简述传递过程的无量纲分析方法

㈠ 无量纲是什么意思

无量纲：将一个物理导出量用若干个基本量的乘方之积表示出来的表达式，称为该物理量的量纲式，简称量纲。 它是在选定了单位制之后，由基本物理量单位表达的式子。有量纲的物理量都可以进行无量纲化处理。无因次量(dimensionless)是指没有单位的物理量,这种物理量与单位制度(公制或英制)无关。

(1)简述传递过程的无量纲分析方法扩展阅读：

无量纲量具有这样一些特点：

1、无量纲数既无量纲又无单位，因此其数值大小与所选单位无关。即无论选择什么单位制计算，其结果总是相同的。当然，同一问题必须用同一单位制进行计算。

2、对数、指数、三角函数等超越函数的运算往往都是对无量纲量来讲的。

3、一个力学方程，如果用无量纲数表示的话，它的应用就可以不受单位制的限制。量纲分析的目的之一就是找出正确地组合无量纲量的方法。

㈡ 指标无量纲化方法选择的原则

由于指标无量纲化的方法很多，在进行评估时必须选择合适的方法进行，对于无量纲化方法的选择，可遵循以下原则：

1.客观性原则

无量纲化所用的公式，要能够反映指标实际值与事物综合发展水平间的对应关系。根据评估对象的实际情况来确定所用的公式，需要对被评估对象的历史数据和横向比较数据做深入的分析，找出事物发展变化的阀值点，然后再确定具体的无量纲化方法。

2.简易性原则

评估中的无量纲化处理方法，还应简便易行。这一方面是由于评估值本身就是对被评估事物发展水平的相对描述，而不是绝对描述；另一方面是由于非线型处理的精确是建立在合理选取参数的基础上，但这些参数的确定却是比较困难的。

3.可行性原则

选用无量纲化公式，不仅要根据被评估事物的特点，而且还要注意公式的应用范围，这样才能确保无量纲化的可行性。例如，对于无量纲化中的三种直线型方法，其应用范围和特点就不尽相同。

一般来说，阈值法对指标数的个数和分布状况没有什么要求，转化后的数据相对数性质较明显，其利用的原始数据的信息也较少。Z－score法在评估个数较多的时候才可应用，因为该方法只有在原始数据呈正态分布的时候，转化结果才可靠，另外，该方法的转化结果存在负数，可能影响进一步的数学处理，因此，其比较适合对多事物进行横向评估的时候使用。比值法仅通过与指标的某一标准进行比较，利用的信息更少，比较适合对同一事物进行纵向的发展水平的评估。

㈢ 数学分析模型（一）：数据的无量纲处理方法及示例（附完整代码）

在对实际问题建模过程中，特别是在建立指标评价体系时，常常会面临不同类型的数据处理及融合。而各个指标之间由于计量单位和数量级的不尽相同，从而使得各指标间不具有可比性。在数据分析之前，通常需要先将数据标准化，利用标准化后的数据进行分析。数据标准化处理主要包括同趋化处理和无量纲化处理两个方面。数据的同趋化处理主要解决不同性质的数据问题，对不同性质指标直接累加不能正确反应不同作用力的综合结果，须先考虑改变逆指标数据性质，使所有指标对评价体系的作用力同趋化。数据无量纲化主要解决数据的不可比性，在此处主要介绍几种数据的无量纲化的处理方式。

可以选择如下的三种方式：

即每一个变量除以该变量取值的全距，标准化后的每个变量的取值范围限于[-1,1]。

即每一个变量与变量最小值之差除以该变量取值的全距，标准化后各变量的取值范围限于[0,1]。

，即每一个变量值除以该变量取值的最大值，标准化后使变量的最大取值为1。

采用极值化方法对变量数据无量纲化是通过变量取值的最大值和最小值将原始数据转换为界于某一特定范围的数据，从而消除量纲和数量级的影响。由于极值化方法对变量无量纲化过程中仅仅对该变量的最大值和最小值这两个极端值有关，而与其他取值无关，这使得该方法在改变各变量权重时过分依赖两个极端取值。

来计算，即每一个变量值与其平均值之差除以该变量的标准差，无量纲化后各变量的平均值为0，标准差为1，从而消除量纲和数量级的影响。虽然该方法在无量纲化过程中利用了所有的数据信息，但是该方法在无量纲化后不仅使得转换后的各变量均值相同，且标准差也相同，即无量纲化的同时还消除了各变量在变异程度上的差异。

，该方法在消除量纲和数量级影响的同时，保留了各变量取值差异程度上的信息。
（4）标准差化方法

。该方法是标准化方法的基础上的一种变形，两者的差别仅在无量纲化后各变量的均值上，标准化方法处理后各变量的均值为0，而标准差化方法处理后各变量均值为原始变量均值与标准差的比值。

综上所述，针对不同类型的数据，可以选择相应的无量纲化方法。如下的示例就是一个典型的评价体系中无量纲化的范例。

近年来我国淡水湖水质富营养化的污染日益严重，如何对湖泊水质的富营养化进行综合评价与治理是摆在我们面前的任务，下面两个表格分别为我国5个湖泊的实测数据和湖泊水质评价标准。

表1 全国五个主要湖泊评价参数的实测数据

表2 湖泊水质评价标准

（1）试用以上数据，分析总磷，耗氧量，透明度，总氨这4个指标对湖泊水质评价富营养化的作用。
（2）对这5个湖泊的水质综合评价，确定水质等级。

在进行综合评价之前，首先要对评价的指标进行分析。通常评价指标分成效益型，成本型和固定型指标。效益型指标是指那些数值越大影响力越大的统计指标（也称正向型指标）；成本型指标是指数值越小越好的指标（也称逆向型指标）；而固定型指标是指数值越接近于某个常数越好的指标（也称适度型指标）。如果每个评价指标的属性不一样，则在综合评价时就容易发生偏差，必须先对各评价指标统一属性。

（ⅰ）建立无量纲化实测数据矩阵和评价标准矩阵，其中实测数据矩阵和等级标准矩阵如下，

然后建立无量纲化实测数据矩阵和无量纲化等级标准矩阵，其中

得到

（ⅱ）计算各评价指标的权重
计算矩阵B的各行向量的均值和标准差，

最后对变异系数归一化得到各指标的权重为

（ⅲ）建立各湖泊水质的综合评价模型
通常可以利用向量之间的距离来衡量两个向量之间的接近程度，在Matlab中，有以下的函数命令来计算向量之间的距离；
dist(w,p): 计算中的每个行向量和中每个列向量之间的欧式距离；
mandist(w,p): 绝对值距离。
计算中各行向量到中各列向量之间的欧氏距离，

，则第个湖泊属于第级。

这说明杭州西湖，武汉东湖都属于极富营养水质，青海湖属于中营养水质，而巢湖和滇池属于富营养水质。

，则第个湖泊属于第级。

其评价结果与利用欧氏距离得到的评价结果完全一样。

所以，从上面的计算可以看出，尽管欧氏距离和绝对值距离的意义完全不一样，但对湖泊水质的评价等级是一样的，这表明了方法的稳定性。

各位老铁养成习惯，看完点个赞呗，随便也来个关注！！！
各位老铁养成习惯，看完点个赞呗，随便也来个关注！！！
各位老铁养成习惯，看完点个赞呗，随便也来个关注！！！

㈣ 量纲分析法对于无量纲量如何处理

对于无量纲的量来说，它就相当于一个数字而已。
量纲分析法只能确定他们是怎么样的函数关系，如正比例，反比例，二次等。但不能确定其系数。
碰到无量纲的就当做系数放一边就行了

㈤ 无量纲指标评价方法有

目前人们已提出的无量纲化方法名称很多，如综合指数法、极差变换法、高中差变换法、低中差变换法、均值化法、标准化法、比重法、功效系数法、指数型功效系数法、对数型功效系数法、正态化变换法等等。苏为华教授将它们归为四类：广义指数法、广义线性功效系数法、非线性函数法、分段函数法[1]。则广义指数法和广义线性功效系数法包含了前8种，都是线性无量纲化方法；后三种属于非线性函数法，也即曲线型无量纲化方法。由于指数或对数变换时，曲线的增减速度、凹凸程度很难把握，所以实践中非线性函数法较少被采用。

实践中应用较多的是属于直线型无量纲化方法的极差变换法、标准化法和均值化法。下面对这三种方法进行比较分析。

设综合评价中共有n个单位，m个指标，各指标分别为x1，x2，…，xm，用xij（i=1,2,…,n；j=1,2,…,m）表示第i个单位的第j个原始指标值，yij表示经过无量纲化处理的第i个单位的第j个指标值。极差变换法即令

（3）

式（3）中的分母仅与原始指标的最大值和最小值有关，而与指标的其它值无关。当xj的最大值与最小值之差很大时，yj值就会过小，相当于降低了第j个指标的权重；相反，当xj的最大值与最小值之差很小时，yj值就会过大，相当于提高了第j个指标的权重。即指标的两个值就对指标的权重产生了很大影响。所以在多指标综合评价中，用极差变换法作为无量纲化的方法是不可取的。

目前最普遍使用的无量纲化方法是标准化法，标准化法即令

（4）

其中和σj分别是指标xj的均值和标准差。经标准化后，指标yj的均值为0，方差为1，消除了量纲和数量级的影响。同时标准化法也消除了各指标变异程度上的差异，因此经标准化后的数据不能准确反映原始数据所包含的信息，导致综合评价的结果不准确。从下例可以看出：

例1、对十个省市的全部国有及规模以上非国有工业企业的经济效益进行综合评价。为直观起见，只选用全员劳动生产率和产品销售率两个指标，指标值见表2。根据国家经贸委等部门颁布的《工业经济效益评价体系》两个指标的权数分别为10和13。

表2 十省市劳动生产率和产品销售率

地区

北京

天津

河北

山西

内蒙古

辽宁

吉林

黑龙江

上海

江苏

劳动生产率(元)

69539

58984

45576

27988

37770

48170

47306

68104

95393

57177

产品销售率(%)

98.17

98.02

98.05

97.06

97.93

97.33

96.94

97.61

98.83

97.06

由表2易见，各地区的产品销售率非常接近，而全员劳动生产率相差较大。它们的变异系数分别为0.0062和0.3419也说明了这一点。所以若用这两个指标来评价经济效益，则很显然主要的影响因素应是全员劳动生产率。

但是，若用标准化法对两个指标进行无量纲化，将使两个指标的变异程度相同，因为产品销售率的权数大,因而产品销售率对经济效益的影响会比全员劳动生产率大。评价结果见表3

表3 十省市标准化法评价结果对照

地区

北京

天津

河北

山西

内蒙古

辽宁

吉林

黑龙江

上海

江苏

评价得分

0.76

0.38

0.10

-1.23

-0.19

-0.51

-0.90

0.20

1.96

-0.56

评价名次

2

3

5

10

6

7

9

4

1

8

销售率名次

2

4

3

8

5

7

10

6

1

8

从表3可见评价名次与产品销售率名次相差不大，这显然是不合理的。

所以必须改进原始数据的无量纲化方法，均值化方法就是一种较好的方法。均值化方法即令

（5）

均值化后各指标的均值都为1，其方差为

（6）

即均值化后各指标的方差是各指标变异系数的平方,它保留了各指标变异程度的信息。

对于例1，若用均值化方法对两个指标进行无量纲化，则因全员劳动生产率的变异系数比产品销售率的变异程度大得多，因而全员劳动生产率是经济效益综合评价的主要影响因素。评价结果见表4

表4 十省市均值化法评价结果对照

地区

北京

天津

河北

山西

内蒙古

辽宁

吉林

黑龙江

上海

江苏

评价得分

1.11

1.03

0.92

0.78

0.86

0.94

0.93

1.10

1.32

1.01

评价名次

2

4

8

10

9

6

7

3

1

5

劳动生产率名次

2

4

8

10

9

6

7

3

1

5

由表4可知，评价名次与全员劳动生产率的名次完全一致，这与实际情况是相符的。即用均值化法比用标准化法合理。

那么，是否我们就应该用均值化方法作为指标的无量纲化方法呢？这也要具体问题具体分析。在实际问题中，情况是复杂的，有时需要保留指标的变异信息，有时需要消除指标的变异信息。用下面的例子即可说明。

㈥ 指标无量纲化的方法

在经济管理学中，无量纲化方法是综合评价步骤中的一个环节。
根据指标实际值和无量纲化结果数值的关系特征可以分为三大类:
一、直线型无量纲化方法:又包括阀值法、指数法、标准化方法、比重法
二、折线型无量纲化方法:凸折线型法、凹折线型法、三折线型法
三、曲线型无量纲化方法
目前常见的无量纲化处理方法主要有极值化、标准化、均值化以及标准差化方法,而最常使用的是标准化方法。但标准化方法处理后的各指标均值都为0,标准差都为1,它只反映了各指标之间的相互影响,在无量纲化的同时也抹杀了各指标之间变异程度上的差异,因此,标准化方法并不适用于多指标的综合评价中。而经过均值化方法处理的各指标数据构成的协方差矩阵既可以反映原始数据中各指标变异程度上的差异,也包含各指标相互影响程度差异的信息

㈦ 指标的无量纲化处理

所谓无量纲化，也称为指标的规范化（或标准化），是通过数学变换消除原始指标单位及其数值数量级影响的过程，这是进行指标评估的前提。因此，指标有实际值和评估值两种形式。无量纲化过程就是将指标实际值转化为指标评估值的过程。地质资料社会化服务的评估指标均按照线性无量纲方法进行统一的量纲，而且在系统内一次性完成。为了改进评估方法，本部分先对无量纲化的处理方法做简要介绍。

从理论上讲，指标的无量纲化方法很多，归结起来可分为三大类：线性无量纲方法，非线性无量纲方法和定性指标的无量纲方法。

（一）线性无量纲方法

线性无量纲方法是指将指标实际值转化为不受量纲影响的指标评估值时，假定二者之间呈线性关系，指标实际值的变化引起指标评估值一个相应的比例变化。其常见的形式有阈值法、Z－score法和比值法。

1.阈值法

阈值法也称临界值法，是一种将指标实际值xi与该指标的某个阈值相对比，从而使指标实际值转化为评估值的方法。这里的阈值往往采用指标的极大值、极小值、满意值和不允许值等。其主要公式及特点等可参见表2－1，其中m为指标的观测值个数，yi为转化后的指标值，一般为评估方案的个数。

表2－1 阈值法无量纲变换

续表

2.Z－score法

即按照统计学的原理对实际指标进行标准化。

地质资料社会化服务评估研究

式中：yi为指标评估值； 为指标实际值的算术平均数； 为指标实际值；s为指标实际值的均方差， 。

3.比值法

即用指标的实际值与该指标的计划标准、历史标准或行业标准作比较，以消除指标里量纲的影响。其公式主要有两种形式：

地质资料社会化服务评估研究

（二）非线性无量纲化方法

1.折线形标准化函数

折线形标准化函数适合于事物发展呈现阶段性，指标值在不同发展阶段对事物总体水平的影响是不同的。构造折线形标准化函数与直线形不同之处在于必须找出事物发展的转折点的指标值并确定其评估值。常用的函数有以下两种类型：

（1）两折线形。采用两折线形标准化函数，指标值在不同时期其变化被赋予不同的评估值增量，分为凸折线形和凹折线形两种（图2－1）。

图2－1 两折线形标准化函数示意图

设折点的坐标值为（xm，ym），x轴表示指标的实际值，y轴表示指标的评估值，用阈值法可以构造如下折线形（凸折线形）公式：

地质资料社会化服务评估研究

凸折线形函数的特点是前期增量大而后期增量小（以折点为界）；凹折线形函数的特点是后期增量大而前期增量小（以折点为界）。折线形函数适用于极本形和极小形指标。

图2－2 三折线形标准化函数示意图

（2）三折线形（图2－2）。三折线形标准化函数适用于：(1) 某些事物要求指标值在某些区间内变化，若超出这个区间则指标的变化对事物的总体水平几乎没有什么影响。(2) 居中型指标的标准化，即指标值过大或者过小都会对事物产生不利的影响。从理论上讲，折线形标准化方法比直线形标准化方法更符合事物发展的实际情况，但是其应用的前提是评估者必须对被评估事物有较为深刻的理解和认识，能够合理地确定出指标值的转折点及其评估值。

2.曲线形标准化函数

有些事物发展阶段的分界点不是很明显，而前中后各期发展阶段又截然不同，也就是说指标变化对事物总体水平的影响是逐渐变化的，而非突变。这种情况下，就必须采用曲线形标准化函数。常用的曲线形标准化函数及其特点见表2－2，其中，x表示指标的实际值，y表示指标的评估值。

表2－2 曲线形标准化公式

在对指标进行标准化时，要选择一种或者几种适合于评估对象性质的方法，然后分析不同的标准化方法对结论产生的影响，从而选择最合适的一种。除以上所说的常用标准化函数外，针对不同的事物可以构造更多的函数对指标进行标准化处理。

（三）定性指标的无量纲化

评估指标体系中经常包含一些定性的指标，为了和定量指标组成一个有机的评估体系，也必须对其进行标准化处理。较简单的处理方法是，首先借用主观赋权法的方法原理，对指标的不同描述进行评分，然后按指标属性特点选用标准化函数建立与定量指标相适应的指标评估值，也可以在主观评分的基础上直接计算指标评估值。

本评估指标体系中的满意度调查即采取该方法。

㈧ 进行灰色关联分析时怎么进行数据的无量纲化分析

灰色关联分析是根据因素之间发展趋势的相似或相异程度，即“灰色关联度”作为衡量因素间关联程度的一种方法。计算步骤： （1）确定反映系统行为特征的参考数列和影响系统行为的比较数列。 （2）对参考数列和比较数列进行无量纲化处理 （3）求参考数列与比较数列的灰色关联系数ξ（Xi） （4）求关联度ri （5）排关联序 你是想对制造业信息化进行投入产出分析是非常有意义的，也具有一定难度。并想利用灰色关联法对制造业信息化进行投入产出分析，关键是能否应用？有无结合的必要。从你设置的20个因素主要体现企业信息化在软硬件设施投入、信息化资金投入、信息化人力资源投入、网络建设投入、信息安全投入、企业电子商务投入等信息来看，考虑的比较全面，那么制造业信息化的产出是什么也要很好的考虑，然后再对制造业信息化进行比较全面的投入产出分析。 信息化的投入到底能够给企业带来什么回报，是所有的企业决策者在做出信息化投入决策之前最关心的事情。你需要考虑信息化所带来的有形和无形的收益。一般讲，信息化投资带来的回报主要体现在两个方面：为企业带来收入的增加和成本的降低，因此可以简单地描述ROI的计算，公式为：ROI=(节省的成本+增加的收益)/方案投资，或者ROI=回报/在规定的时间内如1、3、5年内的投资总额， 但是在今天愈加复杂的企业环境下，实际的ROI计算要比上述公式复杂得多。在计算ROI的时候，投入的成本容易计算，但是带来的收益较难预测，但可以分析。产出的多少不仅依赖于投入的多少,还依赖于投入产出的效率。提高投入产出效率，可以在信息化投入相对有限的情况下提高信息化水平。可以考虑制造业信息化的投入对企业产出及效益的投入产出效率、综合有效性、纯技术有效性、规模有效性和规模效益都可进行分析。制造业信息化是以信息化带动工业化的突破口,是提高我国制造业国际竞争能力的客观需要，故你要抓住对制造业信息化进行投入产出分析这个主题下功夫。 至于灰色关联法主要是利用“灰色关联度”来衡量因素间关联程度的一种方法，对你分析的主题似乎作用不是很大。如你要考虑制造业信息化对国民经济发展的关联问题，最好运用投入产出理论，利用编制的投入产出表计算，可揭示深层次的制造业信息化投入产出技术经济联系。见解不一定对，请你考虑。祝你成功！

㈨ 无量纲化处理方法经常用的是标准化方法。请问标准化方法具体是什么啊能否举实例啊

最典型的就是0-1标准化和Z标准化，也是最常用的。
1、0-1标准化(0-1 normalization)
也叫离差标准化，是对原始数据的线性变换，使结果落到[0,1]区间，转换函数如下：

其中max为样本数据的最大值，min为样本数据的最小值。这种方法有一个缺陷就是当有新数据加入时，可能导致max和min的变化，需要重新定义。
2、Z-score 标准化(zero-mean normalization)
也叫标准差标准化，经过处理的数据符合标准正态分布，即均值为0，标准差为1，也是SPSS中最为常用的标准化方法，其转化函数为：

其中μ为所有样本数据的均值，σ为所有样本数据的标准差。

㈩ 什么是无量纲处理

无量纲化（nondimensionalize 或者dimensionless）
将一个物理导出量用若干个基本量的乘方之积表示出来的表达式，称为该物理量的量纲式，简称量纲。 它是在选定了单位制之后，由基本物理量单位表达的式子。
目前常见的无量纲化处理方法主要有极值化、标准化、均值化以及标准差化方法,而最常使用的是标准化方法。但标准化方法处理后的各指标均值都为0,标准差都为1,它只反映了各指标之间的相互影响,在无量纲化的同时也抹杀了各指标之间变异程度上的差异,因此,标准化方法并不适用于多指标的综合评价中。而经过均值化方法处理的各指标数据构成的协方差矩阵既可以反映原始数据中各指标变异程度上的差异,也包含各指标相互影响程度差异的信息。
归一化是一种简化计算的方式，即将有量纲的表达式，经过变换，化为无量纲的表达式，成为纯量。
比如，复数阻抗可以归一化书写：Z = R + jωL = R(1 + jωL/R) ，复数部分变成了纯数量了，没有量纲。
另外，微波之中也就是电路分析、信号系统、电磁波传输等，有很多运算都可以如此处理，既保证了运算的便捷，又能凸现出物理量的本质含义。
在统计学中，归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在-1--+1之间是统计的坐标分布。
归一化化定义：归一化就是要把需要处理的数据经过处理后（通过某种算法）限制在你需要的一定范围内。首先归一化是为了后面数据处理的方便，其次是保证程序运行时收敛加快。归一化的具体作用是归纳统一样本的统计分布性。归一化在0-1之间是统计的概率分布，归一化在某个区间上是统计的坐标分布。归一化有同一、统一和合一的意思。
如果是区间上的值，则可以用区间上的相对位置来归一化，即选中一个相位参考点，用相对位置和整个区间的比值或是整个区间的给定值作比值，得到一个归一化的数据，比如类似于一个概率值0<=p<=1；
如果是物理量，则一般可以统一度量衡之后归一，实在没有统一的方法，则给出一个自定义的概念来描述亦可；
如果是数值，则可以用很多常见的数学函数进行归一化，使它们之间的可比性更显然，更强，比如对数归一，指数归一，三角or反三角函数归一等，归一的目的可能是使得没有可比性的数据变得具有可比性，但又还会保持相比较的两个数据之间的相对关系，如大小关系，大的仍然大，小的仍然小，或是为了作图，原来很难在一张图上作出来，归一化后就可以很方便的给出图上的相对位置等；
从集合的角度来看，可以做维度的维一，即抽象化归一，把不重要的，不具可比性的集合中的元素的属性去掉，保留人们关心的那些属性，这样，本来不具有可比性的对象或是事物，就可以归一，即归为一类，然后就可以比较了，并且，人们往往喜欢用相对量来比较，比如人和牛，身高体重都没有可比性，但身高/体重的值，就可能有了可比性，人吃多少，牛吃多少，可能也没有直接的可比性，但相对于体重，或是相对于一天的各自的能量提供需要的食量，就有了可比性；这些，从数学角度来看，可以认为是把有纲量变成了无纲量了。
数据标准化方法（Data Normalization Method）
数据处理之标准化/归一化，形式上是变化表达，本质上是为了比较认识。数据的标准化是将数据按比例缩放，使之落入一个小的特定区间。由于信用指标体系的各个指标度量单位是不同的，为了能够将指标参与评价计算，需要对指标进行规范化处理，通过函数变换将其数值映射到某个数值区间。