基于模糊层次分析法的蔬菜供应商选择研究

蔬菜供应商的选择对于建立科学高效的供应链极为重要.首先建立蔬菜供应商选择流程图作为蔬菜供应商选择的规范框架,然后在此基础上将模糊综合评价法与层次分析理论(AHP)相结合,运用层次分析法确定各评价指标的权重,再将其运用到模糊综合评价模型中,建立了蔬菜供应商模糊层次评价模型,这有效降低了判断矩阵整体一致性不通过的可能性.通过实证分析,模糊层次分析法能够对蔬菜供商进行比较科学、全面的评价,对于提高供应商选择决策的准确性具有非常良好的的应用价值.     

碳减排环境下绿色供应商选择与订单分配问题研究

运用集成模糊环境下的DEMATEL、ANP、TOPSIS方法,综合考虑质量、成本、提前期、碳排放等经济和环境因素,构建混合模糊多准则决策模型对绿色供应商进行排序。运用加权模糊多目标线性规划方法对综合排序的供应商分配订单。结果表明,订单分配模型得出的结果会随着决策者对五个目标赋予的权重不同而有所差异;在增加少量成本的基础上,应用该集成方法可为企业选择数量最佳且碳排放较少的绿色供应商,并为其理性分配采购订单量提供参照,由此提高企业的碳减排效率。     

基于BP神经网络的化肥供应商选择模型研究

供应商选择是供应链管理中的一个重要环节。我国是世界上生产和使用化肥最多的国家,因此对于化肥供应商的选择显得尤为重要。针对化肥供应商的特点,首先构建了化肥供应商的选择评价指标体系,在该体系的基础上构建了BP神经网络评价模型。     

基于主成分分析与BP神经网络的供应商选择模型

供应商选择是企业进行决策的重要内容,也直接影响着企业竞争力。在科学合理的构建供应商评价指标体系的基础上,首先对供应商评价的数据进行主成分分析,然后建立基于BP神经网络的供应商评价模型,最后以实例验证。这两种方法相结合不仅简化了模型结构,而且较好的克服评价指标主观性强的问题,为供应商选择提供了一种新的、实用的评价方法。     

模糊综合评价的一种神经网络方法

将神经网络理论应用于模糊综合评价，首先引入因素空间的概念，在因素空间中给出了一种基于三层神经元的多用量化模糊综合评价方法，并利用LMS算法及矩方法研究了该模型权重及学习步长的确定方法，实现了权重及学习步长的网络学习，最终实现了等级评价值的计算机输出．较好地解决了传统的综合评价方法中各指标的权数受人为因素的影响这一难点问题．     

基于FAHP的物流服务供应链绿色供应商选择研究

在阐述了绿色供应商选择的重要性基础上,并对供应商选择的相关文献进行了分析。针对现有文献对LSSC供应商选择研究的不足,构建了基于企业基础素质、环境保护能力、创新能力、合作能力和服务能力的绿色供应商选择指标体系,给出了基于FAHP的LSSC绿色供应商评价过程,且给出了一个算例来进行了验证。     

基于模糊多层次综合评价的绿色供应商选择

根据绿色供应链管理的内涵和环境管理标准(ISO14001系列),设计出新型的绿色供应商评价指标体系,即将绿色信息作为绿色供应商评价的主要衡量指标之一,并将各个指标具体化,形成一个二级指标评价体系.根据指标体系的特点进行模糊多层次综合评价,最后给出了一个算例进行说明,为绿色供应商的管理决策提供了理论依据.     

湖泊富营养化综合评价模糊神经网络专家系统的研究

在综合评价体系结构基础上，应用模糊神经网络技术，建立了1个湖泊富营养化综合评价模糊神经网络专家系统，该专家系统易于表达模糊知识，其知识获取和存储方式与普通专家系统不同，具有较高的推理效率，较强的容错、自适应和自我更新能力。     

模糊综合决策模型预报农业害虫的研究

模糊综合决策模型分M_A和M_B两大类。由列联系数(c_i),等级相关系数(d_i)和最大频数(∫_i)构成模糊向量X;条件概率(P),模糊条件概率(FP)和列联比(O)构成模糊矩阵R,交叉合成9种预测方法。用模糊综合评判数学模型Y=X·R,进行945年次运算,结果表明,平均历史符合率第一大类M_A为93.7％,第二大类M_B为92.6％,误差S_(M_A)相似文献   

模糊联想记忆神经网络在土地质量评价中的应用

土地是一个复杂的动态系统,受到众多因素的影响,而影响因素存在很大的模糊性,应用传统的理论和方法进行评价难以得到正确结果。本文提出一种基于模糊联想记忆神经网络的土地质量评价方法,并以实例证实了该方法的简便、快速、客观和实用性。     

浅析企业供应商的选择

供应商的选择是采购管理中最重要、最关键的环节。实现双赢,把供应商利润控制在比较合理的范围之内,形成非良性循环,最终成为合作伙伴。     

模糊综合评价法在荆州市街道绿化树种选择中的应用

应用模糊数学方法对荆州市街道绿化树种的生长状况与观赏特性进行了评价。得到各树种的综合评价值及排序，采用级差法将现有街道绿化树种划分为宜大力推广、宜推广、可适当推广和不宜推广等4种类型，并给出了每一类型树种的具体名称。     

基于模糊神经网络的拖拉机使用可靠性评价

进行拖拉机故障跟踪试验,得到拖拉机现场使用的故障数据。基于模糊神经网络建立拖拉机使用可靠性的评价模型,以拖拉机故障跟踪数据为依据,给出拖拉机可靠性指标的观测值,并计算出相应的隶属度,得到拖拉机使用可靠性的评价结果。研究结果能为提高拖拉机可靠性、维修性和维修策略提供参考依据,同时对研究完善拖拉机可靠性评价方法奠定理论基础。     

基于神经网络的模糊风险评价技术的应用

将模糊系统和BP神经网络有机结合起来,形成了基于BP神经网络的模糊风险评价方法,并结合城区埋地燃气管道建立了基于模糊系统的神经网络模型.对某市埋地燃气管道进行了管道失效后果严重度的模糊评判,结果表明,该方法与模糊综合评价有相同功效,而且省去了各影响因素权重的确定与逐层运算的繁杂过程,评价效率高.     

利用模糊神经网络对湖泊富营养化程度进行评价的研究

本文在综合评价体系结构基础上，应用模糊神经网络技术，建立了湖泊富营养化程度模糊神经网络评价系统。并利用该系统对全国16个有代表性的湖泊进行水质评价，均得到了正确的评价结果。     

模糊综合评价法在荆州市街道绿化树种选择中的应用

应用模糊数学方法对荆州市街道绿化树种的生长状况与观赏特性进行了评价,得到各树种的综合评价值及排序,采用级差法将现有街道绿化树种划分为宜大力推广、宜推广、可适当推广和不宜推广等4种类型,并给出了每一类型树种的具体名称。     

GA-BP优化TS模糊神经网络水质监测与评价系统预测模型的应用——以太湖为例

针对水质监测与评价系统在太湖应用过程中水质数据和水质等级评价不准确的问题,建立了一种多隐含层改进型GA-BP神经网络来辨识复杂的水质模型,以均方误差MSE作为个体适应度,并在权值调整过程中加入动量因子来加快收敛速度,获取最优权阈值,提高其拟合程度和泛化能力.根据校准后水质的pH、溶解氧、浊度和氨氮数据,利用TS模糊神经网络建立了适用于当地水质评价的模型.仿真测试结果充分说明改进型GA-BP优化TS模糊神经网络对复杂水质模型的拟合程度更高,水质数据的均方误差、绝对误差更小,绝对误差保持在1.5%以内,水质等级预测精度提高14.28%.     

基于模糊神经网络的护坡植被优选

以寒区黏土(pH=6.97)、粉质黏土(pH=7.81)、砂土(pH=8.33)3种土质作为试验对象,并分别种植紫花苜蓿、小冠花、无芒雀麦.从植被高度、颜色、均一度、抗病性、抗旱性、抗贫瘠性、复生率、盖度、植株密度、抗拉强度、抗剪强度11个指标建立护坡植被评价体系,利用模糊神经网络理论,构建了植被护坡优选模型并应用.结...     

基于权重矩阵的模糊决策模型及城市金融聚集度评价

针对多目标多维模糊决策的特点,依据模糊识别理论提出了一种基于目标权重矩阵的多维自反馈模糊决策模型.首先分析了基于权重向量的多目标多维自反馈模糊决策模型的不足,依据带有监督因子和稳定系数的模糊目标函数,提出了确定目标权重矩阵的计算公式;然后给出了基于目标权重矩阵的多维自反馈模糊决策模的算法;最后,将基于目标权重矩阵的自反馈模糊决策模型应用于中国中部五城市金融聚集度评价决策.应用实例说明本文提出的模糊决策模型是有效的,并且计算收敛速度快.     

基于模糊BP神经网络的苏南Y湖水质评价

以苏南Y湖水环境为研究对象,运用模糊神经网络进行水质评价,根据评价结果进行该湖不同水域的水质比较.结果表明：该湖水体溶解氧和化学需氧量在5种不同水域具有显著性差异,两者均以中湖、东湖和湖内围网区为最高,上游河流最低;而水体氨氮、总氮和总磷含量在各水域均没有显著性差异.建立以上述5个水质指标为输入变量、包含3个神经元的隐含层和1个水质类别输出结果所组成的BP人工神经网络,经学习训练后,其可掌握水质类别特征,具备完全正确识别样本的能力.从BP网络输出结果和模糊BP神经网络计算结果可知,该湖各水域水质处于Ⅳ和V类之间,总体来说西湖的水质最好,上游河流次之,其次为湖内围网区和东湖,湖中最差.相比BP网络输出结果,模糊BP神经网络计算结果可以更简单明了地表示该湖各水域水质接近于某类标准水质的程度.