驗(yàn)，檢查原始時(shí)間序列的平穩(wěn)性，如果原始時(shí)間序列是平穩(wěn)的，那么d＝0；如果原始數(shù)據(jù)不平穩(wěn)，那么做差分運(yùn)算，通過ADF檢驗(yàn)直到時(shí)間序列平穩(wěn)，一般差分次數(shù)不超過2次，d的值可取1，國(guó)家高等教育的基礎(chǔ)在一階差分之后具有的平穩(wěn)性，國(guó)家高等教育滿足ARIMA(p,q,1)模型，通常在時(shí)間序列分析中，采用自相關(guān)函數(shù)(ACF)、偏自相關(guān)函數(shù)(PACF)來判別ARMA(p,q)模型的系數(shù)和階數(shù)。