時間：2023-06-07 09:37:17
開篇：寫作不僅是一種記錄，更是一種創造，它讓我們能夠捕捉那些稍縱即逝的靈感，將它們永久地定格在紙上。下面是小編精心整理的12篇熵值法論文，希望這些內容能成為您創作過程中的良師益友，陪伴您不斷探索和進步。
關鍵詞 撫州市；耕地集約利用；DPSIR模型；改進熵值法
作者簡介廖 娟（1988—），女，東華理工大學地球科學學院土地資源管理專業碩士研究生，主要研究方向為土地利用規劃與土地資源可持續利用。（江西南昌 330013）
一、引言
隨著我國社會經濟的快速發展，工業化、城市化進程不斷加快，部分耕地非農化已成必然，耕地面積減少的趨勢在短時期內難以逆轉。只有在嚴格保護耕地的同時，在耕地利用的過程中走集約化道路，注重內涵挖潛，才能實現具有中國特色的農業現代化，保障我國的糧食安全。耕地集約利用是基于區域耕地資源科學和優化配置的前提，在有限的耕地面積上合理增加相關生產要素投入，以最大限度提高耕地利用的綜合效益，充分挖掘耕地利用潛力，從而在耕地利用上走內涵挖潛和持續發展道路的一種土地利用方式1。
二、耕地利用的DPSIR模型
DPSIR？穴驅動力—壓力—狀態—影響—響應？雪模型是由EEA？穴歐洲環境署？雪提出的一種評價模型，它是作為衡量環境及可持續發展的一種指標體系開發出來的。它涵蓋了資源利用、環境保護和社會經濟發展等多個領域，可以將土地利用及其環境問題、社會經濟發展狀況、政府政策導向等方面按照因果順序有機地整合在一起，為評估農業土地資源持續利用提供了較好的研究思路2。DPSIR模型在自然資源的評價過程中能夠反映出自然環境與人類活動之間的普遍聯系和特征，對造成環境變化的原因以及人類對此做出的響應等多個因素綜合到一個模型中，使事物更具有條理性和整體性3。
三、撫州市耕地集約利用評價
撫州市位于江西省東部，撫河上中游，總面積18817平方千米。2011年撫州市耕地總面積為311293.95hm2， 占全市土地總面積的16.54% ，主要分布于臨川區、東鄉縣、樂安縣、金溪縣和崇仁縣。撫州市是國家區域性商品糧生產基地，因此，研究撫州市耕地集約利用水平及其影響因素，為撫州市合理利用耕地資源、提高利用效益、保障糧食安全具有重要的現實意義。
（一）評價指標體系建立
在綜合參考了相關成果的基礎上3-5，考慮到數據等資料的可獲取性，結合撫州市實際情況，基于耕地利用的DPSIR模型，遵照科學性與可操作性、綜合性與主導性、系統性與層序性等原則，建立了反映撫州市耕地集約利用水平的評價指標體系，共18個指標因子（表1）。
（二）評價指標權重確定
為了避免主觀因素的影響，使指標權重更加具有科學性，本文采用客觀賦權法中的信息熵值法來確定指標權重6。在熵值法的計算過程中，運用了熵和對數的概念，根據相應的約束規則，負值和極值不能直接參與運算，應對其進行一定的變換，即應該對熵值法進行一些必要的改進，本文采用標準化變換法對熵值法進行改進7。
步驟如下：
1.評價指標標準化處理。
式中，X′ij為標準化處理后的指標值，Xij為第j項指標的算術平均值，Si為第j項指標的標準差。
2.為了清除負數，進行坐標平移：X″ij=X′ij+H，式中，X″ij 為平移后的指標值，H為指標平移幅度。
3.計算第j項指標下的i個樣本值的比重：
4.計算第j項指標的熵值，熵值越小，指標間的差異性越大，指標就越重要。ej=-k∑PijlnPij （k=1/lnm），0≤ej≤1。
5.計算第j項指標的信息效用值：hj =1-ej。
6.計算第j項指標的權重：wj=hj/∑hj （j=1，2，…，n），按照改進熵值法確定撫州市各評價指標的權重（表1）。
（三）耕地利用集約度計算
運用功效函數評價法對影響耕地集約利用的各項指標進行綜合評價，得到耕地利用集約度8。假定耕地集約利用各評價指標為uj（j=1，2，3…n），aj，bj 分別為耕地集約利用評價指標的最大值與最小值。指標值xij對耕地集約利用的功效Ui（uj ）由下式確定：
然后，根據確定的各指標的權重wj，計算出耕地集約利用度Fi，Fi=∑wjUi。
四、撫州市耕地集約利用評價結果分析
（一）撫州市耕地集約利用動態分析
按照表1確定的各評價指標的權重，根據集約度的評價方法，得到耕地利用集約度評價結果（表2）。從總體上看，2002—2011年撫州市耕地集約利用指數不斷增長，從2002年的0.411上升到2011年的0.737，年均上升3.26%。
由表2可知，驅動力指數從2002年的最高，持續下降，2011年為五個子系統最低；壓力指數2002年僅次于驅動力指數，10年間呈緩慢波動下降態勢，2011年僅高于驅動力指標；狀態、影響和響應指數除個別年份短暫下降外，呈快速上升趨勢，狀態指數連續幾年位居第一；從影響指數看出農戶在耕地利用過程中的經濟收益和挖掘耕地生產潛力的能力都在持續提高；響應指數增幅最大、上升速度最快，從2002年的0.035上升到2011年的0.265，說明人對耕地集約利用的響應增強，通過提高對耕地投入促進耕地的集約利用。
（二）撫州市耕地集約利用空間分析
從圖1可以看出，撫州市各縣區耕地集約利用水平空間差異不十分明顯，從空間分布看，中部各縣集約利用水平相對較高，最高的是南豐縣，主要是南豐縣狀態、影響和響應指數均位居撫州市各縣區首位，南豐縣對農業的投入較大，農業產值及農民收入均為各縣第一位，反映南豐縣耕地利用效果很好；金溪縣、臨川區、黎川縣和崇仁縣各項指標都屬中上水平，耕地集約利用水平相差不大，高于撫州市耕地集約利用水平；宜黃縣、樂安縣、南城縣等其他各縣與撫州市耕地集約利用水平相比較低，其中，廣昌縣最低，影響耕地集約利用的四個子系統分值均很低，致使廣昌縣耕地集約利用綜合指數最低。
五、建議
綜合以上分析，對撫州市耕地集約利用提出以下建議：加強基本農田保護，大力開展土地整理項目，增加耕地數量；加快農業生態環境建設，提高耕地質量；完善土地利用總體規劃，嚴格控制建設用地擴張規模，規劃好村鎮建設，控制農村宅基地占用耕地；加強科技投入和農民的科技培訓，提升農民的科技素質；增加資金、機械等各項投入，完善農業基礎設施建設，提高耕地利用效率；優化耕地的用地結構，促進現代農業的產業發展。
參考文獻
1金衛華，唐國滔，劉微微.耕地集約利用評價指標體系研究——以湖南省永州市為例J.國土資源科技管理，2008，.
2于伯華，呂昌河.基于DPSIR概念模型的農業土地資源持續利用評價J.農業工程學報，2008.
3鄧超.武漢市耕地集約利用評價研究D.武漢：華中農業大學碩士論文，2010.
4陳玨.黑龍江省耕地集約利用指標體系的構建與評價J.科技促進發展，2008.
5安玉娟.河北省耕地利用集約度變化特征J.地理科學進展，2009.
6陶曉燕，章仁俊，徐輝，等. 基于改進熵值法的城市可持續發展能力的評價J. 干旱區資源與環境，2006.
【關鍵詞】 厭學青少年；腦電α波；熵值；心理活動
Prevailing Frequency Competitive Condition of Alpha Electroencephalographic Wave s among School-weariness Teenagers and Its Influence on Psychological Activitie s . Zhang Xiaoming. Department of Psychological Clinic, Jinan Generral Hos pital of PLA, Jinan 250031, P.R.China
【Abstract】 Objective To explore distribution condition of the prevai ling fre quency of alpha electroencephalographic waves among school-weariness teenagersand put forward scientific psychological consult scheme. MethodsTake the teenag ers for psychological consult involving in school-weariness the research group, and those for routine physical examination the control group. Measure the prevai ling competitive condition of alpha electroencephalographic waves and entropy va lues of the two groups with ML-2001 brain function status inspecting apparatus t o learn the function status and cognitive ability of brain activities. Compare a nd analyze entropy and the difference between prevailing and non-prevailing fre q uencies of alpha waves, trying to find exactly the psychological problems of tho se need help and make out instruction strategy for them. Results There is no significant difference between research group and control group onthe primary prevailing frequency of alpha electroencephalographic waves, but th e difference of entropies between primary and secondary frequencies is significa nt(P
【Key words】 School-weariness teenagers; Alpha electroencephalographicwaves; Entropy value; Psychological activities
厭學青少年是指對學校學習和生活失去興趣，產生厭倦或持冷漠態度學習的“差生”。 隨著人們對心理學科的認識提高，目前因厭學進行心理咨詢的青少年越來越多。由于這類青 少年智力正常，對學校多門課程的學習不感興趣，人們已習慣把這種行為歸為貪玩、叛逆或 缺乏動機、理想和目標等，對策研究也多是端正學習態度，激發興趣等。臨床觀察這種心理 指導效果有的不佳。為了在心理咨詢中準確地把握厭學青少年逃避學習的真正原因 ，我們對厭學咨詢的青少年實施腦功能狀態檢查，從學習的生物性機能方面分析厭學青少年 腦功能狀態和α波競爭頻的特點，了解其厭學者的學習能力和認知特點。從而科學制定咨詢 和治療方案。現將厭學青少年腦功能狀態檢查情況分析如下。
1 對象和方法
1.1 對象 研究組為2006.8～2007.12月因厭學由家長帶領求助心理咨詢青少年共90例。年 齡 15.2±2.3歲。男58人，女32人。均無智力障礙和大腦器質性病變。另設對照組30人，其年 齡和性別與研究對象無顯著性差異。
1.2 方法 排除大腦器質性病變，智力障礙，統一使用北京同仁光電技術公司生產的ML-20 01 腦功能分析儀對腦功能狀態和腦電α波競爭頻的分布及熵值進行測量，要求被測者采用舒適 座位，安靜閉眼。測量程序按照國際標準導聯(10～20)系統安放16個測量電極(FP1、FP2、F 3、F4、C3、C4、P3、P4、01、02、F7、F8、T3、T4、T5、T6)，雙耳連線（A1＋A2）為參考 電極，前額正中(PF2)接地保護。采樣頻率為256Hz，時間常數為0.13s，連續采集18分鐘。 采集的信號由腦波超慢分析軟件自動分析。
1.3 數據處理 用SPSS 8.0統計軟件進行獨立樣本t檢驗。
2 結 果
2.1 厭學青少年大腦功能狀態分析 檢查結果顯示，厭學青少年的腦區處在少氧狀態的33 人 ，疲勞狀態38人，左右腦功率不對稱23人，前后功率梯度逆轉79人。分別占研究對象的36.6 %、42.20%、25.5%和87.7%。為了排除注意缺陷對認知能力的影響，研究組使用大腦整合連 續視聽功能測試儀，把有明顯注意缺陷的38人定為多動組，無明顯注意缺陷的52人定為研究 組1。各組腦功能狀態結果比較見表1。
表1結果顯示，研究組1與多動組在大腦的少氧狀態，疲勞狀態，左右功率不對稱，前后 功率逆轉方面無顯著性差異，但與對照組均差異顯著。說明厭學青少年有無注意缺陷均表現 腦功能狀態欠佳。
2.2 研究組、多動組和對照組α波優勢主頻成分的分布情況 見附圖。
2.3 研究組、多動組與對照組間α波主次頻之差和熵值及多頻比較 見表2。
表2顯示，研究組與多動組主次頻差值、熵值和同時段的多主頻率差異不顯著，但與對照組 差異顯著。這說明厭學青少年主頻優勢不明顯，受其它頻率干擾大，大腦組織的統一性差 。熵值與對照組比增大顯著，這說明厭學青少年接受信息的能力為低水平狀態。
3 討 論
3.1 厭學青少年腦電α波主頻與次頻之差縮小 正常平靜狀態下腦電α波競爭主頻在8～12 Hz 中任意一頻，且優勢明顯，各腦區主頻一致。但本研究表明，厭學青少年的α波主頻與次頻 差值縮小，且各腦區主頻不一致或主次頻交互現象較多，這些均表明厭學青少年的大腦工作 有序度較低，主次頻相互干擾較強，臨床表現，學習時注意力不集中、多動和沖動，與人 交往緊張，做事時有力不從心的感覺，自控力差，看小說或打游戲時易上癮等。另外，厭學 青少年 的熵值較大，表明腦電α波的能量分布分散，不能集中在8、9、10、11、12、13Hz的任意主 頻的成分上，穩定性差，不確定性大，優勢頻率隨時可被其他成分所競爭，達不到優勢控制 的程度。尤其在大腦少氧和疲勞狀態時，腦波優勢頻率更不易穩定。左右功能不對稱和前后 功率逆轉時，影響腦的組織能力，使大腦有序度更低。有關多動癥患者有α波漫化趨勢的報 道[2]，但在本研究中多動組α波優頻慢化結果不明顯。但主頻與次頻差值縮小與 對照級差異顯著。這可能是心理問題嚴重程度的生物性反應。
3.2 厭學青少年腦功能α波優頻分析對心理咨詢作用 厭學青少年咨詢時其學習能力處于 什 么狀態是心理咨詢師指導求助者必須要考慮的問題之一。這關系到能否準確把握求助者心理 問題。腦功能狀態和α波優勢頻分析即可顯示出厭學者的學習能力。如心理能力不足則表現 α波優勢頻不明顯，有序度低，熵值增大，說明求助者大腦工作狀態已處于飽合，接受信息 的能力處于低水平程度，學習中已經不能集中所有能量對所要注意的目標。在這種情況下， 心 理指導是以自我放松和適當運動為主。若大腦處在少氧和疲勞狀態時，還要適當加強大腦營 養，注意休息等。中樞神經系統是一個復雜但高度統一的整體，腦電活動有序度越低，其行 為、學習控制調節能力越弱。對厭學青少年對學校學習壓力和人際的不適或受挫后采取逃避 行為更能理解。腦功能狀態檢查和α競爭圖分析可以幫助我們在對厭學青少年心理咨詢時分 清生物性因素和動機理想目標影響因素，從而可以科學地制定心理咨詢治療方案。按生物學 規律進行行為指導，這種指導更符合厭學青少年的實際，易得到認可和主動實施。
4 參考文獻
［1］李穎潔,樊飛燕,陳興時.腦電分析在認識研究中的進展.北京生物醫學工程,200 6,3:321-322
［2］孫黎,等.伴學習困難注意缺陷多動障礙兒童A波競爭圖特點.中國心理衛生雜志 ,2003,17(4):238-241
［3］李捷.運動技能形成自組織理論的建構及其實證研究(博士論文).北京:北京體 育大學,1999
［4］孔慶梅,等.注意缺陷多動障礙患兒α波競爭圖的對照研究.中華精神科雜志,20 01,34(2):73-75
關鍵詞：上市公司；熵值法；動態績效評價
引言
目前對上市公司經營績效評價多采用靜態綜合評價方法，如單一采用主成分分析法、DEA法、層次分析法對其進行經營績效評價，但是這些評價方法都主要集中對上市公司績效靜態（某一時間點）的評價，缺乏對公司某一時間段的動態綜合評價，沒有做到“回顧性”與“前瞻性”共存。而實際上，對于公司績效的動態綜合評價能夠在一定程度上規避公司業績波動性的影響，更能反映公司在一段時間內的真實經營績效情況，同時能夠對公司未來績效的變化狀況進行一定程度預測。鑒于此，本文采用基于熵值法的動態評價方法對上市公司的經營績效進行動態評價，以求能客觀反映上市公司的經營績效狀況。
一、模型構建
1.評價指標選擇。經營績效評價首先是評價指標的選擇，在查閱相關文獻、結合上市公司特點以及為較全面反映制上市公司的經營績效的基礎上建立以下四大類包括8個指標的動態綜合評價指標體系：（1）盈利能力指標：主營業務利潤率、凈資產收益率，正指標；（2）發展能力指標：凈資產收益率增長率、總資產增長率，正指標；（3）營運能力指標：流動資產周轉率、總資產周轉率，正指標；（4）償債能力指標：資產負債率、速動比率，適度指標。
2.指標權重的確定方法。指標確定權重的方法一般分為主觀賦權法和客觀賦權法。主觀賦權法各評價指標的權重是由專家根據自己的經驗和判斷給出的，因此根據選取專家的不同而具有較大的主觀性；而客觀賦權方法是從指標的統計性質上來考慮，以數理統計方法為基礎，不需征求專家的意見，克服了主觀賦權方法的種種缺陷，因此，較主觀賦權法更適用于上市公司績效動態綜合評價問題。本文采用客觀賦權法中的熵值法確定各指標的權重。
熵值法的基本思路為：某項指標值的變異程度越大，熵越小，該指標提供的信息量越大，在評價中的作用越大，則權重也越大；反之，某指標指標值的變異程度越小，熵越大，該指標提供的信息量越小，在評價中所起的作用也越小。由于介紹熵值法的計算過程的文獻較多，這里不在詳細介紹。
3.動態評價中時間權重的確定。在動態績效評價中，時間權重的確定是與靜態評價最明顯的差異，本文擬采取等差數列賦權方法確定時間維度的權重。等差數列賦權方法的基本思路是：假設共有ti年的績效評價數據，各年度時間維度的權重為λi（λ1，λ2，…λm），公差為a，其中i=1表示距離現在最遠的一年，i=m則表示距離現在最近的一年，則根據以下條件可以算出動態評價中各年的時間權重λi：
λi=1λi+1=λi+a0＜λi＜1，0＜i＜ta＞0
4.動態綜合評價模型。設時序多指標綜合評價的指標集為P{P1，P2，…Pn}，時間樣本點為ti（i=1，2，…，m），對應的時間權重向量為λi（λ1，λ2，…λm），評價對象為Uk（k=1，2，…，g），對應于特定的時間點ti，所有評價對象的樣本數據集為:
P1，P2，…，Pn
Xi=x（i）11，x（i）12，…，x（i）1nx（i）21，x（i）22，…，x（i）2nx（i）g1，x（i）g2，…，x（i）gn
上述數據集為為特定時間點的靜態值，采用熵值法確定各指標靜態權重之后可以算出各個評價對象的靜態綜合評價值，這些評價值的時間序列構成如下矩陣：
t1，t2，…，tm
A=a11，a12，…，a1ma21，a22，…，a2mag1，ag2，…，agm=（aij）g×m
其中，aij表示評價對象Uk（k=1，2，…，g）在時間點ti的靜態綜合評價值
在動態評價中，不僅要考慮指標的優劣，而且要考慮指標的增長情況，因此，令增長矩陣B=aij（t）-aij（t-1）（t=2，3，…，m），它表示評價對象的綜合評價值從（t-1）期到t期的增長變化情況；將靜態綜合評價矩陣A和增長矩陣B加權而成，得到要求的時序多指標綜合評價矩陣C，即：
C=（cij）g×m，cij=α•aij+β•bij，α+β=1
其中，α，β分別表示靜態評價值和增長變化值的相對重要程度，特別地當α=1，β=0表示動態評價只考慮了指標的優劣，沒有考慮指標的增長情況；當α=0，β=1表示不考慮指標的優劣，只考慮指標的增長情況；一般情況下，我們取α=0.5，β=0.5即指標的優劣和指標的增長情況各考慮50%的權重。
接著對矩陣C構造理想時間序列矩陣和負理想時間序列矩陣為：
c+=（c+1，c+2，…，c+m）c-=（c-1，c-2，…，c-m）
其中，c+1=max{cik|k=1，2，…，g〉}，i=1，2，…，m
c-1=max{cik|k=1，2，…，g〉}，i=1，2，…，m
按照理想點算法，用歐式范數作為距離的測度，評價對象Uk在時間ti的動態綜合評價值cik到理想點c+和負理想點c-的距離為：
d+k=λi（cik-c+i）21/2，k=1，2，…，g
d-k=λi（cik-c-i）21/2，k=1，2，…，g
其中，λi為對應的時間權重向量。
第k個評價對象Uk對理想點的相對貼近度為：
sk=d-k/（d+k+d-k），k=1，2，…，g
顯然0≤sk≤1，sk越大，說明被評價對象的動態綜合評價值越靠近理想點而遠離負理想點，即被評價對象的動態績效越好，排名也越靠前。
二、實證分析
為了能夠客觀地檢驗該模型的實用性，在考慮數據的可獲得性和筆者對家電制冷空調類上市公司較為熟悉的情況下，選擇了在滬深交易所上市的家電制冷空調類上市公司共有13家，分別是華意壓縮、美菱電器、美的電器、大冷股份、格力電器、煙臺冰輪、東凌糧油（2009年第四季度重組前生產冰箱壓縮機）、盾安環境、哈空調、澳柯瑪、雙良股份、海立股份、青島海爾。選取2005—2009年五年的年報數據作為研究樣本。數據來源于國泰安數據庫，采用EXCEL2007對數據進行計算處理。
1.首先對原始數據進行標準化處理。在選定的八個指標中，除償債能力和速動比率為適度指標外，其余都為效益型指標。采用下列公式將償債能力和速動比率數據進行預處理，使其轉化為效益型指標。X′=2×（X-m），m≤X≤（m+X）/22×（X-m），（m+X）/2≤X≤M其中，m為X所在列中的最小值;M為X所在列中的最大值。采用極差變化法X″ij=（Xij-minXj）/（maxXj-minXj）把經預處理過后的數據進行標準化處理，以消除量綱的影響。
2.經標準化處理之后的數據采用熵值法確定各年指標的權重為：
2005年各指標權重為：（0.1323，0.1355，0.1256，0.1362，
0.1251，0.1096，0.1168，0.1189）
2006年各指標權重為：（0.1305，0.1203，0.1353，0.1268，
0.1222，0.1141，0.1283，0.1225）
2007年各指標權重為：（0.1353，0.1353，0.1131，0.1358，
0.1208，0.1184，0.1242，0.1171）
2008年各指標權重為：（0.1262，0.1291，0.1246，0.1344，
0.1199，0.1190，0.1249，0.1219）
2009年各指標權重為：（0.1164，0.1236，0.1178，0.1352，
0.1228，0.1287，0.1311，0.1244）
3.根據標準化處理后的指標數據，運用熵值法確定的各指標權重計算得出2005—2009年的各家公司上市公司績效靜態綜合評價值。
4.增長矩陣B的計算，取基期2005年的增長值為0，計算出增長矩陣；再取α=β=0.5，將靜態綜合評價值和增長矩陣B加權而成，得到時序多指標評價矩陣C，運用理想點法，求出每家上市公司的時序多指標綜合評價值，其中時間權重λi根據等差序列賦權方法計算出2005—2009年的時間權重依次為0.1，0.15，0.2，0.25，0.3，最后對它們按評價值的高低進行排序，得到上市公司多指標動態綜合評價結果）。
根據動態績效評價結果，2005—2009年的動態綜合績效排名為美的電器>雙良股份>哈空調>青島海爾>格力電器>美菱電器>海立股份>廣州冷機>華意壓縮>煙臺冰輪>盾安環境>大冷股份>澳柯瑪。可以看到：動態綜合評價值排名第一的美的電器2007—2009年連續三年的靜態評價值也排在第一位；動態評價值排名第二的雙良股份，如果僅僅以一年的靜態值，不考慮增長情況的條件下，2009年的靜態值僅僅排在第六位，2005—2008年的排名分別是第一、一、二、五位；動態綜合評價值排在最后一位的澳柯瑪其五年的靜態值的相對排名分別為第十二、十三、十三、十三、十二位。從以上可以看出，本文建立的動態評價方法相比靜態方法，更能客觀和全面地反映上市公司的經營績效，避免單一性和片面性，具有一定的先進性。
結束語
本文以熵值法作為上市公司綜合評價指標體系的賦權方法，同時采用等差數列對時間維度進行賦權，在考慮指標增長情況的基礎上，建立了上市公司的動態績效評價模型，并結合理想解法，對上市公司的經營業績進行動態綜合評價。通過實證分析表明，本文建立的動態評價方法相比靜態方法，更能客觀和全面地反映上市公司的經營績效，避免單一性和片面性，具有一定的先進性。
參考文獻:
[1]郭亞軍.一種新的動態綜合評價方法[J].管理科學學報，2002，(2).
[2]王璐.上市公司經營業績的時序多指標綜合評價[J].數理統計與管理，2005，(2).
[3]羅珍.上市公司績效動態綜合評價方法研究[D].長沙:湖南大學碩士論文，2009:5.
[4]林杰，鄭循剛.基于熵權TOPSIS法的房地產上市公司績效評價[J].技術經濟與管理研究，2008，(3).
關鍵詞：學生評教系統；評教指標體系；評教模型
一、高校學生評教系統現狀及問題分析
目前，絕大多數高校都使用了網絡評教系統，但都存在一些問題，主要表現在以下幾個方面。
1．評教比較集
所謂“評教比較集”就是指教師評教結果的比較范圍，目前，絕大數高校學生評教的統轄權都在學校層面，其比較集都很大，如哈工大，除體育課教師單獨為一個比較集之外，其余課程教師則統統納入一個大的比較集之中，不分課程類型，雖然在比較集之內，所采用的指標體系和權重基本相同，但由于課程性質的差異較大，放在一起比較則不盡合理。相關研究表明不同學科、不同課程對評教結果的影響很大[1]。因此，評教結果應該在“同質課程”內進行比較、排序，即外語與外語比較、數學與數學比較、體育與體育比較，等等。按院（系）構建評教比較集是最為合理且可行的方案，學校應將評教的組織與管理權下放到各院（系），各院（系）可根據自身課程的特點制定評教指標體系。
2．評教指標體系及權重
國內各高校評教指標體系主要是采用標準化指標，雖然有些高校針對不同的學科門類做了一些分類，但絕大多數高校幾乎是用一套固定不變的指標體系來評價所有教師[2]。評教指標體系的設計基本上局限于絕對統一的“五環節模式”，即對教師的教學計劃、教學內容、教學方法、教學手段、教學效果進行評價。只評價教師的“教”，而不評價學生的“學”，考察學生的學習主要是三個方面：一是“愛學”，即學習的主動性；二是“會學”，即學習的能動性；三是“善學”，即學習的創造性 [2]。因此，指標體系應該設置注重學生創造性培養的指標，既要反映教師“教”的質量和效果，也要反映學生“學”的質量和效果。國內各高校評教權重基本全部使用由教學管理當局和專家確定下來的固定的主觀權重，沒有考慮客觀權重（根據各項指標在實際評教中所起的作用計算得出的權重），也沒有考慮學生本身的評教權重，由于大四學生上課出席率極低[3]，所以不同的學生應有不同的權重，可根據出席率來確定，對于始終不去上課的學生，老師甚至有權取消其評教資格。
3．評教模型
目前，各高校采用的評教模型可以說是五花八門，有些學校直接采用學生評教的平均分，有些學校采用經驗公式，還有些學校采用標準分。相對而言采用標準分模型較為合理，但也需對其進行完善和修正，應考慮的因素主要有兩個，第一是極端評教，應在模型中予以剔除；第二是學生考試成績，當然對于一些基礎課院（系），如數學、物理、外語等，可能用題庫出題，或由課程組來統一命題，在這種情況下，可能學生成績越高，教學效果越好，因此，不需對評教模型進行修正。而在其他許多院（系）都是由任課教師自己出題考核學生，在這種情況下，可以肯定地說學生成績一定與教師評教得分有關（成績低打分較低）[4]，然而幾乎在所有高校評教模型中都沒有考慮此因素，有些教師為了獲得好的評教結果，可能會給學生普遍高分，甚至公開許諾給學生較高分數，以此換取學生的好評。因此，評教模型必須根據學生的平均成績進行修正。
二、高校學生評教指標體系及權重設計
1．評教指標體系設計
在實際應用中，評教指標不宜過多，一般以10～15項為宜，學生回答問題所需時間不宜過長，必須簡明扼要[2]。通過對各高校評教指標體系的比較，發現各學校、各院（系）、各不同類型專業、一些特殊課程，其評教指標都有所區別。那么作為一個系統，應該如何設計其評教指標體系呢？一個可行的方法就是設計評教指標庫，并可根據需要對指標庫中的指標進行增、改、刪等維護。在實際應用時，各院（系）可根據自身的特點，從指標庫中選取其中的10～15個指標構成評教指標體系，在實際應用中若發現某些指標不當，可重新選取，通過長期探索后便可將符合本院（系）特點的評教指標體系相對固定下來，指標的選取必須征求有關專家和學生的意見和建議，并根據多年的評教結果分析具體情況來確定。評教指標庫的數據存儲結構可參照表1設計。
表1中，指標類型：為“通用、數學、物理、外語、等等”；Delphi權重：用專家調查法確定的指標權重；熵值權重：用“熵值法”計算得出的權重；綜合權重：根據“Delphi權重”和“熵值權重”計算得出的綜合權重；指標狀態：在評教中實際應用的指標是表1中的一部分，若某項指標被選中用于實際評教，則其指標狀態為“√”，否則為空；指標等級1～指標等級10：每個指標最多可分10個等級，如“最好、很好、好、較好、一般、較差、差”7個等級，對應分值分別為“100、90、80、70、60、50、30”。
2．評教指標權重的確定
（1）專家調查法（Delphi）
Delphi方法的特點在于集中專家的經驗與意見，確定各指標的權重，并在不斷的反饋和修改中得到比較滿意的結果。對于評教指標庫中已選定的，準備用于實際評教的指標，其權重的確定應選擇具有多年教學經驗的教學名師、精品課負責人等教育專家，還必須有一定數量的學生代表，學生雖然不是教育專家，但是他們對評教的感受較深，知曉哪些指標重要，哪些指標不重要，特別是對他們“學”效果的評價。
三、高校學生評教模型的構建
1．評教標準分模型
使用標準分，使不同學生對不同教師的評教具有可比性。由于每個教師的評教分數是由不同學生給出的，不同的學生評價標準不同，比較的參照系不同，因此對老師的評價也不同。比如A班對甲老師的評價是85分，B班對乙老師的評價是82分。如果就此得出乙老師比甲老師教學水平差，那是不客觀的。因為如果A班給老師的評分都高，甲老師得的是最低分，而B班給老師的評分都低，乙老師得的是最高分，實際上就可能是乙老師比甲老師的教學水平高。從本質上說，不同的群體對不同的個人做出的評分是不可比的。但目前卻是用不可比的分數進行比較。這樣的結果是有失公正的。為使不同的群體對不同的人給出的評價有可比性，最好的方法是是用標準分。標準分的計算公式為：
例如，某學生評價了5名教師，他們的得分分別是95、90、85、80、75，則5名教師的平均分為85，標準差為7.07，五名教師的 分數分別是1.414、0.707、0、–0.707、–1.414。z分數為0，說明教師的評教結果處于平均水平，z分數為正說明教師的評教結果高于平均水平，z分數為負，說明教師的評教結果低于平均水平。z分數是無量綱的相對數，表明的是某個數據在總體中的位置，z分數越大，說明個體在總體中越優秀。在不同總體中的z分數是可以比較的。它不受學生評價是嚴格還是寬松的影響[5]。
2．評教修正模型
（1）剔除極端評教模型
絕大多數學生評教都是理性和公正的，能對教師的教學做出客觀的評價，每位教師的評教得分一般都應符合正態分布，但教師可能在課程教學中會對某些個別學生過于友好或嚴厲，從而導致極端評教現象發生，因此，在評教模型中必須剔除極端評教得分。目前，哈工大的做法是用某位學生評價某位教師的標準分 減去該教師的平均標準分 ，再對其差值取絕對值，將此絕對值大于2的評教得分剔除。即將｜ ｜>2的學生評教得分去掉。經過多個學期實踐，證明此方法行之有效。
（2）根據學生平均成績的修正模型
對于一些全部課程普遍由任課教師自己出題來考核學生的院（系），其教師的評教得分一定與學生的平均成績相關。為了解決學生評教結果可能受教師給分影響的問題，建立相應的模型將教師給分因素從學生評教結果中剔除，進而得到與教師直接相關的教學方面的評價結果。模型的核心是建立回歸方程，具體分為三步。
第一步，設：vi為教師i的平均百分評教得分（非標準分），di為該教師給學生的平均分數，注意這兩個數據來自于本門課程全體學生評教數據的平均值和教師給分數據的平均值。
四、結論
從高校學生評教系統的主要構成要素：評教比較集、評教指標體系、指標權重、評教模型視角，對系統的改進進行了研究，在深入分析評教系統現狀和存在問題的前提下，給出了系統的改進方案。取得的主要研究成果如下：
（1）針對絕大多數高校學生評教都集中在學校層面統一管理，除特殊課程外，在全校范圍內設立比較集的現象，提出了按“同質課程”建立評教比較集，將評教的統轄權下放到各院（系）的思想；
（2）打破普遍采用標準化、固定不變指標體系和指標權重的傳統方法，通過創建評教指標數據庫，設計了符合各院（系）學科和專業特點的動態評教指標體系。提出了將Delphi（主觀賦權法）與熵值法（客觀賦權法）有機結合，用實際評教數據來不斷修正指標權重的科學方法；
（3）摒棄了直接采用平均分、經驗公式等不夠公平、公正的評教模型，在標準分模型的基礎上，從極端評教和學生平均成績兩方面構建了評教修正模型，并經過實際應用和數據檢驗，驗證了模型的有效性。
參考文獻：
[1] 何云輝.高校學生評教結果有效性研究[D].汕頭大學碩士論文.2007：21-24.
[2] 王麗榮.中美高校學生評教指標體系的比較研究.山東大學碩士論文.2008：30-42.
[3] 汪旭暉.高校學生評教效果的影響因素研究[J]. 開放教育研究.2009（4）：77-80.
[4] Marsh， H. W.，&Dunkin， M. J. Students’evalu-ations ofuniversity teaching： amultidimension alperspective[A]. Smart，J.C. Higher Education： Handbook of Theory and Practice[C].New York.Agathon，1992：253-388.
【關鍵詞】超微型燃氣輪機；分布式發電；離心葉輪；壁面溫度；數值模擬
【Abstract】Several kilowatts Ultra Micro Gas Turbine （UMGT） can be used as portable power units， propulsion of small airplanes and distributed power generation system. It has a broad application prospect. In this paper， a 3kW class Ultra Micro Gas Turbine was chosen as the research object. The high speed， small scale centrifugal impeller of the engine system was designed and numerically analyzed. Besides， numerical simulation was performed to the impeller under different wall temperature， the influence and it’s mechanism of heat transfer to the performance of the centrifugal impeller was analyzed.
【Key words】Ultra Micro Gas Turbine（UMGT）； Distributed power generation； Centrifugal impeller； Wall temperature； Numerical simulation
0 前言
超微型燃氣輪機作為一種清潔高效、低成本、高可靠性的供能系統，在分布式發電、冷熱電聯供和燃料電池/燃氣輪機聯合系統及特種電源等領域具有廣闊的應用前景，近10年來得到了世界各國的高度關注。超微型燃氣輪機技術將為終端能源利用提供新的重要形式，是未來能源經濟、高效、清潔利用的主要方向之一。超微型燃氣輪機的工作原理與一般的燃氣輪機相同，通常采用徑流透平與離心壓氣機。事實上，超微型燃氣輪機的概念在20世紀60年代就已經出現，但由于其發電效率低，沒有得到足夠重視。隨著高效緊湊型換熱器的應用，超微型燃氣輪機的發電效率顯著提高，大大增加了其競爭力。特別是過去的十幾年中，對于超微型燃氣輪機的研究越來越引起人們的廣泛興趣。由于其兼具較高的能量密度與較高的功率密度，使其成為移動電源和小型飛機推進系統的首要選擇。若通過與燃料電池或小型余熱鍋爐進行聯合循環，也可作為高效率的分布式發電系統[1-2]。
本文對3kW級超微型燃氣輪機系統中的高速小尺寸離心葉輪進行了設計和數值分析，并在不同壁面溫度下對離心葉輪的性能進行了數值模擬，初步分析了傳熱對離心葉輪性能的影響及其作用機理。
1 離心葉輪的設計與分析
離心壓氣機是超微型燃氣輪機的核心部件之一，其性能的好壞對系統性能有著很大影響。對于其中的離心葉輪，葉輪外徑僅為數個厘米，與常規尺寸的葉輪相比，小尺寸下運行雷諾數大大降低，這就導致了較高的表面摩擦阻力、加強了熱量交換。在傳統設計中的絕熱假設和忽略盤、蓋摩擦力矩的歐拉透平機械方程的推導都十分不合理。因此，對小尺寸離心葉輪內部流動的機理進行探索性研究，對提高超微型燃氣輪機性能具有重要的意義。
作為探索性的研究，對3kW級超微型燃氣輪機中離心葉輪的設計要求為：葉輪外徑40mm，壓比為3，效率不低于70%，并滿足一定的喘振裕度。設計工作的第一步參考了一個已有的葉輪外徑為60mm的小尺寸離心葉輪的幾何數據和葉型數據，并對其進行了模化和改型設計。表1中給出了最終確定的離心葉輪主要設計參數，圖1為離心葉輪三維視圖，下文首先利用CFD手段對設計工況下離心葉輪性能進行了分析。
2 數值計算方法
離心葉輪數值計算中控制方程為三維雷諾平均N-S方程，湍流模型選擇S-A模型。計算采用中心差分格式離散控制方程，四階Runge-Kutta法進行時間推進求解，并結合當地時間步長、隱式殘差光順技術和多重網格技術以加速收斂。由于是定常計算，只針對離心葉輪的一個流道進行。
根據離心葉輪的設計工況，計算中計算區域進口固定總溫288.15K、總壓101325Pa，沿葉輪軸向進氣，出口截面給定質量流量，葉輪轉速為196700r/min，固壁采用無滑移、絕熱邊界條件。圖2給出了本文的計算網格，計算網格節點總數約為60萬。計算結果表明：設計流量下離心葉輪總壓比為3.07，等熵效率為78.04%，均滿足設計要求。
3 考慮傳熱時離心葉輪的性能
對于燃氣輪機系統，當其尺寸較大時，通過壁面的熱流量與主流所攜帶的熱量相比可以忽略，因而壁面絕熱的假設是有效的。可是，隨著幾何尺寸的縮小，系統中的最高溫度（透平進口溫度TIT）和最低溫度（環境溫度）與大尺寸下相比差別不大，但高溫部件（透平）和低溫部件（壓氣機）之間的距離變小，因此由透平向壓氣機的傳熱量會相應變大。此時，壁面絕熱的假設將不再有效，壓氣機葉輪中的流體被加熱，會引起葉輪效率的下降，進而導致整個燃氣輪機系統性能的惡化[3-5]。基于上述考慮，下文對比了絕熱及等溫壁面邊界條件（400K、500K，此時流體均被加熱）下離心葉輪的性能，初步分析了傳熱對離心葉輪性能的影響及其作用機理。
圖3給出了計算得到的離心葉輪性能曲線，流體被加熱后，葉輪等熵效率和壓比均有不同程度的下降。觀察圖中的效率曲線，壁面溫度為400K時，不同流量下，效率下降的幅度不同，流量越大，效率下降越多，與絕熱情況下相比，最大降幅可達9%；壁面溫度增大到500K，不同流量下，效率下降的幅度差別不大，與絕熱情況下相比，效率平均下降20%左右。可見傳熱對離心葉輪性能的影響還是比較顯著的，因此，發展一種有效的熱屏蔽方法，是提高超微型燃氣輪機系統性能的關鍵技術。
圖4給出了設計流量下離心葉輪平均子午面靜壓云圖和流線圖。由圖可見：在葉輪進口處，由于子午流道折轉大，氣流發生分離，而在葉輪內部，不存在大范圍的氣流分離，同時壓力沿主流方向逐步增加，壓力分布比較均勻。對比不同壁面邊界條件下的結果可知：流體被加熱后，葉輪出口靜壓明顯下降，葉輪的增壓能力下降。這是因為在壓縮過程中加熱流體，會導致出口溫度的升高，進而降低了出口流體的密度，故相比于絕熱流動，擴壓度、輸入功和壓升均會下降，而壓升的下降還會進一步降低葉輪出口流體的密度。
圖6為離心葉輪50%葉高處跨葉片截面相對Mach數云圖，由圖可見，葉輪流道內存在大范圍的低動能流體區，結合圖7中50%葉高處跨葉片截面熵值云圖和等值線可知，這一區域是葉輪內損失較為集中的區域。觀察圖7中50%葉高截面熵值云圖，可知：葉輪流道內存在兩個熵值較高（損失集中）的區域，一處是葉輪進口處，另一處位于葉片尾跡區內。壁面絕熱時，葉片尾跡區內的熵值要高于葉輪進口處的熵值；而采用等溫壁面邊界條件時，葉輪進口處的熵值較高，并且隨著壁面溫度的升高，流道內的熵值快速增長。可以看到，相比于等溫壁面邊界條件下的壓縮過程，葉輪內流動為絕熱時，流道內的熵產開始較晚，并且熵值更低。同時，葉輪出口氣流均勻性更好。
4 結論
1）本文所設計的離心葉輪，設計流量下葉輪總壓比為3.07，等熵效率為78.04%，但這是基于固體壁面絕熱的假設；
2）考慮傳熱時，隨著壁面溫度的增高，葉輪的性能明顯下降，因此，發展一種有效的熱屏蔽方法，是提高超微型燃氣輪機系統性能的關鍵技術。
【參考文獻】
[1]趙士杭.燃氣輪機循環與變工況性能[M].清華大學出版社，1993.
[2]宋寅，康婷，李雪松，顧春偉.千瓦級微型燃機性能分析[C]//中國工程熱物理學會熱機氣動熱力學學術會議論文集.天津，2008.
[3]R. A. Van den Braembussche. Microsoft Gas Turbines-A Short Survey of Design Problems[R]. NATO RTO Educational Notes EN-AVT-131-1，2005.
[4]Rautenberg M， Mobarak A， and Malobabic M. Influence of Heat Transfer between Turbine and Compressor on the Performance of small Turbochargers[C]//Gas Turbine Congress. Tokyo， 1983.
[5]Toshio Nagashima， et al. Lessons Learnt from the Ultra-Micro Gas Turbine Development at University of Tokyo[R]. NATO RTO Educational Notes EN-AVT-131-14，2005.
[6]李雪松，杜建一，祁志國，等.兩個高比轉速離心壓氣機模型級的設計分析[J]. 流體機械，2005，33⑸：13-16.
關鍵詞：城市交通；綜合評價；層次分析法；熵值法
中圖分類號：F29 文獻標識碼：A
收錄日期：2015年11月5日
引言
城市交通是國民經濟和社會發展的基礎和先導，在經濟繁榮、提高人民生活質量方面發揮著至關重要的作用。改革開放以來，城市交通取得了巨大的成就。但是隨之而來的交通擁堵、環境污染、資源短缺以及交通事故等問題，嚴重影響著人們的日常生活，更影響著經濟發展。如何解決這些問題，實現城市交通的可持續發展已經成為國內外關注的熱點。
本文研究的意義在于通過對城市交通可持續發展相關概念的研究，結合咸陽社會、經濟、交通、環境發展狀況，構建綜合評價指標體系。并運用統計學方法和數學方法構建評價模型對咸陽城市交通可持續發展水平進行研究，從而為城市交通實施可持續發展戰略提供對策支持。
一、咸陽城市交通可持續發展綜合評價指標體系
文章中關于咸陽市的數據資料主要來自于《咸陽統計年鑒：2013》、《2013年咸陽市國民經濟和社會發展統計公報》、《咸陽市政府工作報告》、《咸陽市公交發展規劃》等統計文獻，還有部分數據來自于政府咨詢和實地測量。據這些數據資料的可得性，分別從交通功能、環境影響、社會經濟和資源利用四個方面選取了相應的指標構建綜合評價指標體系，對咸陽市城市交通可持續發展評價。（表1）
二、基于物元分析與關聯函數構建評價模型
（一）確定經典域和節域。根據物元的定義，構建城市交通可持續發展綜合評價模型，設評價指標有n個，即為M1，M2，…，Mn，以這部分指標為基礎，將指標定量的分為m個等級，把他們描述為以下綜合評價物元模型稱為經典域。
令R0j=（N0j，M，V0jk）=N0j M1 V0j1 M2 V0j2 … … Mn V0jn=N0j M1 M2 … … Mn （1）
公式中，R0j表示第j級城市交通可持續發展水平的物元模型；N0j表示第j級城市交通可持續發展水平指標；V0jk表示發展水平是第j級時第k個評價指標Mk的量值范圍。
綜合評價各個指標的允許取值范圍形成的物元模型稱為節域。
令Rp=（Np，M，Vp）=Np M1 Vp1 M2 Vp2 … … Mn Vpn=Np M1 M2 … … Mn （2）
公式中，Rp表示各個評價指標允許取值范圍的物元；Np表示評價等級全體；Vpk表示Np中關于指標Mk的允許取值范圍，即節域。
（二）確定待評價物元。把各個評價指標所收集到的評價信息用物元R0表示：
R0=N0 N01 N02 … N0mM1 V011 V012 … V01mM2 V021 V022 … V02m… … … … …Mn V0n1 V0n2 … V0nm=N0 N01 N02 … N0mM1 … M2 … … … … … …Mn … （3）
（三）確定指標權重。由于城市交通可持續發展評價中既包含專家群體的知識、經驗和價值的判斷等主觀因素，也有實際調查數據的客觀信息特征，因此本文采取主觀賦權法（層次分析法）結合客觀賦權法（熵值法）來確定評價指標的權重，以求更客觀全面地反映各評價指標的重要性和問題的實際情況。
設層次分析法給出的主觀權重為wi1，熵值法給出的客觀權重為wi2，則最終確定的權重wi為：
（四）建立關聯函數。在建立了城市交通可持續發展綜合評價物元模型后，在對城市交通可持續發展狀況進行評價時要計算各個待評價物元與經典域的接近程度。在實際中，需要根據指標的特點選擇不同的計算方法，本文采用可拓理論中的初等函數關聯法。
設為指標Mi的允許取值范圍，則指標Mi關于評價等級j的接近度為Ki（Vi）。
若Vi∈[a0ij，b0ij]，則Ki（Vi）=■ （5）
若Vi？埸[a0ij，b0ij]，則：
Ki（Vi）=■，？籽（Vi，Vpi）≠？籽（Vi，Vij）-？籽（Vi，Vij）-1，？籽（Vi，Vpi）=？籽（Vi，Vij） （6）
其中，？籽（Vi，Vij）=Vi-■（aij+bij）-■（bij-aij）
？籽（Vi，Vpi）=Vi-■（api+bpi）-■（bpi-api）
（五）計算關聯度，進行綜合評價。若wi為指標i的權重系數，則所有評價指標關于等級j的關聯度為：
Kj（p）=■wiKj（Vj） （7）
根據最大關聯度原則，求解評價等級的特征值：
Kj（p）=■ （8）
j*=■ （9）
j*為級別變量特征值，從而可知城市交通可持續發展水平偏向某一級別的程度。
三、咸陽城市交通可持續發展綜合評價
（一）構建咸陽市城市交通可持續發展評價物元。本文將評價指標的水平分為五個等級（優秀、良好、一般、較差、差），關于各個衡量指標量值域的確定，主要是以社會經濟現象的現實情況為依據，根據與被評價對象有關的空間范圍資料和歷史資料為基礎，以《城市道路交通規劃設計規范GB50200-95》、《城市道路交通管理評價指標體系（2012年版）》對相關指標的規定以及專家研究結果作為評價標準，構建了咸陽城市交通可持續發展評價物元。
（二）計算關聯度。根據公式（6）、（7）可計算出各指標Mi關于評價等級j的關聯度Kj（Vi）。
（三）合成權重的計算。根據層次分析法計算權重W1和熵值法計算權重W2，運用公式計算出綜合權重W，其結果如表2所示。（表2）
（四）計算咸陽城市交通可持續發展關于評價等級的關聯度。根據公式（8）可以計算出各指標關于評價等級的關聯度：
K1（p）=■wi?Kj（Vi）
K1（p）=0.0429×K1（V1）+0.0285×K1（V2）+0.0159×K1（V3）+…0.0334×K1（V22）
K1（p）=-0.3264
同理可以求出K2（p），K3（p），K4（p），K5（p）并根據公式（9）進行整理，其計算結果如表3所示。（表3）
（五）咸陽城市交通可持續發展評價等級的確定。根據《城市道路交通管理評價指標體系（2012年版）》和前文各指標的分級標準，將評價級別分為五個等級，如表4所示。（表4）
根據公式（2.9）求出咸陽城市交通可持續發展評價級別j*：
j*=■=■=2.732
由特征值j*=2.732，查分級表可知咸陽城市交通可持續發展水平屬于C級別，即為一般可持續發展，有待進一步改善。
四、咸陽市城市交通可持續發展評價結果分析
根據各個評價指標Mi的關聯函數Kj（Vi），可以對咸陽城市交通可持續發展狀況進行全面剖析，從而得出評價結果分級表。（表5）由表5看出，咸陽市相關部門非常注重交通安全，公共交通專項規劃的實施取得了顯著的成果。近年來，交通部門也加強了服務意識，從各方面提升綜合管理能力，并取得了不小的進步。從萬人公交車標臺數、道路網密度、公共交通線路網密度、干道平均交通噪聲、人均綠地面積等指標的評價結果來看，咸陽在生態環境和交通公平方面仍需努力和加大力度。從交通投資協調系數、公共交通分擔率、環保業投入占GDP比重來看，咸陽仍需要加強交通和環保方面的資金投入。
五、結論
本文通過對城市交通可持續發展相關理論的研究，建立了咸陽城市交通可持續發展指標體系。然后基于評價體系中各個指標的量測值和相應的評價等級，運用物元分析法和關聯函數法建立評價模型對咸陽城市交通可持續發展水平進行了評價，并對評價結果進行了簡要分析。
論文的創新之處在于建立了咸陽城市交通可持續發展指標體系，采用兩種賦權法綜合確定各指標權重。運用物元分析法和關聯函數法來構建模型評價咸陽城市交通可持續發展水平。由于受統計數據來源的限制，評價指標體系有一定的不全面之處，并且本文缺乏與國內同等城市的比較，可能與咸陽城市交通實際情況有一定誤差，亟待進一步深化、豐富和完善。
主要參考文獻：
[1]竇凌凌.城市交通運輸效率評價研究[D].長安大學，2010.54.
[2]付大智.青海省高等級公路可持續發展后評價理論與方法研究[D].長安大學，2006.71.
[3]彭曄瑩.公路生態系統健康評價方法研究[D].長沙理工大學，2011.73.
關鍵詞：高校資產管理；績效；指標；熵權；主觀權
中圖分類號：TP311 文獻標識碼：A 文章編號：1009-3044（2014）28-6753-05
隨著高校資產規模的擴大，當前的資產管理評價體系和管理方法存在管理制度不健全、職責不明確[1]、資產使用情況不明確、以及資產實際使用效益如何更不清楚等問題，而高校資產管理的優劣，直接影響著高校資產管理的綜合效果。那么，如何評價高校資產管理的效益對促進高校資產管理評價指標的建設、提高高校資產管理效益有著重要意義，因此，該文針對該問題進行了重點研究。
高校資產管理的效益評價作為一種多屬性決策問題，重要環節是評價體系的建設和評價指標權重的確定，權重賦值是否合理，對評價結果的科學性、合理性起著至關重要的作用。目前賦權方法為三大類：一類為主觀賦權法，一類為客觀賦權法，另一類為主客觀綜合集成賦權法。
國外學者關于決策方法的研究，始于20世紀初，美國學者Taylor、Gilbrech和Gantt等提出科學管理的理念，促使決策過程和方法向程序化、規范化發展[2]；20世紀50年代，由O.Helmer和N.Dalke首創，經過T.J.Gordon和蘭德公司進一步發展而成的德爾菲法（Delphi Method）[3]；Saaty T.L于20世紀70年代提出層次分析法（Analytic Hierarchy Process，簡稱AHP） ，將定量和定性化方法的結合，并有了廣泛的應用 [4，5，6，7]；而多屬性決策方法已經趨于完善[8，9]。在指標的主觀賦權法方面，Buckly和Csutora[10]通過擴展最大特征根法為模糊特征根法，以確定指標權重；Sun[11]和Vivien等[12]運用基于三解模糊數的模糊AHP法確定屬性權重；客觀賦權法如Chen和Li[13]對直覺模糊熵計算屬性權重的方法進行了比較，Ye[14]應用區間模糊熵確定權重的方法解決了屬性值區間直覺模糊集的模糊多屬性決策問題；而綜合賦權法是一種集成主客觀指標權重的賦值方法，如Wang和Lee[15]用模糊熵和專家賦值集成的賦值法給予指標權重，Xia和Xu[16]組合直覺模糊熵和corss直覺模糊熵對指標賦權值。
國內學者在決策方法的研究相比國外起步較晚，但也有了長足的進步和發展，如許若寧、李永、朱建軍[17，18，19]等通過對三角模糊數判斷矩陣的修正，改進了主觀賦權法；尤天慧、朱方霞和王美[20，21，22]等，都采用了熵權法計算客觀權重；徐澤水、陳華友和周宇峰[23，24，25]分別利用決策結果總偏差最小化原則、基于離差最大化原則和相對熵對賦權結果的貼近度進行度量，提出了指標的綜合賦權法。
通過文獻回顧發現，要準確地表達資產管理評價體系指標的權重和計算高校資產管理績效，需要綜合考慮考慮兩個重要因素：一是指標的客觀權重；二是評判專家依據自己知識經驗給予指標主觀權值時主觀權值。因此，該文先對主客觀權值綜合；然后通過專家的綜合評價法及指標的組合權值計算高校資產管理的績效，并通過真實算例來說明文中設計的方法的有效性。
1 問題的形式化描述
1） 已知條件
給定高校資產管理評價體系為[S]、評估專家集為[K=（K1，K2，...Km）]和高校[U]，其中[S]的目標層由準則層[B=（B1，B2，...，Bm）（m>0）]構成，[Bi]由指標層[C=（C1，C2，...，Cn）]構成。
2） 求解問題
求得的高校[U]的資產管理績效值[Vs]。
2 主要目標
為求得高校[U]的資產管理績效值[Vs]，我們根據多屬性決策理論，利用指標權值的綜合賦權法和“熵權”法[26]從四大步驟入手，達到求解績效值[Vs]的目的，從而為評價高校資產管理績效提供思路和方法。完成主要目標的四大步驟如下。
1） 利用德爾菲[3]法和AHP層次決策[15]的指標賦權法，在考慮專家偏好性的前提下，計算評判專家對高校資產管理評價體系中準則層[B=（B1，B2，...，Bm）]和指標層[C=（C1，C2，...，Cn）]的主觀權值；
2） 通過“熵值”法[26]表示各指標的競爭關系，再對指標的熵值進行轉化，產生“熵權”，作為指標的客觀權值，然后使用AHP層次決策法的指標權值的綜合思路，對客觀權值進行綜合，產生客觀綜合權；
3） 對主客觀的綜合權再組合，產生主客觀組合權；
4） 評判專家對高校[U]的資產管理現狀進行調查和分析，在充分掌握詳盡資料的基礎上，對指標層進行模糊評分（評分等級如表1所示），再將主客觀組合權和評分融合，得到高校[U]的資產管理績效[Vs]。
3 高校資產管理績效計算方法
步驟一 自上而下獲得指標主觀權值
1）評判專家[K=（K1，K2，...Km）]采用AHP層次決策法中的重要度定義方法[15]（如表2所示）構造準則層的判斷矩陣。則第[k][（1
2）引入專家偏好性
在各專家構造準則層[B]的判斷矩陣時，各專家都存在對指標的偏好性，這反映了評判專家的知識經驗和主觀因素。所以，需要引入專家的偏好性[pf]，通常則[pf=1K]，[K]為評判專家集合元素個數。則
[WA=1K（k=1KWAk）] （1）
同理，可得指標層各指標的權值向量。
步驟二 采用熵值法，表達評價指標的競爭關系
在評估專家對準則和指標進行賦權時，準則和指標之間客觀的存在競爭關系。因此，我們用熵權表示指標在各評價對象之間相對的競爭程度，競爭越激烈，熵值越大，熵權越小，反之熵權越大[28]。我們以步驟一中的判斷矩陣[Ak=（yij）m×m]為計算依據，計算各準則的“熵權”，詳細計算過程見文獻[28]。 則第[k]個專家對評價體系的“熵權”向量表如為[HkC=（h1c，h2c，…，hnc）]。
步驟三 融合“熵權”和“主觀權”，確定指標層組合權
為了使最終的指標權值兼顧主觀和客觀兩個方面的因素，需組合主觀權熵權，以刻畫評估專家的領域知識經驗；同時，體現指標準則離散度對指標權重的影響 [27]。“熵權”和“主觀權”的組合計算公式[28]如下：
[λi=Wic×Hici=1nWic×Hic i=1，2，...，n] （2）
則，得出評價體系[S]指標的組合權值向量[λc=（λ1，λ2，...，λn）]。
步驟四 專家組合對指標給予效用值，計算資產管理評價體系預期效益值
專家組集合[K=（K1，K2，...，Kn），（1≤n）]的專家采用模糊綜合評價法，分別針對高校[U]的資產管理現狀，對評價體系[S]的指標進行評分（采用100分制），則形成[K]個專家對體系[S]的指標評分矩陣為
[Gk=（Td1，Td2，...，Tdk）， ?Tdk=（Ck1，Ck2，...，Ckn）T，k=1，2，...，|K|]
其中，[Tdk]為專家[k]對評價體系[S]內所有指標的評分向量，[0≤Ckn≤100]為第[k]個專家給第[n]個指標的評分。然后通過下面兩個步驟最終取得高校[U]的資產管理績效值[Vs]。
1） 整合[K]個專家對評價體系所有[S]指標的評分均值，計算公式如下
[Sscore=1K（Td1+Td2+...+Tdk） =1K（（C11，C12，...，C1n）T+（C21，C22，...，C2n）T+...+（Ck1，Ck2，...，Ckn）T） =1K（k=1KCk1，k=1KCk2，...，k=1KCkn，）T] （3）
[Sscore]表示評價體系[S]各指標的平均評分信息。
2） 結合指標權重計算評價體系[S]的效用值，計算公式如下
[Vs=i=1n（λc）i×（Sscore）i] （4）
通過以上步驟，我們能將評判專家的主觀權和客觀權融合，形成組合權；再通過對指標模糊綜合評價，將組合權重和評分相乘得到高校[U]的資產管理績效值[Vs]；然后可以通過績效值[Vs]值的來評估和考核高校[U]的資產管理現狀，通過評估和考核，從而達到促進高校資產管理評價體系的建設和優化、并提高高校資產管理效益的目的。
4 算例
為了驗證第三節所設計的計算方法的有效性和正確性，我們以我省某省屬高校（以下簡稱[Qu]）的資產管理現狀為背景，并以客觀性、合理性、可比性、可操作性和系統性[29]為設計原則，對文獻[29]的資產管理評價體系進行了補充和完善，如表3中黑體字部分為新增指標。
表3 資產管理評價體系
[目標層（A）＼&準則層（B）＼&指標層（C）＼&高校資產管理評價體系預期效益（A）＼&資產效率（B1）＼&可用資產率（C1）＼&固定資產年增長率（C2）＼&總資產周轉率（C3）＼&科研業績（B2）＼&教職工人均科研經費（C4）＼&科研收入年增長率（C5）＼&科研活動投入產出比（C6）＼&核心期刊論文數占總數比（C7）＼&參加省級以上學術會議占參加會議總數比（C8）＼&科研成果轉化率（C9）＼&省級以上縱向科研項目占總項目比（C10）＼&教學（B3）＼&專任教師與教職工比（C11）＼&博士學位教師占專任教師比（C12）＼&教授職稱教師占專任教師比（C13）＼&師生比（C14）＼&教改項目占總項目比（C15）＼&學生培養（B4）＼&學生人均培養成本（C16）＼&學生人均設備費（C17）＼&學生通過統考的通過率（C18）＼&學生就業率（C19）＼&產業（B5）＼&校辦產業投資收益率（C20）＼&校辦產業總資本利潤率（C21）＼&校辦產業資本保值增值率（C22）＼&教學、科研設備利用情況（B6）＼&計劃內教學、科研利用率（C23）＼&設備共享利用率（C24）＼&師生滿意度（C25）＼&]
在確定了資產管理評價體系之后，下面根據第四節中設計的高校資產管理績效值[Vs]的計算方法，給出[Qu]的資產管理效益值[Vs]的計算過程。
1）計算主觀權值
（1） 評判專家集合[K=（K1，K2，K3，K4，K5）]的專家[K1]以表2所示的權重定義對目標層A下的準則層建立評判矩陣如下
[A1=（Bij）6×6=10.130.11810.13981 0.170.250.170.1350.170.1770.2568640.200.14664 1 7 0.250.14 1 0.144 7 1]
利用步驟一求得[λmax=6.50]，[CR=0.08≤0.10]，說明評判矩陣[A1]滿足一致性要求，則，
[WA1=（W1A1，W2A1，W3A1，W4A1，W5A1，W6A1W6A1）=（0.02，0.07，0.17，0.29，0.04，0.41）]。
同理，求得[WA2]，[WA3] ，[WA4]，[WA5]，其值分別為[WA2=（0.14，0.21，0.1，0.3，0.05，0.2）]、[WA3=（0.05，0.35，0.12，0.13，0.21，0.14）]、[WA4=（0.33，0.14，0.08，0.16，0.12，0.17）]和[WA5=（0.03，0.24，0.34，0.19，0.08，0.12）]，考慮專家偏好性，由公式（1） 得出[WA=（0.114，0.202，0.162，0.214，0.10，0.208）]。
（2） 計算準則層B1下的指標主觀權值，[K1]建立判斷矩陣如下
[B11=（Cij）3×3=1590.20140.110.251]
同步驟（1） ，計算得[λmax=3.07]，[CR=0.06≤0.10]，則，矩陣[B11]滿足一致性要求，則，[WB11=（0.74，0.20，0.06）]，同理，得出[WB21]，[WB31]，[WB41]，[WB51]，其值分別為[WB21=（0.53，0.34，0.13）]、[WB31=（0.33，0.42，0.25）]、[WB41=（0.47，0.38，0.15）]和[WB51=（0.14，0.48，0.38）]，則式（1） 得[WB1=（0.44，0.36，0.19）]。
（3） 計算得出C1、C2和C3的主觀權為向量為[Wc1-3=W1A?WB1=0.114?（0.44，0.36，0.19）=]（0.050，0.183，0.04） ；
（4） 同理，重復步驟（2，3） 可得出其他指標C4-C25的主觀權值，從而取得指標層所有指標的主觀權重向量[Wsub]。
[Wsub=（0.050，0.041，0.022，0.034，0.016，0.046，0.026，0.010，0.030，0.038，0.034，0.037，0.045，0.026，0.019，0.028，0.096，0.024， 0.066，0.042，0.035，0.023，0.096，0.071，0.042）]
2）計算指標“熵權”
（1） 以專家[K1]給的評判矩陣[A1]為基礎，計算得出準則層的熵權向量，[h1A=（0.288，0.354，0.109，0.051，0.195，0.002）]，同理，可得出其他專家對準則評判后產生的準則層熵權向量，[h2A]、[h3A]、[h4A]和[h5A]，分別為
[h2A=（0.253，0.416，0.124，0.037，0.144，0.026）]、[h3A=（0.315，0.336，0.106，0.018，0.129，0.096）]，
[h4A=（0.219，0.338，0.259，0.024，0.107，0.053）]和[h5A=（0.273，0.361，0.102，0.031，0.203，0.030）]，
同樣，考慮專家偏好性，得出[HA=（0.270，0.361，0.140，0.032，0.156，0.041）]；
（2） 以[K1]建立的判斷矩陣[B11]為基礎，計算計算準則層B1下指標客觀權值，即“熵權”，[h1B1=（0.015，0.242，0.923）]，則，其余專家評判后獲得的熵值向量分別為[h2B1=（0.053，0.364，0.583）]、[h3B1=（0.027，0.261，0.712）]、[h4B1=（0.037，0.196，0.767）]和[h5B1=（0.165，0.207，0.628）]，則，[H1B=（0.059，0.254，0.723）]；
（3） 計算指標層C1、C2和C3客觀“熵權”向量，[HC=H1A?H1B=0.270?（0.059，0.254，0.723）=]（0.016，0.069，0.195）；
（4） 同理，重復步驟（2，3） 可得出其他指標C4-C25的客觀 “熵權”，從而得出指標層所有指標的客觀權[Wobj]。
[Wobj=（0.016，0.069，0.195，0.022，0.078，0.011，0.03，0.169，0.026，0.017，0.020，0.006，0.005，0.034，0.075，0.007，0.002，0.019， 0.004，0.014，0.038，0.103，0.007，0.013，0.022）]
3）利用公式（2） 對指標層各指標的主觀權值和客觀 “熵權”進行合成，產生相對于目標層的主客觀合成權向量。
4） 評判專家[K=（K1，K2，K3，K4，K5）]在對高校[U]的資產管理現狀進行充分調研和分析后，采用模糊評價法分別對指標層各指標評分，評分向量分別為
[Td1=（59，81，74，86，82，80，77，89，86，85，73，88，84，80，76，65，71，78，73，73，96，79，72，62，63）T]
[Td2=（54，70，65，73，70，69，67，75，74，72，64，74，72，69，66，58，62，67，64，64，80，68，63，56，57）T]
[Td3=（48，64，59，67，64，63，61，69，68，66，58，68，66，63，60，52，56，61，58，58，74，62，57，50，51）T]
[Td4=（63，76，72，78，76，75，73，80，79，78，71，79，77，75，73，66，70，74，71，71，84，74，70，65，66）T]
[Td5=（44，69，61，75，70，68，65，78，75，73，60，77，72，68，64，51，57，65，60，60，86，67，59，47，49）T]
[14] Ye， J.， Multicriteria fuzzy decision-making method using entropy weights-based correlation coefficients of interval-valued intuitionistic fuzzy sets [J].Applied Mathematical Modeling，2010，34：3864-3870.
[15] Wang， J.R.， Fan， K.， Wang， W.S.， Integration of fuzzy AHP and FPP with TOPSIS methodology for aeroengine health assessment [J]. Expert Systems with Applications， 2010， 37： 8516-8526.
[16] Xia， M.M.， Xu， Z.S.， Entropy/cross entropy-based group decision making under intuitionistic fuzzy environment [J]. Information Fusion， 2012，13 （1）；31-47.
[17] 許若寧.Fuzzy判斷矩陣的一致性修正[J].數學研究與評論，2003，23（l）：173-176.
[18] 李永，胡向紅，喬箭.改進的模糊層次分析法[J].西北大學學報（自然科學版），2005，35（1）：11-12.
[19] 朱建軍，劉十新，王夢光.一種新的求解區間數判斷矩陣權重的方法[J].系統工程理論與實踐，2005，4：29-34.
[20] 尤天慧，樊治平，俞竹超.不確定性多屬性決策中確定屬性熵權的一種方法[J].東北大學學報（自然科學版）， 2004，25（6）：598-601.
[21] 朱方霞，陳華友.確定區間數決策矩陣屬性權重的方法-熵值法[J].安徽大學學報（自然科版），2005，30（5）：4-6.
[22] 王美義，張鳳鳴，劉智.模糊信息的熵權多屬性決策方案評估方法[J].系統工程與電子技術，2006，28（10）：1523-1525.
[23] 徐澤水，達慶利.多屬性決策的組合賦權方法研究[J].中國管理科學，2002，10（2）：84-87.
[24] 陳華友.多屬性決策中基于離差最大化的組合賦權方法[J].系統工程與電子技術，2004，262：194-197.
[25] 周宇峰，魏法杰.基于相對熵的多屬性決策組合賦權方法[J].運籌與管理，2006，15（5）：48-53.
[26] 袁良運，趙以賢，宋賢龍.基于三角模糊熵的裝備維修合同商評價與選擇[J].火力與指揮控制，2013，38（6）：86-88.
[27] 胡運權.運籌學教程[M].3版.北京：清華大學出版社，2007：424-426.
關鍵詞：協同創新；體制機制；創業型大學；三螺旋
在創新創業驅動型的知識經濟時代，科學技術是經濟社會快速發展和國家綜合實力提升的第一生產力，而人才是科學技術發展必須依賴的第一資源。高等教育作為科技第一生產力和人才第一資源的重要結合點，責任非常重大，使命非常艱巨。站在這個關鍵性結合點上看，大學傳統的象牙塔發展模式，已越來越不適應時展的迫切要求和大學自身發展的訴求。大學走出象牙塔，創新辦學理念和發展模式，積極同政府科研機構、工業企業進行跨界協同創新，推動科技與經濟緊密結合，促進科技成果向現實生產力轉化，是經濟社會發展對大學變革的新期待，也是大學自身進化發展的新趨勢。
黨的十報告提出“要堅持走中國特色自主創新道路，……更加注重協同創新”。教育部、財政部出臺了《關于實施高等學校創新能力提升計劃的意見》（簡稱“2011計劃”），重在大學的體制機制改革，重在推動大學內部以及外部力量之間創新要素的融合發展，形成“多元、融合、動態、持續”的協同創新模式與機制。事實上，20世紀90年代中期以來，我國深化科技體制改革，實施科教興國和建設創新型國家兩大戰略，始終貫穿著一條清晰的脈絡，那就是推動企業成為技術創新主體，促進產學研協同創新，提升國家創新體系的整體效能。在科技政策的聯合推動下，我國大學與工業企業、政府研發機構協同創新的耦合程度如何？國家科技創新體系的整體效能是否逐漸呈現出優化發展的良好態勢？在大數據時代，回答這些問題需要基于大量數據的量化分析，而不能依賴模糊的直覺和經驗。本研究試圖采用三螺旋互信息算法，從歷史發展的縱向維度，定量測度我國大學與工業企業、大學與政府研發機構進行跨界協同創新的互動性、耦合性，分析診斷潛在的結構性問題，探索我國推進協同創新、優化體制機制的著力點。
一、三螺旋算法
“2011計劃”明確提出，要以人才、學科、科研三位一體的創新能力提升為核心，大力推進高等學校與高等學校、科研院所、行業企業、地方政府以及國際社會的深度融合。這與以往一直提的“產學研一體化”、“官產學研用一體化”的線性思維模式不同。“高校、科研院所、行業企業、政府”深度融合的協同創新模式是一種非線性思維模式，強調的是協同創新主體之間的立體性、深層性互動與循環發展關系。因此，協同創新必然要建立在機構之間跨越組織邊界的知識流動和知識溢出基礎之上。亨利?埃茨科威茲和雷德斯多夫提出的大學一產業一政府相互作用的“三螺旋”組織結構模型是對跨邊界協同創新的最好詮釋。
為定量測度大學-產業-政府協同創新的耦合性問題，我們采用Leydesdofff以互信息為基礎提出的TH算法（Triple Helix Algorithm）作為研究工具，并利用自動化運算程序――th4.exe計量研究結果。TH算法是根據仙農（Shannon）信息熵、Abramson三維互信息轉接量的定義提出的，公式為：
TUIG=HU+HI+HG-HUI-HUG-HIG+HUIG
其中，U、I、G分別代表大學、工業企業和政府研發機構。TUIG為三維信息轉接量，HU+HI-HUI=TUI為二維信息轉接量。HU=-∑UP（U）logP（U）為變量U的信息熵，HUI=-∑U∑IP（UI）log（PUI）為二維分布的信息熵。公式中對數取以2為底，信息熵的單位為比特（bit）。本研究中，為使計量結果便于比較分析，我們用毫比特（mbit）作為單位。
三維信息轉接量TUIG和二維信息轉接量TUI、TUG、TIG是衡量大學、工業企業和政府研發機構三者之間或兩兩之間交互作用強弱性的指示器。TUIG為負值時，表示三維協同創新關系存在，值越小，表示三者之間協同創新的耦合性越強，相互依賴程度越高，協同創新體系的整體效能越好；TUI、TUG、TIG為正值，值越大，表示兩兩之間關聯性越高、耦合性越強。值得注意的是，這些指示器并不是用來測度知識產出或經濟產出，而是用來測度三維或兩維協同創新的結構性條件，以折射出是否建構起高效有序的協同創新運行機制。
二、數據來源與計量
TH算法對協同創新耦合效應的度量，是通過合作論文或專利這個窗口來考察系統或機構之間相互作用的強弱。合作論文或專利并不是一個完美的指標，僅僅是機構之間合作關系的冰山一角，卻被廣泛地用來表示機構之間的動態合作關系。本研究的數據來源于美國科學情報研究所（ISI）開發的Web of Science核心合集中的SCI-E（科學引文索引擴展版）數據庫。為縱向考察我國大學開展協同創新的發展軌跡，我們對1998-2013年間我國發表的論文文獻進行逐年檢索與保存。至少包含一個中國作者機構信息的文獻共有1291297條，其中作者機構信息清晰的有效數據為1245037條。
為完成作者機構信息的計量工作，我們編制了一個專用程序，對U、I、G、UI、UG、IG和UIG的數量分別進行計量。U、I、G分別表示一條記錄中至少有一個作者來自大學、工業企業和政府研發機構的數量，UI、UG、IG表示兩兩之間協作的數量，UIG表示三者之間協作的數量。編制專用程序時，我們將包含UNIV或COLL縮寫的歸到U類，包含CORP、LTD、INC、SA或AG等縮寫的歸到I類，包含NATL、NAZL、GOVT、HOSP、CNRS、EUROPEAN、ACAD、INRA等縮寫的歸到G類。專用程序根據TH算法運行程序th4.exe的要求，同時生成data.txt文件，記錄下我們保存的每一條數據的作者機構信息情況。按大學-產業-政府的順序，文件形式如下：“id1”，“1”，“1”，“0”。“1”表示有，“0”表示沒有。依此類推，id2，id3……最后，將data.txt文件輸入th4.exe程序，計算出熵值和信息轉接量各值（HU、HI、HG，HUI、HUG、HIG，TUI、TUG、TIG，TUIG）。
三、結果分析
（一）我國大學開展協同創新的科研成果產出分析
通過文獻計量，表1詳細地呈現出大學跨界協同創新的科研成果產出情況。16年間，大學發表的SCI文章數量增長最顯著。1998年，至少有一個來自大學的作者發表的科技論文（U計量）數量約占全國發表科技論文總數的68%；到2013年，這個百分比已經超過90%。大學已成為我國科學研究的重要陣地，大學的科研水平基本上反映了我國的科研水平狀況。這與1998年以來國家啟動的“985”工程和“211”工程緊密相關。這兩項工程不僅開啟了我國建設世界一流大學的進程，而且激發了大學以學科建設為龍頭推進科學研究工作的自覺性和積極性。據《國家創新指數報告2013》統計，我國研發經費穩居世界第3位，研發人員居世界首位，SCI論文數居世界第2位，高被引論文數居世界第4位，科技論文產出呈現出量質齊升的向好局面。
然而，與基礎科研的輝煌成就形成鮮明對比的是，我國在許多領域缺乏自主創新技術和精密設備，關鍵技術受制于人。這種鮮明的反差警示我們，科研經費的大量投入、創新人才的集聚以及科研成果的大量積蓄與技術的革新、技術的產業化、新型產業的培育以及生產力的提升之間絕不是簡單的線性關系，更不是自然的類推進步過程。從科學研究到技術產品化、商品化和產業化的循環發展，往往要經歷一個難以跨越的“死亡之谷”。搭建跨越“死亡之谷”的橋梁，需要大學、工業企業與政府科研機構共同推進跨界協同創新，在有形的界面組織機構推動和無形的文化價值融合方面相互作用，建立起機構之間的對話關系、反饋循環關系和深度協作關系。表1顯示，我國跨越組織邊界的協同創新比例失調。大學與政府研發機構的協作相對頻繁，1998-2013年間呈現出明顯的增長態勢；而大學與工業企業的協作太少。例如，2013年大學168955篇，而其中與工業企業協作完成的論文僅有4443篇。這意味著大學發表的大量科技論文更多地注重基礎理論研究或理論應用研究，也意味著我國工業企業對基礎研發的重視度和參與度嚴重不夠，抑制了科技成果的轉化率。
（二）大學與工業企業、政府研發機構的雙邊協同創新關系分析
表2中，TUG、TIG和TUI為二維信息轉接量，是兩兩之間雙邊協同創新耦合依賴程度的指示器。從橫向看，表示大學與政府研發機構耦合性的二維信息轉接量TUG很大，而表示大學與工業企業、工業企業與政府研發機構之間耦合性的二維信息轉接量TUI和TIG非常小。這種格局突出暴露了我國大學與工業企業協同創新關系松散的問題：一方面，作為技術創新主體的工業企業對基礎研發的投入與產出缺位，多數企業更依賴加工和仿制，長期處于國際技術競爭產業鏈和創新鏈的低端；另一方面，作為國家創新體系重要生力軍的大學和政府研發機構，其不合理的科研考核體系強化了科研人員體制內追求論文和專利數量的習慣，削弱了科研人員體制外“用”技術的能力。
縱向的發展狀況更讓人憂心。16年間，表征大學與工業企業協同創新關聯程度的TUI在2005年左右稍有起色；2008年以來，大學發表的科技論文數量大幅增長，而大學與工業企業的耦合性沒有得到同步發展，TUI的值加速下滑，到2012年僅為0.19mbit。與此同時，大學與政府研發機構之間的耦合性指標TUG也呈現出持續下滑的態勢。總體而言，大學與工業企業、大學與政府研發機構的協同創新關系沒有朝逐步優化的方向發展。尤其在追求理論成果的大學與犯了“仿制病”的工業企業之間積弊嚴重。二者各自秉持不同的價值取向，導致機構之間的離心力大于向心力，機構之間的體制“壁壘”越來越深，機構之間的對話越來越難，科技成果的溢出和轉讓也越來越難。據2013年的相關統計，我國科技成果轉化率僅為10%，而發達國家為40%以上。
承載力是一個與資源稟賦、技術手段、社會價值觀念等密切相關的倫理特征的概念。聯合國教科文組織對人口承載力的定義是：一國或一地區在可以預見的時期內，利用該地的能源和其他自然資源及智力、技術等條件，在保證符合社會文化準則的物質生活水平條件下，所能持續供養的人口數量。本文認為，人口承載力是指在一定時期內，某個區域在利用現有的資源環境、社會經濟條件下，能夠持續穩定供養的最大人口數量。
同時，不同的生產要素投入比例會導致不同的人口承載力水平。這是因為不當比例的要素投入會影響效用的發揮，不利于區域經濟發展，降低人口承載力水平。由于區域經濟增長與人口承載力水平密切相關，承載力大小一定程度上能夠反映社會、經濟、環境資源配置和區域經濟增長的狀況，要實現區域經濟快速發展，就需要對人口承載力進行研究。
二、文獻綜述
人口承載力水平的高低一定程度上反映了城市對自然、經濟和社會資源利用的充分程度。京津冀地區作為我國三大經濟增長極之一，以占全國2.3%的土地容納了全國8%的人口，城市病問題本就存在。而在京津冀一體化規劃出臺后，京津冀經濟發展即將邁進快速發展階段，城市人口問題將日益突出。
此前已有學者對地區人口承載力進行過研究，2007年學者郭艷紅對北京市土地承載力進行分析，通過建立土地人口承載力評價指標體系，得出如今北京耕地承載力在34.9萬人左右，不能滿足北京農業人口糧食需求；現有人口已超出1000萬人的城鎮建設用地承載力范圍等結論。2014年學者嚴然對濟南市人口承載力進行了研究，論文從自然資源、生態環境、經濟水平、基礎設施四個方面構建了濟南市人口承載力指標體系，采用可能-滿意度多目標決策方法預測到濟南市2020年的人口承載力范圍為643.55萬人-762.32萬人低于2020年濟南市人口規劃規模。
由此可見，已有研究大多專注于對影響人口承載力的因素進行分析，卻鮮有學者關注到人口承載力與區域經濟之間的關系。本文將基于DPSIR模型建立人口承載力評價指標體系，并采用面板數據模型研究京津冀人口承載力與區域經濟增長之間的關系，為未來人口擴容提供科學依據。
三、對人口承載力的評價與測算
1.DPSIR模型的建立
DPSIR模型（Driving Force-Pressure-State-Impact-ResponseFramework，驅動力-壓力-狀態-影響-響應框架）是一種在資源、環境與農業發展領域中廣為使用的評價指標體系的概念模型，模型具有了系統性、綜合性和靈活性的特點。其中，驅動力和壓力分別是指造成人口承載力變化的潛在原因和直接原因；狀態是指在各類影響下的人口狀況；影響是指人口狀況反過來對社會經濟的影響；“響應”表明社會在努力增大人口承載力過程中采用相關措施。
人口承載力評價指標體系分為三個層次，首先是目標層，即為人口承載力水平；其次為影響因素層，包含了驅動力、壓力、狀態、影響和響應五個影響因素；第三層為指標層。本文的驅動力因素包含四個指標：人均GDP、第三產業增加值、居民消費價格指數、城鎮居民家庭恩格爾系數；壓力因素包含：耕地面積、道路面積、水資源總量、城市建設用地面積；狀態因素包含：常住人口、總人口數和人口密度；影響因素包含：工業廢水排放量、城市居民人均可支配收入、人均公園綠地面積和能源消費總量；響應因素包含：教育經費和城市污水處理率。
2.人口承載力水平的綜合評價
本文以DPSIR模型為基礎，選取了人均GDP、第三產業增加值等17個指標構建人口承載力指標體系，采用熵值法確定指標權重，得出各指標綜合評價值，測算人口承載力水平。
為消除指標性質和量綱的影響，要先對指標進行標準化處理。指標屬性分為正向指標和逆向指標兩大類。正向指標值越大，便越有利于人口承載力的提高，其標準化計算公式為■；逆向指標標準化計算公式為■，得標準化矩陣B=bij。
確定指標權重可以分為主觀賦值法和客觀賦值法兩種方法。由于客觀賦值則是根據數學方法計算權重的，具有客觀性，為避免權重計算中的局限性，本文采用熵值法對指標進行賦權。其主要步驟為：（1）指標信息熵值ej的確定，即第i年的第j項指標權重的確定■ ■（2）指標權重wj的計算，指標信息效用價值αj值越大，其評價重要性越大aj=1-ej ■（3）計算指標綜合評價值，■其中，Yi是各指標的綜合評價值，也是人口承載力評價水平；n為指標值個數，本文中為17；Wj則是第j個指標的權重。由此計算出京津冀各年度的人口承載力大小。
本文選取了2004年-2012年的數據，記錄了人口承載力綜合評價指標值在京津冀地區變化趨勢。能夠發現京津冀地區的人口承載力經過社會經濟等領域的改革，分別增加了5倍、8倍和8倍。其增長趨勢大致可以分為兩個部分。第一階段是在2009年之前，京津冀地區的人口承載力有所發展，但處于起步階段，促進承載力水平增長的經濟動力不強。第二個階段是在2009年以后，新的經濟發展戰略推動基礎設施建設、科技人才培養、產業扶持等方面的發展，為承載力水平的提升提供了強有力的支持，人口承載力水平也得到了快速提升。
四、各地區的人口承載力水平與區域經濟增長的關系研究
本文采用區域人均國內生產總值，即人均GDP，來代表區域經濟發展狀況。根據以上測算的人口承載力結果，以京津冀地區為例，使用面板數據模型，來研究人口承載力水平與區域經濟增長之間的關系。
1.模型構建
用面板數據建立的模型通常有三種，即不變系數模型、變截距模型和變系數模型。由于面板數據獲取的是同時在時間和截面上的二維數據，相比而言，面板數據增加了觀測值數目，提供了更多信息量。并且提高了估計精度，避免錯誤結論的出現。
2.實證研究結果分析
為了避免經濟現象中的偽回歸，確保估計結果的有效性，要對面板序列的平穩性進行檢驗。本文首先對人口承載力綜合評價指標和人均GDP原序列進行LLC和Fisher-ADF單位根檢驗。檢驗結果都無法拒絕原假設，即是非平穩數據。但在人口承載力綜合評價指標值和人均GDP一階差分單位根檢驗中，人口承載力綜合評價指標LLC和Fisher-ADF檢驗的P值分別為0.0000和0.0014，人均GDP指標的檢驗P值分別為0.0000和0.0303，認為人口承載力綜合評價指標值和人均GDP均為一階單整。由于單整階數相同，符合面板數據協整檢驗的要求，可以進行協整關系檢驗。
本文采用pedroni檢驗和Johansen檢驗這兩種方式對序列進行協整檢驗。根據檢驗結果，除了Grouprho-Statistic的P值大于顯著性水平0.05外，京津冀地區人口承載力綜合評價指標值和人均GDP的面板數據存在協整關系的，即長期穩定關系，回歸分析是可行的。
由于回歸分析具有有效性，下一步就需要通過F檢驗確定模型形式。計算出各模型估計殘差平方和，分別為S3=0.099418，S2=0.033983，S1=0.01577。由此計算出F3，F2的值F3=5.385139，F2=49.48021，分別大于F3臨界值F0.05（6，28）=2.45，F2臨界值F0.05（3，28）=2.95，因而拒絕H3認為模型系數之間沒有顯著性差異，模型不應被設定為混合回歸模型；拒絕H2，得出樣本數據符合變系數模型的結論。接下來，根據Hausman檢驗結果，確定應建立個體固定效應模型。
依據以上的平穩性檢驗和模型設定檢驗，人口承載力綜合評價指標值和人均GDP的面板數據可以建立固定效應變系數模型，模型形式為：Fit=ai+biGDPit+uit，i=1，2，3；t=2004，...，2012，其中，Fit為人口承載力得分，GDPit為年人均GDP值，uit為不可觀測的隨機變量。
通過對模型進行參數估計，可決系數達到了0.884，擬合效果非常好；DW統計量的值為2.3216，無自相關。從模型的估計結果中還能看出：第一，人均GDP系數值均為正值，說明經濟發展水平的提高是有助于城市人口承載力水平的上升；第二，估計方程的截距不同，不同地域的城市承載力存在差距。具體來講，京津冀地區人口承載力水平都表現不好，尤其是北京，城市承載力水平最低；第三，京津冀地區每增加一單位人均GDP所帶來人口承載力水平的提升是有限的，因此政府應當采取更為有效的措施，使生產要素充分發揮效用。
五、結論與建議
關鍵詞：學習行為；學習分析；熵
中圖分類號：TP391.1 文獻標識碼：A 文章編號：1009-3044（2017）06-0160-03
Abstract： With the development of mobile devices and learning technology system， a variety of learning methods occur in the educational context， the mobile autonomous schools have been developed and applied to the teaching process. Through the use of data mining methods to analyze the hidden information in these data， and use the information to evaluate feedback， which can help students learn. The use of entropy method to analyze the research shows that the analysis of student behavior can be effective for teachers to provide teaching strategies， rational use of cooperation between students， improve the learning effect.
Key words：learning behavior； learning analysis； entropy
隨著移動設備與學習技術系統的發展，多種學習方式發生在教育情景中，為深層次研究學習者的學習行為帶來了新契機。學習分析技術在教育信息化環境中，使用數據挖掘的研究方法，對一定學習環境下學習者產生的學習數據進行研究分析，深度挖掘學習者學習信息，有利于實現教與學的個性化，為教學研究和動態調整學生學習策略提供了數據支持。
目前，自從數據分析技術在商業領域取得良好的效果后，把數據挖掘技術應用到教育領域已經成為一種趨勢。學習分析（Learning Analysis）作為一種教育分析技術，成為發展中不可或缺的核心力量。[1]所謂學習分析是指通過使用分析技術，挖掘隱藏在數據背后的深層次有效信息，并利用這些信息進行評價反饋，從而幫助學生提高學習效率和學習成績。
移動自主學堂改變了傳統的教學模式，實現了移動自主平臺支持下“四課型”教學模式與學習方式，實現了學生自主學習模式。[2]基于移動自主學堂的學習方式記錄了學生在學習過程中的所有學習行為，這些行為以形式豐富多樣的數據形式記錄在系統中。這些數據為挖掘學生學習過程中的行為提供了載體。從多維度挖掘出學生的學習行為背后隱藏的信息量，分析學生的日常學習行為習慣與學生的學習成績之間的關系。通過對學生學習行為的有效分析，可以為學校和教師跟蹤了解學生的學習情況，合理有效安排教學過程和教學計劃。
移動自主學堂經過多年的應用實踐，存儲了大量教學數據，本文正是對移動自主平臺下的學生學習行為數據進行建模分析，從而得到學生學習行為與學習效果之間的關系，從而為移動自主平臺教學提供輔助決策，使教師充分利用資源改進教學。論文根據學習行為需求分析，探討學生在一個月周期內的學習行為與月末考試成績之間的關系，得到學生學習行為效果模型，并使用模型預測學生在未來的學習成績。
1 學習行為分析研究現狀
數據作為信息的載體，具有較強的可視性和可用性，能夠精準，全面的反應人物的思維和行為的發展規律。[3]在傳統的教學模式中，保存的數據多為學生日常學習中的練習和考試試卷，數據也僅僅局限于老師的試卷分析。在信息化教學模式環境下，數據包括學生積極參與課堂教學的表現，與老師同學互動的頻率，課后學習的記錄等。通過使用數據挖掘技術對這些數據進行分析挖掘，分析學生的日常學習行為習慣與學生的學習成績之間的關系。在今后的教學過程中根據反饋信息進行調整學習方法，從而完成學習目標。
國內外研究學者都對學習分析技術展開了一系列研究，美國普渡大學研發的“信號預警系統”系統對學習者的學習行為進行研究，在學生的學習成績達到一定臨界點時以郵件的形式向學生發出預警信號為學生提供實時反饋。[4]澳大利亞Wollongong大學基于學習分析技術研發了可視化評估工具，幫助教師迅速診斷學習的學習行為路徑，并M行有效反饋。[5]在我國，彭文輝等提出了網絡學習行為的一個多維度和多層次的模型，對于學習者的學習行為分析，構成了對學習者的行為評價和學習智能化、個性化調整的基礎。[6]顧小清等建立了學習行為研究的數據，機制，結果三層次模型，系統的對學習行為模式進行了解析。[7]
2 學習行為屬性分析
在教育中針對學生學習行為進行分析對開發學生的思維與從多個維度挖掘隱藏的有價值的數據信息，一方面實現了教師根據學習者的學習行為分析學生對在教學過程中對知識的掌握程度和學習關注度。另一方面，通過分析學生的學習行為，學校和教師可以了解學生近期的學習情況，方便教學管理。在移動自主學堂學習環境中，學生在移動自主平臺上與老師進行課堂教學內容的交流，對所學知識進行隨堂檢測，知識疑難點的提問與交流等。
根據日常教學過程，把學生的學習行為分為以下幾個方面：
1）自我查詢學習行為：自我查詢學習行為主要表現為學生針對自身情況查詢想要了解的資源，這是一種主動的學習行為，它受學生自我認知的控制。
2）溝通學習行為：課堂學習是一種學習方式，而在學習過程中的溝通、交流也可以認為是一種學習方式。日常學習環境中，教師與學生之間、學生與學生之間、學生與學習資源之間都存在交互行為。
3）自我加工學習行為：在學習過程中，學生可以對學習資源進行收藏、標記和注釋，對知識點進行電子筆記的整理，可以對知識進行提問和答疑等方式進行自我學習。
4）外部條件：當在圍繞教學目標進行學習時，學生的學習也同樣受學習基礎和一些學習環境的影響。學生每門課程的基礎會影響學生的學習行為，如果學生的這門課程的基礎較好，在教學過程中，就會對教師的教學內容容易接受，才會對教師的教學內容或形式感興趣，使系統記錄的學習行為數據越多。而對于基礎差的學生，聽課時就會跟不上老師的教學進度，從而學起來比較吃力，久之就會失去學習的興趣，直到放棄這門學科。同時，系統每天保存學生上課的學習路徑，可根據登錄情況判斷學生是否出勤，長時間的請假會影響學生的學習情況。每節課學生會對本節課的學習體會進行自我評價，主要分為：好，中，差三類。
移動自W學堂教學環境下學生的學習行為大致包含的屬性參數如表1所示：
3 基于信息熵的學生學習行為分析
通過對移動自主學堂的教學日志進行分析，可以得到學生的學習行為，在分析學生的行為記錄時，根據不同類型的行為在模型中的作用賦予不同的權值。本文將采用信息熵計算，來判斷不同行為不確定程度的大小，對學生的學習行為進行研究，探討在一定周期內學生的日常學習行為與學生的學習成績之間的關系，并為學生提出有效的建議。
假定有m個學生，每個學生有n種類型的學習行為，將學生Si的學習行為記錄表示成m*n階矩陣S=（kij）m*n，其中k是一個二維數據，表示的是第i個學生第j類型的學習行為的變量。
Step1：首先要對學生行為的各個指標的數據進行標準化處理。假設某學生第i學科的學習行為指標為X1，X2，…Xm，則可對學生行為數據進行處理，如下式
其中，bij為第i學科第j類型的學習行為的標準化值，max（bij）為第j類學生學習行為的最大值。
Step2：求學生各學習行為的信息熵值
按照信息論中信息熵的定義，一組數據的信息熵表示為
其中Pj為學習行為j發生的概率，按照信息熵定義計算行為信息熵，行為信息熵的具體含義是行為次數分布越均勻，則行為信息熵越大，行為的個性化特征越弱，在學生學習行為確定中，行為j的信息熵值越大，則對應的行為權重值Wj越小。
Step3：確定學生行為各指標的權重
計算出各個指標的信息熵 。通過信息熵計算各學習行為的權重：
且存在權重之和為1。由此可見當學生在各行為上的值相差越大，其熵值越小，熵權越大，表示改行為對學生的行為研究的價值越大。
Step4：學生學習行為研究模型
式中，I為學生行為評價指標，wi為第i個指標的權重，kij為量化后的行為數據，n為學生學習行為個數。
對于學生學習行為分析，每個學生都是一個樣本，學生的學習行為對應樣本的各維數據。實驗采用數據庫中385名學生樣本數據，選取每個學生近1個月的web服務器客戶端日志數據，生成學生學習行為數據表。根據學習行為屬性，通過對一名學生的9種行為記錄進行分析。按照上述步驟使用熵權法進行計算權值得到表2：
實驗采用1個月為一個周期，學生的學習基礎參照學生月初的測驗分數和排名，經過多次試驗得出，學生的學習行為與學習月末成績成正比關系，學生日常教學過程中的主動參與度高、表現積極與學生學習效果相關，線上學習相對于瀏覽收藏和瀏覽錯題本行為對學習成績的影響較小。上課過程中，學生積極響應老師發出的提問指令與課后學習評價相關。
4 結論
通過對學生課堂教學中的變現進行分析，得出了學生在日常的教學過程中的學習表現，把結果反饋后有助于教師和家長了解學生的學習情況，通過配合使用有效的教學方法，提高學生的學習效果和學習成績。從教師角度來說，教師可以采取一定措施調整教學策略，對于日常參與度較低，變現不積極的學生采取激勵措施激發學生學習；另外，教師可以把積極學生和不積極學生合理安排在一起，充分發揮積極學生的帶頭作用，并提高同學的協作能力。從學生角度來說，學生了解在日常的表現中自己與成績較好學生的差距，可以調整自己的學習態度。
參考文獻：
[1] 祝智庭，沈德梅.學習分析學：智慧教育的科學力量[J].電化教育研究，2013（05）：5-12， 19.
[2] 王瑞，李永波，王曉東，等.移動自主學堂及其應用[J].河南師范大學學報：自然科學版，2014（6）：162-166.
[3] 姜強，趙蔚，王朋嬌，王麗萍，等.基于大數據的個性化自適應在線學習分析模型及實現[J].中國電化教育，2015（1）：85-92
[4] Iten，L.Arnold，K，&Pistilli，M.Ming Real-time Data to Improve Student Success in a Gateway Course[EB/OL]. [2013-05-14].http：//bio-purdue.edu/bootcamp/.
[5] Macfadyen L P， Dawson S.Mining LMS data to develop an “early warning system”for educators A proof of concept[J]Computer & Education 2010，（54）：588-599
關鍵詞：網絡系統；安全測試；安全評估
中圖分類號：TP393文獻標識碼：A文章編號：1009-3044(2011)13-3019-04
1 網絡安全評估技術簡介
當前，隨著網絡技術和信息技術的發展與應用，人們對于網絡的安全性能越來越關注，網絡安全技術已從最初的信息保密性發展到信息的完整性、可用性、可控性和不可否認性，進而又發展為“攻、防、測、控、管、評”等多方面的基礎理論和實施技術。信息安全是一個綜合、交叉學科領域，它要綜合利用數學、物理、通信和計算機諸多學科的長期知識積累和最新發展成果，進行自主創新研究、加強頂層設計，提出系統的、完整的解決方案。
網絡信息系統安全評估的目的是為了讓決策者進行風險處置，即運用綜合的策略來解決風險。信息系統可根據安全評估結果來定義安全需求，最終采用適當的安全控制策略來管理安全風險。
安全評估的結果就是對信息保護系統的某種程度上的確信，開展網絡安全系統評估技術研究，可以對國防軍工制造業數字化網絡系統、國家電子政務信息系統、各類信息安全系統等的規劃、設計、建設、運行等各階段進行系統級的測試評估，找出網絡系統的薄弱環節，發現并修正系統存在的弱點和漏洞，保證網絡系統的安全性，提出安全解決方案。
2 網絡安全評估理論體系和標準規范
2.1 網絡安全評估所要進行的工作是：
通過對實際網絡的半實物仿真，進行測試和安全評估技術的研究，參考國際相關技術標準，建立網絡安全評估模型，歸納安全評估指標，研制可操作性強的信息系統安全評測準則，并形成網絡信息安全的評估標準體系。
2.2 當前在網絡技術上主要的、通用的、主流的信息安全評估標準規范
2.2.1 歐美等西方國家的通用安全標準準則
1) 美國可信計算機安全評價標準（TCSEC）
2) 歐洲網絡安全評價標準（ITSEC）
3) 國際網絡安全通用準則（CC）
2.2.2 我國制定的網絡系統安全評估標準準則
1) 《國家信息技術安全性評估的通用準則》GB/T 18336標準
2) 公安部《信息網絡安全等級管理辦法》
3) BMZ1-2000《信息系統分級保護技術要求》
4) 《GJB 2646-96軍用計算機安全評估準則》
5) 《計算機信息系統安全保護等級劃分準則》等
3 安全評估過程模型
目前比較通用的對網絡信息系統進行安全評估的流程主要包括信息系統的資產（需保護的目標）識別、威脅識別、脆弱性識別、安全措施分析、安全事件影響分析以及綜合風險判定等。
對測評流程基本邏輯模型的構想如圖1所示。
在這個測試評估模型中，主要包括6方面的內容：
1) 系統分析：對信息系統的安全需求進行分析；
2) 識別關鍵資產：根據系統分析的結果識別出系統的重要資產；
3) 識別威脅：識別出系統主要的安全威脅以及威脅的途徑和方式；
4) 識別脆弱性：識別出系統在技術上的缺陷、漏洞、薄弱環節等；
5) 分析影響：分析安全事件對系統可能造成的影響；
6) 風險評估：綜合關鍵資產、威脅因素、脆弱性及控制措施，綜合事件影響，評估系統面臨的風險。
4 網絡系統安全態勢評估
安全態勢評估是進行網絡系統級安全評估的重要環節，合理的安全態勢評估方法可以有效地評定威脅級別不同的安全事件。對系統安全進行評估通常與攻擊給網絡帶來的損失是相對應的，造成的損失越大，說明攻擊越嚴重、網絡安全狀況越差。通過攻擊的損失可以評估攻擊的嚴重程度，從而評估網絡安全狀況。
結合網絡資產安全價值進行評估的具體算法如下：
設SERG為待評估安全事件關聯圖：
定義
IF(threatTa){AddSERGTToHighigh ImpactSetAndReport}
其中，SERG表示安全事件關聯，SERGStatei表示攻擊者獲取的直接資源列表；ASV(a)表示對應資產a的資產安全價值；Ta表示可以接受的威脅閥值；HighImpactSet表示高風險事件集合。
常用的對一個網絡信息系統進行安全態勢評估的算法有如下幾種。
4.1 專家評估法（Delphi法）
專家法也稱專家征詢法（Delphi法），其基本步驟如下：
1) 選擇專家：這是很重要的一步，選的好與不好將直接影響到結果的準確性，一般情況下，應有網絡安全領域中既有實際工作經驗又有較深理論修養的專家10人以上參與評估，專家數目太少時則影響此方法的準確性；
2) 確定出與網絡系統安全相關的m個被評估指標，將這些指標以及統一的權數確定規則發給選定的各位專家，由他們各自獨立地給出自己所認為的對每一個指標的安全態勢評價（Xi）以及每一個評價指標在網絡系統整體安全態勢評估中所占有的比重權值（Wi）；
3) 回收專家們的評估結果并計算各安全態勢指標及指標權數的均值和標準差：
計算估計值和平均估計值的偏差
4) 將計算結果及補充材料返還給各位專家，要求所有的專家在新的基礎上重新確定各指標安全態勢及所占有的安全評價權重；
5) 重復上面兩步，直至各指標權數與其均值的離差不超過預先給定的標準為止，也就是各專家的意見基本趨于一致，以此時對該指標的安全評價作為系統最終安全評價，并以此時各指標權數的均值作為該指標的權數。
歸納起來，專家法評估的核心思想就是采用匿名的方式，收集和征詢該領域專家們的意見，將其答復作統計分析，再將分析結果反饋給領域專家，同時進一步就同一問題再次征詢專家意見，如此反復多輪，使專家們的意見逐漸集中到某個有限的范圍內，然后將此結果用中位數和四分位數來表示。對各個征詢意見做統計分析和綜合歸納時，如果發現專家的評價意見離散度太大，很難取得一致意見時，可以再進行幾輪征詢，然后再按照上述方法進行統計分析，直至取得較為一致的意見為止。該方法適用于各種評價指標之間相互獨立的場合，各指標對綜合評價值的貢獻彼此沒有什么影響。若評價指標之間不互相獨立，專家們比較分析的結果必然導致信息的重復，就難以得到符合客觀實際的綜合評價值。
4.2 基于“熵”的網絡系統安全態勢評估
網絡安全性能評價指標選取后，用一定的方法對其進行量化，即可得到對網絡系統的安全性度量，而可把網絡系統受攻擊前后的安全性差值作為攻擊效果的一個測度。考慮到進行網絡攻擊效果評估時，我們關心的只是網絡系統遭受攻擊前后安全性能的變化，借鑒信息論中“熵”的概念，可以提出評價網絡性能的“網絡熵”理論。“網絡熵”是對網絡安全性能的一種描述，“網絡熵”值越小，表明該網絡系統的安全性越好。對于網絡系統的某一項性能指標來說，其熵值可以定義為：
Hi=-log2Vi
式中：Vi指網絡第i項指標的歸一化參數。
網絡信息系統受到攻擊后，其安全功能下降，系統穩定性變差，這些變化必然在某些網絡性能指標上有所體現，相應的網絡熵值也應該有所變化。因此，可以用攻擊前后網絡熵值的變化量對攻擊效果進行描述。
網絡熵的計算應該綜合考慮影響網絡安全性能的各項指標，其值為各單項指標熵的加權和：
式中：n-影響網絡性能的指標個數；
?Ai-第i項指標的權重；
Hi第i項指標的網絡熵。
在如何設定各網絡單項指標的權重以逼真地反映其對整個網絡熵的貢獻時，設定的普遍通用的原則是根據網絡防護的目的和網絡服務的類型確定?Ai的值，在實際應用中，?Ai值可以通過對各項指標建立判斷矩陣，采用層次分析法逐層計算得出。一般而言，對網絡熵的設定時主要考慮以下三項指標的網絡熵：
1) 網絡吞吐量：單位時間內網絡結點之間成功傳送的無差錯的數據量；
2) 網絡響應時間：網絡服務請求和響應該請求之間的時間間隔；
3) 網絡延遲抖動：指平均延遲變化的時間量。
設網絡攻擊發生前，系統各指標的網絡熵為H攻擊發生后，系統各指標的網絡熵為 ,則網絡攻擊的效果可以表示為：
EH=H'-H
則有：
利用上式，僅需測得攻擊前后網絡的各項性能指標參數（Vi,Vi'），并設定好各指標的權重（?Ai），即可計算出網絡系統性能的損失，評估網絡系統受攻擊后的結果。EH是對網絡攻擊效果的定量描述，其值越大，表明網絡遭受攻擊后安全性能下降的越厲害，也就是說網絡安全性能越差。
國際標準中較為通用的根據EH值對網絡安全性能進行評估的參考標準值如表1所示。
4.3模糊綜合評判法
模糊綜合評判法也是常用的一種對網絡系統的安全態勢進行綜合評判的方法，它是根據模糊數學的基本理論，先選定被評估網絡系統的各評估指標域，而后利用模糊關系合成原理，通過構造等級模糊子集把反映被評事物的模糊指標進行量化（即確定隸屬度），然后利用模糊變換原理對各指標進行綜合。
模糊綜合評判法一般按以下程序進行：
1) 確定評價對象的因素論域U
U={u1,u2,…,un}
也就是首先確定被評估網絡系統的n個網絡安全領域的評價指標。
這一步主要是確定評價指標體系，解決從哪些方面和用哪些因素來評價客觀對象的問題。
2) 確定評語等級論域V
V={v1,v2,…,vm}
也就是對確定的各個評價指標的等級評定程度，即等級集合，每一個等級可對應一個模糊子集。正是由于這一論域的確定，才使得模糊綜合評價得到一個模糊評判向量，被評價對象對評語等級隸屬度的信息通過這個模糊向量表示出來，體現出評判的模糊性。
從技術處理的角度來看，評語等級數m通常取3≤m≤7，若m過大會超過人的語義能力，不易判斷對象的等級歸屬；若m過小又可能不符合模糊綜合評判的質量要求，故其取值以適中為宜。 取奇數的情況較多，因為這樣可以有一個中間等級，便于判斷被評事物的等級歸屬，具體等級可以依據評價內容用適當的語言描述，比如評價數據管理制度，可取V={號，較好，一般，較差，差}；評價防黑客入侵設施，可取V={強，中，弱}等。
3) 進行單因素評價，建立模糊關系矩陣R
在構造了等級模糊子集后，就要逐個對各被評價指標ui確定其對各等級模糊子集vi的隸屬程度。這樣，可得到一個ui與vi間的模糊關系數據矩陣：
R=|r21r22…r2m|
式中：
rij表示U中因素ui對應V中等級vi的隸屬關系，即因素ui隸屬于vi的等級程度。
4) 確定評判因素的模糊權向量集
一般說來，所確定的網絡安全的n個評價指標對于網絡整體的安全態勢評估作用是不同的，各方面因素的表現在整體中所占的比重是不同的。
因此，定義了一個所謂模糊權向量集A的概念，該要素權向量集就是反映被評價指標的各因素相對于整體評價指標的重要程度。權向量的確定與其他評估方法相同，可采用層次分析等方法獲得。權向量集A可表示為：
A=(a1,a2,…,an)
并滿足如下關系：
5) 將A與R合成，得到被評估網絡系統的模糊綜合評判向量B
B=A?R
B=A?R= (a1,a2,…,an) |r21r22…r2m|
式中：
rij表示的是模糊關系數據矩陣R經過與模糊權向量集A矩陣運算后，得到的修正關系向量。
這樣做的意義在于使用模糊權向量集A矩陣來對關系隸屬矩陣R進行修正，使得到的綜合評判向量更為客觀準確。
6) 對模糊綜合評判結果B的歸一化處理
根據上一步的計算，得到了對網絡各安全評價指標的評判結果向量集B=(b1,b2,…,bn)
由于對每個評價指標的評判結果都是一個模糊向量，不便于各評價指標間的排序評優，因而還需要進一步的分析處理。
對模糊綜合評判結果向量 進行歸一化處理：
bj'=bj/n
從而得到各安全評價指標的歸一化向量，從而對各歸一化向量進行相應。
5 結束語
本論文首先介紹了網絡安全評估技術的基本知識，然后對安全評估模型進行了分析計算，闡述了網絡安全技術措施的有效性；最后對網絡安全態勢的評估給出了具體的算法和公式。通過本文的技術研究，基本上對網絡信息系統的安全評估技術有了初步的了解，下一步還將對安全評估的風險、安全評估中相關聯的各項因素進行研究。
參考文獻：
[1] 逮昭義.計算機通信網信息量理論[M].北京:電子工業出版社,1997:57-58.
[2] 張義榮.計算機網絡攻擊效果評估技術研究[J].國防科技大學學報,2002(5).
關鍵詞:復雜網絡;網絡結構熵;Internet AS 網絡
中圖分類號:TP393文獻標識碼:A文章編號:1009-3044(2010)10-2527-02
A New Research Method Based on Network Structure Entropy for the Network Evolution
LIU Xue-jun
(The Department of Communication Engineering, Engineering College of Chinese Armed Police Force, Xi'an 710086, China)
Abstract: In order to descripe the evolution of the network, a network structure entropy of evolution was expressed, for the research of network hetroplasmy provided the characterition metric, elaborate the reason and versatility of network evolution with this method . At the same time, for the Internet AS network, find their relationship and pointed out that this network evolution and heterogeneity in the direction of development.
Key words: complex networks; network structure entropy; Internet AS networks
熵是一個物理學概念,熵是事物不確定性的度量。可以理解為系統內部混亂度的度量。一般來講,系統宏觀狀態擁有的微觀狀態越多,可能情況就越多,系統的不確定性也就越大,而微觀狀態越多表明系統內部運動越富有多樣性,越混亂無序,從而熵越大;反之,系統微觀狀態越少,系統內部狀態越單一化,越有序,熵就越小[1]。
現實世界的許多系統都可以用復雜網絡[2]進行描述,這種網絡既不是規則網絡,也不是隨機網絡,而是一種具有與這兩者不同的統計特性的網絡,其中,最具影響的是小世界網絡和無標度網絡。本文主要討論無標度網絡。如:論文引用網絡、WWW網絡等。研究發現,無標度網絡具有很強的非同質性,即,大部分節點只有少數幾個連結,而極少數節點卻具有大量的連結,這樣的網絡是一種非均勻的網絡,其度分布服從冪律分布。網絡中每個節點和其它K個節點相連接的概率正比于k-γ,這里γ為常數,且γ≥0。刻畫這種非同質性時可以借助其分布指數,指數越大,度分布曲線下降越快,網絡的非同質性越強,反之,則越弱。正如文獻[3]指出的,現實世界的復雜網絡,度分布曲線并不是完全規則的曲線,通過擬合得到的曲線也并不完全精確。于是人們把熵的概念引入復雜網絡中用來刻畫網絡的非標度性。而本文正是在此基礎之上,研究了利用網絡結構熵研究網絡演化的方法,并探討了Internet AS層網絡的演化規律。
1 網絡結構熵及研究網絡演化的方法
由文獻[3]知網絡結構熵可表示為:
(1)
其中,Ii是節點i的重要度,,N是網絡中的節點數,顯然ki≥0。
可以證明,當網絡完全均勻時所有節點的度值相同,這是網絡中所有節點具有相同的重要度Ii=1/N此時,熵獲得最大值:
(2)
當網絡完全不均勻時,網絡中的連結呈星型結構,即有一個中心節點和網絡中所有其它節點都相連,其度值為N-1(N是網絡的節點數),而網絡中其它節點的度值都為1,此時得到的網絡結構熵的最小值:
(3)
由(1)(2)(3)知網絡結構熵、網絡結構熵的最大值、最小值都和網絡規模有關。其中網絡結構熵除了和網絡規模有關外,還和各個項的取值有關,由以上三式可得:
Emin≤E≤Emax(4)
顯然,對于某個節點數N確定的網絡來講,如果僅網絡的總邊數發生變化而導致網絡在不斷的演化,那么網絡結構熵E的變化只能在有(4)式確定的范圍內,為消除節點數對網絡結構熵的影響,文獻[5]提出了網絡的標準結構熵,即:
(5)
上式求解過程利用了特定網絡的最大值,最小值,排除了節點數的影響,但依然是局限于節點數固定的網絡,一旦網絡節點數發生變化,由于分子和分母只針對固定節點數得到的,因而改變前后的網絡結構變化并不能通過熵值的變化來進行判斷。也就是說對于節點數變化或者動態演化網絡而言,如何運用網絡結構熵來研究網絡的演化呢?進而如何說明網絡異質性的變化呢?本文提出以下方法:
(6)
網絡結構熵取得最大值表明網絡完全均勻,式(6)表示網絡結構熵與完全均勻網絡的偏離程度,值越小說明網絡越接近完全均勻網絡。即如果E=0,則E=Emax說明網絡是完全均勻的。利用式(6)可以衡量網絡的演化,即(6)式值如果不斷的遞減,則說明網絡是朝著均勻方向發展;若不斷的遞增,則說明網絡朝著非均勻方向發展。通過變化可以確定網絡的發展演化趨勢。實際上式亦可改寫成下式:
(7)
可以說通過(6)(7)式來確定網絡和完全均勻網絡及完全非均勻網絡的接近程度是一種利用網絡結構熵研究網絡演化的好方法,這種方法對于節點數變化的網絡同樣適用。由于它們表示的是和本規模下完全均勻網絡或者完全非均勻網絡的接近程度,即克服了標準網絡結構熵的局限性和不足。下面,就這一方法應用于研究Internet AS 層的網絡演化,同時應用(6)(7)相互印證。
2 Internet AS 層網絡的演化發展及分析
通過對CAIDA項目在網上所的數據進行相應的處理,獲得了自2001年3月1日到2007年5月25日的Internet AS 層節點連結相關數據,我們以20天為一個數據點進行處理,即把每20天內得到的數據看成是一個網絡,共可以得到108個數據點,按照時間先后進行排列,并畫出相應的演化圖,其中圖1是網絡和完全均勻網絡的偏離程度的時間演化圖。
由圖1可知Internet AS 層節點網絡的網絡結構熵隨著時間的演化與完全均勻網絡的偏離程度有逐漸減少的趨勢,也就是說(6)式中E越小,雖然這種幅度并不大,其原因是Internet AS 層網絡在一個比較短的時間段內不可能發生比較大的變化,接點數和邊的數目也就不會發生較大的改變,同時網絡結構熵還與各個節點的重要度有關,圖中各個數據點在所畫的直線上下波動,波動的幅度不大,這就造成了網絡結構熵和均勻網絡的接近度在不斷的上下波動,但始終沿著這條曲線在減小。其中最大的E=0.1880,最小的E=0.1564,下降了16.82%。
在開始時刻E=0.1723,統計的終止時刻的E=0.1590,下降幅度為7.76%,表明網絡比開始時刻更加接近完全均勻網絡,接近程度近了7.76%。這也說明了隨時間的發展,網絡結構趨向于向均勻網絡方向發展。
以上是利用(6)式所進行的分析,對于(7)式分析亦有相同的結論。下面的圖2是根據(7)所做的演化圖。
3 結論
本文在網絡結構熵的相關概念基礎上提出了運用網絡結構熵研究復雜網絡演化發展的新方法,同時指出了利用標準結構熵直接來研究網絡演化的弊端和局限性。這種研究網絡演化的方法具有一般性,對于復雜網絡的演化問題均可以采用這種方法。實際上,這種方法是利用了數學中的逼近法研究網絡演化的方法。本文以Internet AS層網絡為例,從兩個方向研究了該網絡的演化規律,指出了該層網絡的演化規律趨勢。
參考文獻:
[1] 陳宜生.物理學家[M].天津:天津大學出版社,2005.
[2] Alert R,Barabasi A L.statistical mechanics of complex networks[J].Reviews of Moderm physics,2002,74(1):47-97.
