突变级数法

方法概述

突变级数法（Catastrophe Progression Method）是一种基于突变理论的综合评价方法。它利用突变系统的势函数和归一公式，将多层次的评价指标逐步综合为一个总突变隶属度，从而对评价对象进行排序和优劣分析。该方法避免了主观赋权，只需根据指标数量确定突变类型，再按互补或非互补原则进行合成，操作简便且理论基础坚实。

突变级数法的核心思想是：

  • 将评价指标体系分解为多级层次结构，底层为可直接测量的原始指标。
  • 根据每个父节点下子指标的数量，自动识别对应的突变类型（折叠、尖点、燕尾、蝴蝶、印第安人茅舍、星形脐点）。
  • 对底层指标进行标准化处理（效益型、成本型或适度型）。
  • 利用各突变类型的归一公式，自下而上逐层计算父节点的突变值。
  • 同一父节点下的多个子指标按互补原则（取均值）或非互补原则（取最小值）合成，得到上一级指标的值。
  • 最终得到顶层（总目标）的突变隶属度，据此排序。

突变类型与归一公式

突变理论中常见的初等突变类型及其对应的势函数和归一公式如下（\(x\) 为状态变量，\(a,b,c,d,e,f\) 为控制变量）：

指标个数 突变类型 归一公式
1 折叠突变 \(x_a = a^{1/2}\)
2 尖点突变 \(x_a = a^{1/2},\; x_b = b^{1/3}\)
3 燕尾突变 \(x_a = a^{1/2},\; x_b = b^{1/3},\; x_c = c^{1/4}\)
4 蝴蝶突变 \(x_a = a^{1/2},\; x_b = b^{1/3},\; x_c = c^{1/4},\; x_d = d^{1/5}\)
5 印第安人茅舍突变 \(x_a = a^{1/2},\; x_b = b^{1/3},\; x_c = c^{1/4},\; x_d = d^{1/5},\; x_e = e^{1/6}\)
6 星形脐点突变 \(x_a = a^{1/2},\; x_b = b^{1/3},\; x_c = c^{1/4},\; x_d = d^{1/5},\; x_e = e^{1/6},\; x_f = f^{1/7}\)

注：当指标个数超过6时，通常只取前6个最重要的指标，或采用其他近似处理。

计算步骤

1. 构建多层次指标体系

将评价指标按属性分解为树状层次结构。例如，总目标下分若干一级指标，每个一级指标下包含若干二级指标，以此类推。每个父节点下的子指标数量决定该节点的突变类型。

2. 数据收集与标准化

收集各底层指标的原始数据，并按指标类型进行标准化处理，使其转化为 [0,1] 范围内的极大型数据（值越大越优）。

  • 效益型指标（越大越好）： \[x' = \frac{x - x_{\min}}{x_{\max} - x_{\min}}\]

  • 成本型指标（越小越好）： \[x' = \frac{x_{\max} - x}{x_{\max} - x_{\min}}\]

  • 适度型指标（越接近某个固定值 \(x_0\) 越好）： \[x' = 1 - \frac{|x - x_0|}{\max(|x - x_{\min}|, |x_{\max} - x_0|)}\]

标准化后的数据 \(x' \in [0,1]\)，且均为正向指标。

3. 确定突变类型与归一公式

对每个父节点，统计其子指标个数 \(k\)，根据上表确定对应的突变类型及归一公式，即得到一组指数 \(r_j\)（\(j=1,\dots,k\)），分别为 \(1/2, 1/3, \dots, 1/(k+1)\)。

4. 计算突变隶属度

4.1 底层节点

底层节点的值即为标准化后的原始数据 \(x_i\)。

4.2 中间节点

设某父节点下有 \(k\) 个子节点，其值分别为 \(y_1, y_2, \dots, y_k\)（已标准化）。首先用归一公式计算各子节点的突变值： \[z_j = y_j^{r_j}, \quad j=1,\dots,k\]

然后根据该父节点下子指标之间的关系，选择互补原则或非互补原则进行合成：

  • 互补原则（子指标间可相互补偿）：取平均值 \[Y = \frac{1}{k} \sum_{j=1}^{k} z_j\]

  • 非互补原则（子指标间不可补偿，取短板）：取最小值 \[Y = \min_{j} z_j\]

4.3 顶层节点

从底层开始，逐层向上计算，直到得到顶层（总目标）的突变隶属度 \(U\)。

5. 排序

根据各评价对象的顶层突变隶属度 \(U\) 从大到小排序，\(U\) 越大表示方案越优。

案例分析

案例背景：某企业需从三个方案中选择最优者，评价指标体系分为两级： - 总目标：综合效益 - 一级指标：经济效益 \(B_1\)、社会效益 \(B_2\)、环境效益 \(B_3\) - 二级指标（底层）： - \(B_1\) 下含：利润 \(C_{11}\)、成本 \(C_{12}\)（成本型） - \(B_2\) 下含：就业人数 \(C_{21}\)、社区满意度 \(C_{22}\) - \(B_3\) 下含：碳排放 \(C_{31}\)（成本型）、资源消耗 \(C_{32}\)（成本型）

原始数据及标准化后如下（已标准化为 [0,1] 极大型）：

方案 \(C_{11}\) \(C_{12}\) \(C_{21}\) \(C_{22}\) \(C_{31}\) \(C_{32}\)
A 0.8 0.7 0.6 0.9 0.5 0.6
B 0.6 0.8 0.9 0.7 0.8 0.7
C 0.9 0.5 0.7 0.8 0.6 0.8

计算过程

步骤1：确定各节点突变类型

  • \(B_1\) 有 2 个子指标 → 尖点突变，指数 \(r = (1/2, 1/3)\)
  • \(B_2\) 有 2 个子指标 → 尖点突变，指数同上
  • \(B_3\) 有 2 个子指标 → 尖点突变，指数同上
  • 顶层有 3 个一级指标 → 燕尾突变，指数 \(r = (1/2, 1/3, 1/4)\)

步骤2：计算一级指标值（以方案A为例）

  • \(B_1\)： \[z_{11} = C_{11}^{1/2} = 0.8^{0.5} = 0.8944\] \[z_{12} = C_{12}^{1/3} = 0.7^{1/3} \approx 0.8879\] 假设采用互补原则（通常由用户指定，本例设互补原则）： \[B_1 = (0.8944 + 0.8879)/2 = 0.8912\]

  • \(B_2\)： \[z_{21} = 0.6^{0.5} = 0.7746\] \[z_{22} = 0.9^{1/3} \approx 0.9655\] \[B_2 = (0.7746 + 0.9655)/2 = 0.8701\]

  • \(B_3\)： \[z_{31} = 0.5^{0.5} = 0.7071\] \[z_{32} = 0.6^{1/3} \approx 0.8434\] \[B_3 = (0.7071 + 0.8434)/2 = 0.7753\]

同理计算方案B、C的一级指标（过程略），结果汇总：

方案 \(B_1\) \(B_2\) \(B_3\)
A 0.8912 0.8701 0.7753
B 0.8624 0.9221 0.8871
C 0.8795 0.8932 0.9032

步骤3：计算顶层突变隶属度（燕尾突变）

对方案A： \[z_{B1} = B_1^{1/2} = 0.8912^{0.5} = 0.9440\] \[z_{B2} = B_2^{1/3} = 0.8701^{1/3} \approx 0.9547\] \[z_{B3} = B_3^{1/4} = 0.7753^{0.25} \approx 0.9393\]

互补原则下： \[U_A = (0.9440 + 0.9547 + 0.9393)/3 = 0.9460\]

同理： \[U_B = (0.9287 + 0.9736 + 0.9702)/3 = 0.9575\] \[U_C = (0.9379 + 0.9623 + 0.9760)/3 = 0.9587\]

步骤4：排序

\(U_C = 0.9587\)，\(U_B = 0.9575\)，\(U_A = 0.9460\)，故方案C最优。

常见问题

Q1: 互补原则与非互补原则如何选择？

A: 互补原则适用于各子指标可以相互补偿的情况，例如经济效益中的多个指标可以综合权衡；非互补原则适用于子指标存在“短板效应”的情况，例如安全评价中各项指标必须同时满足最低要求。通常可根据指标间的相关系数推荐：若指标间相关性较高（>0.3），建议互补；否则建议非互补。平台提供“自动推荐”选项，根据数据计算相关系数后给出建议。

Q2: 指标数量超过6时怎么办？

A: 突变理论中常见的初等突变最多只有6个控制变量。若某父节点下子指标超过6个，平台会提示指标过多，并自动选择前6个最重要的指标（根据权重或用户指定）进行计算，或建议用户调整指标体系。

Q3: 如何处理多层指标？

A: 平台支持任意多级指标结构。指标名称需用点号分隔，例如“一级.二级.三级”。系统会自动解析层次结构，从最底层开始逐层向上计算。

Q4: 标准化方法有哪些？

A: 支持三种类型：效益型（越大越好）、成本型（越小越好）、适度型（越接近某个值越好）。用户需为每个指标指定类型，平台自动进行相应的标准化处理。

Q5: 支持多工作表吗？

A: 支持。Excel文件可包含多个工作表，每个工作表代表不同的评价数据集（例如不同年份或不同地区），系统会分别计算并输出结果。

平台功能

突变级数法分析平台提供以下核心功能：

数据输入

  • 支持 CSV、Excel、TXT 多种格式。
  • Excel 文件支持多工作表，自动识别工作表名称。
  • 支持多级指标命名格式（如“经济效益.利润”），自动解析层次结构。
  • 数据格式要求：第一列为方案名称，后续列为指标值。

参数设置

  • 指标类型：为每个指标指定类型（效益型、成本型、适度型），并设置适度值（若为适度型）。
  • 计算原则：互补原则、非互补原则、自动推荐。
  • 数据标准化：勾选后自动进行标准化处理（默认勾选）。
  • 分析层级深度：可选择自动识别或指定某级作为输出。
  • 小数位数：控制输出精度（默认6位）。
  • 显示中间结果：可选是否展示各层级的计算过程。

结果展示

  • 最终结果：各方案的顶层突变隶属度及排序。
  • 分层结果：按层级显示各中间节点的计算值。
  • 计算过程：原始数据、标准化矩阵、每层归一化结果。
  • 相关性分析：指标相关系数矩阵及热力图。
  • 层次结构可视化：树状图展示指标体系。
  • AI 智能分析：基于 DeepSeek API 自动解读结果，提供决策建议（每日限3次）。
  • 多格式导出：支持 Excel 和 HTML 报告下载。

工作表管理

  • 多工作表自动识别，支持批量分析。
  • 实时显示每个工作表的验证状态。
  • 支持对比不同工作表的评价结果。

使用建议

  1. 准备阶段：构建清晰的层次指标体系，确保每个父节点下子指标数量不超过6个（若超过可考虑合并或筛选）。为每个指标指定类型（效益/成本/适度）。

  2. 数据收集：使用模板文件填写，第一列为方案名称，后续列按“一级.二级.三级”格式命名。确保数据完整、无缺失。

  3. 参数设置：

    • 根据指标间关系选择计算原则（可先尝试自动推荐）。
    • 勾选数据标准化（默认）。
    • 如需查看中间过程，勾选“显示中间结果”。

  4. 结果解读：

    • 首先查看最终排序，确定最优方案。
    • 检查各层级结果，分析优劣的具体原因。
    • 利用 AI 分析获取改进方向。

平台界面

官方地址：https://superr.online

突变级数法工具界面预览

平台界面包含：数据上传区、参数设置区、多工作表预览、分析结果展示和 AI 分析模块

参考文献：

  1. 突变理论及其应用[M]. 上海交通大学出版社，2006.
  2. 基于突变级数法的多指标综合评价方法研究[J]. 系统工程理论与实践，2010.
  3. 突变级数法在区域可持续发展评价中的应用[J]. 中国人口·资源与环境，2015.