张婷婷王 蒙葛 静

（1.安徽机电职业技术学院 安徽芜湖 241000；2.安徽交通职业技术学院 安徽合肥 230051）

基于改进TOPSIS法的健康水平模型的研究

张婷婷1王 蒙1葛 静2

（1.安徽机电职业技术学院 安徽芜湖 241000；2.安徽交通职业技术学院 安徽合肥 230051）

为对高校教职工健康进行客观合理地评价，构建由躯体疼痛（BP）、心理健康（MH）等8个指标组成的评价体系。针对传统Topsis法主观权重的不确定性，利用灰色关联度确定权重。最后通过10个教职工的健康水平实例验证了该健康水平模型的有效性。

灰色关联度；TOPSIS；健康水平

由于高校教职工工作压力大、不注重身体锻炼、伏案时间长等原因，健康现状不容乐观[1][2]。在省级重点项目（KJ2014A038）的研究过程中，笔者发现高校定期体检虽然能为教职工健康评价和干预管理提供基础资料[3]，但由于医院健康体检报告中的各项指标数据晦涩难懂，使得教职工自己和校医院不能及时了解被测者的健康水平，没有足够重视和警惕体检指标的预警性提示，造成体检资源的浪费。因此，简单明了给出健康水平提示是非常关键的，不但能引起被测者的足够重视，同时也方便校医院督促其参与健康促进活动，提高健康体检的实际效用[4]。

根据本文确立了由PF（躯体活动功能），RP（躯体功能对角色功能的限制），BP（躯体疼痛），GH（健康总体自评），VT（活力），SF（社会功能），RE（情绪对角色功能的限制），MH（心理健康）八个指标建立样本数据矩阵，并研究了灰色关联度和TOPSIS法，在利用决策矩阵信息的基础上,结合决策者的偏好，基于灰色关联度（GreyCorrelation Degree：GCD）确定指标权重[5],然后利用加权Topsis法，对PF等八项健康指标做出综合评价。最后对10个教职工的体检数据进行分析，得到更直观的健康水平数据，验证了此模型的可行性和实用性。本文中所有数据均由MATLAB编程仿真实现。

一、选择健康水平模型的评价指标，建立样本数据

参照IT行业健康绿皮书，选取10个教职工的八项指标（RF,RP,BP,GH,VT,SF,RE,MH）建立样本数据如表1所示。

表1 样本数据表

二、利用GCD(灰色关联度)确定指标权重

GCD思想：根据序列几何曲线形状的接近程度判断它们的关联度[6]。在本文中，结合决策者偏好,利用GCD确定样本指标权重[5]。

（一）确定子母序列。本文选取八个指标中的BP为母指标，其余七个为子指标，得到子母序列。

记母序列为：

（二）计算两极最大和最小差值。

1.母子序列的初值化处理。对BP（母指标）和RF,RP,GH, VT,SF,RE,MH（子指标）初值化处理，记可作为各指标的权重。根据公式（4）得到本案例中的8个指标（RF,RP,BP,GH,VT,SF,RE,MH）的权值为：

三、加权Topsis法计算距离接近程度

2.计算两极最大和最小差值。

（三）计算关联系数。

，

根据公式（3），得到本案例中CGD为：

Topsis(technique fororderpreferenceby similarity tosolution)原意为“按与理想解的相似性定序偏好的方法”,是多目标决策的一种有效技术[5][7]。该方法由H.Wang.C.L和Yoon.K.S在文献[8]中首次提出，以正负理想解作为评价依据，越接近正理想解和越远离负理想解则性能越优[5]。

（一）矩阵规范化处理。使用向量规范化法处理原始数据矩阵，得到范化矩阵Y=[rij]nm，其中，

根据式（5）（6）得到本案例的目标矩阵

（二）计算正负理想解。

（三）计算距离和接近程度。利用灰色关联求得的权重，加权后计算各方案到正负理想解的距离

根据公式（8）计算接近程度

根据公式（9），得到本案例的接近程度Ci

Ci的上下极限值分别为1和0，如果要选取优质对象则选择那些接近上极限值1的对象；反之则选择那些接近下极限0的对象。这样，就可以得到本案例的教职工健康水平排序，结果见表2和图1。

表2 教职工健康排序

图1 健康水平分析图

根据图1的结果可以得知，1，7，3号教职工身体素质相对较差，在健康评价模型的指引下，高校校医院及其它相关部门可以直观了解教职工的健康水平，有针对性地为教职工建立个体化的保健方案，帮助身体素质较差的教职工恢复健康，提高生活质量和工作效率。

[1]欧阳慧蓉,李正惺.某高校教职工健康体检结果分析[J].昆明医学院学报,2012(4).

[2]王燕华.某高校教职员工健康体检数据分析[J].华南国防医学杂志,2012(6).

[3]曹蔚.对高校教师健康体检的实证分析[J].现代预防医学,2012(5).

[4]王国军.健康管理理念下公务员体质健康评价系统的研究与应用[D].上海体育学院,2013.

[5]钱吴永,党耀国,熊萍萍,等.基于灰色关联定权的TOPSIS法及其应用[J].系统工程，2008(8).

[6]孔令号,焦彦军，戴志辉.基于灰色关联度的站域保护原理[J].电网技术,2014(8).

[7]候定丕,王战军.非线性评估的探索与应用[M].合肥:中国科学技术出版社,2001.

[8]HWangCL,Yoon KS.M ultipleattributedecisionmaking [M].Berlin:Spring-Verlag,1981.

[责任编辑 郑丽娟]

TheHealth LevelBased on the Improved TOPSISMethod

Zhang Tingting1Wang Meng1Ge Jing2

（1．Anhui Technological College ofMachinery and Electricity,Wuhu,Anhui241000；2．Anhui Communication Vocational&Technical College,Hefei,Anhui230051）

For themore reasonable and objective evaluation of school staff health,it needs to establish an evaluation system composed of body pain(BP),mental health(MH),etc.In order to solve the uncertainty of subjective judgment the index weight in Topsis,this paper puts forward an index of weights determination method based on grey correlation method.The effectiveness of thismethod is finally proved by example of 10 school staff.

grey correlation degree;TOPSIS;health level

TP391

A

2095-0438（2015）08-0151-03

2015－04-01

张婷婷(1983－)，女，安徽芜湖人，安徽机电职业技术学院讲师，硕士，研究方向：计算机应用、计算机软件、无线网络。

2014年度安徽高校省级自然科学基金重点项目（KJ2014A038）。