论文部分内容阅读
摘 要：随着工业化进程的加快，城市的可持续发展逐渐成为人们广泛关注的问题，智能增长计劃在各个城市都取得了不同的进展。首先，考虑城市可持续发展3个E准则和智能增长10个原则，从经济、社会、环境三方面制定城市可持续发展的15个指标。其次，利用层次分析法确定权重，从经济、社会、环境三方面构造判断矩阵，建立城市发展综合评价模型，得到各分指标的影响程度。在经济方面：人均GDP>地均GDP>第三产业贡献率>单位GDP能耗>人均社会商品零售总额；在环境方面：人均水资源占有量>可吸入颗粒物浓度>绿化覆盖率>工业废水排放达标率>二氧化硫度；在社会方面：绿化覆盖率>二氧化硫度>工业废水排放达标率>人均水资源>可吸入颗粒物浓度。最后，以堪培拉为例，利用模型对其可持续发展智能增长计划进行评价，得到模糊判断矩阵。根据最大隶属度原则，评判堪培拉目前发展规划属于一般成功水平。
关键词：评价指标；模糊层次；智能增长；可持续发展
1 基于模糊层次综合评价的城市发展综合评价模型
利用层次分析法[5-10]将决策问题分为目标层、指标层、准则层。目标层为城市可持续发展，指标层为环境、经济、社会指标，准则层由这三个指标下分的十五个因素构成。
判断矩阵的最大特征值为3.0183。由于最大特征值存在缺陷，因此用λ-n值来衡量A的不一致程度。
定义一致性指标：
为衡量CI的大小，引入随机一致性指标RI，见表2。
当一致性比率 时，认为A的不一致程度在容许范围内，可用其归一化特征向量作为权向量，得到权向量ω0=[0.4546 0.1985 0.3496]
1.1 影响智能增长的经济因素
确定影响经济的因素X={x1，x2，x3，x4，x5}，构造因子间的判断矩阵A2
因素的权向量为ω1=[0.285 0.047 0.143 0.096 0.429]
影响经济指标程度从大到小可以排序为：人均GDP>地均GDP>第三产业贡献率>单位GDP能耗>人均社会商品零售总额。
1.2 影响智能增长的环境因素
确定影响环境的因素Y={y1，y2，y3，y4，y5}，构造因子间的判断矩阵A3
因素的权值向量为ω2=[0.103 0.172 0.310 0.276 0.139]
影响环境指标程度从大到小可以排序为：人均水资源占有量>可吸入颗粒物浓度>绿化覆盖率>工业废水排放达标率>二氧化硫度。
1.3 影响智能增长的社会因素
确定影响环境的因素Z={z1，z2，z3，z4，z5}，构造因子间的判断矩阵A4
因素的权向量为ω3=[0.222 0.111 0.333 0.185 0.149]
影响社会指标程度从大到小排名为：绿化覆盖率>二氧化硫度>工业废水排放达标率>人均水资源>可吸入颗粒物浓度。
1.4 模糊综合评价基础
建立评价目标层A={智能增长成功率}，评价指标要素B={经济，环境，社会}，评价因子集C={x1，x2，x3，x4，x5，y1，y2，y3，y4，y5，z1，z2，z3，z4，z5}与评价集V={成功、较为成功、一般成功、较为不成功、不成功}。
各层评判指标权重如下：
第一层指标权重矩阵为M=[0.4546 0.1985 0.3469]
第二层指标权重为
M1=[0.285 0.047 0.143 0.096 0.429]
M2=[0.103 0.172 0.310 0.276 0.139]
M3=[0.222 0.111 0.333 0.185 0.149]
对城市可持续发展智能增长计划按照评价指标进行评价，得到模糊判别[11-14]矩阵
利用模糊合成算子将模糊权矢量A与模糊关系矩阵R1、R2合成得到评价对象的模糊综合评价结果矢量B1、B2。
模糊综合评价的模型为：
由此得到模糊综合评价结果矢量：
B1=[0.05，0.2725，0.4735，0.1925，0.01125]
B2=[0.1570，0.4895，0.3300，0.0240，0]
根据最大隶属度原则，堪培拉目前发展规划属于一般成功水平。
2 结论
本文在建立城市智能增长指标体系时，基于城市可持续发展的3个E准则和智能增长10个原则，从经济、社会和环境三方面入手，制定了城市可持续发展的15个指标。
在评价指标体系的基础上，利用层次分析法确定权重，并进行一致性检验，均符合要求。从经济、社会、环境三个指标层分别构造判断矩阵，得到各分指标的影响程度。在经济方面：人均GDP>地均GDP>第三产业贡献率>单位GDP能耗>人均社会商品零售总额；在环境方面：人均水资源占有量>可吸入颗粒物浓度>绿化覆盖率>工业废水排放达标率>二氧化硫度；在社会方面：绿化覆盖率>二氧化硫度>工业废水排放达标率>人均水资源>可吸入颗粒物浓度。
再利用模糊综合评价方法对堪培拉的城市可持续发展智能增长计划进行评价，评价层为：成功、较为成功、一般成功、较为不成功、不成功。根据最大隶属度原则，评判堪培拉目前发展规划属于一般成功水平。
参考文献：
[1]高兴，王树锋.资源型城市可持续发展的长效机制研究[J].黑龙江八一农垦大学学报，2018，30（04）：106-111.
[2]王志成.美国绿色保障房可持续发展动态（之三） 美国GAH融资支持体系[J].中国建筑金属结构，2019（03）：40-41.
关键词：评价指标；模糊层次；智能增长；可持续发展
1 基于模糊层次综合评价的城市发展综合评价模型
利用层次分析法[5-10]将决策问题分为目标层、指标层、准则层。目标层为城市可持续发展，指标层为环境、经济、社会指标，准则层由这三个指标下分的十五个因素构成。
判断矩阵的最大特征值为3.0183。由于最大特征值存在缺陷，因此用λ-n值来衡量A的不一致程度。
定义一致性指标：
为衡量CI的大小，引入随机一致性指标RI，见表2。
当一致性比率 时，认为A的不一致程度在容许范围内，可用其归一化特征向量作为权向量，得到权向量ω0=[0.4546 0.1985 0.3496]
1.1 影响智能增长的经济因素
确定影响经济的因素X={x1，x2，x3，x4，x5}，构造因子间的判断矩阵A2
因素的权向量为ω1=[0.285 0.047 0.143 0.096 0.429]
影响经济指标程度从大到小可以排序为：人均GDP>地均GDP>第三产业贡献率>单位GDP能耗>人均社会商品零售总额。
1.2 影响智能增长的环境因素
确定影响环境的因素Y={y1，y2，y3，y4，y5}，构造因子间的判断矩阵A3
因素的权值向量为ω2=[0.103 0.172 0.310 0.276 0.139]
影响环境指标程度从大到小可以排序为：人均水资源占有量>可吸入颗粒物浓度>绿化覆盖率>工业废水排放达标率>二氧化硫度。
1.3 影响智能增长的社会因素
确定影响环境的因素Z={z1，z2，z3，z4，z5}，构造因子间的判断矩阵A4
因素的权向量为ω3=[0.222 0.111 0.333 0.185 0.149]
影响社会指标程度从大到小排名为：绿化覆盖率>二氧化硫度>工业废水排放达标率>人均水资源>可吸入颗粒物浓度。
1.4 模糊综合评价基础
建立评价目标层A={智能增长成功率}，评价指标要素B={经济，环境，社会}，评价因子集C={x1，x2，x3，x4，x5，y1，y2，y3，y4，y5，z1，z2，z3，z4，z5}与评价集V={成功、较为成功、一般成功、较为不成功、不成功}。
各层评判指标权重如下：
第一层指标权重矩阵为M=[0.4546 0.1985 0.3469]
第二层指标权重为
M1=[0.285 0.047 0.143 0.096 0.429]
M2=[0.103 0.172 0.310 0.276 0.139]
M3=[0.222 0.111 0.333 0.185 0.149]
对城市可持续发展智能增长计划按照评价指标进行评价，得到模糊判别[11-14]矩阵
利用模糊合成算子将模糊权矢量A与模糊关系矩阵R1、R2合成得到评价对象的模糊综合评价结果矢量B1、B2。
模糊综合评价的模型为：
由此得到模糊综合评价结果矢量：
B1=[0.05，0.2725，0.4735，0.1925，0.01125]
B2=[0.1570，0.4895，0.3300，0.0240，0]
根据最大隶属度原则，堪培拉目前发展规划属于一般成功水平。
2 结论
本文在建立城市智能增长指标体系时，基于城市可持续发展的3个E准则和智能增长10个原则，从经济、社会和环境三方面入手，制定了城市可持续发展的15个指标。
在评价指标体系的基础上，利用层次分析法确定权重，并进行一致性检验，均符合要求。从经济、社会、环境三个指标层分别构造判断矩阵，得到各分指标的影响程度。在经济方面：人均GDP>地均GDP>第三产业贡献率>单位GDP能耗>人均社会商品零售总额；在环境方面：人均水资源占有量>可吸入颗粒物浓度>绿化覆盖率>工业废水排放达标率>二氧化硫度；在社会方面：绿化覆盖率>二氧化硫度>工业废水排放达标率>人均水资源>可吸入颗粒物浓度。
再利用模糊综合评价方法对堪培拉的城市可持续发展智能增长计划进行评价，评价层为：成功、较为成功、一般成功、较为不成功、不成功。根据最大隶属度原则，评判堪培拉目前发展规划属于一般成功水平。
参考文献：
[1]高兴，王树锋.资源型城市可持续发展的长效机制研究[J].黑龙江八一农垦大学学报，2018，30（04）：106-111.
[2]王志成.美国绿色保障房可持续发展动态（之三） 美国GAH融资支持体系[J].中国建筑金属结构，2019（03）：40-41.