时间：2023-06-07 09:37:17
开篇：写作不仅是一种记录，更是一种创造，它让我们能够捕捉那些稍纵即逝的灵感，将它们永久地定格在纸上。下面是小编精心整理的12篇熵值法论文，希望这些内容能成为您创作过程中的良师益友，陪伴您不断探索和进步。
关键词 抚州市；耕地集约利用；DPSIR模型；改进熵值法
作者简介廖 娟（1988—），女，东华理工大学地球科学学院土地资源管理专业硕士研究生，主要研究方向为土地利用规划与土地资源可持续利用。（江西南昌 330013）
一、引言
随着我国社会经济的快速发展，工业化、城市化进程不断加快，部分耕地非农化已成必然，耕地面积减少的趋势在短时期内难以逆转。只有在严格保护耕地的同时，在耕地利用的过程中走集约化道路，注重内涵挖潜，才能实现具有中国特色的农业现代化，保障我国的粮食安全。耕地集约利用是基于区域耕地资源科学和优化配置的前提，在有限的耕地面积上合理增加相关生产要素投入，以最大限度提高耕地利用的综合效益，充分挖掘耕地利用潜力，从而在耕地利用上走内涵挖潜和持续发展道路的一种土地利用方式1。
二、耕地利用的DPSIR模型
DPSIR？穴驱动力—压力—状态—影响—响应？雪模型是由EEA？穴欧洲环境署？雪提出的一种评价模型，它是作为衡量环境及可持续发展的一种指标体系开发出来的。它涵盖了资源利用、环境保护和社会经济发展等多个领域，可以将土地利用及其环境问题、社会经济发展状况、政府政策导向等方面按照因果顺序有机地整合在一起，为评估农业土地资源持续利用提供了较好的研究思路2。DPSIR模型在自然资源的评价过程中能够反映出自然环境与人类活动之间的普遍联系和特征，对造成环境变化的原因以及人类对此做出的响应等多个因素综合到一个模型中，使事物更具有条理性和整体性3。
三、抚州市耕地集约利用评价
抚州市位于江西省东部，抚河上中游，总面积18817平方千米。2011年抚州市耕地总面积为311293.95hm2， 占全市土地总面积的16.54% ，主要分布于临川区、东乡县、乐安县、金溪县和崇仁县。抚州市是国家区域性商品粮生产基地，因此，研究抚州市耕地集约利用水平及其影响因素，为抚州市合理利用耕地资源、提高利用效益、保障粮食安全具有重要的现实意义。
（一）评价指标体系建立
在综合参考了相关成果的基础上3-5，考虑到数据等资料的可获取性，结合抚州市实际情况，基于耕地利用的DPSIR模型，遵照科学性与可操作性、综合性与主导性、系统性与层序性等原则，建立了反映抚州市耕地集约利用水平的评价指标体系，共18个指标因子（表1）。
（二）评价指标权重确定
为了避免主观因素的影响，使指标权重更加具有科学性，本文采用客观赋权法中的信息熵值法来确定指标权重6。在熵值法的计算过程中，运用了熵和对数的概念，根据相应的约束规则，负值和极值不能直接参与运算，应对其进行一定的变换，即应该对熵值法进行一些必要的改进，本文采用标准化变换法对熵值法进行改进7。
步骤如下：
1.评价指标标准化处理。
式中，X′ij为标准化处理后的指标值，Xij为第j项指标的算术平均值，Si为第j项指标的标准差。
2.为了清除负数，进行坐标平移：X″ij=X′ij+H，式中，X″ij 为平移后的指标值，H为指标平移幅度。
3.计算第j项指标下的i个样本值的比重：
4.计算第j项指标的熵值，熵值越小，指标间的差异性越大，指标就越重要。ej=-k∑PijlnPij （k=1/lnm），0≤ej≤1。
5.计算第j项指标的信息效用值：hj =1-ej。
6.计算第j项指标的权重：wj=hj/∑hj （j=1，2，…，n），按照改进熵值法确定抚州市各评价指标的权重（表1）。
（三）耕地利用集约度计算
运用功效函数评价法对影响耕地集约利用的各项指标进行综合评价，得到耕地利用集约度8。假定耕地集约利用各评价指标为uj（j=1，2，3…n），aj，bj 分别为耕地集约利用评价指标的最大值与最小值。指标值xij对耕地集约利用的功效Ui（uj ）由下式确定：
然后，根据确定的各指标的权重wj，计算出耕地集约利用度Fi，Fi=∑wjUi。
四、抚州市耕地集约利用评价结果分析
（一）抚州市耕地集约利用动态分析
按照表1确定的各评价指标的权重，根据集约度的评价方法，得到耕地利用集约度评价结果（表2）。从总体上看，2002—2011年抚州市耕地集约利用指数不断增长，从2002年的0.411上升到2011年的0.737，年均上升3.26%。
由表2可知，驱动力指数从2002年的最高，持续下降，2011年为五个子系统最低；压力指数2002年仅次于驱动力指数，10年间呈缓慢波动下降态势，2011年仅高于驱动力指标；状态、影响和响应指数除个别年份短暂下降外，呈快速上升趋势，状态指数连续几年位居第一；从影响指数看出农户在耕地利用过程中的经济收益和挖掘耕地生产潜力的能力都在持续提高；响应指数增幅最大、上升速度最快，从2002年的0.035上升到2011年的0.265，说明人对耕地集约利用的响应增强，通过提高对耕地投入促进耕地的集约利用。
（二）抚州市耕地集约利用空间分析
从图1可以看出，抚州市各县区耕地集约利用水平空间差异不十分明显，从空间分布看，中部各县集约利用水平相对较高，最高的是南丰县，主要是南丰县状态、影响和响应指数均位居抚州市各县区首位，南丰县对农业的投入较大，农业产值及农民收入均为各县第一位，反映南丰县耕地利用效果很好；金溪县、临川区、黎川县和崇仁县各项指标都属中上水平，耕地集约利用水平相差不大，高于抚州市耕地集约利用水平；宜黄县、乐安县、南城县等其他各县与抚州市耕地集约利用水平相比较低，其中，广昌县最低，影响耕地集约利用的四个子系统分值均很低，致使广昌县耕地集约利用综合指数最低。
五、建议
综合以上分析，对抚州市耕地集约利用提出以下建议：加强基本农田保护，大力开展土地整理项目，增加耕地数量；加快农业生态环境建设，提高耕地质量；完善土地利用总体规划，严格控制建设用地扩张规模，规划好村镇建设，控制农村宅基地占用耕地；加强科技投入和农民的科技培训，提升农民的科技素质；增加资金、机械等各项投入，完善农业基础设施建设，提高耕地利用效率；优化耕地的用地结构，促进现代农业的产业发展。
参考文献
1金卫华，唐国滔，刘微微.耕地集约利用评价指标体系研究——以湖南省永州市为例J.国土资源科技管理，2008，.
2于伯华，吕昌河.基于DPSIR概念模型的农业土地资源持续利用评价J.农业工程学报，2008.
3邓超.武汉市耕地集约利用评价研究D.武汉：华中农业大学硕士论文，2010.
4陈珏.黑龙江省耕地集约利用指标体系的构建与评价J.科技促进发展，2008.
5安玉娟.河北省耕地利用集约度变化特征J.地理科学进展，2009.
6陶晓燕，章仁俊，徐辉，等. 基于改进熵值法的城市可持续发展能力的评价J. 干旱区资源与环境，2006.
【关键词】 厌学青少年；脑电α波；熵值；心理活动
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
厌学青少年是指对学校学习和生活失去兴趣，产生厌倦或持冷漠态度学习的“差生”。 随着人们对心理学科的认识提高，目前因厌学进行心理咨询的青少年越来越多。由于这类青 少年智力正常，对学校多门课程的学习不感兴趣，人们已习惯把这种行为归为贪玩、叛逆或 缺乏动机、理想和目标等，对策研究也多是端正学习态度，激发兴趣等。临床观察这种心理 指导效果有的不佳。为了在心理咨询中准确地把握厌学青少年逃避学习的真正原因 ，我们对厌学咨询的青少年实施脑功能状态检查，从学习的生物性机能方面分析厌学青少年 脑功能状态和α波竞争频的特点，了解其厌学者的学习能力和认知特点。从而科学制定咨询 和治疗方案。现将厌学青少年脑功能状态检查情况分析如下。
1 对象和方法
1.1 对象 研究组为2006.8～2007.12月因厌学由家长带领求助心理咨询青少年共90例。年 龄 15.2±2.3岁。男58人，女32人。均无智力障碍和大脑器质性病变。另设对照组30人，其年 龄和性别与研究对象无显著性差异。
1.2 方法 排除大脑器质性病变，智力障碍，统一使用北京同仁光电技术公司生产的ML-20 01 脑功能分析仪对脑功能状态和脑电α波竞争频的分布及熵值进行测量，要求被测者采用舒适 座位，安静闭眼。测量程序按照国际标准导联(10～20)系统安放16个测量电极(FP1、FP2、F 3、F4、C3、C4、P3、P4、01、02、F7、F8、T3、T4、T5、T6)，双耳连线（A1＋A2）为参考 电极，前额正中(PF2)接地保护。采样频率为256Hz，时间常数为0.13s，连续采集18分钟。 采集的信号由脑波超慢分析软件自动分析。
1.3 数据处理 用SPSS 8.0统计软件进行独立样本t检验。
2 结 果
2.1 厌学青少年大脑功能状态分析 检查结果显示，厌学青少年的脑区处在少氧状态的33 人 ，疲劳状态38人，左右脑功率不对称23人，前后功率梯度逆转79人。分别占研究对象的36.6 %、42.20%、25.5%和87.7%。为了排除注意缺陷对认知能力的影响，研究组使用大脑整合连 续视听功能测试仪，把有明显注意缺陷的38人定为多动组，无明显注意缺陷的52人定为研究 组1。各组脑功能状态结果比较见表1。
表1结果显示，研究组1与多动组在大脑的少氧状态，疲劳状态，左右功率不对称，前后 功率逆转方面无显著性差异，但与对照组均差异显著。说明厌学青少年有无注意缺陷均表现 脑功能状态欠佳。
2.2 研究组、多动组和对照组α波优势主频成分的分布情况 见附图。
2.3 研究组、多动组与对照组间α波主次频之差和熵值及多频比较 见表2。
表2显示，研究组与多动组主次频差值、熵值和同时段的多主频率差异不显著，但与对照组 差异显著。这说明厌学青少年主频优势不明显，受其它频率干扰大，大脑组织的统一性差 。熵值与对照组比增大显著，这说明厌学青少年接受信息的能力为低水平状态。
3 讨 论
3.1 厌学青少年脑电α波主频与次频之差缩小 正常平静状态下脑电α波竞争主频在8～12 Hz 中任意一频，且优势明显，各脑区主频一致。但本研究表明，厌学青少年的α波主频与次频 差值缩小，且各脑区主频不一致或主次频交互现象较多，这些均表明厌学青少年的大脑工作 有序度较低，主次频相互干扰较强，临床表现，学习时注意力不集中、多动和冲动，与人 交往紧张，做事时有力不从心的感觉，自控力差，看小说或打游戏时易上瘾等。另外，厌学 青少年 的熵值较大，表明脑电α波的能量分布分散，不能集中在8、9、10、11、12、13Hz的任意主 频的成分上，稳定性差，不确定性大，优势频率随时可被其他成分所竞争，达不到优势控制 的程度。尤其在大脑少氧和疲劳状态时，脑波优势频率更不易稳定。左右功能不对称和前后 功率逆转时，影响脑的组织能力，使大脑有序度更低。有关多动症患者有α波漫化趋势的报 道[2]，但在本研究中多动组α波优频慢化结果不明显。但主频与次频差值缩小与 对照级差异显著。这可能是心理问题严重程度的生物性反应。
3.2 厌学青少年脑功能α波优频分析对心理咨询作用 厌学青少年咨询时其学习能力处于 什 么状态是心理咨询师指导求助者必须要考虑的问题之一。这关系到能否准确把握求助者心理 问题。脑功能状态和α波优势频分析即可显示出厌学者的学习能力。如心理能力不足则表现 α波优势频不明显，有序度低，熵值增大，说明求助者大脑工作状态已处于饱合，接受信息 的能力处于低水平程度，学习中已经不能集中所有能量对所要注意的目标。在这种情况下， 心 理指导是以自我放松和适当运动为主。若大脑处在少氧和疲劳状态时，还要适当加强大脑营 养，注意休息等。中枢神经系统是一个复杂但高度统一的整体，脑电活动有序度越低，其行 为、学习控制调节能力越弱。对厌学青少年对学校学习压力和人际的不适或受挫后采取逃避 行为更能理解。脑功能状态检查和α竞争图分析可以帮助我们在对厌学青少年心理咨询时分 清生物性因素和动机理想目标影响因素，从而可以科学地制定心理咨询治疗方案。按生物学 规律进行行为指导，这种指导更符合厌学青少年的实际，易得到认可和主动实施。
4 参考文献
［1］李颖洁,樊飞燕,陈兴时.脑电分析在认识研究中的进展.北京生物医学工程,200 6,3:321-322
［2］孙黎,等.伴学习困难注意缺陷多动障碍儿童A波竞争图特点.中国心理卫生杂志 ,2003,17(4):238-241
［3］李捷.运动技能形成自组织理论的建构及其实证研究(博士论文).北京:北京体 育大学,1999
［4］孔庆梅,等.注意缺陷多动障碍患儿α波竞争图的对照研究.中华精神科杂志,20 01,34(2):73-75
关键词：上市公司；熵值法；动态绩效评价
引言
目前对上市公司经营绩效评价多采用静态综合评价方法，如单一采用主成分分析法、DEA法、层次分析法对其进行经营绩效评价，但是这些评价方法都主要集中对上市公司绩效静态（某一时间点）的评价，缺乏对公司某一时间段的动态综合评价，没有做到“回顾性”与“前瞻性”共存。而实际上，对于公司绩效的动态综合评价能够在一定程度上规避公司业绩波动性的影响，更能反映公司在一段时间内的真实经营绩效情况，同时能够对公司未来绩效的变化状况进行一定程度预测。鉴于此，本文采用基于熵值法的动态评价方法对上市公司的经营绩效进行动态评价，以求能客观反映上市公司的经营绩效状况。
一、模型构建
1.评价指标选择。经营绩效评价首先是评价指标的选择，在查阅相关文献、结合上市公司特点以及为较全面反映制上市公司的经营绩效的基础上建立以下四大类包括8个指标的动态综合评价指标体系：（1）盈利能力指标：主营业务利润率、净资产收益率，正指标；（2）发展能力指标：净资产收益率增长率、总资产增长率，正指标；（3）营运能力指标：流动资产周转率、总资产周转率，正指标；（4）偿债能力指标：资产负债率、速动比率，适度指标。
2.指标权重的确定方法。指标确定权重的方法一般分为主观赋权法和客观赋权法。主观赋权法各评价指标的权重是由专家根据自己的经验和判断给出的，因此根据选取专家的不同而具有较大的主观性；而客观赋权方法是从指标的统计性质上来考虑，以数理统计方法为基础，不需征求专家的意见，克服了主观赋权方法的种种缺陷，因此，较主观赋权法更适用于上市公司绩效动态综合评价问题。本文采用客观赋权法中的熵值法确定各指标的权重。
熵值法的基本思路为：某项指标值的变异程度越大，熵越小，该指标提供的信息量越大，在评价中的作用越大，则权重也越大；反之，某指标指标值的变异程度越小，熵越大，该指标提供的信息量越小，在评价中所起的作用也越小。由于介绍熵值法的计算过程的文献较多，这里不在详细介绍。
3.动态评价中时间权重的确定。在动态绩效评价中，时间权重的确定是与静态评价最明显的差异，本文拟采取等差数列赋权方法确定时间维度的权重。等差数列赋权方法的基本思路是：假设共有ti年的绩效评价数据，各年度时间维度的权重为λi（λ1，λ2，…λm），公差为a，其中i=1表示距离现在最远的一年，i=m则表示距离现在最近的一年，则根据以下条件可以算出动态评价中各年的时间权重λi：
λi=1λi+1=λi+a0＜λi＜1，0＜i＜ta＞0
4.动态综合评价模型。设时序多指标综合评价的指标集为P{P1，P2，…Pn}，时间样本点为ti（i=1，2，…，m），对应的时间权重向量为λi（λ1，λ2，…λm），评价对象为Uk（k=1，2，…，g），对应于特定的时间点ti，所有评价对象的样本数据集为:
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
上述数据集为为特定时间点的静态值，采用熵值法确定各指标静态权重之后可以算出各个评价对象的静态综合评价值，这些评价值的时间序列构成如下矩阵：
t1，t2，…，tm
A=a11，a12，…，a1ma21，a22，…，a2mag1，ag2，…，agm=（aij）g×m
其中，aij表示评价对象Uk（k=1，2，…，g）在时间点ti的静态综合评价值
在动态评价中，不仅要考虑指标的优劣，而且要考虑指标的增长情况，因此，令增长矩阵B=aij（t）-aij（t-1）（t=2，3，…，m），它表示评价对象的综合评价值从（t-1）期到t期的增长变化情况；将静态综合评价矩阵A和增长矩阵B加权而成，得到要求的时序多指标综合评价矩阵C，即：
C=（cij）g×m，cij=α•aij+β•bij，α+β=1
其中，α，β分别表示静态评价值和增长变化值的相对重要程度，特别地当α=1，β=0表示动态评价只考虑了指标的优劣，没有考虑指标的增长情况；当α=0，β=1表示不考虑指标的优劣，只考虑指标的增长情况；一般情况下，我们取α=0.5，β=0.5即指标的优劣和指标的增长情况各考虑50%的权重。
接着对矩阵C构造理想时间序列矩阵和负理想时间序列矩阵为：
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
按照理想点算法，用欧式范数作为距离的测度，评价对象Uk在时间ti的动态综合评价值cik到理想点c+和负理想点c-的距离为：
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为对应的时间权重向量。
第k个评价对象Uk对理想点的相对贴近度为：
sk=d-k/（d+k+d-k），k=1，2，…，g
显然0≤sk≤1，sk越大，说明被评价对象的动态综合评价值越靠近理想点而远离负理想点，即被评价对象的动态绩效越好，排名也越靠前。
二、实证分析
为了能够客观地检验该模型的实用性，在考虑数据的可获得性和笔者对家电制冷空调类上市公司较为熟悉的情况下，选择了在沪深交易所上市的家电制冷空调类上市公司共有13家，分别是华意压缩、美菱电器、美的电器、大冷股份、格力电器、烟台冰轮、东凌粮油（2009年第四季度重组前生产冰箱压缩机）、盾安环境、哈空调、澳柯玛、双良股份、海立股份、青岛海尔。选取2005—2009年五年的年报数据作为研究样本。数据来源于国泰安数据库，采用EXCEL2007对数据进行计算处理。
1.首先对原始数据进行标准化处理。在选定的八个指标中，除偿债能力和速动比率为适度指标外，其余都为效益型指标。采用下列公式将偿债能力和速动比率数据进行预处理，使其转化为效益型指标。X′=2×（X-m），m≤X≤（m+X）/22×（X-m），（m+X）/2≤X≤M其中，m为X所在列中的最小值;M为X所在列中的最大值。采用极差变化法X″ij=（Xij-minXj）/（maxXj-minXj）把经预处理过后的数据进行标准化处理，以消除量纲的影响。
2.经标准化处理之后的数据采用熵值法确定各年指标的权重为：
2005年各指标权重为：（0.1323，0.1355，0.1256，0.1362，
0.1251，0.1096，0.1168，0.1189）
2006年各指标权重为：（0.1305，0.1203，0.1353，0.1268，
0.1222，0.1141，0.1283，0.1225）
2007年各指标权重为：（0.1353，0.1353，0.1131，0.1358，
0.1208，0.1184，0.1242，0.1171）
2008年各指标权重为：（0.1262，0.1291，0.1246，0.1344，
0.1199，0.1190，0.1249，0.1219）
2009年各指标权重为：（0.1164，0.1236，0.1178，0.1352，
0.1228，0.1287，0.1311，0.1244）
3.根据标准化处理后的指标数据，运用熵值法确定的各指标权重计算得出2005—2009年的各家公司上市公司绩效静态综合评价值。
4.增长矩阵B的计算，取基期2005年的增长值为0，计算出增长矩阵；再取α=β=0.5，将静态综合评价值和增长矩阵B加权而成，得到时序多指标评价矩阵C，运用理想点法，求出每家上市公司的时序多指标综合评价值，其中时间权重λi根据等差序列赋权方法计算出2005—2009年的时间权重依次为0.1，0.15，0.2，0.25，0.3，最后对它们按评价值的高低进行排序，得到上市公司多指标动态综合评价结果）。
根据动态绩效评价结果，2005—2009年的动态综合绩效排名为美的电器>双良股份>哈空调>青岛海尔>格力电器>美菱电器>海立股份>广州冷机>华意压缩>烟台冰轮>盾安环境>大冷股份>澳柯玛。可以看到：动态综合评价值排名第一的美的电器2007—2009年连续三年的静态评价值也排在第一位；动态评价值排名第二的双良股份，如果仅仅以一年的静态值，不考虑增长情况的条件下，2009年的静态值仅仅排在第六位，2005—2008年的排名分别是第一、一、二、五位；动态综合评价值排在最后一位的澳柯玛其五年的静态值的相对排名分别为第十二、十三、十三、十三、十二位。从以上可以看出，本文建立的动态评价方法相比静态方法，更能客观和全面地反映上市公司的经营绩效，避免单一性和片面性，具有一定的先进性。
结束语
本文以熵值法作为上市公司综合评价指标体系的赋权方法，同时采用等差数列对时间维度进行赋权，在考虑指标增长情况的基础上，建立了上市公司的动态绩效评价模型，并结合理想解法，对上市公司的经营业绩进行动态综合评价。通过实证分析表明，本文建立的动态评价方法相比静态方法，更能客观和全面地反映上市公司的经营绩效，避免单一性和片面性，具有一定的先进性。
参考文献:
[1]郭亚军.一种新的动态综合评价方法[J].管理科学学报，2002，(2).
[2]王璐.上市公司经营业绩的时序多指标综合评价[J].数理统计与管理，2005，(2).
[3]罗珍.上市公司绩效动态综合评价方法研究[D].长沙:湖南大学硕士论文，2009:5.
[4]林杰，郑循刚.基于熵权TOPSIS法的房地产上市公司绩效评价[J].技术经济与管理研究，2008，(3).
关键词：学生评教系统；评教指标体系；评教模型
一、高校学生评教系统现状及问题分析
目前，绝大多数高校都使用了网络评教系统，但都存在一些问题，主要表现在以下几个方面。
1．评教比较集
所谓“评教比较集”就是指教师评教结果的比较范围，目前，绝大数高校学生评教的统辖权都在学校层面，其比较集都很大，如哈工大，除体育课教师单独为一个比较集之外，其余课程教师则统统纳入一个大的比较集之中，不分课程类型，虽然在比较集之内，所采用的指标体系和权重基本相同，但由于课程性质的差异较大，放在一起比较则不尽合理。相关研究表明不同学科、不同课程对评教结果的影响很大[1]。因此，评教结果应该在“同质课程”内进行比较、排序，即外语与外语比较、数学与数学比较、体育与体育比较，等等。按院（系）构建评教比较集是最为合理且可行的方案，学校应将评教的组织与管理权下放到各院（系），各院（系）可根据自身课程的特点制定评教指标体系。
2．评教指标体系及权重
国内各高校评教指标体系主要是采用标准化指标，虽然有些高校针对不同的学科门类做了一些分类，但绝大多数高校几乎是用一套固定不变的指标体系来评价所有教师[2]。评教指标体系的设计基本上局限于绝对统一的“五环节模式”，即对教师的教学计划、教学内容、教学方法、教学手段、教学效果进行评价。只评价教师的“教”，而不评价学生的“学”，考察学生的学习主要是三个方面：一是“爱学”，即学习的主动性；二是“会学”，即学习的能动性；三是“善学”，即学习的创造性 [2]。因此，指标体系应该设置注重学生创造性培养的指标，既要反映教师“教”的质量和效果，也要反映学生“学”的质量和效果。国内各高校评教权重基本全部使用由教学管理当局和专家确定下来的固定的主观权重，没有考虑客观权重（根据各项指标在实际评教中所起的作用计算得出的权重），也没有考虑学生本身的评教权重，由于大四学生上课出席率极低[3]，所以不同的学生应有不同的权重，可根据出席率来确定，对于始终不去上课的学生，老师甚至有权取消其评教资格。
3．评教模型
目前，各高校采用的评教模型可以说是五花八门，有些学校直接采用学生评教的平均分，有些学校采用经验公式，还有些学校采用标准分。相对而言采用标准分模型较为合理，但也需对其进行完善和修正，应考虑的因素主要有两个，第一是极端评教，应在模型中予以剔除；第二是学生考试成绩，当然对于一些基础课院（系），如数学、物理、外语等，可能用题库出题，或由课程组来统一命题，在这种情况下，可能学生成绩越高，教学效果越好，因此，不需对评教模型进行修正。而在其他许多院（系）都是由任课教师自己出题考核学生，在这种情况下，可以肯定地说学生成绩一定与教师评教得分有关（成绩低打分较低）[4]，然而几乎在所有高校评教模型中都没有考虑此因素，有些教师为了获得好的评教结果，可能会给学生普遍高分，甚至公开许诺给学生较高分数，以此换取学生的好评。因此，评教模型必须根据学生的平均成绩进行修正。
二、高校学生评教指标体系及权重设计
1．评教指标体系设计
在实际应用中，评教指标不宜过多，一般以10～15项为宜，学生回答问题所需时间不宜过长，必须简明扼要[2]。通过对各高校评教指标体系的比较，发现各学校、各院（系）、各不同类型专业、一些特殊课程，其评教指标都有所区别。那么作为一个系统，应该如何设计其评教指标体系呢？一个可行的方法就是设计评教指标库，并可根据需要对指标库中的指标进行增、改、删等维护。在实际应用时，各院（系）可根据自身的特点，从指标库中选取其中的10～15个指标构成评教指标体系，在实际应用中若发现某些指标不当，可重新选取，通过长期探索后便可将符合本院（系）特点的评教指标体系相对固定下来，指标的选取必须征求有关专家和学生的意见和建议，并根据多年的评教结果分析具体情况来确定。评教指标库的数据存储结构可参照表1设计。
表1中，指标类型：为“通用、数学、物理、外语、等等”；Delphi权重：用专家调查法确定的指标权重；熵值权重：用“熵值法”计算得出的权重；综合权重：根据“Delphi权重”和“熵值权重”计算得出的综合权重；指标状态：在评教中实际应用的指标是表1中的一部分，若某项指标被选中用于实际评教，则其指标状态为“√”，否则为空；指标等级1～指标等级10：每个指标最多可分10个等级，如“最好、很好、好、较好、一般、较差、差”7个等级，对应分值分别为“100、90、80、70、60、50、30”。
2．评教指标权重的确定
（1）专家调查法（Delphi）
Delphi方法的特点在于集中专家的经验与意见，确定各指标的权重，并在不断的反馈和修改中得到比较满意的结果。对于评教指标库中已选定的，准备用于实际评教的指标，其权重的确定应选择具有多年教学经验的教学名师、精品课负责人等教育专家，还必须有一定数量的学生代表，学生虽然不是教育专家，但是他们对评教的感受较深，知晓哪些指标重要，哪些指标不重要，特别是对他们“学”效果的评价。
三、高校学生评教模型的构建
1．评教标准分模型
使用标准分，使不同学生对不同教师的评教具有可比性。由于每个教师的评教分数是由不同学生给出的，不同的学生评价标准不同，比较的参照系不同，因此对老师的评价也不同。比如A班对甲老师的评价是85分，B班对乙老师的评价是82分。如果就此得出乙老师比甲老师教学水平差，那是不客观的。因为如果A班给老师的评分都高，甲老师得的是最低分，而B班给老师的评分都低，乙老师得的是最高分，实际上就可能是乙老师比甲老师的教学水平高。从本质上说，不同的群体对不同的个人做出的评分是不可比的。但目前却是用不可比的分数进行比较。这样的结果是有失公正的。为使不同的群体对不同的人给出的评价有可比性，最好的方法是是用标准分。标准分的计算公式为：
例如，某学生评价了5名教师，他们的得分分别是95、90、85、80、75，则5名教师的平均分为85，标准差为7.07，五名教师的 分数分别是1.414、0.707、0、–0.707、–1.414。z分数为0，说明教师的评教结果处于平均水平，z分数为正说明教师的评教结果高于平均水平，z分数为负，说明教师的评教结果低于平均水平。z分数是无量纲的相对数，表明的是某个数据在总体中的位置，z分数越大，说明个体在总体中越优秀。在不同总体中的z分数是可以比较的。它不受学生评价是严格还是宽松的影响[5]。
2．评教修正模型
（1）剔除极端评教模型
绝大多数学生评教都是理性和公正的，能对教师的教学做出客观的评价，每位教师的评教得分一般都应符合正态分布，但教师可能在课程教学中会对某些个别学生过于友好或严厉，从而导致极端评教现象发生，因此，在评教模型中必须剔除极端评教得分。目前，哈工大的做法是用某位学生评价某位教师的标准分 减去该教师的平均标准分 ，再对其差值取绝对值，将此绝对值大于2的评教得分剔除。即将｜ ｜>2的学生评教得分去掉。经过多个学期实践，证明此方法行之有效。
（2）根据学生平均成绩的修正模型
对于一些全部课程普遍由任课教师自己出题来考核学生的院（系），其教师的评教得分一定与学生的平均成绩相关。为了解决学生评教结果可能受教师给分影响的问题，建立相应的模型将教师给分因素从学生评教结果中剔除，进而得到与教师直接相关的教学方面的评价结果。模型的核心是建立回归方程，具体分为三步。
第一步，设：vi为教师i的平均百分评教得分（非标准分），di为该教师给学生的平均分数，注意这两个数据来自于本门课程全体学生评教数据的平均值和教师给分数据的平均值。
四、结论
从高校学生评教系统的主要构成要素：评教比较集、评教指标体系、指标权重、评教模型视角，对系统的改进进行了研究，在深入分析评教系统现状和存在问题的前提下，给出了系统的改进方案。取得的主要研究成果如下：
（1）针对绝大多数高校学生评教都集中在学校层面统一管理，除特殊课程外，在全校范围内设立比较集的现象，提出了按“同质课程”建立评教比较集，将评教的统辖权下放到各院（系）的思想；
（2）打破普遍采用标准化、固定不变指标体系和指标权重的传统方法，通过创建评教指标数据库，设计了符合各院（系）学科和专业特点的动态评教指标体系。提出了将Delphi（主观赋权法）与熵值法（客观赋权法）有机结合，用实际评教数据来不断修正指标权重的科学方法；
（3）摒弃了直接采用平均分、经验公式等不够公平、公正的评教模型，在标准分模型的基础上，从极端评教和学生平均成绩两方面构建了评教修正模型，并经过实际应用和数据检验，验证了模型的有效性。
参考文献：
[1] 何云辉.高校学生评教结果有效性研究[D].汕头大学硕士论文.2007：21-24.
[2] 王丽荣.中美高校学生评教指标体系的比较研究.山东大学硕士论文.2008：30-42.
[3] 汪旭晖.高校学生评教效果的影响因素研究[J]. 开放教育研究.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.
【关键词】超微型燃气轮机；分布式发电；离心叶轮；壁面温度；数值模拟
【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
超微型燃气轮机作为一种清洁高效、低成本、高可靠性的供能系统，在分布式发电、冷热电联供和燃料电池/燃气轮机联合系统及特种电源等领域具有广阔的应用前景，近10年来得到了世界各国的高度关注。超微型燃气轮机技术将为终端能源利用提供新的重要形式，是未来能源经济、高效、清洁利用的主要方向之一。超微型燃气轮机的工作原理与一般的燃气轮机相同，通常采用径流透平与离心压气机。事实上，超微型燃气轮机的概念在20世纪60年代就已经出现，但由于其发电效率低，没有得到足够重视。随着高效紧凑型换热器的应用，超微型燃气轮机的发电效率显著提高，大大增加了其竞争力。特别是过去的十几年中，对于超微型燃气轮机的研究越来越引起人们的广泛兴趣。由于其兼具较高的能量密度与较高的功率密度，使其成为移动电源和小型飞机推进系统的首要选择。若通过与燃料电池或小型余热锅炉进行联合循环，也可作为高效率的分布式发电系统[1-2]。
本文对3kW级超微型燃气轮机系统中的高速小尺寸离心叶轮进行了设计和数值分析，并在不同壁面温度下对离心叶轮的性能进行了数值模拟，初步分析了传热对离心叶轮性能的影响及其作用机理。
1 离心叶轮的设计与分析
离心压气机是超微型燃气轮机的核心部件之一，其性能的好坏对系统性能有着很大影响。对于其中的离心叶轮，叶轮外径仅为数个厘米，与常规尺寸的叶轮相比，小尺寸下运行雷诺数大大降低，这就导致了较高的表面摩擦阻力、加强了热量交换。在传统设计中的绝热假设和忽略盘、盖摩擦力矩的欧拉透平机械方程的推导都十分不合理。因此，对小尺寸离心叶轮内部流动的机理进行探索性研究，对提高超微型燃气轮机性能具有重要的意义。
作为探索性的研究，对3kW级超微型燃气轮机中离心叶轮的设计要求为：叶轮外径40mm，压比为3，效率不低于70%，并满足一定的喘振裕度。设计工作的第一步参考了一个已有的叶轮外径为60mm的小尺寸离心叶轮的几何数据和叶型数据，并对其进行了模化和改型设计。表1中给出了最终确定的离心叶轮主要设计参数，图1为离心叶轮三维视图，下文首先利用CFD手段对设计工况下离心叶轮性能进行了分析。
2 数值计算方法
离心叶轮数值计算中控制方程为三维雷诺平均N-S方程，湍流模型选择S-A模型。计算采用中心差分格式离散控制方程，四阶Runge-Kutta法进行时间推进求解，并结合当地时间步长、隐式残差光顺技术和多重网格技术以加速收敛。由于是定常计算，只针对离心叶轮的一个流道进行。
根据离心叶轮的设计工况，计算中计算区域进口固定总温288.15K、总压101325Pa，沿叶轮轴向进气，出口截面给定质量流量，叶轮转速为196700r/min，固壁采用无滑移、绝热边界条件。图2给出了本文的计算网格，计算网格节点总数约为60万。计算结果表明：设计流量下离心叶轮总压比为3.07，等熵效率为78.04%，均满足设计要求。
3 考虑传热时离心叶轮的性能
对于燃气轮机系统，当其尺寸较大时，通过壁面的热流量与主流所携带的热量相比可以忽略，因而壁面绝热的假设是有效的。可是，随着几何尺寸的缩小，系统中的最高温度（透平进口温度TIT）和最低温度（环境温度）与大尺寸下相比差别不大，但高温部件（透平）和低温部件（压气机）之间的距离变小，因此由透平向压气机的传热量会相应变大。此时，壁面绝热的假设将不再有效，压气机叶轮中的流体被加热，会引起叶轮效率的下降，进而导致整个燃气轮机系统性能的恶化[3-5]。基于上述考虑，下文对比了绝热及等温壁面边界条件（400K、500K，此时流体均被加热）下离心叶轮的性能，初步分析了传热对离心叶轮性能的影响及其作用机理。
图3给出了计算得到的离心叶轮性能曲线，流体被加热后，叶轮等熵效率和压比均有不同程度的下降。观察图中的效率曲线，壁面温度为400K时，不同流量下，效率下降的幅度不同，流量越大，效率下降越多，与绝热情况下相比，最大降幅可达9%；壁面温度增大到500K，不同流量下，效率下降的幅度差别不大，与绝热情况下相比，效率平均下降20%左右。可见传热对离心叶轮性能的影响还是比较显著的，因此，发展一种有效的热屏蔽方法，是提高超微型燃气轮机系统性能的关键技术。
图4给出了设计流量下离心叶轮平均子午面静压云图和流线图。由图可见：在叶轮进口处，由于子午流道折转大，气流发生分离，而在叶轮内部，不存在大范围的气流分离，同时压力沿主流方向逐步增加，压力分布比较均匀。对比不同壁面边界条件下的结果可知：流体被加热后，叶轮出口静压明显下降，叶轮的增压能力下降。这是因为在压缩过程中加热流体，会导致出口温度的升高，进而降低了出口流体的密度，故相比于绝热流动，扩压度、输入功和压升均会下降，而压升的下降还会进一步降低叶轮出口流体的密度。
图6为离心叶轮50%叶高处跨叶片截面相对Mach数云图，由图可见，叶轮流道内存在大范围的低动能流体区，结合图7中50%叶高处跨叶片截面熵值云图和等值线可知，这一区域是叶轮内损失较为集中的区域。观察图7中50%叶高截面熵值云图，可知：叶轮流道内存在两个熵值较高（损失集中）的区域，一处是叶轮进口处，另一处位于叶片尾迹区内。壁面绝热时，叶片尾迹区内的熵值要高于叶轮进口处的熵值；而采用等温壁面边界条件时，叶轮进口处的熵值较高，并且随着壁面温度的升高，流道内的熵值快速增长。可以看到，相比于等温壁面边界条件下的压缩过程，叶轮内流动为绝热时，流道内的熵产开始较晚，并且熵值更低。同时，叶轮出口气流均匀性更好。
4 结论
1）本文所设计的离心叶轮，设计流量下叶轮总压比为3.07，等熵效率为78.04%，但这是基于固体壁面绝热的假设；
2）考虑传热时，随着壁面温度的增高，叶轮的性能明显下降，因此，发展一种有效的热屏蔽方法，是提高超微型燃气轮机系统性能的关键技术。
【参考文献】
[1]赵士杭.燃气轮机循环与变工况性能[M].清华大学出版社，1993.
[2]宋寅，康婷，李雪松，顾春伟.千瓦级微型燃机性能分析[C]//中国工程热物理学会热机气动热力学学术会议论文集.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，祁志国，等.两个高比转速离心压气机模型级的设计分析[J]. 流体机械，2005，33⑸：13-16.
关键词：城市交通；综合评价；层次分析法；熵值法
中图分类号：F29 文献标识码：A
收录日期：2015年11月5日
引言
城市交通是国民经济和社会发展的基础和先导，在经济繁荣、提高人民生活质量方面发挥着至关重要的作用。改革开放以来，城市交通取得了巨大的成就。但是随之而来的交通拥堵、环境污染、资源短缺以及交通事故等问题，严重影响着人们的日常生活，更影响着经济发展。如何解决这些问题，实现城市交通的可持续发展已经成为国内外关注的热点。
本文研究的意义在于通过对城市交通可持续发展相关概念的研究，结合咸阳社会、经济、交通、环境发展状况，构建综合评价指标体系。并运用统计学方法和数学方法构建评价模型对咸阳城市交通可持续发展水平进行研究，从而为城市交通实施可持续发展战略提供对策支持。
一、咸阳城市交通可持续发展综合评价指标体系
文章中关于咸阳市的数据资料主要来自于《咸阳统计年鉴：2013》、《2013年咸阳市国民经济和社会发展统计公报》、《咸阳市政府工作报告》、《咸阳市公交发展规划》等统计文献，还有部分数据来自于政府咨询和实地测量。据这些数据资料的可得性，分别从交通功能、环境影响、社会经济和资源利用四个方面选取了相应的指标构建综合评价指标体系，对咸阳市城市交通可持续发展评价。（表1）
二、基于物元分析与关联函数构建评价模型
（一）确定经典域和节域。根据物元的定义，构建城市交通可持续发展综合评价模型，设评价指标有n个，即为M1，M2，…，Mn，以这部分指标为基础，将指标定量的分为m个等级，把他们描述为以下综合评价物元模型称为经典域。
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级城市交通可持续发展水平的物元模型；N0j表示第j级城市交通可持续发展水平指标；V0jk表示发展水平是第j级时第k个评价指标Mk的量值范围。
综合评价各个指标的允许取值范围形成的物元模型称为节域。
令Rp=（Np，M，Vp）=Np M1 Vp1 M2 Vp2 … … Mn Vpn=Np M1 M2 … … Mn （2）
公式中，Rp表示各个评价指标允许取值范围的物元；Np表示评价等级全体；Vpk表示Np中关于指标Mk的允许取值范围，即节域。
（二）确定待评价物元。把各个评价指标所收集到的评价信息用物元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）确定指标权重。由于城市交通可持续发展评价中既包含专家群体的知识、经验和价值的判断等主观因素，也有实际调查数据的客观信息特征，因此本文采取主观赋权法（层次分析法）结合客观赋权法（熵值法）来确定评价指标的权重，以求更客观全面地反映各评价指标的重要性和问题的实际情况。
设层次分析法给出的主观权重为wi1，熵值法给出的客观权重为wi2，则最终确定的权重wi为：
（四）建立关联函数。在建立了城市交通可持续发展综合评价物元模型后，在对城市交通可持续发展状况进行评价时要计算各个待评价物元与经典域的接近程度。在实际中，需要根据指标的特点选择不同的计算方法，本文采用可拓理论中的初等函数关联法。
设为指标Mi的允许取值范围，则指标Mi关于评价等级j的接近度为Ki（Vi）。
若Vi∈[a0ij，b0ij]，则Ki（Vi）=■ （5）
若Vi？埸[a0ij，b0ij]，则：
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）计算关联度，进行综合评价。若wi为指标i的权重系数，则所有评价指标关于等级j的关联度为：
Kj（p）=■wiKj（Vj） （7）
根据最大关联度原则，求解评价等级的特征值：
Kj（p）=■ （8）
j*=■ （9）
j*为级别变量特征值，从而可知城市交通可持续发展水平偏向某一级别的程度。
三、咸阳城市交通可持续发展综合评价
（一）构建咸阳市城市交通可持续发展评价物元。本文将评价指标的水平分为五个等级（优秀、良好、一般、较差、差），关于各个衡量指标量值域的确定，主要是以社会经济现象的现实情况为依据，根据与被评价对象有关的空间范围资料和历史资料为基础，以《城市道路交通规划设计规范GB50200-95》、《城市道路交通管理评价指标体系（2012年版）》对相关指标的规定以及专家研究结果作为评价标准，构建了咸阳城市交通可持续发展评价物元。
（二）计算关联度。根据公式（6）、（7）可计算出各指标Mi关于评价等级j的关联度Kj（Vi）。
（三）合成权重的计算。根据层次分析法计算权重W1和熵值法计算权重W2，运用公式计算出综合权重W，其结果如表2所示。（表2）
（四）计算咸阳城市交通可持续发展关于评价等级的关联度。根据公式（8）可以计算出各指标关于评价等级的关联度：
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）并根据公式（9）进行整理，其计算结果如表3所示。（表3）
（五）咸阳城市交通可持续发展评价等级的确定。根据《城市道路交通管理评价指标体系（2012年版）》和前文各指标的分级标准，将评价级别分为五个等级，如表4所示。（表4）
根据公式（2.9）求出咸阳城市交通可持续发展评价级别j*：
j*=■=■=2.732
由特征值j*=2.732，查分级表可知咸阳城市交通可持续发展水平属于C级别，即为一般可持续发展，有待进一步改善。
四、咸阳市城市交通可持续发展评价结果分析
根据各个评价指标Mi的关联函数Kj（Vi），可以对咸阳城市交通可持续发展状况进行全面剖析，从而得出评价结果分级表。（表5）由表5看出，咸阳市相关部门非常注重交通安全，公共交通专项规划的实施取得了显著的成果。近年来，交通部门也加强了服务意识，从各方面提升综合管理能力，并取得了不小的进步。从万人公交车标台数、道路网密度、公共交通线路网密度、干道平均交通噪声、人均绿地面积等指标的评价结果来看，咸阳在生态环境和交通公平方面仍需努力和加大力度。从交通投资协调系数、公共交通分担率、环保业投入占GDP比重来看，咸阳仍需要加强交通和环保方面的资金投入。
五、结论
本文通过对城市交通可持续发展相关理论的研究，建立了咸阳城市交通可持续发展指标体系。然后基于评价体系中各个指标的量测值和相应的评价等级，运用物元分析法和关联函数法建立评价模型对咸阳城市交通可持续发展水平进行了评价，并对评价结果进行了简要分析。
论文的创新之处在于建立了咸阳城市交通可持续发展指标体系，采用两种赋权法综合确定各指标权重。运用物元分析法和关联函数法来构建模型评价咸阳城市交通可持续发展水平。由于受统计数据来源的限制，评价指标体系有一定的不全面之处，并且本文缺乏与国内同等城市的比较，可能与咸阳城市交通实际情况有一定误差，亟待进一步深化、丰富和完善。
主要参考文献：
[1]窦凌凌.城市交通运输效率评价研究[D].长安大学，2010.54.
[2]付大智.青海省高等级公路可持续发展后评价理论与方法研究[D].长安大学，2006.71.
[3]彭晔莹.公路生态系统健康评价方法研究[D].长沙理工大学，2011.73.
关键词：高校资产管理；绩效；指标；熵权；主观权
中图分类号：TP311 文献标识码：A 文章编号：1009-3044（2014）28-6753-05
随着高校资产规模的扩大，当前的资产管理评价体系和管理方法存在管理制度不健全、职责不明确[1]、资产使用情况不明确、以及资产实际使用效益如何更不清楚等问题，而高校资产管理的优劣，直接影响着高校资产管理的综合效果。那么，如何评价高校资产管理的效益对促进高校资产管理评价指标的建设、提高高校资产管理效益有着重要意义，因此，该文针对该问题进行了重点研究。
高校资产管理的效益评价作为一种多属性决策问题，重要环节是评价体系的建设和评价指标权重的确定，权重赋值是否合理，对评价结果的科学性、合理性起着至关重要的作用。目前赋权方法为三大类：一类为主观赋权法，一类为客观赋权法，另一类为主客观综合集成赋权法。
国外学者关于决策方法的研究，始于20世纪初，美国学者Taylor、Gilbrech和Gantt等提出科学管理的理念，促使决策过程和方法向程序化、规范化发展[2]；20世纪50年代，由O.Helmer和N.Dalke首创，经过T.J.Gordon和兰德公司进一步发展而成的德尔菲法（Delphi Method）[3]；Saaty T.L于20世纪70年代提出层次分析法（Analytic Hierarchy Process，简称AHP） ，将定量和定性化方法的结合，并有了广泛的应用 [4，5，6，7]；而多属性决策方法已经趋于完善[8，9]。在指标的主观赋权法方面，Buckly和Csutora[10]通过扩展最大特征根法为模糊特征根法，以确定指标权重；Sun[11]和Vivien等[12]运用基于三解模糊数的模糊AHP法确定属性权重；客观赋权法如Chen和Li[13]对直觉模糊熵计算属性权重的方法进行了比较，Ye[14]应用区间模糊熵确定权重的方法解决了属性值区间直觉模糊集的模糊多属性决策问题；而综合赋权法是一种集成主客观指标权重的赋值方法，如Wang和Lee[15]用模糊熵和专家赋值集成的赋值法给予指标权重，Xia和Xu[16]组合直觉模糊熵和corss直觉模糊熵对指标赋权值。
国内学者在决策方法的研究相比国外起步较晚，但也有了长足的进步和发展，如许若宁、李永、朱建军[17，18，19]等通过对三角模糊数判断矩阵的修正，改进了主观赋权法；尤天慧、朱方霞和王美[20，21，22]等，都采用了熵权法计算客观权重；徐泽水、陈华友和周宇峰[23，24，25]分别利用决策结果总偏差最小化原则、基于离差最大化原则和相对熵对赋权结果的贴近度进行度量，提出了指标的综合赋权法。
通过文献回顾发现，要准确地表达资产管理评价体系指标的权重和计算高校资产管理绩效，需要综合考虑考虑两个重要因素：一是指标的客观权重；二是评判专家依据自己知识经验给予指标主观权值时主观权值。因此，该文先对主客观权值综合；然后通过专家的综合评价法及指标的组合权值计算高校资产管理的绩效，并通过真实算例来说明文中设计的方法的有效性。
1 问题的形式化描述
1） 已知条件
给定高校资产管理评价体系为[S]、评估专家集为[K=（K1，K2，...Km）]和高校[U]，其中[S]的目标层由准则层[B=（B1，B2，...，Bm）（m>0）]构成，[Bi]由指标层[C=（C1，C2，...，Cn）]构成。
2） 求解问题
求得的高校[U]的资产管理绩效值[Vs]。
2 主要目标
为求得高校[U]的资产管理绩效值[Vs]，我们根据多属性决策理论，利用指标权值的综合赋权法和“熵权”法[26]从四大步骤入手，达到求解绩效值[Vs]的目的，从而为评价高校资产管理绩效提供思路和方法。完成主要目标的四大步骤如下。
1） 利用德尔菲[3]法和AHP层次决策[15]的指标赋权法，在考虑专家偏好性的前提下，计算评判专家对高校资产管理评价体系中准则层[B=（B1，B2，...，Bm）]和指标层[C=（C1，C2，...，Cn）]的主观权值；
2） 通过“熵值”法[26]表示各指标的竞争关系，再对指标的熵值进行转化，产生“熵权”，作为指标的客观权值，然后使用AHP层次决策法的指标权值的综合思路，对客观权值进行综合，产生客观综合权；
3） 对主客观的综合权再组合，产生主客观组合权；
4） 评判专家对高校[U]的资产管理现状进行调查和分析，在充分掌握详尽资料的基础上，对指标层进行模糊评分（评分等级如表1所示），再将主客观组合权和评分融合，得到高校[U]的资产管理绩效[Vs]。
3 高校资产管理绩效计算方法
步骤一 自上而下获得指标主观权值
1）评判专家[K=（K1，K2，...Km）]采用AHP层次决策法中的重要度定义方法[15]（如表2所示）构造准则层的判断矩阵。则第[k][（1
2）引入专家偏好性
在各专家构造准则层[B]的判断矩阵时，各专家都存在对指标的偏好性，这反映了评判专家的知识经验和主观因素。所以，需要引入专家的偏好性[pf]，通常则[pf=1K]，[K]为评判专家集合元素个数。则
[WA=1K（k=1KWAk）] （1）
同理，可得指标层各指标的权值向量。
步骤二 采用熵值法，表达评价指标的竞争关系
在评估专家对准则和指标进行赋权时，准则和指标之间客观的存在竞争关系。因此，我们用熵权表示指标在各评价对象之间相对的竞争程度，竞争越激烈，熵值越大，熵权越小，反之熵权越大[28]。我们以步骤一中的判断矩阵[Ak=（yij）m×m]为计算依据，计算各准则的“熵权”，详细计算过程见文献[28]。 则第[k]个专家对评价体系的“熵权”向量表如为[HkC=（h1c，h2c，…，hnc）]。
步骤三 融合“熵权”和“主观权”，确定指标层组合权
为了使最终的指标权值兼顾主观和客观两个方面的因素，需组合主观权熵权，以刻画评估专家的领域知识经验；同时，体现指标准则离散度对指标权重的影响 [27]。“熵权”和“主观权”的组合计算公式[28]如下：
[λi=Wic×Hici=1nWic×Hic i=1，2，...，n] （2）
则，得出评价体系[S]指标的组合权值向量[λc=（λ1，λ2，...，λn）]。
步骤四 专家组合对指标给予效用值，计算资产管理评价体系预期效益值
专家组集合[K=（K1，K2，...，Kn），（1≤n）]的专家采用模糊综合评价法，分别针对高校[U]的资产管理现状，对评价体系[S]的指标进行评分（采用100分制），则形成[K]个专家对体系[S]的指标评分矩阵为
[Gk=（Td1，Td2，...，Tdk）， ?Tdk=（Ck1，Ck2，...，Ckn）T，k=1，2，...，|K|]
其中，[Tdk]为专家[k]对评价体系[S]内所有指标的评分向量，[0≤Ckn≤100]为第[k]个专家给第[n]个指标的评分。然后通过下面两个步骤最终取得高校[U]的资产管理绩效值[Vs]。
1） 整合[K]个专家对评价体系所有[S]指标的评分均值，计算公式如下
[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]表示评价体系[S]各指标的平均评分信息。
2） 结合指标权重计算评价体系[S]的效用值，计算公式如下
[Vs=i=1n（λc）i×（Sscore）i] （4）
通过以上步骤，我们能将评判专家的主观权和客观权融合，形成组合权；再通过对指标模糊综合评价，将组合权重和评分相乘得到高校[U]的资产管理绩效值[Vs]；然后可以通过绩效值[Vs]值的来评估和考核高校[U]的资产管理现状，通过评估和考核，从而达到促进高校资产管理评价体系的建设和优化、并提高高校资产管理效益的目的。
4 算例
为了验证第三节所设计的计算方法的有效性和正确性，我们以我省某省属高校（以下简称[Qu]）的资产管理现状为背景，并以客观性、合理性、可比性、可操作性和系统性[29]为设计原则，对文献[29]的资产管理评价体系进行了补充和完善，如表3中黑体字部分为新增指标。
表3 资产管理评价体系
[目标层（A）＼&准则层（B）＼&指标层（C）＼&高校资产管理评价体系预期效益（A）＼&资产效率（B1）＼&可用资产率（C1）＼&固定资产年增长率（C2）＼&总资产周转率（C3）＼&科研业绩（B2）＼&教职工人均科研经费（C4）＼&科研收入年增长率（C5）＼&科研活动投入产出比（C6）＼&核心期刊论文数占总数比（C7）＼&参加省级以上学术会议占参加会议总数比（C8）＼&科研成果转化率（C9）＼&省级以上纵向科研项目占总项目比（C10）＼&教学（B3）＼&专任教师与教职工比（C11）＼&博士学位教师占专任教师比（C12）＼&教授职称教师占专任教师比（C13）＼&师生比（C14）＼&教改项目占总项目比（C15）＼&学生培养（B4）＼&学生人均培养成本（C16）＼&学生人均设备费（C17）＼&学生通过统考的通过率（C18）＼&学生就业率（C19）＼&产业（B5）＼&校办产业投资收益率（C20）＼&校办产业总资本利润率（C21）＼&校办产业资本保值增值率（C22）＼&教学、科研设备利用情况（B6）＼&计划内教学、科研利用率（C23）＼&设备共享利用率（C24）＼&师生满意度（C25）＼&]
在确定了资产管理评价体系之后，下面根据第四节中设计的高校资产管理绩效值[Vs]的计算方法，给出[Qu]的资产管理效益值[Vs]的计算过程。
1）计算主观权值
（1） 评判专家集合[K=（K1，K2，K3，K4，K5）]的专家[K1]以表2所示的权重定义对目标层A下的准则层建立评判矩阵如下
[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]
利用步骤一求得[λmax=6.50]，[CR=0.08≤0.10]，说明评判矩阵[A1]满足一致性要求，则，
[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]，其值分别为[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）]，考虑专家偏好性，由公式（1） 得出[WA=（0.114，0.202，0.162，0.214，0.10，0.208）]。
（2） 计算准则层B1下的指标主观权值，[K1]建立判断矩阵如下
[B11=（Cij）3×3=1590.20140.110.251]
同步骤（1） ，计算得[λmax=3.07]，[CR=0.06≤0.10]，则，矩阵[B11]满足一致性要求，则，[WB11=（0.74，0.20，0.06）]，同理，得出[WB21]，[WB31]，[WB41]，[WB51]，其值分别为[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）]，则式（1） 得[WB1=（0.44，0.36，0.19）]。
（3） 计算得出C1、C2和C3的主观权为向量为[Wc1-3=W1A?WB1=0.114?（0.44，0.36，0.19）=]（0.050，0.183，0.04） ；
（4） 同理，重复步骤（2，3） 可得出其他指标C4-C25的主观权值，从而取得指标层所有指标的主观权重向量[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）计算指标“熵权”
（1） 以专家[K1]给的评判矩阵[A1]为基础，计算得出准则层的熵权向量，[h1A=（0.288，0.354，0.109，0.051，0.195，0.002）]，同理，可得出其他专家对准则评判后产生的准则层熵权向量，[h2A]、[h3A]、[h4A]和[h5A]，分别为
[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）]，
同样，考虑专家偏好性，得出[HA=（0.270，0.361，0.140，0.032，0.156，0.041）]；
（2） 以[K1]建立的判断矩阵[B11]为基础，计算计算准则层B1下指标客观权值，即“熵权”，[h1B1=（0.015，0.242，0.923）]，则，其余专家评判后获得的熵值向量分别为[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）]，则，[H1B=（0.059，0.254，0.723）]；
（3） 计算指标层C1、C2和C3客观“熵权”向量，[HC=H1A?H1B=0.270?（0.059，0.254，0.723）=]（0.016，0.069，0.195）；
（4） 同理，重复步骤（2，3） 可得出其他指标C4-C25的客观 “熵权”，从而得出指标层所有指标的客观权[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） 对指标层各指标的主观权值和客观 “熵权”进行合成，产生相对于目标层的主客观合成权向量。
4） 评判专家[K=（K1，K2，K3，K4，K5）]在对高校[U]的资产管理现状进行充分调研和分析后，采用模糊评价法分别对指标层各指标评分，评分向量分别为
[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] 许若宁.Fuzzy判断矩阵的一致性修正[J].数学研究与评论，2003，23（l）：173-176.
[18] 李永，胡向红，乔箭.改进的模糊层次分析法[J].西北大学学报（自然科学版），2005，35（1）：11-12.
[19] 朱建军，刘十新，王梦光.一种新的求解区间数判断矩阵权重的方法[J].系统工程理论与实践，2005，4：29-34.
[20] 尤天慧，樊治平，俞竹超.不确定性多属性决策中确定属性熵权的一种方法[J].东北大学学报（自然科学版）， 2004，25（6）：598-601.
[21] 朱方霞，陈华友.确定区间数决策矩阵属性权重的方法-熵值法[J].安徽大学学报（自然科版），2005，30（5）：4-6.
[22] 王美义，张凤鸣，刘智.模糊信息的熵权多属性决策方案评估方法[J].系统工程与电子技术，2006，28（10）：1523-1525.
[23] 徐泽水，达庆利.多属性决策的组合赋权方法研究[J].中国管理科学，2002，10（2）：84-87.
[24] 陈华友.多属性决策中基于离差最大化的组合赋权方法[J].系统工程与电子技术，2004，262：194-197.
[25] 周宇峰，魏法杰.基于相对熵的多属性决策组合赋权方法[J].运筹与管理，2006，15（5）：48-53.
[26] 袁良运，赵以贤，宋贤龙.基于三角模糊熵的装备维修合同商评价与选择[J].火力与指挥控制，2013，38（6）：86-88.
[27] 胡运权.运筹学教程[M].3版.北京：清华大学出版社，2007：424-426.
关键词：协同创新；体制机制；创业型大学；三螺旋
在创新创业驱动型的知识经济时代，科学技术是经济社会快速发展和国家综合实力提升的第一生产力，而人才是科学技术发展必须依赖的第一资源。高等教育作为科技第一生产力和人才第一资源的重要结合点，责任非常重大，使命非常艰巨。站在这个关键性结合点上看，大学传统的象牙塔发展模式，已越来越不适应时展的迫切要求和大学自身发展的诉求。大学走出象牙塔，创新办学理念和发展模式，积极同政府科研机构、工业企业进行跨界协同创新，推动科技与经济紧密结合，促进科技成果向现实生产力转化，是经济社会发展对大学变革的新期待，也是大学自身进化发展的新趋势。
党的十报告提出“要坚持走中国特色自主创新道路，……更加注重协同创新”。教育部、财政部出台了《关于实施高等学校创新能力提升计划的意见》（简称“2011计划”），重在大学的体制机制改革，重在推动大学内部以及外部力量之间创新要素的融合发展，形成“多元、融合、动态、持续”的协同创新模式与机制。事实上，20世纪90年代中期以来，我国深化科技体制改革，实施科教兴国和建设创新型国家两大战略，始终贯穿着一条清晰的脉络，那就是推动企业成为技术创新主体，促进产学研协同创新，提升国家创新体系的整体效能。在科技政策的联合推动下，我国大学与工业企业、政府研发机构协同创新的耦合程度如何？国家科技创新体系的整体效能是否逐渐呈现出优化发展的良好态势？在大数据时代，回答这些问题需要基于大量数据的量化分析，而不能依赖模糊的直觉和经验。本研究试图采用三螺旋互信息算法，从历史发展的纵向维度，定量测度我国大学与工业企业、大学与政府研发机构进行跨界协同创新的互动性、耦合性，分析诊断潜在的结构性问题，探索我国推进协同创新、优化体制机制的着力点。
一、三螺旋算法
“2011计划”明确提出，要以人才、学科、科研三位一体的创新能力提升为核心，大力推进高等学校与高等学校、科研院所、行业企业、地方政府以及国际社会的深度融合。这与以往一直提的“产学研一体化”、“官产学研用一体化”的线性思维模式不同。“高校、科研院所、行业企业、政府”深度融合的协同创新模式是一种非线性思维模式，强调的是协同创新主体之间的立体性、深层性互动与循环发展关系。因此，协同创新必然要建立在机构之间跨越组织边界的知识流动和知识溢出基础之上。亨利・埃茨科威兹和雷德斯多夫提出的大学一产业一政府相互作用的“三螺旋”组织结构模型是对跨边界协同创新的最好诠释。
为定量测度大学-产业-政府协同创新的耦合性问题，我们采用Leydesdofff以互信息为基础提出的TH算法（Triple Helix Algorithm）作为研究工具，并利用自动化运算程序――th4.exe计量研究结果。TH算法是根据仙农（Shannon）信息熵、Abramson三维互信息转接量的定义提出的，公式为：
TUIG=HU+HI+HG-HUI-HUG-HIG+HUIG
其中，U、I、G分别代表大学、工业企业和政府研发机构。TUIG为三维信息转接量，HU+HI-HUI=TUI为二维信息转接量。HU=-∑UP（U）logP（U）为变量U的信息熵，HUI=-∑U∑IP（UI）log（PUI）为二维分布的信息熵。公式中对数取以2为底，信息熵的单位为比特（bit）。本研究中，为使计量结果便于比较分析，我们用毫比特（mbit）作为单位。
三维信息转接量TUIG和二维信息转接量TUI、TUG、TIG是衡量大学、工业企业和政府研发机构三者之间或两两之间交互作用强弱性的指示器。TUIG为负值时，表示三维协同创新关系存在，值越小，表示三者之间协同创新的耦合性越强，相互依赖程度越高，协同创新体系的整体效能越好；TUI、TUG、TIG为正值，值越大，表示两两之间关联性越高、耦合性越强。值得注意的是，这些指示器并不是用来测度知识产出或经济产出，而是用来测度三维或两维协同创新的结构性条件，以折射出是否建构起高效有序的协同创新运行机制。
二、数据来源与计量
TH算法对协同创新耦合效应的度量，是通过合作论文或专利这个窗口来考察系统或机构之间相互作用的强弱。合作论文或专利并不是一个完美的指标，仅仅是机构之间合作关系的冰山一角，却被广泛地用来表示机构之间的动态合作关系。本研究的数据来源于美国科学情报研究所（ISI）开发的Web of Science核心合集中的SCI-E（科学引文索引扩展版）数据库。为纵向考察我国大学开展协同创新的发展轨迹，我们对1998-2013年间我国发表的论文文献进行逐年检索与保存。至少包含一个中国作者机构信息的文献共有1291297条，其中作者机构信息清晰的有效数据为1245037条。
为完成作者机构信息的计量工作，我们编制了一个专用程序，对U、I、G、UI、UG、IG和UIG的数量分别进行计量。U、I、G分别表示一条记录中至少有一个作者来自大学、工业企业和政府研发机构的数量，UI、UG、IG表示两两之间协作的数量，UIG表示三者之间协作的数量。编制专用程序时，我们将包含UNIV或COLL缩写的归到U类，包含CORP、LTD、INC、SA或AG等缩写的归到I类，包含NATL、NAZL、GOVT、HOSP、CNRS、EUROPEAN、ACAD、INRA等缩写的归到G类。专用程序根据TH算法运行程序th4.exe的要求，同时生成data.txt文件，记录下我们保存的每一条数据的作者机构信息情况。按大学-产业-政府的顺序，文件形式如下：“id1”，“1”，“1”，“0”。“1”表示有，“0”表示没有。依此类推，id2，id3……最后，将data.txt文件输入th4.exe程序，计算出熵值和信息转接量各值（HU、HI、HG，HUI、HUG、HIG，TUI、TUG、TIG，TUIG）。
三、结果分析
（一）我国大学开展协同创新的科研成果产出分析
通过文献计量，表1详细地呈现出大学跨界协同创新的科研成果产出情况。16年间，大学发表的SCI文章数量增长最显著。1998年，至少有一个来自大学的作者发表的科技论文（U计量）数量约占全国发表科技论文总数的68%；到2013年，这个百分比已经超过90%。大学已成为我国科学研究的重要阵地，大学的科研水平基本上反映了我国的科研水平状况。这与1998年以来国家启动的“985”工程和“211”工程紧密相关。这两项工程不仅开启了我国建设世界一流大学的进程，而且激发了大学以学科建设为龙头推进科学研究工作的自觉性和积极性。据《国家创新指数报告2013》统计，我国研发经费稳居世界第3位，研发人员居世界首位，SCI论文数居世界第2位，高被引论文数居世界第4位，科技论文产出呈现出量质齐升的向好局面。
然而，与基础科研的辉煌成就形成鲜明对比的是，我国在许多领域缺乏自主创新技术和精密设备，关键技术受制于人。这种鲜明的反差警示我们，科研经费的大量投入、创新人才的集聚以及科研成果的大量积蓄与技术的革新、技术的产业化、新型产业的培育以及生产力的提升之间绝不是简单的线性关系，更不是自然的类推进步过程。从科学研究到技术产品化、商品化和产业化的循环发展，往往要经历一个难以跨越的“死亡之谷”。搭建跨越“死亡之谷”的桥梁，需要大学、工业企业与政府科研机构共同推进跨界协同创新，在有形的界面组织机构推动和无形的文化价值融合方面相互作用，建立起机构之间的对话关系、反馈循环关系和深度协作关系。表1显示，我国跨越组织边界的协同创新比例失调。大学与政府研发机构的协作相对频繁，1998-2013年间呈现出明显的增长态势；而大学与工业企业的协作太少。例如，2013年大学168955篇，而其中与工业企业协作完成的论文仅有4443篇。这意味着大学发表的大量科技论文更多地注重基础理论研究或理论应用研究，也意味着我国工业企业对基础研发的重视度和参与度严重不够，抑制了科技成果的转化率。
（二）大学与工业企业、政府研发机构的双边协同创新关系分析
表2中，TUG、TIG和TUI为二维信息转接量，是两两之间双边协同创新耦合依赖程度的指示器。从横向看，表示大学与政府研发机构耦合性的二维信息转接量TUG很大，而表示大学与工业企业、工业企业与政府研发机构之间耦合性的二维信息转接量TUI和TIG非常小。这种格局突出暴露了我国大学与工业企业协同创新关系松散的问题：一方面，作为技术创新主体的工业企业对基础研发的投入与产出缺位，多数企业更依赖加工和仿制，长期处于国际技术竞争产业链和创新链的低端；另一方面，作为国家创新体系重要生力军的大学和政府研发机构，其不合理的科研考核体系强化了科研人员体制内追求论文和专利数量的习惯，削弱了科研人员体制外“用”技术的能力。
纵向的发展状况更让人忧心。16年间，表征大学与工业企业协同创新关联程度的TUI在2005年左右稍有起色；2008年以来，大学发表的科技论文数量大幅增长，而大学与工业企业的耦合性没有得到同步发展，TUI的值加速下滑，到2012年仅为0.19mbit。与此同时，大学与政府研发机构之间的耦合性指标TUG也呈现出持续下滑的态势。总体而言，大学与工业企业、大学与政府研发机构的协同创新关系没有朝逐步优化的方向发展。尤其在追求理论成果的大学与犯了“仿制病”的工业企业之间积弊严重。二者各自秉持不同的价值取向，导致机构之间的离心力大于向心力，机构之间的体制“壁垒”越来越深，机构之间的对话越来越难，科技成果的溢出和转让也越来越难。据2013年的相关统计，我国科技成果转化率仅为10%，而发达国家为40%以上。
承载力是一个与资源禀赋、技术手段、社会价值观念等密切相关的伦理特征的概念。联合国教科文组织对人口承载力的定义是：一国或一地区在可以预见的时期内，利用该地的能源和其他自然资源及智力、技术等条件，在保证符合社会文化准则的物质生活水平条件下，所能持续供养的人口数量。本文认为，人口承载力是指在一定时期内，某个区域在利用现有的资源环境、社会经济条件下，能够持续稳定供养的最大人口数量。
同时，不同的生产要素投入比例会导致不同的人口承载力水平。这是因为不当比例的要素投入会影响效用的发挥，不利于区域经济发展，降低人口承载力水平。由于区域经济增长与人口承载力水平密切相关，承载力大小一定程度上能够反映社会、经济、环境资源配置和区域经济增长的状况，要实现区域经济快速发展，就需要对人口承载力进行研究。
二、文献综述
人口承载力水平的高低一定程度上反映了城市对自然、经济和社会资源利用的充分程度。京津冀地区作为我国三大经济增长极之一，以占全国2.3%的土地容纳了全国8%的人口，城市病问题本就存在。而在京津冀一体化规划出台后，京津冀经济发展即将迈进快速发展阶段，城市人口问题将日益突出。
此前已有学者对地区人口承载力进行过研究，2007年学者郭艳红对北京市土地承载力进行分析，通过建立土地人口承载力评价指标体系，得出如今北京耕地承载力在34.9万人左右，不能满足北京农业人口粮食需求；现有人口已超出1000万人的城镇建设用地承载力范围等结论。2014年学者严然对济南市人口承载力进行了研究，论文从自然资源、生态环境、经济水平、基础设施四个方面构建了济南市人口承载力指标体系，采用可能-满意度多目标决策方法预测到济南市2020年的人口承载力范围为643.55万人-762.32万人低于2020年济南市人口规划规模。
由此可见，已有研究大多专注于对影响人口承载力的因素进行分析，却鲜有学者关注到人口承载力与区域经济之间的关系。本文将基于DPSIR模型建立人口承载力评价指标体系，并采用面板数据模型研究京津冀人口承载力与区域经济增长之间的关系，为未来人口扩容提供科学依据。
三、对人口承载力的评价与测算
1.DPSIR模型的建立
DPSIR模型（Driving Force-Pressure-State-Impact-ResponseFramework，驱动力-压力-状态-影响-响应框架）是一种在资源、环境与农业发展领域中广为使用的评价指标体系的概念模型，模型具有了系统性、综合性和灵活性的特点。其中，驱动力和压力分别是指造成人口承载力变化的潜在原因和直接原因；状态是指在各类影响下的人口状况；影响是指人口状况反过来对社会经济的影响；“响应”表明社会在努力增大人口承载力过程中采用相关措施。
人口承载力评价指标体系分为三个层次，首先是目标层，即为人口承载力水平；其次为影响因素层，包含了驱动力、压力、状态、影响和响应五个影响因素；第三层为指标层。本文的驱动力因素包含四个指标：人均GDP、第三产业增加值、居民消费价格指数、城镇居民家庭恩格尔系数；压力因素包含：耕地面积、道路面积、水资源总量、城市建设用地面积；状态因素包含：常住人口、总人口数和人口密度；影响因素包含：工业废水排放量、城市居民人均可支配收入、人均公园绿地面积和能源消费总量；响应因素包含：教育经费和城市污水处理率。
2.人口承载力水平的综合评价
本文以DPSIR模型为基础，选取了人均GDP、第三产业增加值等17个指标构建人口承载力指标体系，采用熵值法确定指标权重，得出各指标综合评价值，测算人口承载力水平。
为消除指标性质和量纲的影响，要先对指标进行标准化处理。指标属性分为正向指标和逆向指标两大类。正向指标值越大，便越有利于人口承载力的提高，其标准化计算公式为■；逆向指标标准化计算公式为■，得标准化矩阵B=bij。
确定指标权重可以分为主观赋值法和客观赋值法两种方法。由于客观赋值则是根据数学方法计算权重的，具有客观性，为避免权重计算中的局限性，本文采用熵值法对指标进行赋权。其主要步骤为：（1）指标信息熵值ej的确定，即第i年的第j项指标权重的确定■ ■（2）指标权重wj的计算，指标信息效用价值αj值越大，其评价重要性越大aj=1-ej ■（3）计算指标综合评价值，■其中，Yi是各指标的综合评价值，也是人口承载力评价水平；n为指标值个数，本文中为17；Wj则是第j个指标的权重。由此计算出京津冀各年度的人口承载力大小。
本文选取了2004年-2012年的数据，记录了人口承载力综合评价指标值在京津冀地区变化趋势。能够发现京津冀地区的人口承载力经过社会经济等领域的改革，分别增加了5倍、8倍和8倍。其增长趋势大致可以分为两个部分。第一阶段是在2009年之前，京津冀地区的人口承载力有所发展，但处于起步阶段，促进承载力水平增长的经济动力不强。第二个阶段是在2009年以后，新的经济发展战略推动基础设施建设、科技人才培养、产业扶持等方面的发展，为承载力水平的提升提供了强有力的支持，人口承载力水平也得到了快速提升。
四、各地区的人口承载力水平与区域经济增长的关系研究
本文采用区域人均国内生产总值，即人均GDP，来代表区域经济发展状况。根据以上测算的人口承载力结果，以京津冀地区为例，使用面板数据模型，来研究人口承载力水平与区域经济增长之间的关系。
1.模型构建
用面板数据建立的模型通常有三种，即不变系数模型、变截距模型和变系数模型。由于面板数据获取的是同时在时间和截面上的二维数据，相比而言，面板数据增加了观测值数目，提供了更多信息量。并且提高了估计精度，避免错误结论的出现。
2.实证研究结果分析
为了避免经济现象中的伪回归，确保估计结果的有效性，要对面板序列的平稳性进行检验。本文首先对人口承载力综合评价指标和人均GDP原序列进行LLC和Fisher-ADF单位根检验。检验结果都无法拒绝原假设，即是非平稳数据。但在人口承载力综合评价指标值和人均GDP一阶差分单位根检验中，人口承载力综合评价指标LLC和Fisher-ADF检验的P值分别为0.0000和0.0014，人均GDP指标的检验P值分别为0.0000和0.0303，认为人口承载力综合评价指标值和人均GDP均为一阶单整。由于单整阶数相同，符合面板数据协整检验的要求，可以进行协整关系检验。
本文采用pedroni检验和Johansen检验这两种方式对序列进行协整检验。根据检验结果，除了Grouprho-Statistic的P值大于显著性水平0.05外，京津冀地区人口承载力综合评价指标值和人均GDP的面板数据存在协整关系的，即长期稳定关系，回归分析是可行的。
由于回归分析具有有效性，下一步就需要通过F检验确定模型形式。计算出各模型估计残差平方和，分别为S3=0.099418，S2=0.033983，S1=0.01577。由此计算出F3，F2的值F3=5.385139，F2=49.48021，分别大于F3临界值F0.05（6，28）=2.45，F2临界值F0.05（3，28）=2.95，因而拒绝H3认为模型系数之间没有显著性差异，模型不应被设定为混合回归模型；拒绝H2，得出样本数据符合变系数模型的结论。接下来，根据Hausman检验结果，确定应建立个体固定效应模型。
依据以上的平稳性检验和模型设定检验，人口承载力综合评价指标值和人均GDP的面板数据可以建立固定效应变系数模型，模型形式为：Fit=ai+biGDPit+uit，i=1，2，3；t=2004，...，2012，其中，Fit为人口承载力得分，GDPit为年人均GDP值，uit为不可观测的随机变量。
通过对模型进行参数估计，可决系数达到了0.884，拟合效果非常好；DW统计量的值为2.3216，无自相关。从模型的估计结果中还能看出：第一，人均GDP系数值均为正值，说明经济发展水平的提高是有助于城市人口承载力水平的上升；第二，估计方程的截距不同，不同地域的城市承载力存在差距。具体来讲，京津冀地区人口承载力水平都表现不好，尤其是北京，城市承载力水平最低；第三，京津冀地区每增加一单位人均GDP所带来人口承载力水平的提升是有限的，因此政府应当采取更为有效的措施，使生产要素充分发挥效用。
五、结论与建议
关键词：学习行为；学习分析；熵
中图分类号：TP391.1 文献标识码：A 文章编号：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
随着移动设备与学习技术系统的发展，多种学习方式发生在教育情景中，为深层次研究学习者的学习行为带来了新契机。学习分析技术在教育信息化环境中，使用数据挖掘的研究方法，对一定学习环境下学习者产生的学习数据进行研究分析，深度挖掘学习者学习信息，有利于实现教与学的个性化，为教学研究和动态调整学生学习策略提供了数据支持。
目前，自从数据分析技术在商业领域取得良好的效果后，把数据挖掘技术应用到教育领域已经成为一种趋势。学习分析（Learning Analysis）作为一种教育分析技术，成为发展中不可或缺的核心力量。[1]所谓学习分析是指通过使用分析技术，挖掘隐藏在数据背后的深层次有效信息，并利用这些信息进行评价反馈，从而帮助学生提高学习效率和学习成绩。
移动自主学堂改变了传统的教学模式，实现了移动自主平台支持下“四课型”教学模式与学习方式，实现了学生自主学习模式。[2]基于移动自主学堂的学习方式记录了学生在学习过程中的所有学习行为，这些行为以形式丰富多样的数据形式记录在系统中。这些数据为挖掘学生学习过程中的行为提供了载体。从多维度挖掘出学生的学习行为背后隐藏的信息量，分析学生的日常学习行为习惯与学生的学习成绩之间的关系。通过对学生学习行为的有效分析，可以为学校和教师跟踪了解学生的学习情况，合理有效安排教学过程和教学计划。
移动自主学堂经过多年的应用实践，存储了大量教学数据，本文正是对移动自主平台下的学生学习行为数据进行建模分析，从而得到学生学习行为与学习效果之间的关系，从而为移动自主平台教学提供辅助决策，使教师充分利用资源改进教学。论文根据学习行为需求分析，探讨学生在一个月周期内的学习行为与月末考试成绩之间的关系，得到学生学习行为效果模型，并使用模型预测学生在未来的学习成绩。
1 学习行为分析研究现状
数据作为信息的载体，具有较强的可视性和可用性，能够精准，全面的反应人物的思维和行为的发展规律。[3]在传统的教学模式中，保存的数据多为学生日常学习中的练习和考试试卷，数据也仅仅局限于老师的试卷分析。在信息化教学模式环境下，数据包括学生积极参与课堂教学的表现，与老师同学互动的频率，课后学习的记录等。通过使用数据挖掘技术对这些数据进行分析挖掘，分析学生的日常学习行为习惯与学生的学习成绩之间的关系。在今后的教学过程中根据反馈信息进行调整学习方法，从而完成学习目标。
国内外研究学者都对学习分析技术展开了一系列研究，美国普渡大学研发的“信号预警系统”系统对学习者的学习行为进行研究，在学生的学习成绩达到一定临界点时以邮件的形式向学生发出预警信号为学生提供实时反馈。[4]澳大利亚Wollongong大学基于学习分析技术研发了可视化评估工具，帮助教师迅速诊断学习的学习行为路径，并M行有效反馈。[5]在我国，彭文辉等提出了网络学习行为的一个多维度和多层次的模型，对于学习者的学习行为分析，构成了对学习者的行为评价和学习智能化、个性化调整的基础。[6]顾小清等建立了学习行为研究的数据，机制，结果三层次模型，系统的对学习行为模式进行了解析。[7]
2 学习行为属性分析
在教育中针对学生学习行为进行分析对开发学生的思维与从多个维度挖掘隐藏的有价值的数据信息，一方面实现了教师根据学习者的学习行为分析学生对在教学过程中对知识的掌握程度和学习关注度。另一方面，通过分析学生的学习行为，学校和教师可以了解学生近期的学习情况，方便教学管理。在移动自主学堂学习环境中，学生在移动自主平台上与老师进行课堂教学内容的交流，对所学知识进行随堂检测，知识疑难点的提问与交流等。
根据日常教学过程，把学生的学习行为分为以下几个方面：
1）自我查询学习行为：自我查询学习行为主要表现为学生针对自身情况查询想要了解的资源，这是一种主动的学习行为，它受学生自我认知的控制。
2）沟通学习行为：课堂学习是一种学习方式，而在学习过程中的沟通、交流也可以认为是一种学习方式。日常学习环境中，教师与学生之间、学生与学生之间、学生与学习资源之间都存在交互行为。
3）自我加工学习行为：在学习过程中，学生可以对学习资源进行收藏、标记和注释，对知识点进行电子笔记的整理，可以对知识进行提问和答疑等方式进行自我学习。
4）外部条件：当在围绕教学目标进行学习时，学生的学习也同样受学习基础和一些学习环境的影响。学生每门课程的基础会影响学生的学习行为，如果学生的这门课程的基础较好，在教学过程中，就会对教师的教学内容容易接受，才会对教师的教学内容或形式感兴趣，使系统记录的学习行为数据越多。而对于基础差的学生，听课时就会跟不上老师的教学进度，从而学起来比较吃力，久之就会失去学习的兴趣，直到放弃这门学科。同时，系统每天保存学生上课的学习路径，可根据登录情况判断学生是否出勤，长时间的请假会影响学生的学习情况。每节课学生会对本节课的学习体会进行自我评价，主要分为：好，中，差三类。
移动自W学堂教学环境下学生的学习行为大致包含的属性参数如表1所示：
3 基于信息熵的学生学习行为分析
通过对移动自主学堂的教学日志进行分析，可以得到学生的学习行为，在分析学生的行为记录时，根据不同类型的行为在模型中的作用赋予不同的权值。本文将采用信息熵计算，来判断不同行为不确定程度的大小，对学生的学习行为进行研究，探讨在一定周期内学生的日常学习行为与学生的学习成绩之间的关系，并为学生提出有效的建议。
假定有m个学生，每个学生有n种类型的学习行为，将学生Si的学习行为记录表示成m*n阶矩阵S=（kij）m*n，其中k是一个二维数据，表示的是第i个学生第j类型的学习行为的变量。
Step1：首先要对学生行为的各个指标的数据进行标准化处理。假设某学生第i学科的学习行为指标为X1，X2，…Xm，则可对学生行为数据进行处理，如下式
其中，bij为第i学科第j类型的学习行为的标准化值，max（bij）为第j类学生学习行为的最大值。
Step2：求学生各学习行为的信息熵值
按照信息论中信息熵的定义，一组数据的信息熵表示为
其中Pj为学习行为j发生的概率，按照信息熵定义计算行为信息熵，行为信息熵的具体含义是行为次数分布越均匀，则行为信息熵越大，行为的个性化特征越弱，在学生学习行为确定中，行为j的信息熵值越大，则对应的行为权重值Wj越小。
Step3：确定学生行为各指标的权重
计算出各个指标的信息熵 。通过信息熵计算各学习行为的权重：
且存在权重之和为1。由此可见当学生在各行为上的值相差越大，其熵值越小，熵权越大，表示改行为对学生的行为研究的价值越大。
Step4：学生学习行为研究模型
式中，I为学生行为评价指标，wi为第i个指标的权重，kij为量化后的行为数据，n为学生学习行为个数。
对于学生学习行为分析，每个学生都是一个样本，学生的学习行为对应样本的各维数据。实验采用数据库中385名学生样本数据，选取每个学生近1个月的web服务器客户端日志数据，生成学生学习行为数据表。根据学习行为属性，通过对一名学生的9种行为记录进行分析。按照上述步骤使用熵权法进行计算权值得到表2：
实验采用1个月为一个周期，学生的学习基础参照学生月初的测验分数和排名，经过多次试验得出，学生的学习行为与学习月末成绩成正比关系，学生日常教学过程中的主动参与度高、表现积极与学生学习效果相关，线上学习相对于浏览收藏和浏览错题本行为对学习成绩的影响较小。上课过程中，学生积极响应老师发出的提问指令与课后学习评价相关。
4 结论
通过对学生课堂教学中的变现进行分析，得出了学生在日常的教学过程中的学习表现，把结果反馈后有助于教师和家长了解学生的学习情况，通过配合使用有效的教学方法，提高学生的学习效果和学习成绩。从教师角度来说，教师可以采取一定措施调整教学策略，对于日常参与度较低，变现不积极的学生采取激励措施激发学生学习；另外，教师可以把积极学生和不积极学生合理安排在一起，充分发挥积极学生的带头作用，并提高同学的协作能力。从学生角度来说，学生了解在日常的表现中自己与成绩较好学生的差距，可以调整自己的学习态度。
参考文献：
[1] 祝智庭，沈德梅.学习分析学：智慧教育的科学力量[J].电化教育研究，2013（05）：5-12， 19.
[2] 王瑞，李永波，王晓东，等.移动自主学堂及其应用[J].河南师范大学学报：自然科学版，2014（6）：162-166.
[3] 姜强，赵蔚，王朋娇，王丽萍，等.基于大数据的个性化自适应在线学习分析模型及实现[J].中国电化教育，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
关键词：网络系统；安全测试；安全评估
中图分类号：TP393文献标识码：A文章编号：1009-3044(2011)13-3019-04
1 网络安全评估技术简介
当前，随着网络技术和信息技术的发展与应用，人们对于网络的安全性能越来越关注，网络安全技术已从最初的信息保密性发展到信息的完整性、可用性、可控性和不可否认性，进而又发展为“攻、防、测、控、管、评”等多方面的基础理论和实施技术。信息安全是一个综合、交叉学科领域，它要综合利用数学、物理、通信和计算机诸多学科的长期知识积累和最新发展成果，进行自主创新研究、加强顶层设计，提出系统的、完整的解决方案。
网络信息系统安全评估的目的是为了让决策者进行风险处置，即运用综合的策略来解决风险。信息系统可根据安全评估结果来定义安全需求，最终采用适当的安全控制策略来管理安全风险。
安全评估的结果就是对信息保护系统的某种程度上的确信，开展网络安全系统评估技术研究，可以对国防军工制造业数字化网络系统、国家电子政务信息系统、各类信息安全系统等的规划、设计、建设、运行等各阶段进行系统级的测试评估，找出网络系统的薄弱环节，发现并修正系统存在的弱点和漏洞，保证网络系统的安全性，提出安全解决方案。
2 网络安全评估理论体系和标准规范
2.1 网络安全评估所要进行的工作是：
通过对实际网络的半实物仿真，进行测试和安全评估技术的研究，参考国际相关技术标准，建立网络安全评估模型，归纳安全评估指标，研制可操作性强的信息系统安全评测准则，并形成网络信息安全的评估标准体系。
2.2 当前在网络技术上主要的、通用的、主流的信息安全评估标准规范
2.2.1 欧美等西方国家的通用安全标准准则
1) 美国可信计算机安全评价标准（TCSEC）
2) 欧洲网络安全评价标准（ITSEC）
3) 国际网络安全通用准则（CC）
2.2.2 我国制定的网络系统安全评估标准准则
1) 《国家信息技术安全性评估的通用准则》GB/T 18336标准
2) 公安部《信息网络安全等级管理办法》
3) BMZ1-2000《信息系统分级保护技术要求》
4) 《GJB 2646-96军用计算机安全评估准则》
5) 《计算机信息系统安全保护等级划分准则》等
3 安全评估过程模型
目前比较通用的对网络信息系统进行安全评估的流程主要包括信息系统的资产（需保护的目标）识别、威胁识别、脆弱性识别、安全措施分析、安全事件影响分析以及综合风险判定等。
对测评流程基本逻辑模型的构想如图1所示。
在这个测试评估模型中，主要包括6方面的内容：
1) 系统分析：对信息系统的安全需求进行分析；
2) 识别关键资产：根据系统分析的结果识别出系统的重要资产；
3) 识别威胁：识别出系统主要的安全威胁以及威胁的途径和方式；
4) 识别脆弱性：识别出系统在技术上的缺陷、漏洞、薄弱环节等；
5) 分析影响：分析安全事件对系统可能造成的影响；
6) 风险评估：综合关键资产、威胁因素、脆弱性及控制措施，综合事件影响，评估系统面临的风险。
4 网络系统安全态势评估
安全态势评估是进行网络系统级安全评估的重要环节，合理的安全态势评估方法可以有效地评定威胁级别不同的安全事件。对系统安全进行评估通常与攻击给网络带来的损失是相对应的，造成的损失越大，说明攻击越严重、网络安全状况越差。通过攻击的损失可以评估攻击的严重程度，从而评估网络安全状况。
结合网络资产安全价值进行评估的具体算法如下：
设SERG为待评估安全事件关联图：
定义
IF(threatTa){AddSERGTToHighigh ImpactSetAndReport}
其中，SERG表示安全事件关联，SERGStatei表示攻击者获取的直接资源列表；ASV(a)表示对应资产a的资产安全价值；Ta表示可以接受的威胁阀值；HighImpactSet表示高风险事件集合。
常用的对一个网络信息系统进行安全态势评估的算法有如下几种。
4.1 专家评估法（Delphi法）
专家法也称专家征询法（Delphi法），其基本步骤如下：
1) 选择专家：这是很重要的一步，选的好与不好将直接影响到结果的准确性，一般情况下，应有网络安全领域中既有实际工作经验又有较深理论修养的专家10人以上参与评估，专家数目太少时则影响此方法的准确性；
2) 确定出与网络系统安全相关的m个被评估指标，将这些指标以及统一的权数确定规则发给选定的各位专家，由他们各自独立地给出自己所认为的对每一个指标的安全态势评价（Xi）以及每一个评价指标在网络系统整体安全态势评估中所占有的比重权值（Wi）；
3) 回收专家们的评估结果并计算各安全态势指标及指标权数的均值和标准差：
计算估计值和平均估计值的偏差
4) 将计算结果及补充材料返还给各位专家，要求所有的专家在新的基础上重新确定各指标安全态势及所占有的安全评价权重；
5) 重复上面两步，直至各指标权数与其均值的离差不超过预先给定的标准为止，也就是各专家的意见基本趋于一致，以此时对该指标的安全评价作为系统最终安全评价，并以此时各指标权数的均值作为该指标的权数。
归纳起来，专家法评估的核心思想就是采用匿名的方式，收集和征询该领域专家们的意见，将其答复作统计分析，再将分析结果反馈给领域专家，同时进一步就同一问题再次征询专家意见，如此反复多轮，使专家们的意见逐渐集中到某个有限的范围内，然后将此结果用中位数和四分位数来表示。对各个征询意见做统计分析和综合归纳时，如果发现专家的评价意见离散度太大，很难取得一致意见时，可以再进行几轮征询，然后再按照上述方法进行统计分析，直至取得较为一致的意见为止。该方法适用于各种评价指标之间相互独立的场合，各指标对综合评价值的贡献彼此没有什么影响。若评价指标之间不互相独立，专家们比较分析的结果必然导致信息的重复，就难以得到符合客观实际的综合评价值。
4.2 基于“熵”的网络系统安全态势评估
网络安全性能评价指标选取后，用一定的方法对其进行量化，即可得到对网络系统的安全性度量，而可把网络系统受攻击前后的安全性差值作为攻击效果的一个测度。考虑到进行网络攻击效果评估时，我们关心的只是网络系统遭受攻击前后安全性能的变化，借鉴信息论中“熵”的概念，可以提出评价网络性能的“网络熵”理论。“网络熵”是对网络安全性能的一种描述，“网络熵”值越小，表明该网络系统的安全性越好。对于网络系统的某一项性能指标来说，其熵值可以定义为：
Hi=-log2Vi
式中：Vi指网络第i项指标的归一化参数。
网络信息系统受到攻击后，其安全功能下降，系统稳定性变差，这些变化必然在某些网络性能指标上有所体现，相应的网络熵值也应该有所变化。因此，可以用攻击前后网络熵值的变化量对攻击效果进行描述。
网络熵的计算应该综合考虑影响网络安全性能的各项指标，其值为各单项指标熵的加权和：
式中：n-影响网络性能的指标个数；
?Ai-第i项指标的权重；
Hi第i项指标的网络熵。
在如何设定各网络单项指标的权重以逼真地反映其对整个网络熵的贡献时，设定的普遍通用的原则是根据网络防护的目的和网络服务的类型确定?Ai的值，在实际应用中，?Ai值可以通过对各项指标建立判断矩阵，采用层次分析法逐层计算得出。一般而言，对网络熵的设定时主要考虑以下三项指标的网络熵：
1) 网络吞吐量：单位时间内网络结点之间成功传送的无差错的数据量；
2) 网络响应时间：网络服务请求和响应该请求之间的时间间隔；
3) 网络延迟抖动：指平均延迟变化的时间量。
设网络攻击发生前，系统各指标的网络熵为H攻击发生后，系统各指标的网络熵为 ,则网络攻击的效果可以表示为：
EH=H'-H
则有：
利用上式，仅需测得攻击前后网络的各项性能指标参数（Vi,Vi'），并设定好各指标的权重（?Ai），即可计算出网络系统性能的损失，评估网络系统受攻击后的结果。EH是对网络攻击效果的定量描述，其值越大，表明网络遭受攻击后安全性能下降的越厉害，也就是说网络安全性能越差。
国际标准中较为通用的根据EH值对网络安全性能进行评估的参考标准值如表1所示。
4.3模糊综合评判法
模糊综合评判法也是常用的一种对网络系统的安全态势进行综合评判的方法，它是根据模糊数学的基本理论，先选定被评估网络系统的各评估指标域，而后利用模糊关系合成原理，通过构造等级模糊子集把反映被评事物的模糊指标进行量化（即确定隶属度），然后利用模糊变换原理对各指标进行综合。
模糊综合评判法一般按以下程序进行：
1) 确定评价对象的因素论域U
U={u1,u2,…,un}
也就是首先确定被评估网络系统的n个网络安全领域的评价指标。
这一步主要是确定评价指标体系，解决从哪些方面和用哪些因素来评价客观对象的问题。
2) 确定评语等级论域V
V={v1,v2,…,vm}
也就是对确定的各个评价指标的等级评定程度，即等级集合，每一个等级可对应一个模糊子集。正是由于这一论域的确定，才使得模糊综合评价得到一个模糊评判向量，被评价对象对评语等级隶属度的信息通过这个模糊向量表示出来，体现出评判的模糊性。
从技术处理的角度来看，评语等级数m通常取3≤m≤7，若m过大会超过人的语义能力，不易判断对象的等级归属；若m过小又可能不符合模糊综合评判的质量要求，故其取值以适中为宜。 取奇数的情况较多，因为这样可以有一个中间等级，便于判断被评事物的等级归属，具体等级可以依据评价内容用适当的语言描述，比如评价数据管理制度，可取V={号，较好，一般，较差，差}；评价防黑客入侵设施，可取V={强，中，弱}等。
3) 进行单因素评价，建立模糊关系矩阵R
在构造了等级模糊子集后，就要逐个对各被评价指标ui确定其对各等级模糊子集vi的隶属程度。这样，可得到一个ui与vi间的模糊关系数据矩阵：
R=|r21r22…r2m|
式中：
rij表示U中因素ui对应V中等级vi的隶属关系，即因素ui隶属于vi的等级程度。
4) 确定评判因素的模糊权向量集
一般说来，所确定的网络安全的n个评价指标对于网络整体的安全态势评估作用是不同的，各方面因素的表现在整体中所占的比重是不同的。
因此，定义了一个所谓模糊权向量集A的概念，该要素权向量集就是反映被评价指标的各因素相对于整体评价指标的重要程度。权向量的确定与其他评估方法相同，可采用层次分析等方法获得。权向量集A可表示为：
A=(a1,a2,…,an)
并满足如下关系：
5) 将A与R合成，得到被评估网络系统的模糊综合评判向量B
B=A・R
B=A・R= (a1,a2,…,an) |r21r22…r2m|
式中：
rij表示的是模糊关系数据矩阵R经过与模糊权向量集A矩阵运算后，得到的修正关系向量。
这样做的意义在于使用模糊权向量集A矩阵来对关系隶属矩阵R进行修正，使得到的综合评判向量更为客观准确。
6) 对模糊综合评判结果B的归一化处理
根据上一步的计算，得到了对网络各安全评价指标的评判结果向量集B=(b1,b2,…,bn)
由于对每个评价指标的评判结果都是一个模糊向量，不便于各评价指标间的排序评优，因而还需要进一步的分析处理。
对模糊综合评判结果向量 进行归一化处理：
bj'=bj/n
从而得到各安全评价指标的归一化向量，从而对各归一化向量进行相应。
5 结束语
本论文首先介绍了网络安全评估技术的基本知识，然后对安全评估模型进行了分析计算，阐述了网络安全技术措施的有效性；最后对网络安全态势的评估给出了具体的算法和公式。通过本文的技术研究，基本上对网络信息系统的安全评估技术有了初步的了解，下一步还将对安全评估的风险、安全评估中相关联的各项因素进行研究。
参考文献：
[1] 逮昭义.计算机通信网信息量理论[M].北京:电子工业出版社,1997:57-58.
[2] 张义荣.计算机网络攻击效果评估技术研究[J].国防科技大学学报,2002(5).
关键词:复杂网络;网络结构熵;Internet AS 网络
中图分类号:TP393文献标识码:A文章编号: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
熵是一个物理学概念,熵是事物不确定性的度量。可以理解为系统内部混乱度的度量。一般来讲,系统宏观状态拥有的微观状态越多,可能情况就越多,系统的不确定性也就越大,而微观状态越多表明系统内部运动越富有多样性,越混乱无序,从而熵越大;反之,系统微观状态越少,系统内部状态越单一化,越有序,熵就越小[1]。
现实世界的许多系统都可以用复杂网络[2]进行描述,这种网络既不是规则网络,也不是随机网络,而是一种具有与这两者不同的统计特性的网络,其中,最具影响的是小世界网络和无标度网络。本文主要讨论无标度网络。如:论文引用网络、WWW网络等。研究发现,无标度网络具有很强的非同质性,即,大部分节点只有少数几个连结,而极少数节点却具有大量的连结,这样的网络是一种非均匀的网络,其度分布服从幂律分布。网络中每个节点和其它K个节点相连接的概率正比于k-γ,这里γ为常数,且γ≥0。刻画这种非同质性时可以借助其分布指数,指数越大,度分布曲线下降越快,网络的非同质性越强,反之,则越弱。正如文献[3]指出的,现实世界的复杂网络,度分布曲线并不是完全规则的曲线,通过拟合得到的曲线也并不完全精确。于是人们把熵的概念引入复杂网络中用来刻画网络的非标度性。而本文正是在此基础之上,研究了利用网络结构熵研究网络演化的方法,并探讨了Internet AS层网络的演化规律。
1 网络结构熵及研究网络演化的方法
由文献[3]知网络结构熵可表示为:
(1)
其中,Ii是节点i的重要度,,N是网络中的节点数,显然ki≥0。
可以证明,当网络完全均匀时所有节点的度值相同,这是网络中所有节点具有相同的重要度Ii=1/N此时,熵获得最大值:
(2)
当网络完全不均匀时,网络中的连结呈星型结构,即有一个中心节点和网络中所有其它节点都相连,其度值为N-1(N是网络的节点数),而网络中其它节点的度值都为1,此时得到的网络结构熵的最小值:
(3)
由(1)(2)(3)知网络结构熵、网络结构熵的最大值、最小值都和网络规模有关。其中网络结构熵除了和网络规模有关外,还和各个项的取值有关,由以上三式可得:
Emin≤E≤Emax(4)
显然,对于某个节点数N确定的网络来讲,如果仅网络的总边数发生变化而导致网络在不断的演化,那么网络结构熵E的变化只能在有(4)式确定的范围内,为消除节点数对网络结构熵的影响,文献[5]提出了网络的标准结构熵,即:
(5)
上式求解过程利用了特定网络的最大值,最小值,排除了节点数的影响,但依然是局限于节点数固定的网络,一旦网络节点数发生变化,由于分子和分母只针对固定节点数得到的,因而改变前后的网络结构变化并不能通过熵值的变化来进行判断。也就是说对于节点数变化或者动态演化网络而言,如何运用网络结构熵来研究网络的演化呢?进而如何说明网络异质性的变化呢?本文提出以下方法:
(6)
网络结构熵取得最大值表明网络完全均匀,式(6)表示网络结构熵与完全均匀网络的偏离程度,值越小说明网络越接近完全均匀网络。即如果E=0,则E=Emax说明网络是完全均匀的。利用式(6)可以衡量网络的演化,即(6)式值如果不断的递减,则说明网络是朝着均匀方向发展;若不断的递增,则说明网络朝着非均匀方向发展。通过变化可以确定网络的发展演化趋势。实际上式亦可改写成下式:
(7)
可以说通过(6)(7)式来确定网络和完全均匀网络及完全非均匀网络的接近程度是一种利用网络结构熵研究网络演化的好方法,这种方法对于节点数变化的网络同样适用。由于它们表示的是和本规模下完全均匀网络或者完全非均匀网络的接近程度,即克服了标准网络结构熵的局限性和不足。下面,就这一方法应用于研究Internet AS 层的网络演化,同时应用(6)(7)相互印证。
2 Internet AS 层网络的演化发展及分析
通过对CAIDA项目在网上所的数据进行相应的处理,获得了自2001年3月1日到2007年5月25日的Internet AS 层节点连结相关数据,我们以20天为一个数据点进行处理,即把每20天内得到的数据看成是一个网络,共可以得到108个数据点,按照时间先后进行排列,并画出相应的演化图,其中图1是网络和完全均匀网络的偏离程度的时间演化图。
由图1可知Internet AS 层节点网络的网络结构熵随着时间的演化与完全均匀网络的偏离程度有逐渐减少的趋势,也就是说(6)式中E越小,虽然这种幅度并不大,其原因是Internet AS 层网络在一个比较短的时间段内不可能发生比较大的变化,接点数和边的数目也就不会发生较大的改变,同时网络结构熵还与各个节点的重要度有关,图中各个数据点在所画的直线上下波动,波动的幅度不大,这就造成了网络结构熵和均匀网络的接近度在不断的上下波动,但始终沿着这条曲线在减小。其中最大的E=0.1880,最小的E=0.1564,下降了16.82%。
在开始时刻E=0.1723,统计的终止时刻的E=0.1590,下降幅度为7.76%,表明网络比开始时刻更加接近完全均匀网络,接近程度近了7.76%。这也说明了随时间的发展,网络结构趋向于向均匀网络方向发展。
以上是利用(6)式所进行的分析,对于(7)式分析亦有相同的结论。下面的图2是根据(7)所做的演化图。
3 结论
本文在网络结构熵的相关概念基础上提出了运用网络结构熵研究复杂网络演化发展的新方法,同时指出了利用标准结构熵直接来研究网络演化的弊端和局限性。这种研究网络演化的方法具有一般性,对于复杂网络的演化问题均可以采用这种方法。实际上,这种方法是利用了数学中的逼近法研究网络演化的方法。本文以Internet AS层网络为例,从两个方向研究了该网络的演化规律,指出了该层网络的演化规律趋势。
参考文献:
[1] 陈宜生.物理学家[M].天津:天津大学出版社,2005.
[2] Alert R,Barabasi A L.statistical mechanics of complex networks[J].Reviews of Moderm physics,2002,74(1):47-97.