市建设设计单位图纸设计效率评估系统设计(源码)
为了挖掘图审系统数据的隐含价值、丰富图审系统的应用，通过数学模型评估设计院图纸设计效率，为设计院提供个性化指导，为图审系统的使用和维护提供数据方面的实时情况。对工程中的属性进行特征选择，将筛选出来的特征做量化处理。图纸设计效率评估系统以DEA模型计算出的工程效率为基础，通过数据分析得到设计院的设计效率。重点对214家设计院承接过的工程分类型进行效率评估，通过方向距离函数的超效率模型得到的解决方案，对设计院在各个工程类型中的设计效率进行评估。对于一些设计院没有涉及的工程类型，可以通过分析所有工程的效率和当前设计院工程的效率，评估出当前设计院未涉及工程类型的设计效率。通过对设计院各工程类型效率的回归分析，得到设计院总的设计效率。而且可以以设计院为评估单位，整合设计院的信息进行效率评估，得到推荐同行进行参照改变。同时，系统将处理过程中的数据进行可视化，方便使用者随时了解数据录入和存储的情况。关键词 数据包络分析，数据挖掘，超效率模型，BCC模型，回归分析
目 录
1 引言 1
1.1 课题背景 1
1.2 国内外研究综述 1
1.3 课题来源 3
2 系统需求分析 3
2.1 界面需求 3
2.2 系统业务需求 3
2.3 性能需求 4
2.4 安全性需求 4
2.5 操作性需求 4
2.6 政策和法律需求 5
3 关键问题的研究 5
3.1 关键问题 5
3.2 关键技术 6
4 系统总体设计 9
4.1 数据预处理 9
4.2 DEA模型计算 16
4.3 设计院效率评估 18
5 实验过程 19
5.1 CCR模型实验 19
5.2 BCC模型试验 21
5.3 模型组合实验 21
5.4 实验总结 23
6 系统模块设计 23
6.1 数据结构设计 24
6.2 模块设计 29
7 系统部署与结果测试 31
7.1 系统部署 31
7.2 系统结果 *好棒文|www.hbsrm.com +Q: *351916072*
32
7.3 测试总结 37
结 论 38
致 谢 39
参 考 文 献 40
附录A 用户操作手册 42
附录B 大学期间发表的论文 49
附录C 查重报告 54
引言
课题背景
国内政府办公信息化高速发展，淮安市住房和城乡建设局紧随趋势，对建筑设计图纸的审核工作也逐渐数字化。信息化时代的审图工作变得越来越方便快捷，系统几年时间也积累了大量数据。如何充分利用大量真实数据进行二次开发，提供个性化服务，已成为信息化时代的重要课题。
淮安市住房和城乡建设局的审图系统经过几年的运行，系统中存储了大量审图相关的信息。想要利用这些数据进行二次开发，一种方法是考虑使用机器学习方法进行预测未来数据，近些年机器学习算法的平台和第三方库如雨后春笋般涌现，其中出色的有Apache Spark，是用于大规模数据处理的开源平台[1]。另一种方法是使用数学模型对现有数据进行评估，其中效率评估是在所有评估中比较有意义的[2]。
本文选择用现有数据进行效率评估，数据包络分析(DEA)通过输入和产出数据，使用线性规划评估每个单位的相对效率，与其他效率评估方法相比，DEA更具客观性，可以有效应对建筑设计相关专业知识的缺失。图纸设计效率评估的研究是通过对图审系统积累的数据进行挖掘、分析，找出和设计效率相关性大的数据，应用效率评估模型评估出各类型图纸设计效率，最后将各设计院按效率高低进行排序并呈现分析结果，指出他们的不足。
国内外研究综述
综合分析国内外数据包络模型应用，模型在应用过程中主要解决两个难点：第一是针对特定数据选择合适的DEA拓展模型，不同的生产过程有不同的DEA模型适配；第二是在现有数据的基础上，解决模型计算时出现的部分数据异常的问题[3]。DEA的拓展模型在国内外已经有大量的研究成果，其中主流的DEA拓展模型有CCR模型、BCC模型、超效率模型、网络模型等[4]；解决计算过程中部分数据异常的方法有带入数学函数、两套模型并用等。
国外研究综述：
数据包络分析最早在20世纪80年代出现，是由A.CHARNES和W.W.COOPER等人提出的。他们在后续的研究中指出，如果对检测到的低效率不采取纠正措施，那么使用回归方法来预测未来行为会有更好的效果，同时DEA可以与其他方法结合，例如比率、回归分析等[5]。
Sigifredo Laengle等人做投资组合选择研究时，为了考虑决策者在选择过程中的态度，在Harry Markowitz的均值方差框架的基础上[6]，将有序加权平均(OWA)引入模型，用OWA算子代替经典的均值方差，使得模型可以分析不同程度的乐观和悲伤情绪 [7]。Zahra Mashayekhi等人同样将DEA效率交叉模型运用到投资组合应用中去，他们在考虑投资组合的回报、风险和效率的情况下，向Markowitz均值方差模型中引入DEA交叉效率[8]，同时为了应对模型的计算复杂性，应用了第二非支配排序遗传算法(NSGAII)[9]。针对非期望产出处理，大部分研究集中在DEA模型中，可建模为五大类[10]：不需要的输出视为可自由使用的输入、通过数据转换将不需要的输出转为需要的输出、输出为弱可处置性时为所有产出重新建模[11]、使用物质平衡原理和弱可处置性G的概念、使用两种子技术对生产技术进行建模。Israfil Roshdi等人使用美国112个发电厂的数据来验证他们提出的CobbDouglas模型，它包括了三种类型的生产结构：凹度、线性和凸度。而这个模型是基于他们在期望和非期望数据的假定权衡推导出来的[12]。
目前，数据包络分析(DEA)已经是一种非常成熟的用于绩效评估和基准测试的非参数方法。在2017年，Jamal Quenniche等人首次正式提出了将DEA用于样本外评估[13]。他们提出了一个决策单元的样本外评估框架，并且以此测试了伦敦证券交易所上市公司风险评估和破产预测框架的绩效，证明了此框架在这个领域拥有出色的表现，为DEA作为非参数前沿分类器的风险建模和分析开辟了新的研究和应用途径[14]。
目 录
1 引言 1
1.1 课题背景 1
1.2 国内外研究综述 1
1.3 课题来源 3
2 系统需求分析 3
2.1 界面需求 3
2.2 系统业务需求 3
2.3 性能需求 4
2.4 安全性需求 4
2.5 操作性需求 4
2.6 政策和法律需求 5
3 关键问题的研究 5
3.1 关键问题 5
3.2 关键技术 6
4 系统总体设计 9
4.1 数据预处理 9
4.2 DEA模型计算 16
4.3 设计院效率评估 18
5 实验过程 19
5.1 CCR模型实验 19
5.2 BCC模型试验 21
5.3 模型组合实验 21
5.4 实验总结 23
6 系统模块设计 23
6.1 数据结构设计 24
6.2 模块设计 29
7 系统部署与结果测试 31
7.1 系统部署 31
7.2 系统结果 *好棒文|www.hbsrm.com +Q: *351916072*
32
7.3 测试总结 37
结 论 38
致 谢 39
参 考 文 献 40
附录A 用户操作手册 42
附录B 大学期间发表的论文 49
附录C 查重报告 54
引言
课题背景
国内政府办公信息化高速发展，淮安市住房和城乡建设局紧随趋势，对建筑设计图纸的审核工作也逐渐数字化。信息化时代的审图工作变得越来越方便快捷，系统几年时间也积累了大量数据。如何充分利用大量真实数据进行二次开发，提供个性化服务，已成为信息化时代的重要课题。
淮安市住房和城乡建设局的审图系统经过几年的运行，系统中存储了大量审图相关的信息。想要利用这些数据进行二次开发，一种方法是考虑使用机器学习方法进行预测未来数据，近些年机器学习算法的平台和第三方库如雨后春笋般涌现，其中出色的有Apache Spark，是用于大规模数据处理的开源平台[1]。另一种方法是使用数学模型对现有数据进行评估，其中效率评估是在所有评估中比较有意义的[2]。
本文选择用现有数据进行效率评估，数据包络分析(DEA)通过输入和产出数据，使用线性规划评估每个单位的相对效率，与其他效率评估方法相比，DEA更具客观性，可以有效应对建筑设计相关专业知识的缺失。图纸设计效率评估的研究是通过对图审系统积累的数据进行挖掘、分析，找出和设计效率相关性大的数据，应用效率评估模型评估出各类型图纸设计效率，最后将各设计院按效率高低进行排序并呈现分析结果，指出他们的不足。
国内外研究综述
综合分析国内外数据包络模型应用，模型在应用过程中主要解决两个难点：第一是针对特定数据选择合适的DEA拓展模型，不同的生产过程有不同的DEA模型适配；第二是在现有数据的基础上，解决模型计算时出现的部分数据异常的问题[3]。DEA的拓展模型在国内外已经有大量的研究成果，其中主流的DEA拓展模型有CCR模型、BCC模型、超效率模型、网络模型等[4]；解决计算过程中部分数据异常的方法有带入数学函数、两套模型并用等。
国外研究综述：
数据包络分析最早在20世纪80年代出现，是由A.CHARNES和W.W.COOPER等人提出的。他们在后续的研究中指出，如果对检测到的低效率不采取纠正措施，那么使用回归方法来预测未来行为会有更好的效果，同时DEA可以与其他方法结合，例如比率、回归分析等[5]。
Sigifredo Laengle等人做投资组合选择研究时，为了考虑决策者在选择过程中的态度，在Harry Markowitz的均值方差框架的基础上[6]，将有序加权平均(OWA)引入模型，用OWA算子代替经典的均值方差，使得模型可以分析不同程度的乐观和悲伤情绪 [7]。Zahra Mashayekhi等人同样将DEA效率交叉模型运用到投资组合应用中去，他们在考虑投资组合的回报、风险和效率的情况下，向Markowitz均值方差模型中引入DEA交叉效率[8]，同时为了应对模型的计算复杂性，应用了第二非支配排序遗传算法(NSGAII)[9]。针对非期望产出处理，大部分研究集中在DEA模型中，可建模为五大类[10]：不需要的输出视为可自由使用的输入、通过数据转换将不需要的输出转为需要的输出、输出为弱可处置性时为所有产出重新建模[11]、使用物质平衡原理和弱可处置性G的概念、使用两种子技术对生产技术进行建模。Israfil Roshdi等人使用美国112个发电厂的数据来验证他们提出的CobbDouglas模型，它包括了三种类型的生产结构：凹度、线性和凸度。而这个模型是基于他们在期望和非期望数据的假定权衡推导出来的[12]。
目前，数据包络分析(DEA)已经是一种非常成熟的用于绩效评估和基准测试的非参数方法。在2017年，Jamal Quenniche等人首次正式提出了将DEA用于样本外评估[13]。他们提出了一个决策单元的样本外评估框架，并且以此测试了伦敦证券交易所上市公司风险评估和破产预测框架的绩效，证明了此框架在这个领域拥有出色的表现，为DEA作为非参数前沿分类器的风险建模和分析开辟了新的研究和应用途径[14]。
版权保护: 本文由 hbsrm.com编辑，转载请保留链接: www.hbsrm.com/jsj/jsjkxyjs/990.html
