粗糙集在桥梁结构健康多级模糊评价中的应用

计算机工程与应用 ›› 2013, Vol. 49 ›› Issue (14): 260-263.

粗糙集在桥梁结构健康多级模糊评价中的应用

谭励，商利利，于重重，吴子珺

北京工商大学计算机与信息工程学院，北京 100048

出版日期:2013-07-15 发布日期:2013-07-31

Application of rough set in bridge structure health multi-level fuzzy comprehensive evaluation

TAN Li, SHANG Lili, YU Chongchong, WU Zijun

School of Computer and Information Engineering, Beijing Technology and Business University, Beijing 100048, China

Online:2013-07-15 Published:2013-07-31

摘要/Abstract

摘要： 桥梁结构健康评价的指标体系通常比较复杂，专家评分或层次分析法获取因素权重的方法过程繁琐且主观性强。针对该问题，提出一种将粗糙集与层次分析法相结合来获取因素权重的方法，并基于该方法建立了桥梁结构健康多级模糊综合评价模型。利用该评价模型，对实测的桥梁结构状态数据进行分析与评价。实验结果表明，该模型能够对桥梁结构健康状态进行较为准确的评价，评价准确率优于层次分析法。

关键词: 因素权重, 粗糙集, 层次分析法, 模糊综合评价方法, 桥梁结构健康

Abstract: In a general way, the index system of bridge structure health evaluation is very complex, so the method of expert grading or analytic hierarchy process is tedious and has strong subjective. Aiming at these problems, this paper puts forward a method which combines rough set with analytic hierarchy process theory to obtain factor weights, and based on this method, bridge structure health multi-level fuzzy comprehensive evaluation model is established. The model is used to analyze and evaluate bridge structure status data. The experimental results show that this model can evaluate bridge structure health accurately, and evaluation accuracy rate of this method is significantly higher than that of analytic hierarchy process.

Key words: factor weight, rough set, analytic hierarchy process, multi-level fuzzy comprehensive evaluation, bridge structure health

谭励，商利利，于重重，吴子珺. 粗糙集在桥梁结构健康多级模糊评价中的应用[J]. 计算机工程与应用, 2013, 49(14): 260-263.

TAN Li, SHANG Lili, YU Chongchong, WU Zijun. Application of rough set in bridge structure health multi-level fuzzy comprehensive evaluation[J]. Computer Engineering and Applications, 2013, 49(14): 260-263.

[1]	高天宇，王庆荣，杨磊. 粗糙集属性依赖度强化的应急数据挖掘模型[J]. 计算机工程与应用, 2021, 57(3): 87-93.
[2]	王庆荣，马辰坤. 面向案例消耗推理的应急物资预测[J]. 计算机工程与应用, 2021, 57(22): 281-287.
[3]	刘玉锋，孙文鑫. 一般多粒度量化软粗糙集模型[J]. 计算机工程与应用, 2021, 57(12): 137-143.
[4]	刘桂枝. 维度变化的不完备混合型数据增量式属性约简[J]. 计算机工程与应用, 2021, 57(12): 161-169.
[5]	张博，贾华宇，马珺. RS-GA神经网络无人机受风情况估计[J]. 计算机工程与应用, 2020, 56(4): 209-213.
[6]	牟恩，张贤勇，姚岳松，邓切. 邻域近似条件熵的特定类属性约简及启发算法[J]. 计算机工程与应用, 2020, 56(24): 175-180.
[7]	张建华，李方方，杨岚. 融合PFS与RS的案例知识供需匹配研究[J]. 计算机工程与应用, 2020, 56(23): 139-145.
[8]	骆公志，梅焘. 监督机制多粒度决策粗糙集模型及应用[J]. 计算机工程与应用, 2020, 56(18): 214-220.
[9]	谢旭明，段隆振，邱桃荣，杨幼凤. 改进量子搜索算法及其在核属性求解上的应用[J]. 计算机工程与应用, 2020, 56(14): 57-61.
[10]	李旭，荣梓景，任艳. 带权决策表的属性约简[J]. 计算机工程与应用, 2020, 56(12): 54-59.
[11]	陈盼盼，林梦雷. 基于包含度的单值中智决策信息系统属性约简[J]. 计算机工程与应用, 2020, 56(12): 175-181.
[12]	任俊1，唐绮雯1，徐怡2，胡善忠2. 大学生贫困资助评定的多粒度粗糙集研究[J]. 计算机工程与应用, 2019, 55(7): 82-86.
[13]	邬阳阳，汤建国. 大数据背景下粗糙集属性约简研究进展[J]. 计算机工程与应用, 2019, 55(6): 31-38.
[14]	齐美兰，李小南. 集值映射的拟阵结构及其与覆盖粗糙集的关系[J]. 计算机工程与应用, 2019, 55(6): 50-56.
[15]	杨珍，耿秀丽. 考虑多粒度属性约简的关联规则挖掘研究[J]. 计算机工程与应用, 2019, 55(6): 133-139.