行政決策的方法范文

前言：我們精心挑選了數篇優質行政決策的方法文章，供您閱讀參考。期待這些文章能為您帶來啟發，助您在寫作的道路上更上一層樓。

第1篇

對我國政府尤其是地方政府來說，加入WTO既是一次難得的機遇，又是一種史無前例的嚴峻挑戰，地方政府決策的行為方式必須作出大幅度調整。當前，我們不僅僅需要提高產業與（）產品的競爭力，而且，必須注重國家整體的體制建設，提高國家競爭力，從而確保在國際上的整體競爭力。

一、地方政府決策的現狀

地方政府決策是建立在中央基本政策下，為針對和解決地方而制訂的，旨在改善地方經濟活動、促進地方發展的政府干預行為。地方政府主要有五個特點：一是職能雙重性，即執行性職能和領導職能；二是地位隸屬性，即實際上受雙重領導和制約；三是權力有限性，即受管轄范圍的限制和受、中央政府權力的限制；四是決策公眾性，即地方政府的政策選擇是平衡和綜合公眾利益的結果；五是職能社會性，即地方政府的主要任務是管理和服務社會。面對經濟全球化的趨勢，隨著市場經濟的進一步推進，在我國加入WTO以后，地方政府承擔著既要促進本地經濟發展，又要符合中央政策和國際貿易規則要求的雙重壓力。

點擊查看全文

第2篇

風能領域概述

和其他類型的新能源相比，風能的獨特優勢使其在新能源開發利用中備受青睞。

其一，儲量大、分布廣。我國探明風能理論儲量為32.26×109kW，而可開發利用的為2.53×109kW，近海可利用風能7.5×109kW。我國東南沿海和內蒙、新疆、甘肅等東北、西北地區是最大風能資源區。

其二，可利用性強，成本相對低。目前風電場造價成本約為8500～9000元／千瓦?時，機組(設備)占70％左右，基礎設施占25％，其他占5％。風電場運行維護成本費用很低(約占風電機組成本的3％～5％)，建設周期短(半年左右)。一旦建成，風電場就是一源源不斷的出錢機器。

風力發電的技術核心

風力發電系統作為風能發電領域的核心環節，技術進步也是日新月異。目前主要有恒速恒頻風力發電機系統和變速恒頻風力發電機系統兩大類。

恒速恒頻風力發電系統一般使用同步電機或者鼠籠式異步電機，通過定槳距失速控制的風輪機使發電機的轉速保持在恒定的數值，從而保證發電機端輸出電壓的頻率和幅值恒定，其運行范圍比較窄，只能在一定風速下捕獲風能，發電效率較低。

變速恒頻風力發電系統一般采用永磁同步電機或者雙饋電機作為發電機，通過變槳距控制風輪，使整個系統在很大的速度范圍內按照最高的效率運行，這是目前風力發電技術的發展方向。對于風機來說，其調速范圍一般在同步速的50％～150％之間，如果采用普通鼠籠異步電機系統或者永磁同步電機系統，變頻器的容量要求與所拖動的發電機容量相當，非常不經濟。雙饋異步風力發電系統定子和電網直接相連接，轉子和功率變換器相連接，通過變換器的功率僅僅是轉差功率，這是各種傳動系統中效率比較高的，該結構適合于調速范圍不寬的風力發電系統，尤其是大中容量的風力發電系統。

采用繞線異步電機作為發電機并對其轉子電流進行控制，是變速恒頻異步風力發電系統的主要實現形式之一。主要的拓撲結構包括交流勵磁控制、轉子斬波調阻以及由上述兩種拓撲結構結合發展而來的混合結構。

1　交流勵磁結構

交流勵磁控制通過變頻裝置向轉子提供三相滑差頻率的電流進行勵磁，這種方式的變頻裝置通常使用交交變頻器，矩陣變換器或交直交變頻器。

2　斬波調阻結構

這種結構的基本思想是采用一個可控電力電子開關，以固定載波頻率的PWM方法控制繞線電機轉子回路中附加電阻接入時間的長短，從而調節轉子電流的幅值，控制滑差約在10％的范圍之內。該結構依靠外部控制器給出的電流基準值和電流的測量值計算出轉子回路的電阻值，通過電力電子器件的導通和關斷來調整轉子回路的電阻值。這種電力電子裝置的結構相對簡單，但是其定子側功率因數比較低，且只能在發電機的同步轉速以上運行，是一種受限制的變速恒頻系統。

3　混合結構

為了降低變流器的成本并且能夠實現風力發電系統的寬轉速范圍運行，有人提出一種基于雙饋電機斬波調阻與交流勵磁控制策略多功能變流器拓撲結構，將整流器、斬波器和逆變器結合在一起，該結構的巧妙之處在于斬波器和逆變器共用了一組可控的電力電子開關，但是由于引入了四個接觸器型的受控開關，導致該結構的主回路結構復雜，很難實現同步速切換過程的過渡，而且在高于同步速運行情況下難以改善發電機的功率因數。

綜上所述無論采用哪種結構，在研發過程，對變頻系統的效率和性能進行準確的評價和測試都至關重要；同樣風電場的整體監控也需要精確的測試。

風力發電的測試要點

工欲善其事，必先利其器。風力發電從電機研發到風電場監控需要成套的高性能測試儀器來實現精確調制和嚴密監控。

1　利用功率計對變頻系統的性能作精確的評價

風力發電系統變頻系統的調制頻率帶寬高，調制方式復雜，調制的對象也非正弦波形，波形畸變嚴重，且包含大量的變頻成分，要求測量儀表具有寬頻帶功率測量和諧波分析功能。為此需要選用性能穩定且精度高的功率計作好輔助工作。下文以橫河電機的WT3000功率計為例，簡要談談風電行業的測試。wT3000可以進行IEC61000―4―7最新版諧波分析、IE C61000-4-7最新版的諧波測量及電壓波動／閃變測量，帶寬0.1Hz～1MHz，采樣率200kSa／s，ADC為16位，功率精度為0.02％，配有4個輸入模塊，8.4英寸LCD顯示，以及USB和Ethernet接口。

變頻后波形的失真

波形失真與諧波的關系，如圖1所

失真波形的測量需要足夠帶寬，失真波形包含高頻率成分，測量儀器的帶寬如果沒有延伸到高頻段就容易產生誤差。如圖2所示。

使用WT3000功率計可同時進行變頻系統功率測量和諧波分析，方案如圖3所示。

變頻系統的諧波測量方法(如圖4所示)

使用FFT運算功能將波形由時域轉換成頻域，測量各頻率成分提取疊加信號頻率的方法如下。

傅里葉級數：所有周期函數均可用三角函數的和來表述。

傅里葉積分：將周期設為無窮大，使其能適用于所有函數。

傅里葉變換：對波形的時間函數x(t)進行傅里葉積分運算后，即可得出頻率函數x(f)。

2　利用示波器對變頻電路里波形信號作詳細分析

PWM調制后，通過功率計可以獲得其電特性指標，為研發和檢測部門提供準確的參考。如果想要進一步對調制后的波形信號作詳細的分析，則需要運用具備cycle Statistics~Jj能的示波器(下文以橫河D LM2000系列示波器)來實現。DLM2000的Cycle Statistics功能，在頻率固定／Duty比變化時，或在Duty比固定／頻率變化時，均可有效地對周期性變化的參數進行分析，方案如圖5所示。

第3篇

[關鍵詞]正態模糊數;聯系數;模糊多屬性決

doi：10.3969/j.issn.1673 - 0194.2015.20.049

[中圖分類號]O159;O225 [文獻標識碼]A [文章編號]1673-0194（2015）20-0061-02

多屬性群決策問題的理論與方法已經成為決策科學、系統科學和管理科學等領域研究的重要內容，它廣泛應用于社會、經濟、管理等多個領域。近年來，關于三角模糊數、梯形模糊數、直覺模糊數型的多屬性決策已經有了廣泛研究。但三角模糊數和梯形模糊數的隸屬函數是線性隸屬函數形態，在亦此亦彼性的刻畫上雖然連續，但出現突變點，這種突變不符合中介過渡性質的漸變特征。但是正態模糊數在多屬性決策中的應用還不多。桑廣提出基于相似度與規范化理想解的決策方法。本文針對屬性值、屬性權重與專家權重都用正態模糊數表示的多屬性決策問題，建立聯系數決策模型，并給出決策步驟，實例驗證本文方法的有效性。

1 預備知識

1.1 正態模糊數

定義1：若模糊數?的隸屬函數為

則稱?為正態模糊數.容易發現?是由a和σ2唯一確定，因此可以記為?=（a，σ2）。

正態模糊數的三種運算：設?=（a，σa2），?=（b，σb2），則有

（1）?+?=（a+b，σa2+σb2）

（2）λ?=（λa，λσa2）

（3），其中a≠0。

定義2：模糊數?的期望為

其中，期望E（?）代表著模糊數?的平均水平。特別地，當?=（a，σ2）時，E（?）=a。

定義3：模糊數?的方差為

其中。方差D（?）代表著模糊數?的平均水平。特別地，當?=（a，σ2）時，D（?）=σ2/2。

定義4：設?為正態模糊數，其信值函數為：

其中，為決策者的偏好。當?=（a，σa2），其可信度為

1.2 聯系數

定義5：設A、B為非負實數，i∈[-1，1]，則稱A+Bi是聯系數，簡稱聯系數。

根據集對分析，聯系數A+Bi中的A稱為聯系數的同部，是相對確定的;Bi稱為聯系數的異部，具有不確定性，i為不確定數。一般用μ表示，記為μ=A+Bi。

聯系數的運算法則：

（1）加法運算：μ1=A1+B1i，μ2=A2+B2i，則μ=μ1+μ2=（A1+A2）+（B1+B1）i。

（2）乘法運算：μ1=A1+B1i，μ2=A2+B2i，則：

μ=μ1μ2=A1A2+（A1B2+A2B1+B1B2）i

特別地有：（A+Bi）2=A2+（2AB+B2）i。

1.3 正態模糊數轉化為聯系數

設正態模糊數為?=（a，σ2），令A=a，B=σ，則A+Bi=a+σi為正態模糊數向聯系數的轉化公式。

2 基于聯系數的正態模糊數型多屬性決策問題

基于聯系數正態模糊型多屬性群決策問題可以描述為：決策方案集為X={X1， X2，…， Xm}，決策的屬性集為U={U1， U2，…， Un}，決策專家群體集為D={D1， D2，…， Dl}，專家的權重ν={ν1， ν2，…， νl}，屬性權重ρ={ρ1， ρ2，…， ρn}。該多屬性決策過程可以分為以下幾個步驟。

2.1 給定決策矩陣

第t個決策者關于屬性對決策方案的決策矩陣為：

2.2 將正態模糊數型決策矩陣轉化為聯系數型矩陣

2.3 將聯系數型矩陣標準化

為消除各屬性的不同物理量綱對決策結果的影響，需要對原始決策矩陣進行規范化處理。

對效益型指標：

對成本型指標：

規范化后決策矩陣記為：

2.4 求決策群體中各專家的權重

因受到專家的地位、名望及所屬專業和對決策問題的熟悉程度等因素的影響，使得每個專家不能同等的看待問題，同時個專家的權重也不能表示為一個精確的數值。在這里，我們根據專家的資歷、經驗等事先以正態模糊數的形式給出專家的權重，記為ν={ν1，ν2，…，νl}，其中νt=（aνt，（σνt）2）。νt均值越大，則代表專家的能力越強，其方差越小，說明在專家進行評價時越不容易出錯。所以權重νt的均值越大，方差越小的專家在評價方案時越可信。由此對第t個專家進行評分，依據可信值函數φt=εaνt/（1-ε）（σνt）2計算專家的可信分值，其中ε在評價專家權重時對待其評價值的態度，如果看中專家的期望，則取0.5<ε<1。利用可信分值，按下面的公式求得每個專家的權重：

2.5 求群體決策矩陣

其中，。

2.6 求各個決策方案的綜合評價值并擇優

利用聯系數的乘法與加法運算，求出每個方案的綜合決策聯系數，并計算出決策模，決策模越大的方案越優。

3 實例分析

通常一些大學采用教學（U1），科研（U2）和服務（U3）這三個屬性作為評估的一級指標（屬性），屬性權重分別為：ρ1，ρ2，ρ3，根據評估標準對5個學院X1，X2，X3，X4進行評估打分，各指標下的評估信息用正態模糊數給出.決策群體集D={D1， D2，D3 }，各專家的權重集：。

3.1 給出決策矩陣

3位專家在不同的屬性下對決策方案的決策值用正態模糊數來表示，決策矩陣如下。

3.2 將決策矩陣轉化為聯系數，得下列矩陣

3.3 確定專家權重

根據專家的經驗及以往的資歷等方面的了解，可以給出三位專家的正態模糊數權重為

ν=[ν1，ν2，…，νl]=[（75，52），（80，82），（90，62）]

利用可信度值公式可得三位專家的權重分別為：

3.4 求群體決策矩陣

3.5 求各個屬性的權重

ρ=[0.327 4+0.030 4i 0.356 4+0.010 9i 0.316 2+0.010 5i]

3.6 求各個決策方案的綜合評價值并擇優

4 結 語

將正態模糊數理論引入到模糊多屬性決策領域，復雜問題的解決將更加科學化、規范化。本文將正態模糊數轉化為聯系數簡化了計算過程，最后以實例驗證本文方法的可行性和有效性。

主要參考文獻

[1]陳曉紅，陽曦.一種基于三角模糊數的多屬性群決策方法[J].系統工程與電子技術，2008（2）：278-282.

[2]Hwang C L， Lin M J. Group Decision Making under Multiple Criteria： Methods and Application [M]. Berlin： Springer-Verlag， 1987.

[3]曲文閣，周宏安.基于模糊語言評估和FOWA 算子的多屬性群決策[J].武漢理工大學學報：信息與管理工程版，2013（4）：623-626.

[4]梁昌勇，戚筱雯，丁勇，等.一種直覺模糊多屬性群決策方法及其在群決策中的應用[J].運籌與管理，2013（1）：41-47.