随机可变模糊识别模型在清洁生产评价中的应用

摘要

针对清洁生产评价，可引入可变模糊识别模型，计算其级别特征值。与传统的百分制评分模型相比，削弱了主观偏好对评价结果的影响，提高了评价的可操作性和准确性。考虑到实际评价过程中，级别特征值可能位于级别区间边界附近，因此引入正态分布随机变量描述区间内值的模糊性，建立随机可变模糊识别模型。同时在随机可变模糊识别模型中，需要主观确定区间内值的模糊性，而不同的人对事件的模糊程度不同，可通过引入不确定性分布G-正态分布来描述区间内值的模糊性，建立不确定分布下随机可变模糊识别模型。由PDE的数值解得到级别特征值属于级别区间的最大概率和最小概率。
　　 论文分为六章。第一章简单介绍模糊集理论的发展现状和文章的写作思路。第二章给出了论文所需的基础知识，其中包括模糊数学基础知识、可变模糊识别模型以及非线性期望的相关定义和结论。
　　 第三章和第四章给出了初步的结果。第三章通过引入服从正态分布的随机变量描述区间内值的模糊性，重新定义相对隶属度，建立了随机可变模糊识别模型。第四章以清洁生产评价为例，应用第三章建立的随机可变模糊识别模型计算级别特征值，对某厂技术改进前后的清洁生产水平进行评价，并将结果与百分制评分模型进行比较。
　　 第五章在G-正态分布下，建立随机可变模糊识别模型。由于非线性期望的对偶性，可计算出级别特征值属于级别区间的最大和最小概率。最后通过计算与G-正态分布相关的PDE的数值解，得到最大和最小概率。
　　 第六章总结了前文的结果，对未来清洁生产工作提出建议。

目录

声明

摘要

第1章 简介

第2章 预备知识

§2．1 模糊数学基础知识

§2．2 可变模糊集理论

§2．3 可变模糊识别模型

§2．4 指标评价体系

§2．5 不确定性分布G-正态分布

第3章 随机可变模糊识别模型

§3．1 模型的建立

§3．2 区间值的相对隶属度

§3．3 级别特征值

第4章 随机可变模糊识别模型的应用

§4．1 清洁生产评价步骤简介

§4．2 指标标准数据及实测数据

§4．3 对工程改进前后进行清洁生产评价

第5章 分布不确定下级别区间的计算

§5．1 数值算例

§5．2 分布不确定下随机可变模糊识别模型

第6章 结语

附录

参考文献

致谢

参与项目与发表论文情况