序論：寫作是一種深度的自我表達。它要求我們深入探索自己的思想和情感，挖掘那些隱藏在內心深處的真相，好投稿為您帶來了七篇灰色理論論文范文，愿它們成為您寫作過程中的靈感催化劑，助力您的創作。

篇(1)

一、研究方法 

一般的抽象系統中都包含著許多因素，多種因素共同作用的結果決定了該系統的發展態勢。人們常常希望知道在眾多的因素中，哪些是主要因素、哪些對系統發展影響大等等，而使用灰色相關性分析可以彌補其他系統分析方法的缺陷，適用于本論文的研究。 

灰色系統理論是華中理工大學鄧聚龍教授于1982年提出的，該理論利用灰色關聯分析來分析因素之間的相關程度[8]。灰色關聯分析是根據比較參考序列曲線和比較序列曲線之間的幾何相似度來判斷二者之間相似程度的，利用灰色關聯系數來比較參考序列曲線和比較序列曲線在各點的差異[9，10]。 

二、數據來源和統計方法 

本研究以《災害學》期刊作為研究對象。從研究學科來看，《災害學》是進行綜合性研究的學術期刊，它以各種自然災害，包括自然災害和人文災害作為研究內容，通過對各種災害事件的分析討論，總結經驗，吸取教訓。從研究內容來看，廣泛交流災害科學的學術思想、研究方法、研究成果；從研究方向來看，注重關于災害問題的研究動態和防災減災對策、人類抗御災害的科技水平和能力等等的探討。因此，通過對該期刊的研究，能夠全面篩選出各災害學相關研究的被引次數。 

本研究引用的數據來源于“中國知網”（cnki.net）2004—2015年的數據。其中以2004—2013年的數據作為數據來源，同時參考2014年和2015年的數據。普賴斯認為，科研論文一般在其發表后1—2年即達到被引用最高峰，因此選用2004—2013年10年的數據，2014年和2015年的數據僅作為參考數據。 

本研究利用灰色關聯分析，以被引次數最多的50篇論文的相關數據作為研究基礎，從論文的被引次數與該論文的下載量、論文作者的職稱、的時間、論文研究范圍四個方面進行分析。 

三、被引用率灰色關聯度分析 

（一）確定比較數列和參考數列 

本文選取論文的被引次數作為參考數列，以該論文的下載量、的時間、論文作者的職稱、論文研究的區域作為比較數列，如表1所示。 

表1 影響因子及變量設定表 

其中，職稱按照從高往低賦值：設正高=1，副高（博士）=2，中級（碩士）=3，初級=4；研究范圍從大到小賦值：設世界性=1，全國性=2，地區性=3，市縣等=4，則被引次數最高的50篇論文的相關數據如表2所示。 

（二）無量綱化 

由于系統中各因素列中的數據可能因計算單位的不同，不便于比較，或在比較時難以得到正確的結論，因此，在進行灰色關聯度分析時，一般都要進行標準化 （無量綱化）的數據處理。本文利用公式（1），以P50的數據為基準，對原始數據數列和比較數據數列進行初始化運算，以消除量綱或數量級的影響，得到標準化后的數列（表3）。 

（三）產生對應差數列表 

將無量綱化后的比較數列與參考數列進行差值計算，并求絕對值，將之列如對應差數列表，內容包括與參考數列值差（絕對值）、每列最大差和每列最小差。然后計算最大差值和最小差值。 

四、灰色關聯的結果分析 

通過灰色關聯分析法可知： 

1.論文的下載量、的時間、論文作者的職稱、論文研究的范圍四個方面的相關度都幾乎接近于1，說明這四個方面與論文的被引次數相關度非常大。 

2.從論文的下載量、的時間、論文作者的職稱、論文研究的范圍四個方面來說，相關度大小排序為：研究范圍>時間>作者職稱>下載數量。說明論文被引用率影響較大的還是論文本身研究范圍。也說明論文刊出時間越長，關注的學者越多，被引的可能性也越高。作者職稱和下載數量低于前兩個因素。 

3.利用灰色關聯度分析法研究結果對把握期刊的服務對象和辦刊理念有極大幫助。灰色關聯度分析法克服了傳統數理統計方法中對樣本需要量大、計算量大等缺點，有利于分析期刊研究過程不完全信息中隨機因素的顯著性和關聯性，開拓了期刊研究的新方法。 

參考文獻： 

[1] 劉雪立.10 種國際權威科技期刊影響因子構成特征及其啟示[J].編輯學報，2014，26（3）：296-300. 

[2] 毛國敏，蔣知瑞，任蕾，等.期刊論文被引頻次的冪律分布研究[J].中國科技期刊研究，2013，25（2）：293-307. 

[3] 葉鷹.高品質論文被引數據及其對學術評價的啟示[J].中國圖書館學報，2010，36（1）：100-103. 

[4] 方紅玲.我國科技期刊論文被引量和下載量峰值年代——多學科比較研究[J].中國科技期刊研究，2011，22（5）：708-710. 

[5] 黃鸝.從論文被引頻次分析看高校學報在學校科研發展中的作用——以長江大學及其主辦的學報為例[J].長江大學學報：社會 

科學版，2012，35（9）：184-186. 

[6] 任勝利，柴育成，姚玉鵬，等.地球科學國際主流期刊的引文分析[J].科學通報，2002，47（1）：74-79. 

[7] 李斐然.如何創作被引次數最多的論文[J].創新科技，2012，（1）：58. 

[8] 曹惠玲，黃樂騰，康力平.基本AHP及灰色關聯分析法的發動機健康評估研究[J].數學的實踐與認識，2015，45（2）：122-129. 

篇(2)

論文關鍵詞：經濟影響力，乘數分析法，短期預測分析，上海世博會，經濟效益

 

1 引言

世博會作為全球最大的城市博覽會，越來越成為世界矚目的盛事，作為各國展示自身綜合國力、民族文化與意識形態的重要舞臺，對各國都產生著巨大的影響。舉辦城市或者舉辦國則抓住時機促進經濟發展，提升城市形象乃至國家形象。上海市在年舉辦了有史以來最為盛大的世博會，對上海乃至中國的經濟、社會發展產生了巨大影響。

按照一般的經濟增長周期理論, 一個經濟體在保持長期(一般為年)的持續增長之后,由于受到市場、資源、基礎設施以及環境等“瓶頸”因素的制約, 如果沒有外生變量的介入,其增長率將會逐步遞減。而此時如果有一個足夠大的外生變量介入, 無疑將會改變經濟增長曲線的斜率, 使之繼續保持一定的高速增長[1]。年上海世界城市博覽會的舉辦，對上海和中國都是經濟增長的外生變量，成為經濟增長的推動力, 然而，其對上海市經濟增長的影響程度多大卻值得探討。

2 研究狀況

近年來，國內許多學者對GDP的發展規律及預測方法進行了研究。梁鑫等利用SPSS軟件, 在AIC準則下建立了ARIMA( 1,2,1)模型,利用非參數統計方法對模型進行了適應性檢驗, 進而對GDP數據進行實證分析及預測[2]。趙盈以1954～2004年我國GDP的數據資料為依據, 采用Box2Jenkins方法建立ARIMA( 1,1,1) 模型, 揭示了我國GDP增長變化的規律性, 并對回歸結果進行了實證分析[3]。李占江等應用SAS軟件, 依據1952～2005年內蒙古GDP數據建立了ARIMA( 0,2,1)模型, 并對2006年GDP作出預測[4]。靳珊對1950～2006年貴州的數據進行分析, 采用Eviews軟件建立ARIMA( 1,1,1)模型, 揭示了貴州GDP的增長變化規律[5]。魏寧利用SPSS統計軟件, 根據ACF圖和PACF圖選取模型的階數,再在AIC準則[6]下重復擬合得到合適的模型, 并根據殘差序列的ACF圖和PACF圖對模型進行適應性檢驗, 從而對1952～2007年陜西省的GDP進行分析,并對陜西省未來6年GDP進行預測[7]畢業論文格式。

然而，這些預測方法要求數據具有一定的規律性或符合某些典型的概率分布，因此，運用這些方法進行預測所做決策約束太多，實用性也嫌弱。而運用灰色GM(1,1)模型對數據進行灰色預測時，對樣本量數據的多少和樣本有無規律要求低，而且計算量小且方便，更不會出現量化結果與定性分析結果不符的情況。因此，該方法具有很廣泛的實用價值[8]。目前,灰色系統理論已在很多領域得到了廣泛的應用,如Li-chang Hsu的論文中使用GM（1,1）模型預測全球IC業的需求及銷售量[9]。馬勇基于GM（1,1）改進的DGM模型來預測港口貨物吞吐量[10]。左繼宏基于灰色GM（1,1）模型預測GDP及人均GDP[11]。

對世博會的經濟影響進行評估的經典方法與對一般的重大事件活動進行經濟影響評估一樣是成本效益分析[12],其基本評估技術是投入產出法。然而，都因需要有精確、全面的財務、資金及其它數據資料而難以使用，尤其是在預評估中更因信息貧乏而難以獲得令人滿意的效果。

目前經濟效益，運用灰色GM（1,1）模型預測GDP及人均GDP的文獻較多，但主要特征是單一地用來進行GDP的數字預測，不能更好地分析其后續效應。本文結合乘數分析法，以2002～2009年上海市籌辦與舉辦世博會期間每一年的經濟總量為樣本數據，探討世博會對上海市GDP短期影響力，并在一定的預測精度和灰色關聯度水平下對年上海市經濟總量的貢獻做出評估，并在定量分析的基礎之上得到上海世博會的短期經濟影響力大小。

3上海市GDP預測模型的構建與求解

3.1上海市GDP預測模型的構建

3.1.1原始數據的收集與分析

對上海市經濟總量時間序列數據的預測是建立在對其歷史發展趨勢認知的基礎上的，因而歷史觀察數據的收集與分析非常重要。本研究涉及的上海市2002～2009年每一年度的GDP數據均出自《上海市統計年鑒》（見表1）。資料顯示，自成功申請年世博會以來，上海市經濟得到了長足快速地發展。上海市年經濟總量為億元，到年已增加到億元。

表1 上海市近幾年數值（億元）

篇(3)

【關鍵詞】黨校圖書館；灰色文獻；資源建設

灰色文獻是介于白色文獻黑色文獻二者之間的文獻，國內外圖書館情報界普遍將公開發行的文獻定為白色文獻,不公開發行的秘密文獻定為黑色文獻,而灰色文獻就是一類非秘密的不作為正常的商業化出版物出售的，較難以獲取利用的文獻。所以，誰注意了灰色文獻的收藏，誰就擁有了一份獨一無二的文獻財富。對“灰色文獻”的收藏、開發及利用應是黨校圖書館的鮮明特征。黨校圖書館必須更加重視灰色文獻的收集、開發和利用,為黨校的教學、科研及各級領導決策服務,發揮其重要作用。

一、灰色文獻的特點

(一)信息價值高,可靠性強。

灰色文獻的內容幾乎涉及到社會的各個方面和不同層次,由于它直接來源于科研、教學、生產第一線，反映了最新的社會及經濟狀況、科研動態、科研成果及發展趨勢。它也報道各種實用技術、工藝和方法以及行政動態等 ,成為重要的信息載體之一。黨校的教學和理論研究工作正需要這些廣泛的學術研究和現實信息來開闊視野,并盡快將這些信息加以利用,變為教學、科研成果，適應新世紀學員學歷層次高，聽課內容要求新、廣、深、與時俱進的需要。同時也適應了黨校教師、學員研究新課題以現實為主的特點。

(二)科研嚴謹 ,結論可信。

灰色科研文獻是經科學研究人員從確定課題 搜集積累資料,無數次的反復實驗、研究等長期艱苦的科研活動創造而取得的最新成果。在灰色科研文獻產生的過程中,無論是對國內外科研動態的考察、了解,還是對資料的占有大多是非常嚴謹、詳盡和系統的,通過多次的探索得出了最新的結論,其結論無論正確與否都有十分重要的參考價值和使用價值。正確的結論可直接利用,具有很高的實用價值;錯誤的結論可以啟示人們少走彎路 避免失誤和浪費 ,具有很大借鑒價值;還有一部分結論則可能成為另一新課題和新思維的起點,具有很強的繼承和持續研究價值。總之,灰色文獻研究結論的可信性是不容置疑的。

(三)灰色文獻的決策參考性強

各級政府機關的行政報告往往是緊緊圍繞國家或地方的社會、政治、經濟、文化等方面的發展需要,及時對一些方針、政策、計劃的決策情況進行的通報。科學研究機構的研究報告中含有對尖端技術、重點技術研究、規劃、實施等的決策情況。咨詢部門的調查報告中含有政府急需解決的重點、熱點問題的情況。企業的技術報告中含有生產、經營、銷售的決策情況。利用它們制定各方面的決策比利用其他文獻借鑒參考性更強。另外,可利用灰色文獻向學員及時提供各種決策信息資料。黨校的學員一般都是有一定理論素養和豐富實踐經驗的領導干部。他們既是領導者,又是決策者。為他們提供信息資料服務 既是滿足他們提高自身素質的需要 ,也是滿足他們參與本地區、本部門決策的需要。

(四)灰色文獻專業特色突出,業務作用明顯。

許多內部資料是某一部門、某一系統、某一行業編輯發行的,其目的是為本部門、本系統工作服務。這些內部資料主要發表本行業的研究文章、工作經驗、調查報告、情況反映等。對于指導本部門、本系統的工作、培訓干部,提高職工素養和工作能力起著非常重要的作用。而黨校學員大都來自于社會各條戰線,既是決策的制定者又是決策的執行者。他們在研究本系統、本部門工作實際時,無疑要借助此類文獻。因而,能引起廣大教師和學員的廣泛興趣。另外，黨校圖書館可以通過提供灰色文獻參與市委、市政府、市人大及其他部門的專項問題的論證工作。

二、灰色文獻在教學、科研和領導決策中的應用價值

灰色文獻是內部資料,它來自四面八方和各行各業,是科研成果、教學經驗的概括和總結。灰色文獻的種類很多，歸納起來，主要包括以下幾方面的內容：(1)內部刊物。它是指那些因發行范圍受限制而未能進入常規流通渠道的刊物。主要是高等院校、科研單位、醫院、企業等編輯的一些內部交流的出版物。比如，地方科研單位的內部雜志和有關科研項目的可行性報告，其文獻的科學情報價值遠遠高于公開發表的論文，科研人員可以不將成果公開于學術論文，但必須在工程可行性報告中予以詳述。(2)內部報告。一般性指政府、公共權威機構、管理機構等出版的報告，該類文獻直接反映各地政府的行政工作，科技發展和社會生活的實踐。(3)會議資料。一般分為會前手稿和會后的會議記錄，前者是用于會議交流，后者是完整收錄會議各種內容的文獻。(4)內部音像、視聽、機讀等文獻資料，此類型文獻，內容豐富，極具收藏價值。灰色文獻涉及到各個方面和不同層次,學科之間相互交叉、相互滲透。教學科研中的問題、動態和發展趨向幾乎都濃縮在這些灰色文獻中,反映了近期專業學科領域中的新經驗、新成果、新探索、新動向 ,具有前瞻性、實用性。所以,這類灰色文獻學術水平較高,往往包含著超前或可持續發展的信息 ,有著珍貴的信息價值、學術價值和參考價值,是一筆巨大的財富。如果將這些灰色文獻結合、運用到教學、科研和領導決策中去,其作用和意義是無法估量的。當前,各級黨委、政府都面臨著根據十七大提出的重大戰略思想,重大戰略部署,把中國的發展推向新的歷史高度這一新形勢、新任務。同時,圍繞這一新形勢、新任務在不同的階段又有著各自不同的工作重點。有關工作重點的決策是領導者比較關注的,有關工作重點的信息、資料服務也必然是領導者需要的。因此,黨校圖書館做好為領導確定工作重點的決策服務,也就是滿足了決策者的迫切要求,也就產生了社會效益和經濟效益。

三、加強灰色文獻的建設及開發利用

篇(4)

關鍵詞：國內物流貨運量；灰色預測模型；有效性；合理性

中圖分類號：U294 文獻標識碼：A

Abstract： Due to the large number of influencing factors of logistics freight in the whole country， the data is relatively large and the statistical process is more complicated. Therefore， there is a situation that“some information is determined and some information is uncertain”， and the gray forecasting model can be used to forecast the domestic logistics. This paper establishes the grey prediction model， analyzes whether the gray forecasting model is effective for the forecasting of domestic logistics and the rational use of the model， and forecasts the future domestic freight volume under the premise that the model is reasonable and the result is effective.

Key words： domestic logistics volume； gray forecasting model； effectiveness； rationality

物流是一個復雜的經濟現象，物流與經濟之間存在雙向因果關系（即互動關系）的可能，一方面物流發展推動經濟增長，另一方面經濟增長拉動物流發展。具體顯示物流發展的一個因素是物流貨運量，一個區域或一個范圍物流貨運量的多少，可以說明這個地區物流的發展情況，同時還影響這個區域或這個范圍的經濟發展情況。

按空間范圍來劃分，物流活動可分為地區物流、國內物流與國際物流。國內物流是指在一個國家領地范圍之內進行的物流活動，國內物流是一個國家經濟發展的重要部分。在國內，物流貨運方式一共有四種，是公路、水路、民航和鐵路。隨著經濟的快速發展，國內物流也迅速發展起來，原來主要由鐵路運輸，現在發展為公路、水路、民航和鐵路四種運輸方式，就現有數據來看每年的國內物流貨運量都有所增加，但是由于在全國范圍內對物流貨運量的影響因素眾多，數據較為龐大，統計過程較為復雜，所以存在“部分信息確定，部分信息不確定”的情況，于是便可用灰色預測模型對國內物流貨運量進行預測。通過灰色預測模型所預測的結果，可以分析該灰色預測模型對國內物流貨運量預測是否有效，模型運用是否合理。同時在模型運用合理結果有效的前提下，可以對未來的國內物流貨運量進行預測。

1 國內物流貨運量預測模型建立

1.1 灰色預測模型――GM1，1模型

中國學者鄧聚龍教授把一般系統論、信息論、控制論相結合，把它們的觀點、研究方法延伸到社會、經濟和生態等抽象、復雜系統，在19世紀80年代創立發展起來運用數學方法解決灰色系統的理論和方法――灰色系統理論。灰色預測模型是灰色系統理論內容中的一部分，應用廣泛，對數據沒有強烈的限制，精度高技術簡便。

GM1，1模型則表示灰色預測模型是一階的，同時變量為一個，微分方程表示為■+ax=u。

1.2 GM1，1模型建模過程

首先假設除了研究變量外其他因素每年變化都較小，對所研究問題影響甚微，不考慮在內。

2 國內物流貨運量預測

2.1 國內物流貨運量預測模型的確立

近年來，物流業迅速發展，國內物流的貨運量是呈上升趨勢，于是可以對國內物流貨運量量化研究，同時國內物流貨運量數據是可獲得的，同樣的，經濟的迅速發展，國內實際GDP是呈上升趨勢的，于是也可以對國內實際GDP進行量化研究，同時國內實際GDP的數據是可獲得的。通過官方平臺獲得兩組實際數據如表1所示。經過對比分析，國內實際GDP逐年增長，國內物流貨運量逐年增長，國內實際GDP與國內物流貨運量二者之間相互促進。由于數據的真實性，便可運用灰色預測模型來預測未來幾年國內物流的貨運量及其變化。

2.2 國內物流貨運量預測模型及檢驗

3 國內物流貨運量預測模型應用

3.1 未來預測

基于GM1，1的有效性，可對國內2016～2018年的物流貨運量進行預測如表3所示：

3.2 結 論

通過上述建模過程、分析得到以下結論：（1）GM1，1模型對研究物流貨運量是有效的。（2）從GM1，1模型對國內物流貨運量預測結果來看，預測有效，模型運用合理。在實際應用中，可以根據實際情況及需要進行修改，來提高預測值的準確性。（3）根據表3實際預測數值，可以看出，國內物流貨運量是呈上升趨勢的，中國物流業還會呈現快速增長模式。

基于灰色預測模型的實際應用，根據以上對國內物流貨運量預測與研究，可以看出國內物流貨運量成逐年增長的趨勢，同時國內實際GDP也呈現增長趨勢，說明物流的發展對中國經濟發展有一定的推動作用。基于灰色預測模型在預測國內物流貨運量運用時的合理性，對于未來三年國內物流貨運量進行預測，且預測值呈增長趨勢，起到對經濟發展的推動作用。而且自十以來，我國對經濟體制改革不斷深入，其根本目的是推動經濟發展，為物流業的發展提供更加有利的條件。

參考文獻：

[1] 劉南，李燕. 現代物流與經濟增長的關系研究――基于浙江省的實證分析[J]. 管理工程學報，2007，21（1）：151-154.

[2] 蘆陽. 對中國發展第三方物流的分析[J]. 華北水利水電大學學報（社會科學版），2005，21（2）：68-70.

[3] 鄧聚龍. 灰預測與灰決策[M]. 武漢：華中科技大學出版社，2002.

[4] 崔立志. 灰色預測技術及其應用研究[D]. 南京：南京航空航天大學（博士學位論文），2010.

篇(5)

關鍵詞：區域創新；績效；灰色關聯投影；理想點

一、 引言

我國在《國家中長期科學和技術發展規劃綱要（2006-2020）》指出，必須把提高自主創新能力作為調整經濟結構、轉變增長方式、提高國家競爭力的中心環節，把建設創新型國家作為面向未來的重大戰略選擇，到2020年全社會研究開發投入占國內生產總值的比例達到2.5%以上，力爭科技進步貢獻率達到60%以上，對外技術依存度降低到30%以下，本國發明專利年度授權量和國際科學論文被引用數均進入世界前5位。要實現上述目標，更多地取決于知識創新成果向現實生產力的轉化的效率，尤其是在相比發達國家我國社會資源相對匱乏的情況下，更應該對科技創新資源的利用效率進行客觀地評價，以便國家以及各地政府部門正確地認識自身的創新情況，有效地識別影響區域創新績效的關鍵因素，從而制定相關的區域發展政策，進一步提高區域科技投入轉化為科技成果的效率。目前，區域創新績效的評價問題已引起了國內外學者的關注，學者們提出的評價模型大部分是以數據包絡分析（data envelopment analysis，dea）以及其拓展模型為主，但區域創新績效評價問題更具備灰色系統的特征，因為區域創新績效評價系統中既有已被了解的白色信息，又有尚未被發現的黑色信息，而更多的是一般性了解的灰色信息。因此，本文將灰色系統理論的灰色關聯與矢量投影原理相結合，提供一種基于灰色關聯投影的區域創新績效評價模型，同時對評價指標采用客觀賦權方法，盡量避免人為因素對評價結果的影響。

二、 區域創新系統創新績效評價的灰色關聯投影模型

1. 灰色關聯投影法原理。灰色關聯投影法是從矢量投影的角度探討多目標評價的方法，該方法以各方案在理想方案上的投影值大小，作為評判決策方案優劣的標準，并通過特定的算法，使重要指標的加權系數得到進一步加強，從而全面準確地反映了各決策方案和理想方案之間的接近程度，使得區域創新績效評價更接近客觀實際。考慮到區域創新績效的評價對象集合a：a={a1，a2，…，am}，各評價對象的因素指標集合v：v={v1，v2，…，vn}。記評價對象ai對評價指標vj的屬性值為rij（i=1，2，…，m；j=1，2，…，n）。一般來說，為了消除原始數據指標單位及其數量級的影響，需要對原始數據進行規范化處理，處理方法如下：

3. 區域創新系統創新績效評價的灰色關聯投影評價步驟。

第一：收集數據，確定評價對象集a和屬性指標集v；

第二：對原始數據r按照式（1）進行規范化處理得到 r′，同時確定最佳評價對象a0；

第三：利用式（9）計算各指標的權重向量w=（w1，w2，…，wn）；

第四：用式（3）計算子因素r′ij與母因素r′0j的關聯系數?酌ij，得到由?酌ij組成的多目標灰色關聯度矩陣f；

第五：利用式（6）計算各待評價對象在理想最佳評價對象上的投影值di。

三、 我國區域創新系統創新績效評價實證分析

1. 評價指標體系設計及計算結果。設計一個系統的、科學的、具有可操作性和可拓展性的評價指標體系，是正確評價區域創新系統創新績效的前提和基礎。從本質上講，對區域創新系統創新績效評價指標體系的選擇是建立在對創新績效概念內涵理解的基礎之上。因此，由于研究者對區域創新績效含義的理解不同，所給的評價指標體系也不盡相同。筆者根據區域創新績效評價指標體系設計的科學性、可比性、實用性、可操作性以及系統性原則，在創新投入方面主要選取r&d研發人數（v1）和r&d研發投入資金額（v2）兩項指標，在創新產出方面主要選取專利申請授權數（v3）、發表科技論文數（v4）、國內外技術市場合同成交額（v5）、大中型以上企業新產品銷售額（v6）以及當地gdp水平（v7）五項指標。根據上述評價指標查詢國家統計局網站以及《中國區域創新能力報告2010》的相關數據，并按照公式（1）進行數據規范化處理，數據處理結果見表1所示。按照公式（2）選取比較序列，再按照灰色關聯投影評價步驟的第三、第四和第五分別帶入表1數據進行計算，便可得出表1第9列和第10列的評價結果。

2. 區域創新系統創新績效評價結果分析與建議。由表1可以看出，區域創新績效排名前十的地區既有處于東部的省市，如北京

市（排名第二）、上海市（排名第三）、遼寧省（排名第四）、天津市（排名第五）、河北省（排名第六），也有處于中部的省份內蒙古（排名第八），同時還有地處西部的新疆（排名第一）、青海（排名第七）、甘肅（排名第九）以及貴州（排名第十）；區域創新績效排名后十名的省、市、自治區中，東部地區（江蘇、福建、山東、浙江和海南）占到了50％、中部有江西、黑龍江和安徽，西部有西藏和寧夏；同時還可以發現，創新績效排名在第11到第21的地區中，只有一個東部省份廣東，其余均為中西部地區。通過上述分析可以得出如下結論，區域創新績效和地方的經濟強弱并無直接的聯系，而是分布在不同的經濟區域內。

為了分析區域創新能力與創新績效的關系，這里引用《中國區域創新能力報告2010》中的區域創新能力排名次序，重點分析創新能力排名前十的地區，他們分別是：江蘇、廣東、北京、上海、浙江、山東、天津、湖北、四川和重慶。從表1的結果中可以看出，創新能力排名前十的地區其相應的創新績效未必高，其中北京、上海和天津的創新績效水平與其創新能力有所呼應，而江蘇、浙江和山東的創新績效水平卻處于后十名，廣東、湖北、四川和重慶的創新績效水平則處于中等水平。

摘要：文章根據灰色系統理論中的灰色關聯分析，建立了我國區域創新系統創新績效評價的灰色關聯投影模型。另外，評價指標的權重對最終的創新績效評價影響很大，為了盡量消除主觀因素的影響，充分考慮評價矩陣的固有信息，利用逼近理想點法確定各評價指標的權重。

關鍵詞：區域創新；績效；灰色關聯投影；理想點

一、 引言

我國在《國家中長期科學和技術發展規劃綱要（2006-2020）》指出，必須把提高自主創新能力作為調整經濟結構、轉變增長方式、提高國家競爭力的中心環節，把建設創新型國家作為面向未來的重大戰略選擇，到2020年全社會研究開發投入占國內生產總值的比例達到2.5%以上，力爭科技進步貢獻率達到60%以上，對外技術依存度降低到30%以下，本國發明專利年度授權量和國際科學論文被引用數均進入世界前5位。要實現上述目標，更多地取決于知識創新成果向現實生產力的轉化的效率，尤其是在相比發達國家我國社會資源相對匱乏的情況下，更應該對科技創新資源的利用效率進行客觀地評價，以便國家以及各地政府部門正確地認識自身的創新情況，有效地識別影響區域創新績效的關鍵因素，從而制定相關的區域發展政策，進一步提高區域科技投入轉化為科技成果的效率。目前，區域創新績效的評價問題已引起了國內外學者的關注，學者們提出的評價模型大部分是以數據包絡分析（data envelopment analysis，dea）以及其拓展模型為主，但區域創新績效評價問題更具備灰色系統的特征，因為區域創新績效評價系統中既有已被了解的白色信息，又有尚未被發現的黑色信息，而更多的是一般性了解的灰色信息。因此，本文將灰色系統理論的灰色關聯與矢量投影原理相結合，提供一種基于灰色關聯投影的區域創新績效評價模型，同時對評價指標采用客觀賦權方法，盡量避免人為因素對評價結果的影響。

二、 區域創新系統創新績效評價的灰色關聯投影模型

1. 灰色關聯投影法原理。灰色關聯投影法是從矢量投影的角度探討多目標評價的方法，該方法以各方案在理想方案上的投影值大小，作為評判決策方案優劣的標準，并通過特定的算法，使重要指標的加權系數得到進一步加強，從而全面準確地反映了各決策方案和理想方案之間的接近程度，使得區域創新績效評價更接近客觀實際。考慮到區域創新績效的評價對象集合a：a={a1，a2，…，am}，各評價對象的因素指標集合v：v={v1，v2，…，vn}。記評價對象ai對評價指標vj的屬性值為rij（i=1，2，…，m；j=1，2，…，n）。一般來說，為了消除原始數據指標單位及其數量級的影響，需要對原始數據進行規范化處理，處理方法如下：

3. 區域創新系統創新績效評價的灰色關聯投影評價步驟。

第一：收集數據，確定評價對象集a和屬性指標集v；

第二：對原始數據r按照式（1）進行規范化處理得到 r′，同時確定最佳評價對象a0；

第三：利用式（9）計算各指標的權重向量w=（w1，w2，…，wn）；

第四：用式（3）計算子因素r′ij與母因素r′0j的關聯系數?酌ij，得到由?酌ij組成的多目標灰色關聯度矩陣f；

第五：利用式（6）計算各待評價對象在理想最佳評價對象上的投影值di。

三、 我國區域創新系統創新績效評價實證分析

1. 評價指標體系設計及計算結果。設計一個系統的、科學的、具有可操作性和可拓展性的

評價指標體系，是正確評價區域創新系統創新績效的前提和基礎。從本質上講，對區域創新系統創新績效評價指標體系的選擇是建立在對創新績效概念內涵理解的基礎之上。因此，由于研究者對區域創新績效含義的理解不同，所給的評價指標體系也不盡相同。筆者根據區域創新績效評價指標體系設計的科學性、可比性、實用性、可操作性以及系統性原則，在創新投入方面主要選取r&d研發人數（v1）和r&d研發投入資金額（v2）兩項指標，在創新產出方面主要選取專利申請授權數（v3）、發表科技論文數（v4）、國內外技術市場合同成交額（v5）、大中型以上企業新產品銷售額（v6）以及當地gdp水平（v7）五項指標。根據上述評價指標查詢國家統計局網站以及《中國區域創新能力報告2010》的相關數據，并按照公式（1）進行數據規范化處理，數據處理結果見表1所示。按照公式（2）選取比較序列，再按照灰色關聯投影評價步驟的第三、第四和第五分別帶入表1數據進行計算，便可得出表1第9列和第10列的評價結果。

篇(6)

論文關鍵詞：失效模式影響分析，綜合評價，離散型加工生產線

0引 言

針對企業生產過程中所需資源多樣性和相關性，導致生產系統難以評價或評價結果不夠準確；國內外學者提出各種評價方法和控制手段。如Teng[3]提出基于FMEA的生產過程的控制，運用FMEA理論對生產制造過程中所涉及的零部件出現失效模式進行評價；Allen[4]提出生產設計階段利用FMEA和模糊數學方法進行管控, 將FMEA和模糊集理論應用到產品設計階段；門峰[8]提出模糊集理論與灰色關聯理論的FMEA方法，將FMEA和模糊集理論與灰色關聯理論運用到具體的鑄件產品中。郭銅修等[9]提出企業生產系統模糊評價方法，將模糊集理論運用到航空工業企業生產系統中的評價。本文在上述研究基礎上發現FMEA方法存在不足之處：（1）多因素評價時所得風險順序數不可靠，得到數值相近甚至相等。（2）系統評價過程中沒有考慮各因素在整體上影響程度，只是按著FMEA方法評價其各個因素；為了避免以上缺點而提出了基于FMEA離散型加工生產線的綜合評價。

1 FMEA離散型加工生產線的綜合評價研

1.1離散型加工生產線研究

從系統工程角度出發工商管理論文，離散型加工生產線的生產過程可以被看作是一個“輸入—轉換—輸出”系統，系統輸入就是一切需求資源或生產要素，經過有機的轉換過程，輸出特定產品或服務，這個轉換過程就是企業生產系統龍源期刊。一般將離散型生產線的構成要素劃分為[9]：

(1) 人力：人員技能、人力資源利用、人員情緒等。

(2) 物力：物料、半成品、產品、周轉箱、設備、儀器、文件資料、工具、工裝等。

(3) 環境：生產線現場的通道、地面及其標識，各類管線、門窗、墻面、通風、照明等。

(4) 信息：在制品數量、產品合格率或廢品率、生產計劃數量、生產成本、時間等。

從上述描述可以看出各種構成要素中包括不同種因素，不同要素在不同企業生產線中影響程度不同，不同因素在企業生產線中影響程度也不同，所以對具體企業生產線進行評價時要考慮到這種特殊性。可以將生產線劃分為一級要素指標和二級因素指標，即考慮其層次性，生產線指標體系如圖1-1。這些因素控制存在不確定性和模糊性，而這種不確定因素在以前的評價系統中難以給予準確的數值。故障模式影響分析（Failure Mode and EffectAnalysis ,FMEA）和模糊數學理論在這方面有著其他方法不可替代優勢。FMEA實施過程中主要是利用專家經驗和知識得到各因素失效模式的發生率（Occurrence-O）、嚴重度（Severity-S）、難檢度（Detectability-D），通過計算風險順序數（Risk PriorityNumber-RPN，RPN=）得出風險程度。其計算方法就是O、S、D三者乘積而得出其風險順序數，這樣導致不同失效模式得出相近甚至相同的RPN工商管理論文，但實際上這些相近甚至相同RPN的重要程度不同[10]。

圖1-1 生產線指標體系

通過以上分析，生產系統評價既要考慮它的要素和因素重要性，又要考慮各因素具體的情況，于是提出了基于FMEA離散型加工生產線的綜合評價方法。首先從系統的角度出發，利用專家知識和經驗填寫各層次指標的重要性表格，應用二元對比倒數法計算出相應權重。其次從局部的角度出發，應用FMEA理論對具體因素存在失效模式進行評價龍源期刊。最后為了考慮所有因素對生產系統的影響和避免專家的主觀因素，應采用模糊集和FMEA理論相結合的方法，即綜合評價方法，其過程如圖1-2。

圖1-2 綜合評價過程

1.2 FMEA模型簡介

失效模式與效應分析是FMA（故障模式分析）和FEA（故障影響分析）的組合，是過程管理中的一項預防性分析工作，是一種用來評價系統的設計和生產過程或服務等所有可能發生的故障（問題、錯誤、風險和利害）的特殊關系[1]。其使用范圍包括產品設計、生產過程、服務過程、機器設備等。

有效FME具有以下特色：可以降低制造過程中出現失效的風險；能識別與產品相關的制造失效模式；可分析所有顧客要求的產品特殊性；能評估失效對顧客造成的影響；能識別制造過程中潛在的失效原因，并據以降低失效發生率；能列出潛在失效模式的排序，并據以建立考慮采取矯正措施的優先級；能將制造或裝配過程的結果文件化。FMEA的實施過程如圖1-3。

圖1-3 FMEA實施過程

FMEA使用過程中要進行相關數據的實際調研和收集，識別產品或系統潛在失效模式中潛在失效后果、潛在原因、確認現行的檢測方法和控制手段工商管理論文，評價嚴重度、發生率、難檢度；直到所有失效模式評價完成，計算風險順序數，判斷風險順序數是否在可接受的水平。若風險順序數在不可接受水平內需要采取措施，通過持續改進直到達到可接受水平內才為止。

1.3綜合評價模型簡介

綜合評價模型如下：

B=A°R= A° （1-1）

模型中：A=一級指標權重， Ai，二級指標權重，為判定矩陣，上標°表示合成算子。

（1）權重的確立[6]

通過表1-1，利用二元對比倒數法得出各子系統相對權重。

表1-1因素比較表

定義

定義

1

Ai與Aj同等重要

2

Ai比Aj略微重要

3

Ai比Aj較為重要

4

Ai比Aj重要

5

Ai比Aj重要得多

6

Ai比Aj非常重要

7

Ai比Aj絕對重要

 

 

根據專家初始權重集W計算權重相似系數Sij ，得到相似矩陣S。

（1-5）

式中，Sij 專家i與專家j相似程度，需要進一步計算偏離程度L來剔除偏離程度大的專家評定權重

（1-6）

（1-7）

式中代表i專家評定因素權重與其他專家評定因素權重偏離程度，假如大于某一界值時，第i位專家意見加以剔除。實際運用中根據實際情況來設定界值L。

（3）評判矩陣的確定。一般采用定性指標和定量指標的隸屬度，本文采用改進的定性指標方法處理，即直接由多個專家對某個被評定因素的隸屬度做出估計，然后利用聚類分析的距離法中歐氏距離來剔除偏離程度比較大隸屬度。

（4）模糊綜合評價合成算子上標°確定[6]

根據本文特點選擇如下模型：

， j=1工商管理論文，2，3，…，m

該模型不僅考慮所有因素的影響，而且保留了所有單因素評價的全部信息。在運算時，并不對ai和rij施加上線限制，只需對ai歸一化處理，即。

2實例分析

對汽車前橋廠的轉向節加工生產線進行實際調研和相關數據的采集，發現其潛在失效模式，由專家、調研人員和從事多年此生產線管理的相關人員對各失效模式因子O、S、D進行評分，利用FMEA和綜合評價模型對轉向節生產線進行評價。

2.1 評價體系確定

通過實際調查和分析，本文從人力、物力、環境、信息綜合考慮設定4個一級評價指標及14個二級評價指標，所構成轉向節生產線評價指標體系，如表2-1。

表2-1轉向節生產線評價指標

轉向節生產線

人力（）

人力資源利用（w11）

人員技能（w12）

物力（）

外圓尺寸和精度（w21）

螺紋底孔中心孔（w22）

防護裝置（w23）

設備（w24）

文件資料（w25）

環境（）

機器及其地面清潔（w31）

作業現場通風、照明（w32）

各類線路布置、著色（w33）

門窗、墻壁完好性（w34）

信息（）

在制品數量（w41）

篇(7)

關鍵詞： 高路堤；沉降預測；原理；應用

Abstract: On the basis of analyzes the high embankment settlement characteristics, settlement prediction methods are discussed, studied the curve fitting, the legal gray system method, artificial neural network, genetic algorithm, the inverse analysis method, based on genetic algorithms and neural networks prediction methods, as well as Pierre - genetic neural network method and other high embankment settlement prediction method and its application, to provide a theoretical reference for the accurate prediction of high embankment settlement.Key words: high embankment; settlement prediction; principle; application

中圖分類號：F272.1文獻標識碼： A 文章編號：

1引言

隨著我國公路建設的快速發展，高速公路逐步向山區延伸，出現了越來越多的高路堤。與一般路基相比，高路堤沉降量大，沉降穩定時間長。然而，高路堤的沉降是一個很復雜的過程，環境條件、地基土的應力歷史、路堤填料的工程性質、路堤填筑高度和施工工藝等因素都不同程度地影響和制約著高路堤沉降。目前，國內外針對軟基沉降的預測開展了大量的研究，取得了較豐富的的研究成果[1]，但對于高路堤沉降預測尚缺乏系統、全面的研究。因此，對現有高路堤沉降預測方法進行系統的總結分析，并提出改進措施，以期找到一種較適宜的高路堤沉降預測方法具有較為重要的工程。

2現有沉降預測方法分類

路基沉降預測方法可以分為三類：以經典土力學為基礎的傳統預測方法、以本構理論為基礎的數值計算法和根據實測沉降資料預測法。

2.1 傳統預測方法

傳統的沉降預測方法是建立在太沙基等人創立的經典土力學基礎之上。傳統預測方法包括：一維沉降計算法、司開普頓和比倫法、三維計算法和應力路徑法[2]。

2.2 數值分析方法

數值分析方法包括有限元法和有限差分法。

(1)有限元法[3]：有限元法將地基和路堤作為一個整體來進行分析，將其劃分網絡，形成離散體結構，在荷載作用下求得任一時刻路堤和地基各點的位移和應力。

(2)有限差分法[4]：有限差分法是用差分公式將地基沉降問題的控制方程轉化為差分方程，然后結合初始條件和邊界條件，求解線性代數方程組，得到所求問題的數值解。

2.3 根據實測資料的沉降預測方法

根據實測資料進行沉降預測的方法主要有雙曲線法、指數曲線法、泊松曲線法、Asaoka法、三點法、星野法、皮爾曲線法、龔帕斯曲線法、灰色預測法、神經網絡預測法、模糊綜合評判法、反分析法等[5]。

2.3.1 曲線擬合法

曲線擬合法假定地基沉降歷程符合某一種已知函數曲線，利用實測沉降數據擬合曲線的參數，然后利用確定后的曲線公式預測地基在任一時間的沉降值。包括雙曲線法、指數曲線法、時間對數擬合法、泊松曲線法、Asaoka法、三點法、星野法等。其中最常見的有雙曲線法、指數曲線法、時間對數擬合法、泊松曲線法、Asaoka法。

（1）雙曲線法[6]假定沉降平均速度隨時間按雙曲線變化，其基本方程式為：

（2）指數曲線法[7]假定沉降平均速度隨時間按指數曲線變化，其基本方程式為：

（3）時間對數擬合法[8]假定沉降平均速度隨時間按對數曲線變化，其基本方程式為：

利用這些曲線方程可以計算任一時刻t（）的沉降量。同時，對分別求一階導和二階導可以求得沉降速率及沉降速率變化率。當時，利用極限方程可以推算出最終的地基沉降量。其中為荷載穩定之后的某一時刻。

（4）泊松曲線就是邏輯斯蒂成長曲線[9]，也稱皮爾曲線，其表達式為：

其中a、b、c均為待定參數，t為時間，為t時刻的沉降值。

（5）Asaoka[10]法是一種從一定時間過程所得的沉降觀測資料來預計最終沉降量和沉降速率的方法，其基本表達式為：

為時間時的沉降量，，，且為常數。根據實測沉降資料，作圖確定待定參數、和最終沉降量。

2.3.2 灰色預測法[11,13]

GM(1,1)模型是灰色系統理論中最基本也是最常用的模型，它是通過對已知的單位時段內的沉降量的研究來獲得沉降的變形規律，從而預測它在未來時間內的變化量。其基本思想是對無規則的數據序列做一定變換使其變得有規則。

GM(1,1)常用的微分方程式為：

對原始數列做累加生成：（=1,2,3…n）

得到GM(1,1)灰色微分方程的時間響應序列解為：

=1,2,…，n

還原值 =1,2,…，n

根據上列各式，便可對觀測數列的后序值進行預測。

2.3.3 神經網絡預測法

神經網絡中目前比較成熟且應用最為廣泛的是誤差逆傳播網絡，簡稱BP網絡。它一般由輸入層、隱含層及輸出層組成，同層節點間沒有任何聯系，不同層節點均采用前向連接方式。BP神經網絡模型實現特定的輸入與輸出的映射分為學習過程和運用過程兩部分。其學習過程可歸納為“信號正向傳播、誤差逆向傳播、記憶訓練、學習收斂”。具體學習算法可歸納如下[14]：

(1) 網絡初始化：隨機給全部權值及神經元的閾值賦以初始值，給定輸入模式和輸出模式；

(2) 用輸入模式計算中間層各單元的輸入，然后利用計算中間層各單元的輸出；

(3) 利用計算輸出層各單元的輸入，然后利用計算各單元的響應；

(4) 計算各單元的一般化誤差并修正連接權，通過修正各權值使誤差最小；

(5) 選擇下一個學習模式對從第3步開始，直至全部模式對訓練完畢；

(6) 達到誤差精度和循環次數后輸出結果，否則返回第3步。

2.3.4 遺傳算法[15]

遺傳算法模擬了自然選擇和遺傳過程中發生的繁殖、雜交和變異現象。在利用遺傳算法求解問題時，每個可能的解都被編碼成一個“染色體”，即個體，若干個體構成了群體，即所有可能解。選擇、交叉、變異這3個操作算子構成遺傳算法的遺傳操作。使用遺傳算法時，首先要隨機地產生一些初始解，同時給出一個目標函數和適應度值，然后根據預定的目標函數對初始解進行評價，根據適應度值按“優勝劣汰”的原理選擇復制下一代。在這個過程當中，因為選擇來復制的是好的個體，因此，選擇出來的個體經過雜交和變異算子進行再組合生成的新的一代就繼承了上一代的優良性狀，這樣一來，就可以使得遺傳過程朝著更優解的方向進行。

2.3.5反分析法

反分析法是利用施工過程中實測的地基沉降資料反演確定地基土的物理力學模型參數，再將反演得到的參數代回到正分析模型中計算地基沉降量。進行反分析的方法有很多種，其中直接反分析是比較有效、穩定且應用較多的一種方法，其具體步驟如下[16]：

(1) 建模。這個模型是一個描述實際巖土工程結構問題或理論數學的模型，其中含有一組待定的材料性質參數，用列陣P表示。

(2) 待定參數的選取。用理論模型在外部條件下產生的響應作為待定參數的函數。

(3) 建立目標函數并確定參數的約束條件。目標函數的通用表達式為：

其中，J為目標函數，為觀測值向量， X為有限元計算值。

(4) 選擇優化策略，使。式中，是最終反分析結果。

2.3.6 基于遺傳算法和神經網絡的預測方法[17]

基于遺傳算法和神經網絡的預測方法是遺傳算法和神經網絡法兩種方法的結合。它是指在人工神經網絡的學習過程中，應用遺傳算法對神經元連接權值進行編碼，并隨機生成初始群體，進行交叉、變異，同時計算能量函數，調整交叉、變異概率，迭代，直至神經網絡訓練完成。這種新算法能夠改變神經網絡法收斂時間長、搜索能力較差的弱點。

2.3.7 皮爾-遺傳神經網絡法

皮爾-遺傳神經網絡法是在總結分析皮爾曲線法、遺傳算法、神經網絡法三種方法的基礎上提出來的，它結合了此三種方法的優點。研究表明[18]，皮爾曲線可以較準確地描述高路堤沉降趨勢，但是趨勢項的偏移量是一個復雜的非線性序列，使用皮爾曲線計算時誤差較大，因而采用神經網絡模型進行外推。然而人工神經網絡學習過程又有收斂時間過長、易陷入局部最小以及搜索能力較差等缺點，故采用遺傳神經網絡法來進行研究。這種方法與上述的基于遺傳算法和神經網絡的預測方法的唯一不同就是先采用皮爾曲線建模，然后對趨勢偏移量用神經網絡法建模，其后的算法同遺傳-神經網絡法。

3結語

通過對沉降預測方法的分析，可以看出各種沉降預測方法既有其優越性也有其缺陷，沒有一種方法是萬能的。因此，如何充分利用各方法的優點，改正其缺點是探求一種精確預測方法時必須考慮的問題。

(1) 在曲線擬合法中，目前還沒有一種方法能夠精確的擬合實測沉降曲線。比如，運用雙曲線法預測最終沉降量有時偏大，指數法有時偏小，同時雙曲線和指數曲線更適合于施工前期預測，對于后期預測誤差比較大，而皮爾曲線則更適合長期預測。因此，分析各種曲線的優缺點及其適用條件以找到一種能夠精確擬合實測沉降的曲線方法顯得很有必要。

(2) 運用神經網絡法進行預測時存在收斂時間過長，易陷入局部最小，以及搜索能力較差等缺點。針對這個問題，有人提出了遺傳-神經網絡法，將遺傳算法與神經網絡法結合，用遺傳算法來改變神經網絡法收斂時間長、搜索能力差的弱點。同時也有人提出了皮爾-遺傳神經網絡法，用皮爾曲線提取趨勢線，用神經網絡法對偏移量進行外推，用遺傳算法進行計算。這為我們指出了一個研究的方向，那就是如何使各種方法優勢互補，以找到一種能準確預測沉降量的方法。

(3) 目前已有的沉降預測方法雖然較多，但是相對來說還是比較籠統，對于不同的地質情況使用什么樣的預測方法還沒有系統的研究。比如，對于填土、填石、土石混填以及不同性質的土料分別填筑路基時選用何種預測方法有待于進一步研究。

主要參考文獻

周煥云,黃曉明.高速公路軟土地基沉降預測方法綜述[J]. 交通運輸工程學報,2002,2(4):7-10.

羅鑫.高路堤沉降預估方法的研究[D].長沙:長沙理工大學碩士論文,2003:1-8.

李婕.高速公路填方路基沉降預測方法研究[D].桂林:桂林工學院碩士論文,2008:14-25.

黎鵬.山區高填路堤沉降研究及有限元分析[D].武漢:湖北工業大學碩士論文,2007．

徐曉宇.高填方路基沉降變形特性及其預測方法研究[D].長沙:長沙理工大學碩士論文,2005:16-17.

潘林有,謝新宇.用曲線擬合的方法預測軟土地基沉降[J]. 巖土力學,2004,25(7):1053-1058.

金 莉.幾種預測模型在高路堤沉降預測中的對比分析[J].西部探礦工程,2006,(4):234-235.

楊盛福,張之強,李家本,等.高速公路路基設計與施工[M].上海:人民交通出版社,1997.

周密.非等時距皮爾曲線在高路堤沉降預估中的應用[J].中外公路,2006,26(3):42-44.

段文濤.高填路基沉降監測與預測研究[D]. 武漢:湖北工業大學碩士論文,2008.

付宏淵.GM(1,1)灰色模型在高路堤沉降預估中的應用[J].中外公路,2006,26(2):11-13.

魏陽平, 劉涌江.高路堤沉降的灰色系統理論預測方法[J].公路交通技術,2004,(4):5-7.

吳大志,李夕兵,蔣衛東,等. 灰色理論在高路堤沉降預測中的應用[J]. 中南工業大學學報,2002,33(3):230-233.

於永和,李素艷.基于L-M法BP神經網絡的高填路堤地基沉降預測[J].交通標準化,2006,(10):167-170.

鄒德強,王桂堯.遺傳算法在高路堤沉降預測中的應用[J].長沙交通學院學報,2004,20(1):19-24.

鄒德強.高填方路基沉降反演及預測方法的研究[D].長沙:長沙理工大學碩士論文,2004.

徐曉宇,王桂堯,匡希龍,戴劍冰.基于遺傳算法和神經網絡的高路堤沉降預測研究[J].中南公路工程,2006,31(3):30-33.

徐曉宇,王桂堯,匡希龍,隋耀華. 基于皮爾-遺傳神經網絡的高路堤沉降預測研究[J].公路交通科技,2006,23(1):40-43.