决策支持系统(dss)是支持解决半结构化或非结构化问题的

提要

决策支持系统（DSS）是支持解决半结构化或非结构化问题的计算机系统。基本的决策支持系统由数据部件，模型部件和对话部件三部分组成。智能决策支持系统在此基础上添加了知识部件。信息产业是近年来蓬勃发展的新兴产业，它对国民经济的发展产生了深远的影响并将占据越来越重要的地位，对信息产业正确的测度将成为管理与决策最有力的依据。我们充分发挥决策支持系统定量和定性相结合的优势，建立吉林省信息产业辅助测度DSS完成信息产业测度。本系统建立在一套完整的信息产业测度指标体系和测度模型基础上，针对传统模型管理中存在的缺陷，应用面向对象模型管理方法实现模型表达和管理，通过模型运行完成对信息产业定量测度。利用现有的数据库管理系统和完善的数据库查询语言，来构造实用决策支持系统中的知识库，将评价知识以数据库的形式予以表示，评价算法则采用专家系统的推理机方法，最终实现对定量模型运行结果的定性评价。

关键词：决策支持系统 吉林省信息产业测度 模型管理 面向对象

数据库 知识库 定性分析

I

吉林大学硕士生论文

目录

提要...........................................................................................................................I 第一章1．1 1．2 1．3 1．4 1．5 1．6

第二章2．1 2．2 2．3 2．4

第三章3．1 3．2 3．3 3．4 3．5

第四章4．1 4．2 4．3

绪论...........................................................................................................1 决策支持系统的形成...........................................................................1 决策支持系统定义...............................................................................3 决策支持系统结构...............................................................................4 决策支持系统的三个技术层次...........................................................8 决策支持系统发展的新阶段...............................................................9 论文的主要工作.................................................................................13

吉林省信息产业辅助测度ＤＳＳ的设计.................................................15 吉林省信息产业辅助测度ＤＳＳ概述.................................................15 系统功能设计.....................................................................................16 系统配置.............................................................................................18 开发工具.............................................................................................18

模型管理.................................................................................................20 模型的种类和表示方法.....................................................................20 模型管理的面向对象技术基础.........................................................22 面向对象的模型描述.........................................................................25 模型管理系统实现.............................................................................32 系统中的定量测度模型.....................................................................33

定性测度.................................................................................................44 知识库的基本概念.............................................................................44 知识的产生式表示法和正向推理.....................................................46 基于数据库的知识库系统设计.........................................................48

目录

4．4 测度结果的比较和定性描述问题.....................................................52

第五章 吉林省1997年信息产业测度的基本结论...........................................59 5．1 5．2

定量测定结论.....................................................................................59 主要定性结论.....................................................................................61

全文总结................................................................................................................. 参考文献.................................................................................................................67 致 谢.....................................................................................................................71 摘要.........................................................................................................................72 ABSTRACT............................................................................................................75

III

第一章 绪论

第一章　绪论

决策支持系统（ＤＳＳ）的概念于２０世纪７０年代由美国麻省理工学院的Ｍｉｃｈａｅｌ　Ｓ．Ｓｃｏｔｔ　Ｍｏｒｔｏｎ和Ｐｅｔｅｒ　Ｇ．　Ｗ．　Ｋｅｅｎ首次提出，２０世纪８０年代中期引入我国。在短短的２０几年里，各国学者对ＤＳＳ的理论研究与开发应用进行了大量卓有成效的工作。目前，ＤＳＳ已成为系统工程与计算机应用领域中的重要研究课题。　

1．1 决策支持系统的形成

一、科学计算

计算机最早用于科学计算，即对科学和工程中的数学问题进行数值运算。数值计算的过程主要包括建立数学模型、建立求解的计算方法和计算机实现三个阶段。数值计算的特点是计算方法比较复杂，方法种类多种多样。数值计算关心的焦点是计算精度。 二、数据处理

２０世纪５０－６０年代计算机应用范围扩展到非数值计算的电子数据处理（Ｅｌｅｃｔｒｏｎｉｃ　Ｄａｔａ　Ｐｒｏｃｅｓｓｉｎｇ—ＥＤＰ）领域。数据处理是对数据的采集、存储、检索、加工、变换和传输。数据处理的基本目的是从大量的、杂乱无章的、难以理解的数据中抽取并计算出对于某些特定的人们来说有意义、有价值的数据。以电子计算机作为工具进行的数据处理称为电子数据处理。电子数据处理的特点是：使用范围小，主要应用在商业、仓库管理等部门，通常是单项数据处理任务的专用计算机程序，它面向低层次的管理事务信息处理和辅助服务工作。因为ＥＤＰ只能孤立地处理数据而不能与其他工作进行信息交换和资源共享，也无法对一个企业或一个机关的信息进行整体分析和系统设计，使整个工作缺乏协调一致。　三、管理信息系统

1

吉林大学硕士生论文

２０世纪７０年代，管理信息系统（Ｍａｎａｇｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｙｓｔｅｍ—ＭＩＳ）应运而生，使信息处理进入了一个新阶段。管理信息系统是一个由人和计算机结合的对管理信息进行收集、存储、维护、加工、传递和使用的系统。管理信息系统是由大容量数据库支持、以数据处理为基础的计算机应用系统。它包含多个电子数据处理系统（ＥＤＰ），每个ＥＤＰ面向一个管理职能，如财务ＥＤＰ，劳资ＥＤＰ，库存ＥＤＰ。ＭＩＳ由若干个子系统构成，通过各子系统之间的信息联系，构成一个有机整体以实现总体管理目标。由于管理信息系统从系统的观点出发，把分散的、孤立的信息组织成一个比较完整的，有组织的信息系统，从而提高了信息处理的效率，也提高了管理水平。　四、决策支持系统

管理信息系统只能帮助管理者对信息做表面上的组织和管理，而不能把信息的内在规律更深刻地挖掘出来为决策服务。人们期望一种新的用于管理的信息系统，它能把人的判断能力和计算机的信息处理能力结合在一起，提高决策者的效能而又不妨碍他们的主观能动性，使计算机成为决策者的强有力助手，为决策者提供一些切实可行的帮助。７０年代末以来，运筹学、数理统计方法，人工智能的知识表达技术、专家系统语言，数据库及其管理系统，各类软件开发工具等学科的发展与完善，以及小型、高效、廉价的微机及工作站的出现为广泛的研究和应用决策支持系统提供了良好的技术准备。　

决策支持系统（Ｄｅｃｉｓｉｏｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓｔｅｍ—ＤＳＳ）是８０年代迅速发展起来的新型计算机学科。７０年代初由美国Ｍｉｃｈａｅｌ　Ｓ．Ｓｃｏｔｔ　Ｍｏｒｔｏｎ在《管理决策系统》一文首次提出决策支持系统的概念。后来由于它强调系统中决策者的主体作用和系统对决策的辅助作用而得名。　

决策支持系统是支持解决半结构化或非结构化问题以提高决策效率的软件系统。它实质上是在管理信息系统（ＭＩＳ）和运筹学（Ｏｐｅｒａｔｉｏｎａｌ　Ｒｅｓｅａｒｃｈ—ＯＲ）的基础上发展起来的。管理信息系统重点在对大量数据的处理。运筹学是用数学方法研究经济、国防等部门在环境的约束条件下，合理调配人力、物力、财力等资源，使实际系统有效运行。它用来预测发展趋势，制定行动规划或优选可行方案。重点在于运用模型辅助决策，体现在单模型辅助决策

第一章 绪论

上。随着新技术的发展，所需要解决的问题越来越复杂，所涉及的模型越来越多，有时使用几十，甚至上百个模型来解决一个大问题。在决策支持系统出现之前，多模型辅助决策问题是靠人来实现模型间的联合和协调的。决策支持系统的出现是要解决由计算机自动组织和协调多模型的运行和数据库中大量数据的存取和处理，达到更高层次的辅助决策能力。决策支持系统的新特点就是增加了模型库和模型库管理系统，它把众多的模型有效的组织和存储起来，通过人机交互功能，建立模型库和数据库的有机结合。它不同于ＭＩＳ数据处理，也不同于模型的数值计算，而是它们的有机集成。它即具有数据处理功能，又具有数值计算功能。　

1．2 决策支持系统定义

一、决策问题分类

对决策问题一般用“结构”这个概念来描述，目前学术界普遍把决策问题分成结构化、半结构化、非结构化，这是对问题结构化程度的三种不同描述。所谓结构化程度，是指对某一过程的环境和规律能否用明确的语言（数学的或逻辑学的，形式的或非形式的，定量的或推理的）给予清晰的说明或描述。如果能描述清楚的，称为结构化问题；不能描述清楚而只能凭直觉或经验做判断的，称为非结构化问题；介于两者之间的，则称为半结构化问题。　

结构化问题是常规的和完全可重复的，每一个问题仅有一种求解方法，可以认为结构化决策问题可以用程序来实现。由于非结构化问题不具备已知求解方法或存在若干求解方法而所得到的答案不一致，所以，它难于编制程序来完成。非结构化问题实质上包含着创造性或直观性，计算机难以处理，而人则是处理非结构化问题的能手。当把计算机和人有机地结合起来，就能有效地处理半结构化决策问题。ＤＳＳ的发展能有效地解决半结构化决策问题。它逐步使非结构化决策问题向结构化问题转化。　二、决策支持系统定义

决策支持系统目前还没有一个能够为所有人接受的一般性的定义。许多

3

吉林大学硕士生论文

学者在这方面也做了大量的工作，试图从不同角度进行解释，并且给出DSS的多种定义。

现在许多文献对ＤＳＳ做如下定义：凡能对决策提供支持的计算机系统，这个系统充分运用可供利用的、合适的计算机技术，针对半结构化或非结构化问题，通过人机交互方式帮助和改善管理决策制定的有效性的系统。但是因为ＤＳＳ并没有标准模式或标准规范，所以这个定义也并不完善。　

可见，对于决策支持系统这样一个迅速发展，尚未完全成熟的领域，过早的追求一个完善的定义并非明智之举，我们只要能够把握住它的基本特征，基本构成和发展方向就可以了。　

ＤＳＳ的基本特征可归纳为五个方面：　

１、对准上乘管理人员经常面临的结构化程度不高、说明不够充分的问题。　２、把模型或分析技术与传统的数据存取技术及检索技术结合起来。　３、易于为非计算机专业人员以交互会话的方式使用。　４、强调对环境及用户决策方法改变的灵活性及适应性。　５、支持但不是代替高层决策者制定决策。　

国内学术界常使用构成决策支持系统的部件来表述ＤＳＳ的结构特征　1、模型库及其管理系统； 2、交互式计算机硬件及软件； 3、数据库及其管理系统； 4、图形及其他高级显示装置； 5、对用户友好的建模语言。

1．3 决策支持系统结构

一、决策支持系统的典型结构形式

决策支持系统是由三个部件组成的，即人机交互及问题处理系统（综合部件）、模型库系统（模型部件）、数据库系统（数据部件）。决策支持系统的结构如图1-1所示：

第一章 绪论

模型库 模型库管理系统 （模型部件） 用户 人机交互系统及问题处理系统 （综合部件） 数据库管理系统 （数据部件） 数据库 图1-1

１、机交互与问题处理系统（综合部件）　

该部件为实际决策问题的人机交互与集成处理。它应包含如下功能：　（１）　人机交互　

在实际决策支持系统中，人机交互是必不可少的。用户可以通过交互信息，即输入数据完成计算，输入命令进行控制和改变模型的运行或ＤＳＳ系统的运行。ＤＳＳ通过人机交互要求用户输入必要的信息和数据，同时向用户显示系统运行情况和最终的结果。这部分功能可通过菜单、窗口；命令语言和自然语言；多媒体和可视听技术等方式来表现。　（２）　控制模型的运行　

模型可以是数学模型或数据处理模型，每个模型的运行需要存取不同数据库的数据并进行计算或处理。　（３）　多模型的组合运行　

按计算机程序“顺序、选择、循环”三种结构形式以及对它们之间的相互嵌套来完成多个模型的有机组合。　（4）　数值计算和数据处理

5

吉林大学硕士生论文

模型与模型之间的数值计算或数据处理应该由“人机交互与问题处理系统”部件自身来完成。这是实现多模型有机组合系统的必不可少部分。 2、数据部件

数据部件包括数据库和数据库管理系统。经过几十年的发展，技术趋于成熟，已经有比较成熟的数据库组织方法和数据库管理系统。 3、模型部件

模型部件由模型库和模型库管理系统组成。 （1）模型库的特征

模型库用来存放模型。模型与数据不同，它有自己的特征：

模型的表示形式：模型总是以某种计算机程序形式表示的，如数据、语句，子程序，甚至于对象等。这种物理形式在模型库中具体为：模型名称及相关的计算机程序，模型功能的分类，模型的输入输出数据控制参数等属性。它可以类似于数据的形式表示出来。

模型的动态形式：它可以以某种方法运行，进行输入、输出、计算等处理。这种形式的属性是无法或很难以类似于数据组织的形式来描述的。 （2）模型库管理系统

模型库管理系统管理模型库。它有两方面的功能，一是类似数据库管理系统的静态管理功能：包括模型库的建立、删除，模型字典的维护；模型添加、删除、检索、统计等；有关模型的各种计算机程序的维护，如源程序、执行程序等的管理和维护。二是模型的动态管理功能：包括模型运行的控制，模型不但可以单独运行，还可以组合运行；负责模型与数据库之间的联系，在模型运行时，规定输入输出数据的来源及去向，并同数据库管理系统进行数据交换。

（3）模型库管理系统语言体系

模型库管理系统有一个语言体系，它由两部分组成，模型库管理语言：定义模型的有关属性，如名称、功能、参数、程序构成以及与其他模型的关系等。模型库操作语言：执行模型，控制模型与数据库之间的动态数据交换，模型的运行控制等。

第一章 绪论

二、智能决策支持系统的结构

智能决策支持系统（ＩＤＳＳ）是在传统决策支持系统的基础上集成人工智能的专家系统（ＥＳ）而形成的。决策支持系统主要是由（１）人机交互与问题处理系统（２）模型库系统（由模型库管理系统和模型库组成）（３）数据库系统（由数据库管理系统和数据库组成）。专家系统主要由知识库、推理机和知识库管理系统三者组成。将知识库、知识库管理系统、推理机等人工智能技术应用于决策支持系统即构成了初级的ＩＤＳＳ。智能决策支持系统充分发挥了专家系统以知识推理形式解决定性分析问题的特点，又发挥了决策支持系统以模型计算为核心的解决定量分析问题的特点，充分做到定性分析和定量分析的有机结合，使得解决问题的能力和范围得到一个大的发展。　

决策支持系统和专家系统集成为智能决策支持系统，因此智能决策支持系统的基本构件应由传统决策支持系统的基本构件加上相应的智能部件组成。其结构如图1-2所示：

图1-2

7

用户 人机交互系统及问题处理系统 模型库管理系统 数据库管理系统 知识库 推理机 管理系统 模型库 知识库数据库吉林大学硕士生论文

1．4 决策支持系统的三个技术层次

一、专用ＤＳＳ（ＳＤＳＳ）　

专用ＤＳＳ（Ｓｐｅｃｉｆｉｃ　ＤＳＳ）实际上是执行决策支持的系统，它是一种基于计算机的信息系统，但是其特点与数据处理系统完全不同。专用ＤＳＳ包括一组计算机软件和硬件，支持一个或一群决策者，处理一批相关的决策问题。对于决策者而言，它就是能够完成决策支持任务的计算机软件和硬件。　二、ＤＳＳ工具（ＤＳＳＴ）　

决策支持系统的开发工具（ＤＳＳ　Ｔｏｏｌｓ）是指用于开发ＤＳＳ的最基本的技术，它包括开发专用ＤＳＳ或ＤＳＳ生成器的基本硬件和软件单元。到目前为止已经研究了大量的ＤＳＳ工具，其中包括新的特殊用途语言；改进操作系统以支持对话功能；彩色作图硬件及支持软件等。　

一般情况下，我们把ＤＳＳ工具分为两大类：　

１、语言类。即提供一套开发语言，例如开发模型库管理系统的各种语言等，当开发具体的一个决策支持系统时，开发者要自行设计总体结构，确定组成部分，并用这些语言编写系统的各个部分程序。　

２、外壳类（或称生成器）。即提供决策支持系统的一个框架。当开发一个具体的ＤＳＳ时，开发者只需根据使用说明填写“具体内容”（包括数据，模型与方法等），即可形成一个可运行的决策支持系统。　三、ＤＳＳ生成器（ＤＳＳＧ）　

ＤＳＳ生成器（ＤＳＳ　Ｇｅｎｅｒａｔｅｒ）是由相关的一组软件和硬件组成的模块，其目的是提供迅速而方便地开发ＳＤＳＳ的能力。ＤＳＳ生成器只能用ＤＳＳ工具来开发。当涉及到对话，模型和数据库等部件时，ＤＳＳ生成器可看作是操作数据和生成数据的解释程序，而ＤＳＳ工具既用于生成修改解释程序，也用于生成修改数据本身。某些工具用于生成解释程序，某些工具本身就是解释程序，它们可以嵌入到ＤＳＳ生成器中使用；某些工具仅用于修改数据；某些工具生成解释程序及驱动表。　

开发者可以从决策支持系统生成器的三个方面来运用生成器，即利用用

第一章 绪论

户接口生成器以生成终端用户对话接口；运用开发者控制接口来做系统的各种选择和提供必要的参数；利用建模工具来形成数据和模型，并装入数据库和模型库。　

1．5 决策支持系统发展的新阶段

一、智能决策支持系统　

在早期ＤＳＳ两库（数据库、模型库）结构的基础上，随着ＤＳＳ向非结构化问题领域的拓展，不可避免的要引入人工智能（ＡＩ）的手段和技术，因此需要增加知识部件，即应将ＤＳＳ与专家系统（ＥＳ）相结合。这种ＤＳＳ与ＥＳ结合的思想在８０年代初提出，构成了智能决策支持系统（ＩＤＳＳ）的初期模型。ＩＤＳＳ作为数值分析与知识处理的集成体，综合了传统ＤＳＳ的定量分析技术和ＥＳ的符号处理优势，从而能比ＤＳＳ更有效地处理半结构化和非结构化问题。关于ＩＤＳＳ的研究集中在传统ＤＳＳ与ＥＳ的结合上，如系统结构、集成模式、接口技术、统一途径等。智能机和神经网络的出现，数据库知识发现（ＫＤＤ）等新技术在决策支持系统中的应用，都会大大提高ＩＤＳＳ支持的效率。　二、分布决策支持系统　

随着ＤＳＳ的迅速发展，人们希望在更高的决策层次和更复杂的决策环境下得到计算机的支持。这种支持面向的对象已不仅局限于单个的决策人，或代表同一机构的决策群，而是若干具有一定性又存在某种联系的决策组织。许多大规模管理决策活动已不可能或不便于用集中方式进行，这些活动涉及到许多承担不同责任的决策人，决策过程必须的信息资源或某些重要的决策因素分散在较大的活动范围，是一类组织决策或分布决策。分布式决策支持系统（ＤＤＳＳ）是为适应这类决策问题而建立的信息系统。　

ＤＤＳＳ在８０年代初提出，但国内对ＤＤＳＳ的研究还刚刚开始。　

分布决策支持系统（ＤＤＳＳ）是对传统集中式ＤＳＳ的扩展，是分布决策、分布系统、分布支持三位一体的结晶。从概念上理解，ＤＤＳＳ是由多个物理上分离的信息处理节点构成的计算机网络，网络的每个节点至少含有一个决策

9

吉林大学硕士生论文

支持系统或具有若干辅助决策的功能。它的优势在于：（１）比集中式系统更可靠（２）系统效率更高，更接近大型组织决策活动的实际情况（３）易于扩展（４）能实现并行操作，资源共享。　

ＤＤＳＳ的研究课题有：（１）分布信息的表达，适于分布决策的信息结构以及不完全信息条件下的决策方法（２）实际和分析网络拓扑结构的方法及通讯方式（３）适合于分布决策的分布式数据库、分布式模型库及分布式知识库的结构和管理（４）适合构成ＤＤＳＳ的节点模型和使用软件开发（５）研究ＤＤＳＳ的设计方，以指导开发实现　三、群体决策支持系统　

８０年代末以来，ＤＳＳ研究与应用的热门方向之一是群体决策支持系统（ＧＤＳＳ）。所谓群体决策是相对个人而言的，两人或多人召集在一起，讨论实质性问题，提出解决某一问题的若干方案，评价这些策略各自的优劣，最后作出决策，这样的决策过程称为群体决策。群体决策的多数问题是非结构化问题，很难直接用结构化方法提供支持。支持群体决策是一个复杂的组合，它的运行方式与制度及文化有着密切的关系。ＧＤＳＳ的目的就在于克服上述这些障碍，力图提供一种系统方法，有组织的指导信息交流、议事日程、讨论形式、决议内容。　

ＧＤＳＳ与ＤＤＳＳ既有区别又有联系，前者是对个体决策支持系统的扩展，后者是相对于集中式的ＤＳＳ而言的，两者研究的重点和关注的焦点有所不同。ＧＤＳＳ是面向群体活动的，它可为群体活动提供三个层次的支持，即沟通支持、模型支持、机器诱导的沟通模式。ＧＤＳＳ对群体决策的支持既可以是集中式决策，又可以是分布式决策。但通常情况下，群体决策是在分布环境下实施的，这就决定了ＧＤＳＳ和ＤＤＳＳ有着非同寻常的联系。　四、决策支持中心　

决策支持中心（ＤＳＣ—Ｄｅｃｉｓｉｏｎ　Ｓｕｐｐｏｒｔ　Ｃｅｎｔｅｒ）是在把决策方、数据收集和分析方法、计算机支持技术和软件等结合起来的同时，又融合进了各科专家的技术经验、研讨结果和社会知识的一种综合集成决策支持系统。ＤＳＣ由先进的信息技术设备和决策信息专家组成。他们随时准备开发和修改

第一章 绪论

ＤＳＳ，以支持高层领导做出的紧急和重要决策。ＤＳＣ具有以下特点：（１）　多媒体提供的清晰的、可视化的“临境”环境；（２）　在计算机上实现数据分析，决策分析，使群体决策得以顺利实现；（３）　具有各方面专业知识，了解各种决策方法，能通力合作的专家；（４）　可以使信息系统、数据库系统和专家系统共同解决问题的高科技通讯手段。　

ＤＳＣ基本模式图如图１－３所示。　　　　

计算机决策支持系统 　图　１－３　

决策者 决策支持专家小组 在ＤＳＣ系统中，决策者将要解决的问题先发送给决策专家小组。通过网络、多媒体设备和其它现代化的设备，专家们可以召开电视会议，也可以通过电子公告牌（ＥＢＢ）发布各自的意见和信息。专家小组在讨论中首先发表自己的意见，根据特尔斐的规则把各种意见综合集成，然后再讨论，再集成，最后得出问题的定性描述模型。然后用同样的工作方式生成定量模型。这时把定量模型和系统的其它相关信息发送给计算机决策支持系统。在这个工作步骤中，通过自然语言处理系统将问题语言转化成机器可识别的代码，然后通过问题代理（ＰＡ）调动问题库（ＰＢ）中的问题类别，对当前的问题分析归类，问题归类后，通过问题求解模块和代理模块调动知识处理系统（ＫＢ）。知识处理系统包括数据仓库（Ｄａｔｅ　Ｗａｒｅｈｏｕｓｅ，　ＤＷ），模型库（ＭＤ），知识库（ＫＤ），方法库（ＡＢ）和它们相应的代理模块。最后得出定量分析结果。通过网络把定量分析结果送给专家决策小组，进行又一轮的分析、集成、处理，这样经过多次循环，直至得到满意的综合集成决策意见，将此意见交给决策者，为决策提供依据。从而实现了从定性到定量，再到定性的螺旋式上升的决策过程。　五、综合决策支持系统　

把数据仓库（ＤＷ）、联机分析处理（ＯＬＡＰ）、数据挖掘（ＤＭ）、模型库（ＭＢ）、数据库（ＤＢ）、专家系统（ＥＳ）结合起来形成的综合决策支持系统是更高形式

11

吉林大学硕士生论文

的决策支持系统。　

数据仓库（ＤＷ）将大量用于事物处理的传统数据库数据进行清理、抽取和转换，并按决策主题的需要进行重新组织。它能够实现对决策主题数据的存储和综合以及时间趋势分析。　

联机分析处理（ＯＬＡＰ）侧重于数据仓库中的数据分析，并将其转换成辅助决策信息。它与数据仓库的数据组织正好形成相互结合、相互补充的关系。ＯＬＡＰ典型的应用是对数据的切片和切块、钻取、旋转等，它便于使用者从不同角度提取有关数据。它还能够利用分析过程对数据进行深入分析和加工，形成相互结合、相互补充的关系。　

数据开采（ＤＭ）挖掘数据库和数据仓库中的知识。数据开采保存的是历史数据，一般不作修改，因此用户针对数据仓库的交易主要是查询。针对数据仓库系统的查询大都非常复杂，主要有两种：一种以报表为主，从数据库中产生各种形式的业务报表，这种查询是预先规划好的（Ｐｒｅ－ｄｅｆｉｎｅｄ　Ｑｕｅｒｙ）；另一种则是随机的、动态的查询（Ａｄ－Ｈｏｃ　Ｑｕｅｒｙ），对查询的结果也是不能预料的。数据仓库中的查询由于其复杂性，会经常使用多表的联接、累计、分类、排序等操作，这些大都要对整个表进行搜索。每次查询返回的数据量一般很大，对于Ａｄ－Ｈｏｃ查询而言，经常需要根据上次查询的结果进行进一步的搜索，这个过程常称为数据挖掘。数据挖掘不一定需要建立在数据仓库的基础上，但是如果将数据挖掘和数据仓库协同工作，则可以简化数据挖掘过程的某些步骤，从而大大提高数据挖掘的工作效率。并且因为数据仓库的数据来源于整个企业，保证了数据挖掘中数据来源的广泛性和完整性。　

模型库实现多个广义模型的组合辅助决策；数据库为辅助决策提供数据；专家系统利用知识推理进行定性分析。　

把数据仓库、联机分析处理、数据开采、模型库、数据库、知识库结合起来形成的综合决策支持系统，即：ＤＷ＋ＯＬＡＰ＋ＤＭ是更高级形式的决策支持系统，它们集成的综合决策支持系统，将相互补充、相互依赖，发挥各自的辅助决策优势，实现更有效的辅助决策。　六、高新技术的引入　

第一章 绪论

ＤＳＳ作为计算机信息系统，必然会受到软件技术发展的冲击。可视化技术的引入使得决策支持的手段借助形象化的图形表达，更加灵活有效。国内这方面做的工作不多，但国外已有一些基于图形的ＤＳＳ研究与实践。在可视化技术兴起之后，多媒体技术又异军突起，自９０年代以来迅猛发展，与传统的ＤＳＳ及其计算机实现技术相比多媒体技术改进ＤＳＳ的关键内容可分为两个方面：多媒体数据库和可视听技术。　

从软件上看，面向对象方法为ＤＳＳ的开发提供了一个新的范式，并显示出良好的势头，其发展正方兴未艾。

1．6 论文的主要工作

在研究过程中主要完成了以下几方面的工作：　一、建立指标评价体系和测度模型　

为了科学而有效地对吉林省信息产业进行测度，首先准确界定了信息产业的内涵。我们测度的信息产业是广义信息产业中的一种，又可称为现代信息产业。然后，在此基础上建立了一套科学完整的测度理论和决策方法。并且给出本系统使用的指标评价体系和测度模型。　二、完成“吉林省信息产业辅助测度ＤＳＳ”的设计与实现　

应用上述的测度理论实现对吉林省信息产业的宏观测度。在本决策支持系统的设计与实现过程中，我们注重模型的描述、模型库的结构表示，模型库系统的设计以及应用知识和知识推理来实现定性分析的方法研究。　１、构造一个应用于某一专门领域—吉林省信息产业测度的专用决策支持系统（ＳＤＳＳ），建立用于本决策系统的测度模型。将知识引入模型库，对模型的定量测度结果进行定性评价。并给出了一种面向对象模型描述方法。　

通过这些模型的建立、存储、组织和运行等完成对数据库中数据的提取、加工、处理，以完成对吉林省信息产业定量测度的目的。建立模型库管理系统管理这些模型。　

２、应用现有的数据库管理系统和完善的数据库查询语言，来构造实用系

13

吉林大学硕士生论文

统中的知识库的研究。即从数据库出发，讨论如何在数据库中加入推理规则，使数据库具有推理功能，以及如何查询这种数据库。利用现有的数据库技术，把所要构造的知识库的隐式知识通过分析、综合全部显示化后，按照数据库的方式进行组织构造。我们提出了一个以数据库和专家系统相结合的吉林省信息产业评价和测度方案，该方案将信息产业测度知识以关系数据库的形式予以表示，测度算法则采用专家系统的推理机方法，实现了评价问题的多种算法。　

３、分析了目前流行的数据库前台开发工具ＰｏｗｅｒＢｕｉｌｄｅｒ开发ＤＳＳ的可行性和优越性，而且使用ＰｏｗｅｒＢｕｉｌｄｅｒ设计并实现了吉林省信息产业辅助测度ＤＳＳ的知识库管理系统。　

第二章 吉林省信息产业辅助测度DSS的设计

第二章　吉林省信息产业辅助测度

ＤＳＳ的设计

本章详细介绍了吉林省信息产业辅助测度决策支持系统的系统实现目标、系统功能设计、系统配置。并且对于选择使用的系统开发工具做了简单说明。

2．1 吉林省信息产业辅助测度ＤＳＳ概述

“计算机辅助吉林省信息产业测度系统的研究”是一个经吉林省科学技术委员会审核并立项的应用基础课题，其中“吉林省信息产业辅助测度ＤＳＳ”的设计与实现是它的重要组成部分。　

信息产业是近年来蓬勃发展的新兴产业，它对国民经济的发展产生了深远的影响并将占据越来越重要的地位。对信息产业正确的测度将成为管理与决策最有力的依据。这种测度不仅对于研究我省信息产业在经济活动中的表现和作用，揭示信息产业的发展规律都有积极意义，同时也为机构实现宏观经济提供了强拥有力的依据。该测度系统的建立，还可为其他行业进行相关研究提供参考，为知识经济的测度奠定了基础。　

由于信息产业测度管理表现在各个方面的指标是分散的，有些是非量化的、经验型的，对于决策者来说很难从零散的数据信息中来方便快速地判断现代信息产业的总体状况。这对管理者的宏观管理和决策是一个很大的障碍。决策支持系统除了能用定量方法管理结构化问题外，还善于解决ＭＩＳ很难描述和解决的半结构化和非结构化问题，ＤＳＳ注重定量方法和定性方法的结合，注重智能性，灵活性，强调各种技术的综合应用。所以我们选择建立一个实用的决策支持系统（ＤＳＳ），即专用ＤＳＳ（Ｓｐｅｃｉｆｉｃ　ＤＳＳ），去分析研究吉林省信息产业及其在经济活动中的表现和地位，它将对掌握和引导经济发展有直

15

吉林大学硕士生论文

接的作用。

2．2 系统功能设计

吉林省信息产业辅助测度ＤＳＳ主要功能由五大部分组成，即：数据库子系统、模型库子系统、知识库子系统、咨询决策子系统、系统管理维护子系统。它们既完成各自的功能，又相互支持构成一个整体。　一、数据库子系统：　

数据库子系统，实现数据的存储、检索、处理和维护。主要包括数据库、数据字典和数据库管理系统。数据库为Ｓｙｂａｓｅ关系型数据库。数据库中数据包括投入产出数据库、信息产业投入产出数据库、直接消耗数据库、信息产业直接消耗数据库、完全消耗数据库、信息产业完全消耗数据库、比例漂移权系数数据库、测度模型使用的原始数据库（多个）、测度模型使用的结果数据库（多个）。　二、模型库子系统：　

模型库子系统包括模型库和模型库管理，模型库中存储信息产业测度与决策中常用的各种模型，这部分包括：投入产出模型、消耗系数模型、比例因子漂移模型、信息产业信息丰裕系数模型、信息产业信息化水平模型、信息产业对国民经济发展软化作用的测定模型、通信服务对交通替代作用测度模型、信息产业依靠科技评价模型、信息产业基石作用测定模型、信息产业对发展瓶颈分析的模型、感应度和带动度模型等。模型库管理主要实现模型的建立，模型修改、删除和查询及模型组合等操作。　三、知识库子系统　

包括知识库和知识库管理系统，知识库用于存储从专家那里得到的关于信息产业评价与建议的专门知识、经验，以及对模型结果进行判定的模型知识，供推理使用。知识库以经济专家在长期工作过程中积累的多手段多学科知识、判据、指标为基础建立，其中大量补充了吉林省和其它省市、国家的信息产业长时期以来总结、检验的基础上提炼出的知识。我们使用“产生式

第二章 吉林省信息产业辅助测度DSS的设计

规则”来表示知识，产生式规则表示方法是目前专家系统中最为普遍的一种知识表示方法，比较成功的专家系统大都采用了这种表示模式。　四、咨询决策子系统　

咨询决策，依据知识库中的知识，在使用模型库中的模型对信息产业相关方面进行测定的基础上，进行推理决策，也就是将知识库与证据库进行匹配，如果匹配成功，那末结论就成立，得出信息产业测度和咨询建议结论。咨询决策的基本思想是用计算机模拟人类经济专家判定、评价信息产业的方法。本系统采用了正向推理模型。　五、系统管理维护子系统　

系统维护，负责整个系统的日常管理维护工作。主要包括人员权限管理、系统初始化，管理数据库文件和数据库结构、创建数据库结构与库维护、操作指南等。　

吉林省信息产业测度ＤＳＳ系统功能如图２－１所示：　　　　　咨询决策 　知识库管理 模型知识 评价知识 吉林省信息产业辅助测度DSS 数据库管理 投入产出库 权系数库 模型库管理比例漂移法 信息化水平 系统维护 用户管理 设置密码 系统在线帮助 数据库维护 模型评价 　　综合评价 　建议 　发展建议 　　　　　直接消耗系数库 完全消耗系数库 原始数据库 测度结果库 信息丰裕系数 软化作用 替代作用 依靠科技评价 信息产业基石作用 信息产业发展瓶颈分析 图２－１　感应度和带动度 17

吉林大学硕士生论文

本系统是按照系统分析的方法，结合信息产业辅助测度决策的需要进行设计的，系统中的各个子系统既相互实现各自的功能，又有机联系构成一个整体，充分发挥了系统的整体效益。　

系统采用菜单、窗口式人机会话方式管理，有完整的提示，可显示出错与警告，采用统一界面，多窗口参数输入，在线帮助。有较强的容错、纠错能力，系统软件在总控菜单下集成化统一管理，数据输入格式统一，结果输出统一，软件风格统一。

2．3 系统配置

根据系统功能目标的要求，吉林省信息产业辅助测度ＤＳＳ的硬件、软件环境如下，　硬件环境：　

兼容机微机（４３３Ｍ主频，４８６以上；６４Ｍ内存）　打印机　磁盘机　软件环境：　

操作系统　　Ｗｉｎｄｏｗｓ　９８　数据库系统　　Ｓｙｂａｓｅ

2．4 开发工具

本系统采用目前最有代表性的数据库前端开发工具之一ＰｏｗｅｒＢｕｉｌｄｅｒ　７．０（简称ＰＢ７．０）开发，对数据的调用采用ＯＤＢＣ（Ｏｐｅｎ　Ｄａｔａｂａｓｅ　Ｃｏｎｎｅｃｔｉｖｉｔｙ）连接，共享一个数据库。ＰｏｗｅｒＢｕｉｌｄｅｒ功能强大，对数据库的支持范围很广（如ＳＹＢＡＳＥ、ＯＲＡＣＬＥ、ＭＳ　ＳＱＬ　ＳＥＲＶＥＲ　等），提供丰富的对象、控件、函数，并且支持外部函数的使用，因此比较适合于ＤＳＳ的开发。ＰｏｗｅｒＢｕｉｌｄｅｒ中没有子程序的概念，因此模型的建立和调用常采用函数的方

第二章 吉林省信息产业辅助测度DSS的设计

式，可以根据情况设计成全局函数或区域函数。　

另外功能强大的编程语言ＰｏｗｅｒＳｃｒｉｐｔ，使用事件驱动，可灵活使用ＳＱＬ语句。同时具有继承、封装、多态性、函数重载等面向对象的特性，代码的可重用性好，易于维护。它还具有与其它软件接口的混成编程能力。对有些问题，如复杂的计算等，可调用Ｃ语言编写的动态连接库程序（ＤＬＬ）类处理。Ｗａｔｃｏｍ　Ｃ＋＋　Ｃｌａｓｓ　Ｂｕｉｌｄｅｒ是一个在ＰｏｗｅｒＢｕｉｌｄｅｒ中编译Ｃ语言、最终生成动态连接库的工具。它可用来在ＰｏｗｅｒＢｕｉｌｄｅｒ中创建用户对象函数及属于这个用户对象的内部变量，同时创建一个类及其框架文件，并最终将自己的程序代码加到框架文件中生成Ｗｉｎｄｏｗｓ下的动态连接库，该连接库可以在Ｐｏｗｅｒｂｕｉｌｄｅｒ中很方便地调用。通过Ｗａｔｃｏｍ　Ｃ＋＋　Ｃｌａｓｓ　Ｂｕｉｌｄｅｒ，我们可以将Ｃ语言编写的一些函数用到Ｐｏｗｅｒｂｕｉｌｄｅｒ的应用当中。使用动态连接库，不但节省了宝贵的内存资源，而且由于动态库中的函数代码不包含在应用程序中，从而大大节省了应用程序的代码量。　

我们还尝试使用ＰｏｗｅｒＢｕｉｌｄｅｒ进行吉林省信息产业辅助测度决策支持系统中知识库系统的开发应用。知识获取是建造知识库的核心问题，也是建造专家系统的“瓶颈”问题。用数据库来组织知识，通过友好的用户界面进行知识获取，实现动态知识库和动态知识表示。我们使用“产生式规则”来表示知识。用关系数据库技术来组织“产生式规则”的前提部分，将对“产生式规则”的匹配操作转化成等价的对数据库的查询操作。，一个规则库中所有的规则都可以用数据库来描述。　

ＰｏｗｅｒＢｕｉｌｄｅｒ独有的数据窗口技术，可以很容易地实现强大的数据库操作功能。数据窗口控件能按需要的格式显示数据，并对数据库进行检索、更新、删除等各种操作，可以使用它完成知识库系统的许多功能，如知识存入管理功能（增加、删除、修改、更新事实、规则等）以及知识利用管理功能（检索、查询、调用等）。　

19

吉林大学硕士生论文

第三章　模型管理

基本的DSS系统由三部分组成，即数据部件，模型部件和对话部件。模型的表达方式和模型管理成为开发DSS的一个重要课题。目前，面向对象技术在软件开发领域中运用得非常成功，将这种新技术应用到决策支持系统的模型管理中是一种非常有意义的尝试。

3．1 模型的种类和表示方法

所谓模型是以某种形式对一个系统的本质属性的描述，以揭示系统的功能、行为及其变化规律。人们通过对模型的认识来增加对复杂问题的理解和处理。模型库是将众多的模型按一定的结构形式组织起来，通过模型库管理系统对各个模型进行有效的管理和使用。　一、模型的种类　

早期的决策支持系统由于实现方式不同、模型和算法的界限比较模糊，其模型大致可分为以下几种：　

１、数学模型　

数学模型是辅助决策中用的最多，使用范围最广的模型。数学模型的表示形式一般为：方程形式、算法形式、程序形式。在ＤＳＳ中数学模型主要以程序形式存在，可以附以文档说明模型的方程或算法。　

２、数据处理模型　

数据处理模型是完成一定任务的数据处理过程，其特点是处理的数据量大。数据处理模型完成的基本工作为：对数据的选择、投影、旋转、排序等。　

３、图形图象模型　

图形图象模型使计算机以更直观的形式表示给用户。图形模型一般以向量数据形式表示或以绘图程序形式表示，很多情况图形图象模型嵌入到其它

第三章 模型管理

模型中一起使用，直接输出图形或图象结果。　

４、报表模型　

报表是数据处理的主要输出手段，可以看做是人机交互的一种输出形式。由于报表的大量使用和报表的格式的种类繁多，可以以一种单独模型来处理。　

５、智能模型　

智能模型也是以程序形式表示的，但它处理的对象是知识库，知识库是由大量的产生式规则知识和事实知识组成，知识库也可以看作智能模型的数据，故智能模型是广义模型的一种。　

模型不仅包括以上各类模型形式，还包括对辅助决策中的一些辅助工具的管理，为了统一，把这些工具也可以作为模型，和其他模型一道管理、存储、组合和运行。　二、模型的表达方法　

决策支持系统是支持解决半结构化或非结构化问题以提高决策效率的软件系统。模型管理系统是ＤＳＳ的重要组成部分，对它的研究主要集中在模型库结构的表示、模型库系统的设计和模型管理系统环境这三个方面。　

模型、模型库与模型库管理系统是ＤＳＳ的核心，而模型如何表达又是该核心的基础。　

建立ＤＳＳ系统，模型不论采取何种表达方式，都需要模型库和模型库管理系统的支持，但模型的表达方式直接影响到ＤＳＳ的复杂性和决策支持的灵活性。　

ＤＳＳ中模型表示方法有以下几种：　

１、关系模型表示框架把模型看作输入域和输出域之间的虚关系，关系模型不能完全支持模型的共享和复用；　

２、实体—关系表示框架把决策模型看作一个实体，它具有多个属性，实体之间存在着关系；　　

３、结构化模型表示框架使用层次组织的、分割的、带属性的非循环图来表示模型的数学结构和语义关系。结构化模型表示尽管表达了模型之间的复

21

吉林大学硕士生论文

杂关系，但表示真实模型的结果图往往难以理解和使用。　

4、面向对象的模型表示方法引入了面向对象的方法学，把模型看作是对象的集合，模型管理功能通过消息的传递、接收和响应来完成。

3．2 模型管理的面向对象技术基础

一、引言　

随着计算机技术本身的发展及其应用领域的拓宽，人们逐渐发现：计算机软件与硬件的发展越来越不能“同步”，计算机软件变得难以驾驭。６０年代爆发的所谓“软件危机”就是一个证明。其后，人们认识到，软件的发展应该走工业化生产的道路。由此产生的“软件工程”方法在软件开发过程中起了重要作用，但它依然不能很好地解决诸如大系统软件的昂贵成本、质量及维护等方面的问题，使软件的开发和管理面临困境。　

计算机硬件的发展给人以启示。一开始，用电子管，随后是晶体管和电阻、电容等手工装配，很快又被板级集成、随后又被集成电路以至ＬＳＤ、ＶＯＬＳ所取代，硬件工程师要做的是将这些集成块“组装”起来，而不是从零开始。其结果是硬件工业的飞速增长，使软、硬件开发速度间的距离越来越大。如果软件开发也象硬件一样有相应的“集成块”，那么软件的开发效率将有可观的提高，当今面临的许多问题也有望得到逐步解决。　

在这样的背景下，面向对象程序设计应运而生。它的中心思想是软件开发的可重用性。它不是如同以前大多数程序开发那样，从库中调用函数，而是强调以代码部件为单位的重用。从这个观点出发，在开发软件时，可将软件分为若干模块，各开发者分别开发相应模块。这些软件模块遵循某种接口标准，在不同的软件产品之间可互换。开发者不必用“逐句拼装”法构造软件，而只需组合相应的可重用部件。采用这样的方法可使软件开发获得性变化。面向对象的程序设计把系统中所有资源，如数据、模块及系统都看成对象，使程序员的思考方式更接近于人们解决问题的自然方式，对于提高软件开发的效率、软件产品的可靠性及重用性均很有益。在面向对象程序设

第三章 模型管理

计基础上，逐步形成了面向对象方法。　

面向对象ＯＯ（Ｏｂｊｅｃｔ－Ｏｒｉｅｎｔｅｄ）起源于８０年代初，是近几年来颇为流行的一种程序设计风格。目前ＯＯ方法除应用在程序设计领域外，还广泛应用于系统的开发，如面向对象的数据库管理系统，面向对象的专家系统，面向对象的决策支持系统等。　

面向对象的方法以Ｐａｒｎａｓ的信息隐蔽和Ｃｕｔｔａｇ的抽象数据类型为概念基础。它把系统中所有资源，如数据、模块以及系统都看成是对象，每个对象把一个数据类型和一组过程封装在一起，使得这组过程了解对这一数据类型的处理，并在对象上规定外界在其上运行的权限—协议（Ｐｒｏｔｏｃａｌ）。　二、技术基础　１、ＯＯ抽象技术　

ＯＯ方法的一大特点是它比其他方法更加抽象化和更具有对应性。ＯＯ方法的抽象技术是从非常具体到抽象的，而且很规范。它最基本的特征是它的抽象技术存在于实际应用需要的术语（Ｔｅｒｍｉｎｏｌｏｇｙ），资源（Ｒｅｓｏｕｒｃｅ）和抽象（Ａｂｓｔｒａｃｔｉｏｎ）上。ＯＯ方法在解决实际问题时，从一个具体的实体着手，通过找术语的方法找出需要研究的实体，然后研究每个实体的属性、特征和功能。而其他的方法则是着眼于问题的解决方案或系统的开发。ＯＯ方法追求的是实际空间与软件系统解空间的近似或直接模拟。ＯＯ法对应关系如图３－１所示：　　　

　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　实体entities 　　　　　　　　　　　　　　　　　　解决域Ｓｏｌｕｔｉｏｎ　Ｄｏｍａｉｎ　　

对象object 　图３－１　

具体 抽象 类型type 　　　　　　　　　　　　　　　　　应用域Ａｐｐｌｉｃａｔｉｏｎ　Ｄｏｍａｉｎ　类class 23

吉林大学硕士生论文

从概念上讲，ＯＯ方法把设计分成两个层次，一个是应用域（Ａｐｐｌｉｃａｔｉｏｎ　Ｄｏｍａｉｎ），一个是解决域（Ｓｏｌｕｔｉｏｎ　Ｄｏｍａｉｎ）。ＯＯ方法在对应用域进行需求分析时寻找实体，这些实体最终被抽象成类型。解决域中的对象对应于应用域中的实体，同类对象得到的类与应用域中的类型相对应。ＯＯ法的设计思想和方法从一开始就提供了明确的规范，这种严谨的规范贯穿与ＯＯ法的三个步骤：需求分析、设计和实现。ＯＯ法这种从具体到抽象及从应用域到解决域的极强的一一对应是其他方法所不具备的，它把需求分析、设计和实现这三个过程完整地、有机地、紧密地结合起来，ＯＯ法抽象过程如图３－２所示：　

找实体，产生类型定义类，生成对象　图３－２　

需求分析 设计 实现 利用抽象技术，可以将模型管理系统中的模型、数据、方法等抽象成统一的对象，使模型管理系统易于设计，便于实现，并能保证模型与数据、模型与方法的。　２、ＯＯ封装技术　对象（Ｏｂｊｅｃｔ）　

Ｏｂｊ：：＝＜ＩＤ，ＭＳ，ＤＳ，ＭＩ＞　

其中，ＩＤ：对象的名字或标识；ＭＳ：对象受理的操作集合；ＤＳ：对象的存储或数据结构；ＭＩ：对象受理的操作名称集，即消息名集。　

ＯＯ方法中的对象是以对象名封装起来的数据及其操作的整体，它的属性及实现是分离的，对象属性的引用只能通过消息传递实现。这种封装性充分体现了ＯＯ法的信息隐蔽。另一方面，消息传递是对象之间联系的唯一方式，向某个对象发送消息，就是执行它的某一种操作，操作的具体执行由消息的接受者确定。这就使得对象具有严格的性，保证了系统的模块性。此外，

第三章 模型管理

一个对象所能处理的全部消息构成了对象的协议，协议作为该对象的对外接口，使得外界对象只能向该对象发送协议中所提供的消息。模型作为对象，模型的接口通过定义模型对象的协议实现。　

面向对象的封装性可以有效地解决模型与方法、模型与数据特性不匹配的问题。同时，面向对象的模块性对模型的重组提供了有效的支持。　３、ＯＯ继承技术　

继承定义为一个二元偏序关系　

ＩＮＨ：：＝?C,??;??{?Ci,Cj?|Ci,Cj?C｝　

其中，Ｃ为所有类的集合，“＞”读做“继承”，Ｃｉ＞Ｃｊ表示Ｃｉ继承Ｃｊ。　

显然继承具有传递性：ＩＦ（Ｃ２＞Ｃ１）ａｎｄ（Ｃ３＞Ｃ２）ＴＨＥＮ　　Ｃ３＞Ｃ１　。　继承是一种现实世界中对象之间独特的关系，它提供了一种用继承类的接口来承袭一个或多个被继承类的接口的机制，使得某类对象可以承袭另一类对象的特性和能力。被继承类称为超类，继承类称为子类，子类继承超类的所有数据特征及操作，还可以增加新的数据特征及操作，除此以外还可以通过重名定义的方式来覆盖原有的数据特征定义及操作。　

有了类的继承，就有了类的层次结构。这种层次结构使得模型管理的实现可以分层进行，也正是由于继承性，使得模型管理的递增式管理方法成为可能，在模型管理中可以随时通过加入新的对象来增加新的功能，通过扩充对象的协议来扩充原系统的功能。另一方面，继承性既可以减少代码冗余，又可以通过协调性来减少模型之间的接口和界面，这不仅减少了模型存储的冗余，还可以支持模型的重用。　

面向对象方法为解决传统模型管理中存在的问题提供了理论依据，采用面向对象的方法进行模型管理可以使得系统模块性好，重用性强，易于维护，易于扩充。　

3．3 面向对象的模型描述

一、模型的面向对象表示：　

25

吉林大学硕士生论文

模型的内部特征提供对模型结构的描述，外部特征提供对模型的操作，因此建模的关键首先是能否提出一种理想的内部和外部模型描述框架。　

ＤＳＳ中模型表示方法有以下几种：关系模型表示框架把模型看作输入域和输出域之间的虚关系；实体－关系表示框架把决策模型看作一个实体，它具有多个属性，实体之间存在着关系；结构化模型表示框架使用层次组织的、分割的、带属性的非循环图来表示模型的数学结构和语义关系．关系模型不能完全支持模型的共享和复用；结构化模型表示尽管表达了模型之间的复杂关系，但表示真实模型的结果图往往难以理解和使用。　

面向对象的模型表示方法引入了面向对象的方法学，把模型看作是对象的集合，模型管理功能通过消息的传递、接收和响应来完成。我们在吉林省信息产业辅助测度ＤＳＳ中，使用了一种面向对象的模型描述方法。　

面向对象方法学认为世界由各种“对象”组成，对象拥有自己的属性和操作这些属性的方法，即：“对象＝属性＋方法”。而数学模型是一组操作对相关数据进行的运算，可以很自然地把模型和对象对应：将模型看作“类”，模型的输入输出参数和对象的属性相对应，称之为“属性数据”，而模型的运算操作、数据的存取操作和对象的方法相对应。因此我们认为：“模型＝属性数据＋操作”。根据这个式子，我们提出了面向对象模型描述方法。这种方法把模型看作类，将一个模型的属性数据、模型求解和数据存取操作封装起来，通过继承关系描述模型间的联系。　二、定义　

定义１．类代表决策中使用的数学模型，对于不同性质的模型，类分为原子模型类和复合模型类。原子模型类对应于原子模型，即功能不可细分，解决某一类决策问题的数学模型；复合模型类表示组合模型，即由多个模型经模型组合所生成的数学模型。　

定义２．一个原子模型类ＡＣ可以表示为一个三元组：ＡＣ＝｛Ｉ，Ｏ，Ｍ｝；其中，Ｉ，Ｏ分别代表模型的输入输出属性数据，Ｍ代表模型的操作，包括属性数据的存取、模型的求解算法等。　

定义３．一个复合模型类ＣＣ可以表示为一个四元组：ＣＣ＝｛Ｆ，Ｉ，Ｏ，Ｍ，｝

第三章 模型管理

其中，Ｆ代表组成复合模型的原子模型序列，即复合模型类的父类；Ｉ代表模型的输入属性数据，Ｏ代表模型的输出属性数据，Ｍ代表作用于模型上的操作。　

定义４．对象表示模型的一个实例，即把模型的输入输入数据进行例化，它表示的是针对具体决策问题使用的数学模型。　

定义５．继承是指用已经存在的原子模型类或复合模型类构造新的复合类的一种机制。对于新的复合类Ｃｓ和它的多个父类Ｃｆ１，Ｃｆ２，…，Ｃｆｎ，有下列式子成立：

Cs(I)?Cfi(O)??

?

?

Cfi(I)?Cs(I)Cfi(M)?Cs(M)　Cfi(K)?Cs(K)

?

?

?

?

三、面向对象模型设计　

在模型设计实现过程中可将模型看成算法加数据：算法以文件形式存在；引入数据描述文件对模型的数据进行说明，从而有效的区分算法和模型。这样模型可看成由四部分组成：模型＝算法＋模型数据描述文件＋模型描述文件＋模型数据。模型描述文件是模型程序的文档；模型数据描述文件记录模型的对外关系。　

模型数据描述文件包括：　

１、型描述：模型名，模型类型，模型功能等　２、参数定义：输入数据说明，输出数据说明　

３、模型数据库说明：模型数据源，数据库用户，口令等　４、型关系说明：上层模型表，下层模型表等　

５、模型对话说明：满足相应的条件进行对话，完成模型和用户进行交互。　以上规范了模型的对外关系，即模型数据。为了便于处理，原子模型定

27

吉林大学硕士生论文

义为只能够运行一次的模型，它的数据描述文件没有模型关系和模型对话说明，即为空。组合模型由一个或一个以上模型组成，相互之间关系通过模型数据描述文件描述。所有模型的数据描述文件都包括以上五个部分，后缀为．ｍｄｆ，以文本形式进行存储，可以进行编辑。　

模型数据描述文件由六部分组成，如表３－１所示：　　

格式描述　文件标识　模型描述节　数据输入描述节　数据输出描述节　模型关系描述节　数据库描述节　模型对话描述　

表示格式　Ｍｄｆ　

［ｍｏｄｅｌ：ｄｅｓｃｒｉｐｔｉｏｎ］　

［ｉｎｐｕｔ：ｎａｍｅ］　［ｏｕｔｐｕｔ：ｎａｍｅ］　［ｒｅｌａｔｉｏｎ：ｎａｍｅ］　［Ｄａｔａｂａｓｅ：ｎａｍｅ］　［ｄｉａｌｏｇ：ｎａｍｅ］　

表３－１　

１、文件标识该文件为模型数据描述文件，通过用ｍｄｆ字符串表示即可，在对该文件执行操作时，首先判断该标识。　２、节的描述格式为：［ｓｅｃｔｉｏｎ：ｎａｍｅ］　

ｓｅｃｔｉｏｎ：节的名字，在｛ｍｏｄｅｌ，ｉｎｐｕｔ，ｏｕｔｐｕｔ，ｄａｔａｂａｓｅ｝中取值；　ｎａｍｅ：ｓｅｃｔｉｏｎ的名字，　

ｓｅｃｔｉｏｎ和ｎａｍｅ中间用“：”隔开。　

每个节中包含许多项目，通过项目描述节的内容，项目可以是变量、文件、数据库表格等。项目包括属性、值和相关内容，项目和属性及相关内容是一对多关系，项目和其取值是一对一关系，故为了准确完备的描述项目，节中应包含以上三方面内容，定义节的格式如下：　

ｉｔｅｍ＿ｎａｍｅ：ｒｅｌａｔｉｏｎ１；ｒｅｌａｔｉｏｎ２；ｒｅｌａｔｉｏｎ３；…–ｉｔｅｍ＿ｖａｌｕｅ　ｉｔｅｍ＿ｎａｍｅ．ａｔｔｒｉｂｕｔｅ１＝ａｔｔｒｉｂｕｔｅ．ｖａｌｕｅ１　ｉｔｅｍ＿ｎａｍｅ．ａｔｔｒｉｂｕｔｅ２＝ａｔｔｒｉｂｕｔｅ．ｖａｌｕｅ２　

第三章 模型管理

ｉｔｅｍ＿ｎａｍｅ：项目的名称；　

ｒｅｌａｔｉｏｎ１；ｒｅｌａｔｉｏｎ２…项目相关内容描述　ｉｔｅｍ＿ｖａｌｕｅ：项目的取值　

ａｔｔｒｉｂｕｔｅ１、ａｔｔｒｉｂｕｔｅ２…项目的属性列表　

ａｔｔｒｉｂｕｔｅ＿ｖａｌｕｅ１、ａｔｔｒｉｂｕｔｅ＿ｖａｌｕｅ２…项目属性取值　

项目的相关内容列表以“；”为标志，项目和项目的取值用“＝”相连，项目属性用“．”标识。　

３、模型描述节给出模型的基本情况说明，比如模型名称，模型隶属大类，模型类别标识（标识模型为单模型或组合模型），等。　

４、数据输入描述节、数据输出描述节和数据库描述节描述模型中的数据，其项目可以有以下几种形式：　

（１）变量：可以是整型变量、实型变量、字符串变量等；　

（２）文件：在这里可以规定文件名、文件特征、文件路径、打开文件方式、打开文件工具等；　

（３）数据库：包括数据源，用户名，用户口令等；　

（４）数据库表名：所在模型数据描述文件数据库段中描述的数据源中的表名；　（５）数据库字段名：包括所属表名，字段类型等；　

（６）数据库检索条件：按照此检索条件对数据库中的表进行检索，条件按照ＳＱＬ语句填写，缺省值为ＴＲＵＥ；　

在原子模型中，模型关系描述节为空。组合模型中要定义模型关系节，该节描述组合模型的逻辑结构；有哪些模型组成，各个模型之间的关系以及数据流向。在多模型中，要定义模型关系描述节，和以上各个节的结构不同，模型关系描述节是有固定的几个关键字符和特定格式组成。固定的字符给出组合模型的部分语法定义，格式定义如下：　

ｅｎｔｒａｎｃｅ＝模型１名；模型２名…　／／模型入口　模型１名．ＩＦ＝条件１　／／模型１运行条件　模型１名．ｆｏｌｌｏｗ＝模型１．１名；　模型１．２名…　

29

／／模型１后继　

吉林大学硕士生论文

模型２名．ｉｆ＝条件２　

模型２名．ｆｏｌｌｏｗ＝模型２．１名；　模型２．２名…　

ｂｒｅａｋ．ｄｌｇ＝　对话项目名字　

／／模型２运行条件　／／模型２后继　／／模型断点　

５、模型对话节完成模型运行过程中对模型数据进行动态的调整和显示，模型对话节由许多对话项目组成，标识调整模型的数据，格式如下：　

对话项目名字．ｉｎｐｕｔｄａｔａ＝模型名．ｉｎｐｕｔ　／／显示输入数据，并修改　对话项目名字．ｏｕｔｐｕｔｄａｔａ＝模型名．ｏｕｔｐｕｔ　／／显示结果　

对话项目名字．ｃｏｎｔｉｎｕｅ．＝ｙｅｓ　ｏｒ　ｎｏ　／／调整完后是否继续运行　对话项目名字．ｒｅｓｔａｒｔ＝ｙｅｓ　ｏｒ　ｎｏ　／／调整完后是否重新运行　６、另一方面应提供对模型数据文件的完整操作。模型的内容不一样，但对数据描述文件的操作是一样的，这样模型的公共操作提取出来，封装在模型基类中，对模型进行规范化封装，这样在编制模型时只要继承基类就可以完成对数据的操作，其结构如图３－３所示：　　　　

图３－３　

Ｃｏｂｊｅｃｔ提供模型框架的基本操作；ＣｍｏｄｅｌＭａｎａｇｅｒ提供模型基本方法和属性的操作；ＣＭＤＦＭａｎａｇｅｒ对模型描述文件中模型描述节（ｍｏｄｅｌ）、数据输入描述节（ｉｎｐｕｔ）、数据输出描述节（ｏｕｔｐｕｔ）、数据库描述节（ｄａｔａｂａｓｅ）的操作，包括节中项目的输入、删除、修改；获得项目属性、值等；ＣＤＢＭａｎａｇｅｒ提供模型对数据库的操作，包括数据库连接，数据增删改，检索，数据提取

Ｓｉｎｇｌｅ　Ｍｏｄｅｌ　ＣＯｂｊｅｃｔ　ＣＭｏｄｅｌＭａｎａｇｅrr ＣＭＤＦＭａｎａｇｅｒ　ＣＤＢＭａｎａｇｅｒ　ＣＤＬＧＭａｎａｇｅｒ　ＣＲｅｌａｔｉｏｎＭａｎａｇｅｒ　Ｍｕｌｔｉ＿ｍｏｄｅｌ　Ａｐｐｌｉｃａｔｉｏｎ　第三章 模型管理

等。ＣＤＬＧＭａｎａｇｅｒ提供模型对话操作，获取模型数据节，设置运行标识等。ＣＲｅｌａｔｉｏｎＭａｎａｇｅｒ提供模型关系操作，包括模型运行顺序，模型运行条件获取，模型数据关系获取、模型断点设置等。　

基于以上的分析，模型的运行通过以下步骤实现：　

１、准备模型的数据描述文件，具体的说就是准备数据描述文件的输入部分；　

２、调用模型算法；　

３、结果输出，在调用模型算法的过程中对数据描述文件输出部分进行处理，即得模型输出结果。在模型运行过程中，通过模型对话节完成模型与用户的交互，模型对话定义为对模型的输入数据进行修改或对模型的输出数据进行显示，以上对数据描述文件的操作都可以通过继承模型规范化部分得以实现。　

模型管理与运行　１、算法和模型静态管理　

算法和模型的管理由系统数据库进行存储，分为两个表：算法表和模型表。算法表存储算法相关信息，包括算法名，分类码，算法文件路径。算法数据描述文件，算法说明文件等，模型库存储模型相关信息，包括模型名，分类码，模型算法名，模型数据描述文件，模型说明文件等。算法的数据描述文件说明算法的输入数据结构，当对算法进行实例化生成模型时，只要对数据描述文件进行填充具体的值即可。根据具体的问题生成解决问题的模型，同一算法由于数据的不同而实例成不同的模型。　

２、模型动态执行　

模型的执行分为单模型动态执行和组合模型动态执行，由于通过对模型进行规范，组合模型的实质就是对数据描述文件中段落和项目的组合，通过规范化类封装提供对数据描述文件的各种操作，模型的组合就提升为数据描述文件的组合，避开复杂的模型功能组合。在执行时，通过对简单的几个控制流程的保留字进行解释即可达到组合模型运行的目的，而对单模型来讲是其中最简单的一种情况。　

31

吉林大学硕士生论文

３、模型的运行调度　

模型的运行调度是通过给定的模型名，找到相应的算法及数据描述文件，进而执行并产生结果。　

3．4 模型管理系统实现

基于面向对象的模型描述方法，我们设计实现的模型管理系统结构如图3-4所示：

数 据

图3-4

模 型 库 方法 　模型描述解释器 结果 模型知识解释 例程库 库 模型运行结果 模型评价结果 模型库中存储系统的所有原子模型和复合模型。方法例程库中存放相关的求解模型的算法。

原子模型和复合模型均通过模型描述解释器来进行求解，模型描述解释器完成三方面的工作：原子模型和复合模型的实例化；原子模型的组合，即复合模型的生成；模型实例化后的求解。

模型的运行结果经模型知识解释处理后生成模型的评价，与模型运行结果一起提供给模型的使用者。

第三章 模型管理

3．5 系统中的定量测度模型

使用定量测度模型对信息产业进行测度，目的是为了得到定性测度时所需要的数据，以实现对信息产业的评价和建议。为了能准确、全面、客观地对信息产业进行测度，首先要建立一套完整的测度方法和测度指标体系，而且所使用的测度数据一定要有所依据，因为它是整个测度工作的基础。 一、关于数据　

数据是测度的基础，由于信息产业范畴的界定和统计口径中关于部门的界定，出自不同的部门（前者大都出自学术研究部门或行业主管部门，后者出自统计部门），这样就出现了下述三个问题：　

１、由于信息产业自身特点，信息产业具有较强的交叉、渗透性，即在信息产业范围的界定时，不可能完全和统计口径一致，而保留着他自身的特点和完整性，这就意味着信息产业的数据难以完全直接从统计口径数据中得到。　２、由于统计口径部门的数据是按统计部门的规定逐级汇总而得，省统计局提供的数据实际上是一个汇总数据，在某种意义上讲汇总数据往往掩盖了原始数据的属性，而信息产业测度所需的数据则应从数据中原有属性去找，这就产生了需与供的矛盾，即原始数据与汇总数据的属性矛盾，从而使获取测度所需数据的来源难度加大了。　

３、信息产业是一个不断发展的产业，其内涵也随着发展而变化，例如网络、数据库及软件服务，信息服务等已成为信息产业的一部分，而统计口径则滞后于这种变化。因此，不可避免出现信息产业数据的缺项问题。　

综上所述，正确的全面的获得信息产业测度所需的原始数据，存在一定的难度，这是本系统的一个基础性、关键性的难点，也是造成测度由精确变为一种估算的直接原因。　

为了解决由于数据引出的测度困难，在国内外通常用下述方法：　１、经验统计分析法　

例如马克卢普—波拉特的统计分析方法，就是利用经验性的统计方法将所测度的信息产业增加值从社会总增加值中分离出来。显然这种方法带有较

33

吉林大学硕士生论文

大的随机性，即根据统计的样本和经验的不同，直接影响测度所需增加值的可信性。　２、典型调研法　

例如我国学者贺铿、王中华于１９９８年提出的测度模型，对间接信息部门采用了典型调查法，这是一个假定被调查单位内部信息劳动者劳动生产率和所在单位全员劳动生产率相同的条件下进行的。显然，典型单位的选取和调查样本数、所做的假定成了间接部门相关数据的可信度的基础。　３、信息产业从业人员估算法　

（１）　将信息产业从业人员进行详细分类　（２）　按分类从人口普查数据中检索做同类汇总　（３）　求出信息产业总从业人员数　

（４）　假定信息从业人员的生产率＝全员劳动生产率，由信息产业总从业人员数?全员劳动生产率＝信息产业产值，从而求出信息产业的产值　

（５）　将信息产业从业人员分类进行归类：分为一级信息产业部门从业人员数，二级信息部门从业人员数。利用一级部门产值＝一级部门从业人员数?全员劳动生产率和排异法求得二级部门的产值　

这里需要对信息产业从业人员进行详细的分类，要有测度年的人口普查详细资料。而所做的假定也欠科学。　二、比例漂移模型　

如何从统计口径（例如投入—产出表）中得到测度所需的数据，这是对信息产业进行测度的关键技术之一。据目前文献记载，国内外基本上采用马克卢普—波拉特的经验统计方法，或信息强度系数法。能否有一个既不依靠经验又不依靠统计的简单易行的从统计口径获得信息产业所需主要数据的方法。为此，我们提出了比例漂移法。　１、比例因子漂移法　

假定统计口径中同一部门所含各类在投入—产出上是各自相同的，则有下述比例漂移法：　

设统计口径中ｉ部门由ni类组成，ni类中每类又包含mni子类，而信息

第三章 模型管理

产业所指内涵占mni子类中的kmni种，则ｉ部门的比例因子（也可称其为权）：　　

?i＝

kmn

i

nimni

＋pi　

其中kmni(nimni)称为基本比例因子，pi为漂移因子。　

pi是一个可正可负的纯小数，它的作用就是试图抵消比例漂移法所作假定的负效应。pi可根据经验或其他方法获得，也可让pi＝０。例如，统计部门或主管专家认为在该部门中信息产业的增加值是主要部分，则pi＞０，否则pi＜０。　

2、对比例因子漂移法的理论证明

现证明比例因子漂移法在将统计数据进行信息产业分离的正确性——原始数据的不变性：　

设Ａ为含１２４部门的全口径投入产出表，设A1为将信息产业出来的１６４部门的投入产出表。　

设Ａ中与信息产业有关部门的元素（数据）为?ij，A1中的元素（数据）为?

(1)

ij

。　

先对ｉ进行分离，即有　

　　　　　　　　　　（１－?i　　）?ij?A1（ｉ，ｊ）　　　　（非信息部门）　　　　　　　　　　　　　?i?ij?A1（ｉ＋ｌ，ｊ）　　　　　　　　（信息部门）　此处ｌ为A1中信息产业中的行号。　再对列ｊ进行分离，即有　

　　　　　　　　　　（１－?i　　）（１－?i　　）?ij?A1（ｉ，ｊ）　　　　　　　　　　　　?i（１－?i　　）?ij?A1（ｉ，ｊ＋ｖ）　此处ｖ为

A1中信息产业中的列号。　

　　　　　　　　　　（１－?i　　）?i?ij?A1（ｉ＋ｌ，ｊ）　　　　　　　　　　　　?i?i?ij?A1（ｉ＋ｌ，ｊ＋ｖ）　

由于A1（ｉ，ｊ）＋A1（ｉ，ｊ＋ｖ）＋A1（ｉ＋ｌ，ｊ）＋A1（ｉ＋ｌ，ｊ＋ｖ）　

35

吉林大学硕士生论文

　　＝(1??i)2?ij??i(1??i)?ij?(1??i)?i?ij??i?ij

??ij

　?A(i,j)　故分离合理，且满足投入—产出表的含义和要求。　

一般来讲，由于投入—产出表中，对部门而言，行和列排列次序相同，故取ｌ＝ｖ。　

对吉林省１９９７年投入—产出表而言，　　　

1?i,j?124,125?l,v?162

2

上述证明也证明了用比例因子漂移法对直接消耗系数，完全消耗系数进行类似分析也是正确的。　

3、比例因子漂移法实际使用结果分析： （1）在给出信息产业增加值的测度结果，见表3-2 方法　数值　与ＧＤＰ比值　

马克卢普－波拉特分析法　信息产业从业人员估计法　比例漂移法　２０１．３０４９－２２４．７７１６　１３．９１％－１５．５３％　

表３－２　

２０５．１５　１４．１８％　

２１２　１４．６５％　

（２）波拉特统计方法和比例因子漂移法所的结果的比较，见表３－３　

方法　

二级信息部门增加值　

比例因子漂移法　波拉特统计方法　

统计　投－产　统计　投－产　

９３．３２３５　８７．２１５５　８２．６２８４　９９．９８７１　９０．７８８６　

二级信息部门增加值／信息产业增加值　

４４．０２％　４１．１４％　４１．０５％　４４．４８％　４２．６７　

表３－３　

信息产业增加值　２１２　２１２　２０１．３０４９　２２４．７７１６　２１２．５１９１　

信息产业增加值　１４．６５％　１４．６５％　１３．９１％　１５．５３％　１４．６９％　

平均值　

结果虽有不同，但从整体上仍然可看出，我们的测算还是合理的。　（３）　马克卢普方法、波拉特方法、比例因子漂移法的误差分析见表３－４　

地方　法区马克卢普方法　波拉特方法　比例因子漂移法　误差（相差百分点数）　第三章 模型管理

美国　吉林省　

２９％　　

１６％　１５．１１％　

表３－４　

　１４．６５％　

１３　０．４６　

此处，百分比＝信息产业增加值／国内（民）生产总值　

由此可见，马克卢普方法和波拉特方法间误差甚大，而波拉特方法和比例因子漂移法结果基本一致。说明比例因子漂移法可信、可用。　三、定量测度模型：　１、测度指标体系　

选取指标使它既能反映信息产业的现实能力和潜在能力，又能反映信息产业的有形能力和无形能力，把定性分析和定量分析有机地结合，建立指标数量适度的指标体系，从总体上来描述信息产业的综合能力。系统中使用的测度指标体系由图３－４所示的各部分组成：　

　　　基石和扩张作用 　　　地 位 测度指标 依靠科技 信息资源和信息化 　 软　 化　　　　　替 代 带 动 技术进步对产值增长速度的贡献 技术水平评价 技术进步对新增产值的贡献 劳动生产率 信息化水平 信息丰裕系数 图３－５　

２、信息产业在国民经济中地位和扩张作用的测定：　

37

吉林大学硕士生论文

（１）地位作用测定模型：　ａ＝信息产业增加值／ＧＤＰ；　

ｂ＝信息产业从业人员数／总从业人员数的测定；　ｃ＝信息产业中间投入合计／全省中间投入合计。　（２）信息产业软化作用的评价模型：　

本模型用于测定经济模式从传统的刚性结构向柔性结构转化的程度。　其中：　投资软化率：　

投资软化率１＝信息产业中间使用合计／总中间使用合计　

投资软化率２＝（教育中间使用合计＋科技中间使用合计）／总中间使用合计　

投资软化率３＝（教育中间使用合计＋科技中间使用合计）／ＧＤＰ　其中投资软化率１用于测定中间使用方面的投入比例，即对投资结构变化的测定，投资软化率２用于测定投资向软投入方面的趋势，投资软化率３用于从一个侧面衡量目前经济属资源经济、信息经济、知识经济哪个阶段。　出口软化率：　

出口软化率＝信息产品出口总额／出口总额　

用于测定信息产业在出口贸易中等地位和作用，也是衡量信息产业在世界经济一体化中的作用。　就业软化率：　

就业软化率＝信息产业从业人员数／从业总人数　用于衡量信息产业与就业扩张间的作用。　增加值软化率：　

增加值软化率＝信息产业增加值／ＧＤＰ　

用于衡量信息产业增加值在经济总量中的地位，是衡量信息产业扩张作用的重要标志。　

（３）通信服务对交通替代作用的测定模型　

这是考察信息产业对国民经济基础资源的替代作用。信息技术、信息产

第三章 模型管理

品、信息服务可大大节约国民经济活动中各项基本资源的使用和消耗。总之，信息产业可以起到替代国民经济基本资源—物质、能源、人力和资金的作用。　

Et?[(T0?Tx)l(t)?(C0?Cx)]r(t)St　

其中　　　Et—　ｔ期通信服务对国民经济的贡献额　

　T0—　完成一次交通交往平均花费的时间　　Tx—　完成一次通信联系工作平均所花费时间　　l(t)—　社会平均劳动时间价值　　r(t)—　通信对交通的替代作用　

　　　　　　　　　　　　　　　　　C0—　一次交通联系的平均费用　　　　　　　　　　　　　　　　　　Cx—　一次通信联系的平均费用　　　　　　　　　　　　　　　　　　St—　ｔ期通信联系业务量　

（４）带动作用的测定模型：　

利用投入产出表进行经济分析，需计算投入产出表的各种系数。有直接消耗系数、完全消耗系数、和列昂惕夫逆系数等。　①　使用直接消耗系数求列昂惕夫逆系数　

直接消耗系数是指在生产经营过程中单位总产出所直接消耗的各种中间投入的数量。这是根据投入产出表中分部门的各列数据计算的，即第ｊ部门的总投入除该部门直接消耗第ｉ部门产品价值求得的系数。即：　

aij?

xij(j部门对i部门产品耗用的价值)

Xj(j部门的总投入)

全部直接消耗系数aij（ｉ，ｊ＝１，２，…，ｎ）作成的矩阵为直接消耗系数矩阵，记为：Ａ＝(aij)n?n　

列昂惕夫逆系数矩阵，记为：B?(I?A)?1?(bij)n?n　②　使用完全消耗系数求列昂惕夫逆系数　

完全消耗系数，通常记为bij，它是指第ｊ部门每提供一个单位最终使用时，需要完全消耗第ｉ部门产品或服务的数量。它包含了直接消耗和所有的间接消耗。　

全部完全消耗系数bij（ｉ，ｊ＝１，２，…，ｎ）作成的矩阵为完全消耗系数矩阵，

39

吉林大学硕士生论文

记为：Ｂ＝(bij)n?n，实际计算时，可以利用直接消耗系数矩阵Ａ计算完全消耗系数矩阵Ｂ的方法：　

B?（I?A)?1?I　

列昂惕夫逆系数矩阵，即为：B?B?I?(bij)n?n　③　感应度和带动度的测定　

感应度系数：是反映国民经济各部门每增加一个单位最终使用时，某一个部门有此而受到的需求感应程度，也就是需要该部门为其他部门生产而提供的产出量。感应度系数Ei的计算公式为：　

?

Ei?

n

n

bij

n

j?0

1

??bijni?1j?1

　　　　　（ｉ＝１，２，…，ｎ）　

1nn

其中?bij为列昂惕夫系数矩阵的第Ｉ行之和，??bij为列昂惕夫逆

ni?1j?1j?1

矩阵的行和的平均值。　

带动度系数：是反映国民经济某一个部门增加一个单位最终使用是，对国民经济各部门所产生的生产需求波及程度。带动度系数Fi的计算公式为：　

n

Fi?

?

n

bij

　　　　　　（ｊ＝１，２，…，ｎ）　

1

bij??nj?1i?1

i?0

nn

1nn

　　　　其中bij为列昂惕夫逆矩阵的第ｊ列之和；??bij为列昂惕夫逆矩阵

nj?1i?1的列和的平均值。　３、依靠科技的测定模型　

由索洛公式　　y?a??k??l　　求出a，其中y，　a　，　k，　l分别是产值，科技贡献，资金和劳动力投入的速度。　（１）技术进步对产值增长速度的贡献：　

第三章 模型管理

技术进步对产值增长速度的贡献　　　EA?资金对产值增长速度的贡献　　　EK?劳动对产值增长速度的贡献　　　EL?（２）技术水平评价：　

a

100%　y

?k

100%　y?l

100%　y

A0?1At?At?1(1?a)

技术进步对新增产值的贡献：　单纯由于要素投入所增加的产值＝

YtY0

?　AtA0

YtY0

?)　AtA0

依靠科技进步增加的产值＝(Yt?Y0)?(

(Yt?Y0)?(Yt/At?Y0/A0)

技术进步对新增产值的贡献　RA?100%　

Yt?Y0

投入要素（资本和劳力）对新增产值的共同贡献　

Rk,l?

Yt/At?Y0/A0

100%　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　　

Yt?Y0

（３）劳动生产率：　

Ld()

L

劳动生产率增长速度　g?a??h　，　h?K()　

dtK技术进步对劳动生产率增长速度的贡献　SA?

a

100%　g

资金装备率对劳动生产率增长速度的贡献　SK?

L

?h

100%　g

41

吉林大学硕士生论文

YY()t()0

资金装备率的变化所增加的劳动生产率＝L?L　

AtA0依靠技术进步所增加劳动生产率　TA?

VYY()t?()0LL

100%　

YY

()t()0

YY

此处　　V?()t?()0?[L?L]　

LLAtA0

YY

()t()0L?LAtA0?100%　YY()t?()0LL

资金装备率对新增劳动生产率的贡献　TK

L

４、信息资源和信息化水平的测度　（１）信息产业信息丰裕系数的测定模型：　

信息丰裕系数是对信息资源储备与发展潜力进行定量的测定。　设　　R—信息丰裕系数　

R1—基本信息资源生产能力　R2—基本信息资源的发展潜力　则　　R?R1?R2　

而　　R1?(?Pi)M　　　　，　　　　　　　　　R2?S1?S2　

i?14

其中P1—数据库数量　　　　　　　　　　　　　　　S1—信息资源储备能力　

P2—专利和商品数量　　　　　　　　　　　S2—信息资源处理能力　P3—图书报刊出版数量　

P4—视听产品生产数量　

M—测度年内的总人口数　

第三章 模型管理

6

5

S1?(?Qi)M　　　　　　　　　　　　　　　　S2?(?Ti)M　

i?1

i?1

Q1—计算机拥有量　　　　　　　　　　　　　　T1—识字人数　Q2—文化设施拥有量　　　　　　　　　　　　T2—普校在校生数　Q3—新闻设施拥有量　　　　　　　　　　　　T3—科研人员数　

Q4—娱乐设施拥有量　　　　　　　　　　　　T4—部门人数　Q5—邮电设施拥有量　　　　　　　　　　　　T5—咨询机构人数　Q6—通信设施拥有量　

（２）信息产业信息化水平的测定模型：　

对信息化水平的测定，可以衡量社会与市场经济相适应的信息化阶段。我们采用张居人１９９４年提出的信息化加权评价指标体系对吉林省１９９７年信息化水平进行了测定。　

信息化水平加权评估模型为　

I?

?

10

?iFi　

i?1

其中　　　　Fi—反映信息化水平的指标　

　　　　?i—相对权重　　　　??0，　　　??i?100　

i?110

　　F1—第三产业增加值／ＧＤＰ　　　　　　　　　　　　　　　　　　?1＝２０　　　F2—第三产业就业人数／总从业人员数　　　　　　　?2＝１０　F3—邮电业务总额／ＧＤＰ　　　　　　　　　　　　　　　　　　　　?3＝１５　

F4—电话机总量／总人口＊１００％　　　　　　　　　　　　　　?4＝１０　F5—市内程控电话／市内电话总容量　　　　　　　　　?5＝５　F6—广播电台座数／１０（万人）＊１００％　　　　　　　　?6＝５　F7—电视台座数／１０（万人）＊１００％　　　　　　　　　　?7＝１０　F8—电子工业产值／ＧＤＰ　　　　　　　　　　　　　　　　　　　　?8＝１０　　　F9—出口贸易中工业制成品／出口贸易总额　　　?9＝５　F10—专利申请人数／万人＊１００％　　　　　　　　　　　　　　?

43

10

＝１０　

吉林大学硕士生论文

第四章　定性测度

ＤＳＳ能够较有效地支持半结构化和非结构化问题的解决，这类问题单纯用定量方法无法解决，至少不能完全解决。为此，必须在ＤＳＳ中建立知识库，以存放各种规则、因果关系、决策人员的经验等。此外，还应有综合利用知识库、数据库和对定量计算结果进行推理的推理机。　

4．1 知识库的基本概念

一、知识和知识库　１、知识　

为了便于对知识库与推理机的进一步研究，将知识定义为：“知识是以各种不同方式把多个信息关联在一起的信息结构”或者表达为“知识是多个信息之间的关联”。“不与任何其他信息关联”即单独的一个信息是一种特殊的关联方式，可以看作是知识的特例，称为“原子事实”。通常知识的关联是多种形式的，也可以是分层次的，因此，知识的定义进行扩充为一种分层次关联的信息结构。　２、知识库　

知识库是以便于使用和管理的形式组织起来的并且用于问题求解的知识的集合。　

３、知识库应包括两点内容：　

（１）　从功能上看，知识库是存储知识的，并且这些知识，是应用于问题求解的。　

（２）从形式上看，知识库里的知识应是便于使用的，按一定规则组织起来的知识集合。　

这样，知识库中的知识就必须是那些用于问题求解的知识，而不是无关

第四章 定性测度

的知识。存放在知识库中的知识要便于使用管理，更要便于用户检索和更新，也就是说应符合用户对知识的了解、使用和看法。在ＤＳＳ的知识库系统中知识应有两种：一种是ＤＳＳ所需的一般知识及决策过程中的共性知识；一种是ＤＳＳ所需的领域知识。　３、知识库的功能　

知识库的作用在于知识的存储、推理，如用语求解过程的知识、推理判断、输出的定性化等，具体说应具有以下的功能：　

（１）　通过外部交互方式可将知识输入计算机，变成计算机能够理解的形式，并能根据该形式执行推理；　

（２）　可以根据人的需要，将知识的内部形式转化成外部所需的形式，如模拟公式、定性的解释、可理解的图形；　（３）　能够完成定性与定量结合的求解过程。　一、　

知识表示和推理　１、知识表示　

知识表示在人工智能和专家系统中是一个非常重要的问题。人类互相交往都来用自然语言形式描述和表达。要让计算机理解和推理，就必须将自然语言知识形式化，变成计算机能使用的形式。现已成功运用的知识表示形式有：（１）谓词逻辑（２）状态空间（３）产生式规则（４）语义网络（５）框架（６）剧本（７）过程性知识（８）神经网络等。　２、推理　

为使计算机具有智能，仅仅使它拥有知识是不够的，还必须使它具有思维能力，即能运用知识进行推理，实现对问题的求解。　

所谓推理就是按某种策略由已知判断推出另一判断的思维过程。一般来说，推理都包括两种判断：一种是已知的判断，它包括已掌握的与求解问题有关的知识及关于问题的已知事实；另一种是由已知判断推出的新判断，即推理的结论。在人工智能系统中，推理是由程序实现的，称为推理机。　

推理方法是知识处理很重要的组成部分，推理的基本任务是从一种判断推出另一种判断，即从已有的知识推出新知识。推理有以下三种：　

45

吉林大学硕士生论文

（１）演绎推理：从前提逻辑地推出结论的推理方法，即由一般性知识推出适合于某一方面具体情况的结论。这是一种从一般到个别的推理。例如：三段推理法，反证法推理。　

（２）归纳推理：从一个足够大的局部知识推断（或推广为）全局的知识的方法。这是一种从个别到一般的推理。包括枚举归纳法、逆推理法、消除归纳法及各种统计推理的方法。　

（３）类比推理：由两个（或两类）事物在某种属性上相同，进而推断它们在另一个属性上也可能相同的推理。类比推理的结论带有或然性。

4．2 知识的产生式表示法和正向推理

产生式规则是一种启发式知识表达方法。产生式的知识表示形式容易被人理解，而且它是基于演绎推理的，保证了推理结果的正确性。目前它是人工智能中应用最多的一种知识表示模式，许多成功的专家系统都是用它来表示知识的。　

吉林省信息产业辅助测度ＤＳＳ中使用产生式规则来表示知识，实现的推理控制策略是正向推理策略。　一、产生式规则　

在产生式系统中，论域的知识被分为两部分：凡是静态的知识，如事物、事件和它们之间的关系，以事实来表示。而把推理和行为的过程以产生式规则来表示。由于这类系统的知识库中主要存储的是规则，所以又称基于规则的系统。　

产生式通常用于表示具有因果关系的知识，其基本形式是：　

P?Q　

或者　

IF P THEN Q

其中，Ｐ是产生式的前提，用于指出该产生式是否可用的条件；Ｑ是一组结论或操作，用于指出当前提所指示的条件被满足时，应该得出的结论或应该执

第四章 定性测度

行的操作。整个产生式的含义是：如果前提Ｐ被满足，则可推出结论Ｑ或执行Ｑ所规定的操作。　

用产生式表示知识的系统中，决定一条知识是否可用的方法是检查当前是否有已知事实可与前提中所规定的条件匹配，而且匹配可以是精确的，也可以是模糊的，只要按某种算法求出的相似度落在某个预先制定的范围内就认为是可匹配的。象这样把一组产生式放在一起，让他们互相配合，协同作用，一个产生式生成的结论可以供另一个产生式作为已知事实使用，以求得问题的解决，这样的系统称为产生式系统。　

一般来说，一个产生式系统由以下三个基本部分组成：　１、规则库：　

用于描述相应领域内知识的产生式集合称为规则库。规则库是产生式系统赖以进行问题求解的基础，其知识是否完整、一直，表达是否准确、灵活，对知识的组织是否合理等，不仅将直接影响到系统的性能，而且还会影响到系统的运行效率。　２、综合数据库：　

综合数据库又称为事实库、上下文库、黑板等。它是一个用于存放问题求解过程中的各种当前信息的数据结构，例如问题的初始状态、原始证据、推理中得到的中间结论及最终结论等。当规则库中某条产生式的前提可与数据库中的某些已知事实匹配时，该产生式就被激活，并把用它推出的结论放入综合数据库中，作为后面推理的已知事实。综合数据库的内容是不断变化的，是动态的。　３、控制系统：　

控制系统又称为推理机构，由一组程序组成，负责整个产生式系统的运行。它决定在这些适用规则中选择哪一条来使用，然后检验状态描述是否满足终止条件，从而实现对问题的求解。　二、正向推理　

正向推理是以已知事实作为出发点的一种推理，又称为数据驱动推理、前向链推理、模式制导推理及前件推理等。　

47

吉林大学硕士生论文

正向推理的基本思想是：从用户提供的初始已知事实出发，在知识库中找出当前可适用的知识，构成可适用知识集，然后按某种冲突消解策略从知识库中选出一条知识进行推理，并将推出的新事实加入到数据库作为下一步推理的已知事实，在此之后再在知识库中选取可适用知识进行推理，如此重复进行这一过程，直到求得了所要求的解或者知识库中再无可适用的知识为止。　

4．3 基于数据库的知识库系统设计

一、可行性分析　

目前，研究ＤＳＳ中的知识库有两种方法：　

从人工智能角度出发，直接对知识进行表达式上的构造。这需要从存储结构和方法、物理和逻辑的一致性、完整性、完全性、优化及操作语言等诸多方面进行考虑。采用这种方法来构造知识库系统需要极大的投入。而专用决策支持系统（ＳＤＳＳ）往往是一个中小型的应用系统，其目的仅仅是在某一领域承担决策支持，这种系统的特点是决策的主体是决策者，系统仅是一个辅助，系统的开发应面向使用者，而不是机器。所以为这样一个目的，去面对机器低层下大力气开发，往往为用户及系统开发者难以承受。　

从数据库出发，讨论如何使用数据库方式组织知识；在数据库中加入推理规则，使数据库具有推理功能；如何查询这种数据库等。近年来，国内外相继有人研究这个问题，并已取得了一些成果。　

从数据库去建立知识库，是在现有的软件支撑环境下快速开发ＤＳＳ知识库的现实和实用的方法。从数据库到知识库的实现过程来看：数据库系统是由数据库和它的管理系统构成，而将数据库中数据用关系方式有机地组织起来并加上对它的管理机构就形成了现在流行的关系型数据库系统；若在此基础上对关系数据库的数据用某种知识表示来描述，再把它加上一个管理机构则成为知识库系统。即利用现有的数据库技术，把所要构造的知识库的隐式知识通过分析、综合全部显示化后，按照数据库的方式进行组织构造，再把

第四章 定性测度

它所使用的数据库管理系统（ＤＢＭＳ）增加上一些成分（如：保证知识的完整性及一致性的模块，推理模块，知识学习和知识获取模块）使之变成知识库管理系统（ＫＢＭＳ）。　

基于数据库的知识系统以成熟的数据库技术为载体，利用专家系统的思想方法来进行推理演绎，充分利用专家系统和关系数据库技术两者所具有的优点。以数据库为基础，便于添加、修改知识库，易于通过人机对话实现简单的学习功能，以关联建立知识库，引导推理，以过滤机制和索引技术加快搜索，使推理更加简单、高效。　

当前，利用通用程序设计语言（如Ｃ＋＋，ＰｏｗｅｒＢｕｉｌｄｅｒ，Ｖｉｓｕａｌ　Ｂａｓｉｃ等）来开发ＤＳＳ的知识库管理系统是通常采用的一种方法。对于推理机制与方式比较简单、知识库数据多但复杂的这一类问题，特别适合用数据库开发工具来建造。ＰｏｗｅｒＢｕｉｌｄｅｒ　是目前最有代表性的数据库前端开发工具之一，已在管理信息系统和数据库应用系统中获得广泛应用，取得了巨大成功。基于此，我们尝试用ＰｏｗｅｒＢｕｉｌｄｅｒ进行吉林省信息产业辅助测度ＤＳＳ的知识库系统的开发应用。　

ＰｏｗｅｒＢｕｉｌｄｅｒ独有的数据窗口技术，可以很容易地实现强大的数据库操作功能。数据窗口控件能按需要的格式显示数据，并对数据库进行检索、更新、删除等各种操作，可以完成知识库系统的许多功能，如知识存入管理功能（增加、删除、修改、更新事实、规则等）以及知识利用管理功能（检索、查询、调用等）。知识获取是建造知识库的核心问题，用数据库来组织知识，通过友好的用户界面进行知识获取，实现动态知识库和动态知识表示。　

产生式规则是一种启发式知识表达方法，我们用产生式规则来表示知识。使用关系数据库技术来组织产生式规则的前提部分，将对产生式规则的匹配操作转化成等价的对数据库的查询操作。而且一个规则库中所有的规则都可以用数据表来描述。　二、知识库系统的设计与实现　

吉林省信息产业辅助测度ＤＳＳ的知识库系统总体结构如图４－１所示。其中评价标准获取模块用于通过图形界面输入评价标准，输入的评价标准通过

49

吉林大学硕士生论文

知识库管理模块进行一致性、冗余性检查，将正确的标准存入评价标准知识库。　

在上一章中，我们已经讲解了使用定量模型对信息产业进行测度的方法，通过模型的运行得到对信息产业测度的定量结论，存入模型运行结果库（事实库）中。　

用产生式规则表示的知识，以规则前后件库的形式来实现。这些知识包括：（１）领域的事实：一般是国内外相关的数据，作为分析、比较的重要数据；领域知识还包括一些基本概念，解释性的知识。（２）探讨性知识：它是一个领域内正确的实践和正确的判断知识，例如，对信息产业现状的定性判断。　

模型评价与决策咨询模块（推理机）能够结合知识库（规则前后件库）、模型运行结果库（事实库），进行推理，得出对信息产业的定性描述。　

图４－１　　

专家 模型测度 评价标准获取 模型运行结果库(事实库）知识库管理系统 模型评价与咨询决策 （推理机） 定性结论 知识库(规则前后件库) １、知识库　

知识库中存放的知识是由产生式规则表示的，所以又可称其为规则前后

第四章 定性测度

件库。　

它的结构为：　ＲＵＬＥ＿ＦＡＣＴ

（Ｆａｃｔ＿Ｉｄ，Ｆａｃｔ＿Ｎａｍｅ，Ｉｔｅｍ＿ｃｏｄｅ，Ｕｓｅｄ＿Ｂｙ，Ｄｅｄｕｃｅｄ＿ｂｙ，ａｔｔｒｉｂｕｔｅ）　其中，Ｆａｃｔ＿Ｉｄ是事实号；　

Ｆａｃｔ＿Ｎａｍｅ为事实名称；　Ｉｔｅｍ＿ｃｏｄｅ是条目代码；　Ｕｓｅｄ＿Ｂｙ以此事实为条件的规则；　Ｄｅｄｕｃｅｄ＿ｂｙ能推出此事实的规则；　

Ａｔｔｒｉｂｕｔｅ说明此事实类型是目标、可推理事实、已知事实中的哪一种。　

２、规则集推理机　

目前本系统实现的推理控制策略是正向推理策略。正向推理（也称数据驱动）是从已知证据出发，利用与事实相匹配的规则的执行扩展新的事实。这个过程反复进行直到达到给定目标或没有规则能被匹配为止。　

以下是规则集推理机的推理算法：　ＰＲＯＣＥＤＵＲＥ　Ｇｅｎｅｒａｔｅ（＜规则集＞）　ＢＥＧＩＮ　

　　ＷＨＩＬＥ　规则集不是空的　ＤＯ　　　ＢＥＧＩＮ　

　　　　从规则集中选择一条规则Ｒ；　

　　　　ＩＦ　规则Ｒ的前提匹配成功　ＴＨＥＮ　执行规则结论；　　　　　ＥＬＳＥ　Ｇｅｎｅｒａｔｅ（＜规则集＞）；　

　　　　将规则Ｒ从规则集中移去并消除使用规则Ｒ的影响；　　　ＥＮＤ　ＥＮＤ；

51

吉林大学硕士生论文

4．4 测度结果的比较和定性描述问题

测度结果一般是定量值，往往需要将该值和其他地区的相关值进行比较，得到一个相对的结论，有时还需将定量值分类作出定性描述。吉林省信息产业辅助测度ＤＳＳ中用于定性描述的推理法则如下：　一、信息产业基石地位作用的定性描述　

ａ＝信息产业增加值／ＧＤＰ；　

ｂ＝信息产业从业人员数／总从业人员数的测定；　ｃ＝信息产业中间投入合计／全省中间投入合计。　１、产业地位判断　推理法则１：　

a?15%?c?25%?　信息产业处起步阶段，基石作用不明显　

15%?a?20%?25%?c?35%?　信息产业属发展阶段，基石作用一般　20%?a?40%?35%?c?45%?　信息产业属规模阶段，基石作用较好　a?40%?c?45%?　信息产业达发达国家水平，基石作用明显　２、产业前途判定　推理法则２：　　

a/b?1.5?　信息产业是一个值得发展的产业　1.5?a/b?1.0?　信息产业是一个可发展的产业　a/b?1.0?　信息产业是一个值得进一步研究的产业　二、信息丰裕系数的定性描述　

信息丰裕系数是对信息资源储备与发展潜力进行定量的测定。　

R—信息丰裕系数　

R1—基本信息资源生产能力　R2　—基本信息资源的发展潜力　１、信息资源发达情况的判定　推理法则３：　

R?3.0?　达到信息资源超级大国水平　

第四章 定性测度

2.3?R?3.0?　达到信息资源发达国家的水平　1.7?R?2.3?　达到信息资源中等发达国家水平　R?1.7?　信息资源欠发达　２、基本信息资源发展潜力的判定　推理法则４：　

R1?1.0?R1?R2?　基本信息资源发展潜力已得到发挥，生产能力已有一定规模和基础　

R1?R2?R1?1.0?　基本信息资源发展潜力还未得到应有的发挥　三、信息化水平的定性描述　

信息化水平计为Ｉ，对信息化水平的测定，可以衡量社会与市场经济相适应的信息化阶段。　推理法则５：　

I?35.0?　社会未进入与市场经济相适应的信息化阶段　35.0?I?45.0?　社会基本接近与市场经济相适应的信息化阶段　45.0?I?55.0?　社会基本进入与市场经济相适应的信息化阶段　I?55.0?　社会已进入与市场经济相适应的信息化阶段　四、通信服务对交通替代作用的定性描述　

这是考察信息产业对国民经济基础资源的替代作用，用Et表示替代作用效用值。替代作用效用率?(t)＝替代作用效用值Et／ＧＤＰ。　推理法则６：　

?(t)?3%?　替代作用差，应研究原因和对策　3%??(t)?7%?　替代作用一般，替代作用增长率低　7%??(t)?10%?　替代作用良好，替代作用增长率较好　?(t)?10%?　替代作用明显，替代作用增长快　

五、信息产业软化作用的定性描述　１、投资软化率的评价　推理法则７：　

投资软化率1?30%?　属信息经济启动阶段，国民经济投资柔性结构不

53

吉林大学硕士生论文

明显　

30%?投资软化率1?45%?　属信息经济起飞阶段，国民经济投资具有

一定的柔性结构　

45%?投资软化率1?60%?　属信息经济规模阶段，国民经济投资具有

良好大柔性结构　

投资软化率1?60%?　进入信息经济高级阶段，国民经济投资具有稳定

的柔性结构　推理法则８：　

投资软化率3?3%?　为达到工业化后期的基本要求　3%?投资软化率3?6%?　处于工业化后期状态　

投资软化率3?6%?　处于信息经济阶段，初具知识经济特征　

推理法则９：　

投资软化率2/投资软化率3?0.6?投资软化率2/投资软化率3?1.5?　

应研究投资软化率２和投资软化率３的测定数据　

0.6?投资软化率2/投资软化率3?1.5?　投资软化率２和投资软化率３

的测定基本可信　２、出口软化率的评价　推理法则１０：　

出口软化率?5%?　信息产业欠发达，世界经济一体话差　

5%?出口软化率?30%?　信息产业基本发达，世界经济一体化一般　30%?出口软化率?50%?　信息产业发达，世界经济一体化初具规模　出口软化率?50%?　信息产业已达先进国家水平，世界经济一体化已

具规模　

六、依靠科技评价的定性描述　

技术进步对产值增长速度的贡献为EA　推理法则１１：　

a?0?资金、劳力投入基本合理　a?0?资金、劳力投入不合理　

第四章 定性测度

推理法则１２：　

EA?30%?依靠科技不够　30%?EA?40%?依靠科技一般　EA?40%?依靠科技良好　推理法则１３：　

k?l?EK?EA?EK?EL?　属资金耗费型发展　l?k?EL?EA?　属劳力为重型发展　EA?EK?EA?EL?　属依靠科技型发展　推理法则１４：　

??0???0.3??取值合理　

??0.7???1.0??取值合理　

?取值合理??取值合理?　?,?取值合理　

?,?取值合理?????1?　属规模收益不变，超出依靠增加资源数量所得到的产出量增长部分　

?,?取值合理?????1?　属规模收益递减，生产规模大于经济规模　?,?取值合理?????1?　属规模收益递增，增加投入会降低成本　七、对吉林省信息产业发展瓶颈的分析　１、对一级，二级信息部门的分析　信息产业增加值／ＧＤＰ＝V1　

信息产业一级部门增加值／ＧＤＰ＝V2　信息产业二级部门增加值／ＧＤＰ＝V3　信息产业最终产品／ＧＤＰ＝V4　信息产业出口额／总出口额＝V5　信息产业贸易逆差／总贸易逆差＝V6　推理法则１５：　

V2/V3?2.0?V4?20%?V5?20%?V6?40%?第一信息部门的发展成为我省经济发展的主要“瓶颈”之一　

V2/V3?2.0?V4?20%?V5?20%?V6?40%?第一信息部门的发展

55

吉林大学硕士生论文

快于第二信息部门的发展，说明我省工业基础较好　２、对一级信息部门内部的发展分析　推理法则１６：　

(电子计算机制造业?电子元器件制造业)的增加值/GDP?10%?计算机及电子元器件制造业是信息产业的主要“瓶颈”之一　八、总体评价　

１、信息产业规模的评价　推理法则１７：　

信息产业产值/GDP?20%?信息产业从业人数/总从业人数?20%?

处于发展中国家或地区的规模水平，在国内处于后进状态　

20%?信息产业产值/GDP?40%?20%?信息产业从业人数/总从业人数?35%?

处于中等发达国家、新兴工业化国家和地区的规模水平　

信息产业产值/GDP?40%?信息产业从业人数/总从业人数?35%?

处于发达国家（组织）和地区的规模水平　２、信息资源的评价　见推理法则３　

３、与市场经济适应的评价　见推理法则５　

４、关于当前经济所处时代的判断　见推理法则８　

九、关于发展信息产业的建议　１、关于解决“瓶颈”问题的建议　推理法则１８：　

第一信息部门是我省经济发展的主要“瓶颈”之一?计算机及电子元器件制造业是信息产业的主要“瓶颈”之一?　优先发展计算机应用业　

优先发展计算机应用业?我省具有人才优势?　优先发展计算机软件开发业，建议我省集中人力，财力开展商议数据库，联机数据库，商贸数据库等开发，研究电子贸易，全球贸易网络化和互联网的商业利用。研究经费

第四章 定性测度

／ＧＤＰ?1000　

第一信息产业部门不是“瓶颈”?计算机及电子元器件制造业是“瓶颈”　

?待我省工业基础叫好，加大发展计算机制造和应用业，加大发展电子元器件制造业　

２、信息产业发展道路的建议　推理法则１９：　

一级信息部门增加值＜二级信息部门增加值?　信息服务好，是美国，日本的道路　

（一级信息部门增加值／二级信息部门增加值）－１?４０％?　两者比例基本协调，工业基础较弱，为新加坡的道路　

（一级部门的增加值／二级部门的增加值）－１?４０％?　两者不能协调发展，是发展中国家常见的现象　

工业基础较弱?信息服务差?　一、二级信息部门需要基本协调发展　工业基础较强?信息服务好?　优先发展二级信息部门　工业基础较弱?信息服务差?　优先发展一级信息部门　３、信息产业的建议　采用人机对话方式实现：　

（１）　本地区信息产品及服务领域有没有比较优势？回答：有优势或无优势（Ｙ／Ｎ）　

（２）　本地区信息产品及服务部门需要保护吗？回答：需要保护或不需要保护（Ｙ／Ｎ）　

（３）　信息市场自由化能损害本地区政治和经济安全或主权吗？回答：能损害或不能损害（Ｙ／Ｎ）　推理法则２０：　

（１）Ｙ?（２）Ｙ?（３）Ｙ?采取偏向于产业管制的信息产业　（２）Ｙ?（２）Ｎ?（３）Ｙ?采取混合型的信息产业　

（１）Ｎ?（２）Ｎ?（３）Ｎ?偏向于信息时常自由化的信息产业　在本系统中，知识表示使用产生式表示法。这是因为它便于将问题形式化；

57

吉林大学硕士生论文

而且符合人们的习惯，易于被人理解；建立控制系统十分方便。每一条产生式就是构成一个知识模块的一条法则。　

具体实现问题的定性描述时，我们一共使用了２０类产生式，涉及知识达６６种。　　

第五章 吉林省1997年信息产业测度的基本结论

第五章　吉林省1997年信息产业测度

的基本结论

5．1 定量测定结论

一、　

信息产业基石和扩张作用的测定　

１、对信息产业在国民经济中基石作用的测定。　

（１）　信息产业增加值＝２１２．４６４８亿元，占国内生产总值１４．６５％　

其中：　

一级信息部门增加值＝１２４．７８４５亿元，占信息产业增加值５９％，占国内生产总值８．６％　

二级信息部门的增加值＝８６．６９０８亿元，占信息增加值４０．９９％，占国内生产总值５．９９％　

一级信息部门增加值／二级信息部门的增加值＝１．４３９４２　（２）　信息产业从业人数＝１３０．６６８１万人，占总从业人数１０．５５％　（３）　信息产业中间投入合计＝１６８．９９８９亿元　

信息产业中间投入合计／全省中间投入合计＝７．６７％　２、软化作用　

投资软化率１用于测定中间使用方面的投入比例，即对投资结构变化的测定　　

投资软化率１＝７．６７％　

投资软化率２用于测定投资向软投入方面的趋势　投资软化率２＝２．２８％　

投资软化率３用于从一个侧面衡量目前经济属资源经济、信息经济、知识经济哪个阶段　

59

吉林大学硕士生论文

投资软化率３＝３．４６９％　出口软化率＝１．８３％　就业软化率＝１０．４７％　增加值软化率＝１４．６５％　３、替代作用　

通信服务对交通效用费用值：Et?９３．１５３３亿元。　

占国内生产总值６．４４％，为邮电业务总量的２．４８倍，为运输邮电业增加值９０．４３７亿元的１．０３倍。　４、带动度、感应度　

当感应度系数Ei＞１（Ei?1，Ei?1）时，则表示第ｉ部门所受到的感应程度高于（等于，低于）社会平均感应度水平（即各部门所受到的感应程度的平均值）。　

在１６２部门中，带动度最大者为电子计算机制造业，其值为３．５９９２８２。有１１０个部门带动度大于１，有５２部门带动度小于１，在信息产业内部，带动度大于１的有４个，带动度小于１的有３４个。　

在１６２部门中，感应度最大者为商业，其值为１７．６５９７７５。有６４个部门的感应度大于１，有９８个部门的感应度小于１。在信息产业内部，感应度大于１的有１３个，感应度小于１的有２５个，感应度最大者是电子计算机制造业，其值为７．０７１７１５．　二、　

信息产业信息资源和信息化水平的测定　１、信息资源储备与发展潜力的测定：　基本信息资源生产能力　　R1?０．０００２５　基本信息资源发展潜力　　S1?０．２６５１　信息资源处理潜力　　S2?１．１４５８　信息丰裕系数　　R?１．４１１１５　

２、社会与市场经济相适应的信息化阶段的测定：　吉林省１９９７年信息化水平值：I?２３．６０２５。　三、　

信息产业依靠科技测定　

第五章 吉林省1997年信息产业测度的基本结论

１９９７年　　y?０．０５５６，　l?０．０１９９，　k?０．０７７３　

科技进步速度a?2.51%

技术进步对产值增长速度贡献EA(97)?45.14%资本对产值增长速度贡献EK(97)?25%劳力对产值增长速度贡献EL(97)?29.32%设1995年技术水平为:A(95)?11997年技术水平为:A(97)?1.0508

单纯由于要素投入所增加的产值　　１１．２７４７亿元　依靠科技进步增加的产值　　１０．４６９３亿元　

技术进步对新赠产值的贡献RA?48.15%

投入要素(资本和劳力)对新增产值的共同贡献RK,L?51.85%劳动生产率增长速度g?0.0371

技术进步对劳动生产率增长速度的贡献SA?67.65%资金装备率对劳动生产率增长速度的贡献SK?32.35%

L

资金装备率的变化所增加的劳动生产率　　０．０２４４　资金装备率对新增劳动生产率的贡献TK?27.25%　

L

依靠技术进步所增加的劳动生产率TA?72.75%

5．2 主要定性结论

表５－１所示为本系统测度得到的主要定性结论：　　类别　信息产业基石作用　

主要定型结论　

１、吉林省信息产业处于起步阶段，基石作用不明显　２、吉林省信息产业是一个值得发展的产业　

信息资源　

１、吉林省信息资源欠发达　

２、吉林省基本信息资源发展潜力还未得到应有发挥　

61

吉林大学硕士生论文

信息化水平　吉林省社会未进入与市场经济相适应的信息化阶段　

通信服务对交通的替代作用　电信服务对交通替代作用一般，替代作用增长率低　信息产业软化作用　

１、吉林省处在信息经济启动阶段，国民经济投资柔化结构不明显　

２、吉林省对教育，科研的投入处于工业后期阶段　３、投资软化率２和投资软化率３的测定基本可信　４、吉林省信息产业欠发达，世界经济一体化程度低　

依靠科技评价　

１、吉林省信息产业属耗费资金型发展类型　２、?,?取值合理，属规模效益不变范围　３、资金、劳力投入基本合理　４、依靠科技较好，技术水平测定合理　

对吉林省信息产业发展“瓶颈”的分析　

１、一级信息部门的发展成为我省经济发展的“瓶颈”　２、计算机及电子元器件制造业是信息产业的主要“瓶颈”职业之一　

信息产业规模　

吉林省信息产业处在发展中国家或地区的规模水平，在国内处于后进状态　

信息产业规模　感应度和带动度　

吉林省信息产业处在发展中国家或地区的规模水平，在国内处于后进状态　

１、电子计算机制造业具有最大带动度，表示它的最终产品增加每一个单位，带动国民经济系统中各部门总产出的增长量为３．５９９２８２个单位　

２、商业具有最大感应度，表示国民经济系统中各部门最终需求每增加一个单位，商业相应增加的总产出值为１７．６５９７７５个单位　

３、在信息产业内部，带动度和感应度最大的都是电子计算机，说明电子计算机是信息产业发展的关键，此点和国际上先进国家发展情况相一致　

第五章 吉林省1997年信息产业测度的基本结论

关于解决“瓶颈”和发展道路的建议　

１、吉林省应该优先发展计算机应用业　

２、我省具有人才优势，应优先发展计算机软件业，集中人力，财力开展商业数据库，联机数据库，商贸数据库等的开发；研究电子贸易，全球贸易网络化和互联网的商业利用　

３、吉林省一级信息部门和二级信息部门不能协调发展，是发展中国家常见的现象，吉林省一、二级信息部门应注意协调发展　

表５－１　

63

吉林大学硕士生论文

全文总结

本文论述的主要内容包括：　一、理论基础　

１、讨论了决策支持系统（ＤＳＳ）的形成、发展，给出了决策支持系统的定义。认为ＤＳＳ实质上是在管理信息系统和运筹学的基础上发展起来的，是支持解决半结构化或非结构化问题的计算机系统。　

２、ＤＳＳ由三个部件组成的，即人机交互及问题处理系统（综合部件）、模型库系统（模型部件）、数据库系统（数据部件）。智能决策支持系统是在传统决策支持系统的基础上集成人工智能的专家系统而形成的。　

３、ＤＳＳ的研究分为专用决策支持系统，决策支持系统工具，决策支持系统生成器三个技术层次。　

４、未来ＤＳＳ向智能化，分布式，群体决策，决策支持中心，综合决策支持系统等方向发展。　二、系统总体设计部分　

１、信息产业是近年来蓬勃发展起来的新兴产业，它对国民经济的发展产生了深远的影响并将占据越来越重要的地位，对信息产业正确的测度将成为管理与决策最有力的依据；信息产业测度也是一项复杂，难度大，有争议的工作，为了能准确、全面、客观地对信息产业进行测度，我们花费了大量的时间建立指标评价体系，测度模型和评价方法。本文详细给出信息产业测度用指评价标体系和测度模型，并通过实践证明我们提出的测度方法是可行的、有效的。　

２、吉林省信息产业辅助测度ＤＳＳ主要功能由五大部分组成，即数据库子系统、模型库子系统、知识库子系统、咨询决策子系统、系统管理维护子系统。它们既完成各自的功能，又相互支持构成一个整体。　三、技术实现部分　

ＤＳＳ的应用研究过程中，模型的表达方式、模型管理及知识部件的实现

总结

成为开发决策支持系统的重要课题。本文从理论到实践都对以数据库管理系统为基础开发实用决策支持系统做了有益的探讨和尝试。　

１、针对传统模型管理中存在的缺陷，把目前在软件开发领域中运用非常成功的面向对象技术应用到模型管理中，提出了面向对象模型管理的基本框架结构，并以其在吉林省信息产业测度ＤＳＳ中的应用为研究背景，详细阐述了面向对象的模型管理方法。　

将模型看作“类”，模型的输入输出参数和对象的属性相对应，称为“属性数据”，而模型的运算操作、数据的存取操作和对象的方法相对应。因此我们认为：“模型＝属性数据＋操作”。具体实现时，模型可由四部分组成：模型算法，模型数据描述文件，模型描述文件，模型数据。数据描述文件记录模型的对外关系，模型描述文件是模型程序的文档，模型数据是模型运行中使用的数据。模型的运行通过以下步骤实现：（１）准备模型的数据描述文件，具体的说就是准备数据描述文件的输入部分；（２）调用模型算法；（３）结果输出，在调用模型算法的过程中对数据描述文件输出部分进行处理，即得模型输出结果。（４）在模型运行过程中，通过模型对话节完成模型与用户的交互，模型对话定义为对模型的输入数据进行修改或对模型的输出数据进行显示。　

把面向对象技术引入模型管理的意义如下：（１）解决了模型的统一表示、统一处理问题，使系统易于实现（２）模型对象彼此相互，使系统结构灵活，易于扩充。当决策环境和决策方式变化时，系统能快速反应，具有适应能力。（３）模型对象封装了信息及其上的操作，利用协议描述建立模型的接口，而无需定义具体的实现描述，使模型接口简化。（３）能满足不同应用领域对系统的具体要求，是一个通用的模型管理框架。（４）提供自顶向下及自底向上两种构模方式，支持模型抽象的层次结构，符合人们认识客观世界的习惯。（５）可靠性高，易理解，易维护。　

２、吉林省信息产业测度中面对许多定性分析问题，所以在系统中引入了知识库，利用现有的数据库管理系统和完善的数据库查询语言，来构造实用决策支持系统中的知识库，将模型评价知识以数据库的形式予以表示，评价

65

吉林大学硕士生论文

算法则采用专家系统的推理机方法，尝试用ＰｏｗｅｒＢｕｉｌｄｅｒ进行本系统知识库系统的开发应用。用产生式规则表示知识，给出用于定性评价的主要推理法则。　四、结论部分　

依据前文的论述和评价，根据吉林省１９９７年的统计数据，给出使用本系统对吉林省信息产业测度的结论，证明了测度方法和测度系统是合理、有效的，基本达到了预期的要求。　

但由于时间紧迫，水平有限，目前系统以及方案还不是很完善，还有许多工作需要完成，主要包括：　

１、信息产业测度模型的进一步完善，设计多套可供用户选择的指标评价体系和测度模型，提高辅助用户决策的效能。　

２、将模型中隐式知识显式地表示出来，作为模型的一个组成部分。实现在ＤＳＳ的模型管理和使用中对模型的运行结果进行自动评价（例如，说明模型的建立合适与否）；满足主动式模型选择的需要（对于某一决策问题，可以建立多种模型进行求解，从众多模型中选择最适当的模型。）　３、模型库管理系统中的多模型组合动态运行功能设计　4、基于ＷＥＢ和群体决策环境下的决策支持系统的研究与开发

参考文献

参考文献

［１］高洪深．决策支持系统（ＤＳＳ）—理论．方法．案例．北京：清华大学出版社　广西科学技术出版社，２０００　

［２］陈文伟．　决策支持系统及其开发．北京：清华大学出版社　广西科学技术出版社，２０００　

［３］朱晓东．一个实用决策支持系统ＳＢＡＮＫＤＳＳ的构造方法和实现研究．吉林工业大学硕士生论文，１９９９　

［４］廖明宏，郭福顺．产生式系统的关系数据库实现．小型微型计算机系统，１９９５，１６（１２）　

［５］齐玉东，李逸波．一种专家数据库的开发与实现．ＰＣ　ＷＯＲＬＤ　ＣＨＩＮＡ／ＦＥＢ　１，１９９９（５）　

［６］李兴森，林福严．用ＰＯＷＥＲＢＵＩＬＤＥＲ建造计算机图形评价专家系统．系统工程与电子技术，２００１（１）　

［７］赵新昱，陈文伟等．ＤＳＳ中广义模型服务器规范研究与实现．小型微型计算机系统，２０００（６）　

［８］张维明，郭苏等．信息系统建模技术与应用．北京：电子工业出版社，１９９７　［９］黄跃进，反伟胜，朱云龙．空间决策支持系统模型库系统研究．信息与控制，２０００（６）　

［１０］戴超凡，邓苏等．ＤＳＳ中数据管理新技术研究．计算机工程与应用，２０００（１２）　

［１１］刘大有，唐海鹰，陈建中等．玉米病虫害防治专家系统．计算机与发展，１９９９（１）　

［１２］李云峰，史忠植，谭宁．一种新的ＤＳＳ模型描述方法．计算机研究与发展．１９９９（５）　

［１３］王永庆．人工智能原理与方法：西安交通大学出版社，１９９８　

［１４］郁朋，周济等．知识处理中的推理机设计．小型微型机系统，１９９９（１）　

67

吉林大学硕士生论文

［１５］马芸生，杜俊俐．决策支持系统与智能决策支持系统　

［１６］陈禹，谢康．知识经济的测度理论与方法．北京：中国人民大学出版社，１９９８　

［１７］Ｒｏｂｅｒｔ　Ｊ．Ｍｏｃｋｌｅｒ．国外计算机辅助决策应用范例　［１８］李书涛．决策支持系统原理与技术．北京理工大学出版社　［１９］金建．信息产业经济学论纲．北京出版社　

［２０］何新贵．知识处理与专家系统．国防工业出版社，１９９０　

［２１］高洪森，朱丹．企业管理决策支持系统（ＥＭＤＳＳ）的开发研究．决策与决策支持系统，１９９２，２（３）：２４￣２９　

［２２］贺铿．关于信息产业和信息产业投入－产出表的编制方法．数量经济技术经济研究．１９８９；（２）　

［２３］肖人彬，罗云峰，费奇．决策支持系统发展的新阶段．系统工程理论与实践，１９９９；（１），４７￣５０　

［２４］桂峰，陈海峰．ＰｏｗｅｒＢｕｉｌｄｅｒ　７　应用与开发．机械工业出版社，１９９９　［２５］陈禹．决策支持系统（ＤＳＳ）－它的由来、特征及研究方法．人民大学出版社，１９８６；（２）　

［２６］董军，胡上序，陈德钊．面向对象方法在决策支持系统中的应用．系统工程理论与实践，１９９８（１２）　

［２７］李东．关系模型库的理论及应用．系统工程理论与实践．１９９８（８）　［２８］陈富赞，范贻昌等．面向对象模型管理方法的研究及应用．　系统工程理论与实践，１９９９（６）　

［２９］郭建康，郭大庆，王振亚．甘肃省地震智能预测决策系统．管理信息系统，２０００　

［３０］朱树人，李伟琴．ＥＲＰ中ＤＳＳ的设计与实现．计算机应用，２０００（２）　［３１］李勇建，贾春福等．基于Ｃ／Ｓ的ＯＤＢＣ结构及其在ＰＢ开发中的应用．计算机应用，２０００（１０）　

［３２］周傲英．知识库系统及其研究现状．计算机科学，１９９１　（５）　［３３］张成奇．基于知识的推理．计算机科学，１９８７　（３）　

参考文献

［３４］易建华．机电产品价格的预测方法简介．西南交通大学学报，１９９９；（１），６１—６３　

［３５］邓铁清，吴泉源．一个基于逻辑程序设计范例的专家数据库系统．计算机研究与发展，１９９９（４）　

［３６］曾珍香等．决策支持中心—ＤＳＳ的发展趋势．系统工程与电子技术，２０００（２）　

［３７］赵荠，王志坚．品牌决策支持系统的研究与实现．信息与控制，２０００（１２）　［３８］程慧霞．用Ｃ＋＋建造专家系统．北京：电子工业出版社，１９９６　［３９］李书涛．决策支持系统原理与技术．北京理工大学出版社　

［４０］樊东等．Ｏｒａｃｌｅ与ＰｏｗｅｒＢｕｉｌｄｅｒ实战演练．北京：人民邮电出版社，２０００　［４１］Ｓｒｉｋａｎｒｈ　Ｃｈａｒｉ．Ｔｏｗａｒｄｓａ　ｌｏｇｉｃａｌ　ｒｅｃｏｎｓｔｒｕｃｔｉｏｎ　ｏｆ　ｓｔｒｕｃｔｕｒｅｄ　ｍｏｄｅｌｉｎｇ．　［Ｊ］Ｄｅｃｉｄｉｏｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓｔｅｍ．１０（１９９３）３０１￣３０７　

［４２］Ｓｉｍｏｎ　Ｈ．Ａ．Ｔｈｅ　ｎｅｗ　ｓｃｉｅｎｃｅ　ｏｆ　ｍａｎａｇｅｍｅｎｔ　ｄｅｃｉｓｉｏｎ．Ｎｅｗ　Ｙｏｋ：Ｐｒｅｎｔｉｃｅ－Ｈａｌｌ，１９９７　

［４３］Ｂｌａｎｎｉｎｇ　Ｒ　Ｗ．Ａ　ｒｅｌａｔｉｏｎａｌ　ｔｈｅｏｒｙ　ｏｆ　ｍｏｄｅｌ　ｍａｎａｇｅｍｅｎｔ．Ｉｎ：Ｈｏｌｓａｐｐｌｅ　Ｃ　Ｗ，Ｗｈｉｎｓｔｏｎ　Ａ　Ｂ　ｅｄｓ．Ｄｅｃｉｓｉｏｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓｔｅｍ：Ｔｈｅｏｒｙ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ．　ＮｅｗＹｏｒｋ：Ｓｐｒｉｎｇｅｒ－Ｖｅｒｌａｇ，１９８７．１９￣５３　

［４４］Ｃｈｅｎ　Ｙ　Ｓ．Ａｎ　ｅｎｔｉｔｙ－ｒｅｌａｔｉｏｎｓｈｉｐ　ａｐｐｒｏａｃｈ　ｉｎ　ｄｅｃｉｓｉｏｎ　ｓｕｐｐｏｒｔ　ａｎｄ　ｅｘｐｏｒｔ　ｓｙｓｔｅｍｓ．Ｄｅｃｉｓｉｏｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓｔｅｍ，１９８８，４（２）：２２５￣２３４　［４５］Ｊｉａｎ　Ｍａ．Ａｎ　ｏｂｊｅｃｔ＿ｏｒｉｅｎｔｅｄ　ｆｒａｍｅｗｏｒｋ　ｆｏｒ　ｍｏｄｅｌ　ｍａｎａｇｅｍｅｎｔ．Ｄｅｃｉｓｉｏｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓｔｅｍｓ，１９９５，１３（２）：１３３￣１３９　

［４６］Ｊｏｈｎ　Ｖａｎ　ｄｅｎ　Ｈｏｖｅｎ．Ｉｎｆｏｒｍａｔｉｏｎ　Ｒｅｓｏｕｒｅ　Ｍａｎａｇｅｍｅｎｔ：Ｓｔｅｗａｒｄｓ　ｏｆ　Ｄａｔａ．Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｙｓｔｅｍ　Ｍａｎａｇｅｍｅｎｔ，１９９９；（１），８８￣９０　

［４７］Ｓｏｌ　Ｈ．Ｇ．Ｐａｒａｄｏｘｅｓ　ａｒｏｕｎｄ　ＤＳＳ．Ｄｉｃｉｓｉｏｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓｔｅｍ：Ｔｈｅｏｒｙ　ａｎｄ　Ａｐｐｌｉｃａｔｉｏｎ，Ｓｐｒｉｎｇｅｒ　Ｂｅｒｌｉｎ　Ｈｅｉｄｅｌｂｅｒｇ，１９８７　

［４８］Ｇ．ｗｉｅｄｅｒｈｏｌｄ．Ｋｎｏｗｌｅｄｇｅ　ａｎｄ　Ｄａｔａｂａｓｅ　ｍａｎａｇｅｍｅｎｔ．Ｓｏｆｔｗａｒｅ，１９８４，（１）　

［４９］Ａｄａｍｓ　Ｔｅｒｅｓａ　Ｍ．ｋｎｏｗｌｅｄｇｅ　Ｒｅｐｒｅｓｅｎｔａｔｉｏｎ　ａｎｄ　Ｐｒｏｃｅｓｓｉｎｇ　ｉｎ　

69

吉林大学硕士生论文

Ｒｅｌａｔｉｏｎａｌ　Ｄａｔａ　Ｂｓａｅ．Ｊ．Ｃｏｍｐ．　ｉｎ　Ｃｉｖ，，Ｅｎｇｎｇ．ＡＳＣＥ，１９９３，７（２）：２８３￣２５５　［５０］Ａｎｄｒｅｗ　Ｐ　Ｓａｇｅ．Ｏｂｊｅｃｔ－Ｏｒｉｅｎｔｅｄ　Ｍｅｔｈｏｄｌｏｇｉｅｓ　ｉｎ　Ｄｅｃｉｓｉｏｎ　ａｎｄ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｔｅｃｈｎｏｌｏｇｉｅｓ．Ｉｎｆｏｒｍａｔｉｏｎ　ａｎｄ　Ｄｅｃｉｓｉｏｎ　Ｔｅｃｈｎｏｌｏｇｉｅｓ，１９９３，１９　

致谢

致 谢

本论文是在我的导师，吉林大学信息学院计算机系付宏副教授的精心指导下完成的，从论文的构思写作到论文的最终完成，都得到付老师的极大帮助，在此表达深深的谢意。计算机系的朱晓东老师也对论文的完成给予了热诚的指导，使我受益非浅，在此也表示我由衷的感谢。

另外，在数据的收集过程中，统计局的同志们为我们提供了极大方便，在此一并表示我的感谢。

71

吉林大学硕士生论文

摘要

决策支持系统（ＤＳＳ）实质上是在管理信息系统和运筹学的基础上发展起来的。它是支持解决半结构化或非结构化问题的计算机系统。基本的决策支持系统由数据部件，模型部件和对话部件三部分组成。智能决策支持系统在此基础上添加了知识部件。信息产业是近年来蓬勃发展起来的新兴产业，它对国民经济的发展产生了深远的影响并将占据越来越重要的地位，对信息产业正确的测度将成为宏观管理与决策最有力的依据。我们充分发挥决策支持系统定量和定性相结合的优势，建立吉林省信息产业辅助测度ＤＳＳ完成信息产业测度。本系统建立在一套完整的信息产业测度指标体系和测度模型基础上，针对传统模型管理中存在的缺陷，应用面向对象模型管理方法实现模型表达和管理，通过模型运行完成对信息产业定量测度。利用现有的数据库管理系统和完善的数据库查询语言，来构造实用决策支持系统中的知识库，将评价知识以数据库的形式予以表示，评价算法则采用专家系统的推理机方法，最终实现对定量模型运行结果的定性评价。本文从理论到实践对以数据库管理系统为基础开发实用的决策支持系统做了有益的探讨和尝试。　

本文共分为五章。第一章绪论首先讨论了决策支持系统的形成、发展，给出了决策支持系统的定义，然后对决策支持系统和智能决策支持系统的基本结构和各部分的功能进行了描述，最后对未来决策支持系统的发展方向和研究课题进行了探讨。第二章是对吉林省信息产业辅助测度决策支持系统的设计部分，首先分析为了为吉林省信息产业测度建立决策支持系统的必要性，然后描述了本系统总体功能设计，系统配置，最后论述了在本系统中选择使用ＰｏｗｅｒＢｕｉｌｄｅｒ作为开发工具的可行性和优势。第三章是对使用测度模型和模型管理实现对吉林省信息产业进行定量分析的论述，本文针对传统模型管理中存在的缺陷，把目前在软件开发领域中运用非常成功的面向对象技术应用到模型管理中，提出了面向对象模型管理的基本框架，并以其在吉林省信息产业辅助测度决策支持系统中的应用为研究背景，阐述了面向对象的模型

摘要

管理方法，最后详细给出了本系统用于信息产业测度的指标评价体系和定量测度模型。第四章是对吉林省信息产业进行定性分析的论述，本文提出了一个以数据库为基础，利用现有的数据库管理系统和完善的数据库查询语言，来构造实用决策支持系统中的知识库，最终实现对定量模型运行结果的定性评价的解决方案，最后详细给出由产生式规则表达，用于定性评价和决策咨询的主要推理法则。第五章根据吉林省１９９７年的统计数据，给出了使用本系统对吉林省信息产业测度的定量和定性测度结论。　

本文论述的主要内容包括：　

绪论部分：１、计算机最早用于科学计算，５０－６０年代应用范围扩展到非数值计算的电子数据处理领域，７０年代，管理信息系统应运而生，使信息处理进入了一个新阶段，决策支持系统是８０年代迅速发展起来的新兴计算机学科，它是支持解决半结构化或非结构化问题的计算机系统。２、决策支持系统由三个部件组成的，即人机交互及问题处理系统（综合部件）、模型库系统（模型部件）、数据库系统（数据部件）；智能决策支持系统是在传统决策支持系统的基础上集成人工智能的专家系统而形成的。３、决策支持系统的三个技术层次：专用（实用）决策支持系统，决策支持系统工具，决策支持系统生成器。４、未来决策支持系统向智能化，分布式，群体决策，决策支持中心，综合决策支持系统方向发展。　

系统总体设计部分：１、信息产业是近年来蓬勃发展起来的新兴产业，它对国民经济的发展产生了深远的影响并将占据越来越重要的地位，对信息产业正确的测度将成为管理与决策最有力的依据；决策支持系统善于使用定量和定性相结合的方法为用户提供辅助决策；对吉林省信息产业测度建立决策支持系统是必要的、有效的。２、吉林省信息产业辅助测度ＤＳＳ主要功能由五大部分组成，即数据库子系统、模型库子系统、知识库子系统、咨询决策子系统、系统管理维护子系统。它们既完成各自的功能，又相互支持构成一个整体。３、本系统采用ＰｏｗｅｒＢｕｉｌｄｅｒ　７．０开发，对数据的调用采用ＯＤＢＣ连接；ＰＢ功能强大，对数据库的支持范围很广（如ＳＹＢＡＳＥ、ＯＲＡＣＬＥ、ＭＳ　ＳＱＬ　ＳＥＲＶＥＲ　等），提供丰富的对象、控件、函数，并且支持外部函数的使用，因

73

吉林大学硕士生论文

此比较适合于ＤＳＳ的开发。　

技术实现部分：１、给出信息产业测度评价指标体系和测度模型；２、以面向对象的模型管理方法为基础，规范模型的表达和管理。将模型看作“类”，模型的输入输出参数和对象的属性相对应，称为“属性数据”，而模型的运算操作、数据的存取操作和对象的方法相对应。因此我们认为：“模型＝属性数据＋操作”。具体实现时，模型可由四部分组成：模型算法，模型数据描述文件，模型描述文件，模型数据。数据描述文件记录模型的对外关系，模型描述文件是模型程序的文档，模型数据是模型运行中使用的数据。３、利用现有的数据库管理系统和完善的数据库查询语言，来构造实用决策支持系统中的知识库，将评价知识以数据库的形式予以表示，评价算法则采用专家系统的推理机方法，尝试用ＰｏｗｅｒＢｕｉｌｄｅｒ进行本系统知识库系统的开发应用。４、用产生式规则表示知识，给出用于定性评价的主要推理法则。　

结论部分：依据前文的论述和评价，根据吉林省１９９７年的统计数据，给出使用本系统对吉林省信息产业测度的结论。并提出了尚需完善和努力的方向。

Abstract

Abstract

Ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　Ｄｅｃｉｓｉｏｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓｔｅｍ　（ＤＳＳ）　ｉｓ　ｂａｓｅｄ　ｏｎ　Ｍａｎａｇｅｍｅｎｔ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｓｙｓｔｅｍ　（ＭＩＳ）　ａｎｄ　Ｏｐｅｒａｔｉｏｎａｌ　Ｒｅｓｅａｒｃｈ　（ＯＲ）　ｓｕｂｓｔａｎｔｉａｌｌｙ．　ＤＳＳ　ｉｓ　ａ　ｃｏｍｐｕｔｅｒ　ｓｙｓｔｅｍ　ｏｆ　ｓｕｐｐｏｒｔ　ｆｏｒ　ｓｏｌｖｉｎｇ　ｓｔｒｕｃｔｕｒａｌ　ａｎｄ　ｈｅｍｉ－ｓｔｒｕｃｔｕｒａｌ　ｍａｔｔｅｒ．　Ｔｈｅ　ｂａｓｉｃ　ＤＳＳ　ｉｓ　ｃｏｍｐｏｓｅｄ　ｏｆ　ｔｈｅ　ｄａｔａ　ｐａｒｔ，　ｔｈｅ　ｍｏｄｅｌ　ｐａｒｔ，　ｔｈｅ　ｄｉａｌｏｇｕｅ　ｐａｒｔ．　Ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｐａｒｔ　ｉｓ　ａｄｄｅｄ　ｉｎ　Ｉｎｔｅｌｌｉｇｅｎｔ　Ｄｅｓｉｇｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓｔｅｍ　（ＩＤＳＳ）．　Ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ　ｉｓ　ｏｎｅ　ｏｆ　ｂｕｒｇｅｏｎｉｎｇ　ｉｎｄｕｓｔｒｉｅｓ　ｉｎ　ｔｈｅ　ｒｅｃｅｎｔ　ｙｅａｒｓ．　Ｉｔ　ａｆｆｅｃｔｓ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｎａｔｉｏｎａｌ　ｅｃｏｎｏｍｙ　ｄｅｅｐｌｙ　ａｎｄ　ｐｌａｙｓ　ｔｈｅ　ｍｏｒｅ　ａｎｄ　ｍｏｒｅ　ｉｍｐｏｒｔａｎｔ　ｒｏｌｅ．　Ｔｈｅ　ｅｘａｃｔ　ｅｖａｌｕａｔｉｎｇ　ｆｏｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ　ｉｓ　ｕｓｅｆｕｌ　ｆｏｒ　ｔｕｒｎｉｎｇ　ｉｎｔｏ　ｍａｃｒｏｍａｎａｇｍｅｎｔ　ａｎｄ　ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ．ｗｅ　ｅｘｅｒｔ　ｔｈｅ　ｐｒｅｄｏｍｉｎａｎｃｅ　ｏｆ　ｉｎｔｅｇｒａｔｉｎｇ　ｔｈｅ　ｑｕａｎｔｉｔａｔｉｖｅ　ａｎｄ　ｑｕａｌｉｔａｔｉｖｅ　ａｎａｌｙｓｉｓ　ａｎｄ　ｃｏｎｓｔｉｔｕｅ　ＤＳＳ　ｆｏｒ　ｅｖａｌｕａｔｉｎｇ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ　ｏｆ　ＪｉＬｉｎ　Ｐｒｏｖｉｎｃｅ．Ｔｈｅ　ｓｙｓｔｅｍ　ｉｓ　ｂａｓｅｄ　ｏｎ　ａ　ｓｕｉｔ　ｏｆ　　ｅｖａｌｕａｔｉｏｎ　ｉｎｄｅｘ　ｓｙｓｔｅｍ　ａｎｄ　ｅｖａｌｕａｔｉｏｎ　ｍｏｄｅｌ　ｆｏｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ　ｏｆ　ＪｉＬｉｎ　Ｐｒｏｖｉｎｃｅ．Ａｉｍｍｉｎｇ　ａｔ　ｔｈｅ　ｂｕｇｓ　ｉｎ　ｃｏｎｖｅｎｔｉｏｎａｌ　ｍｏｄｅｌ　ｍａｎｅｇｅｍｅｎｔ，　ｗｅ　ｉｍｐｌｅｍｅｎｔ　ｍｏｄｅｌ　ｅｘｐｒｅｓｓｉｏｎ　ａｎｄ　ｍｏｄｅｌ　ｍａｎｅｇｅｍｅｎｔ　ｗｉｔｈ　Ｏｂｊｅｃｔ－Ｏｒｉｅｎｔｅｄ　ｍｅｔｈｏｄ．　Ｗｉｔｈ　ｒｕｎｎｉｎｇ　ｍｏｄｅｌ　ｗｅ　ａｃｈｉｅｖｅ　ｔｈｅ　ｑｕａｎｔｉｔａｔｉｖｅ　ｅｖａｌｕａｔｉｏｎ　ｏｆ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ．　Ｍｏｒｅｏｖｅｒ　ｗｅ　ｃｏｎｓｔｒｕｃｔ　ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｂａｓｅ　ｕｓｉｎｇ　ｅｘｓｉｔｉｎｇ　ＤＢＭＳ　ａｎｄ　ｐｅｒｆｅｃｔ　ｄａｔａｂａｓｅ　ｑｕｅｒｙ　ｌａｎｇｕａｇｅ　ｉｎ　ｔｈｉｓ　ｓｙｓｔｅｍ．　Ｅｖａｌｕａｔｉｏｎ　ｋｎｏｗｌｅｄｇｅ　ｉｓ　ｅｘｐｒｅｓｓｅｄ　ｉｎ　ｔｈｅ　ｆｏｒｍ　ｏｆ　ＤＢ　ａｎｄ　ｅｖａｌｕａｔｉｏｎ　ａｒｉｔｈｍｅｔｉｃ　ａｄｏｐｔｓ　ｔｈｅ　ｍｏｄｅ　ｏｆ　ｔｈｅ　ｉｎｆｅｒｅｎｃｅ　ｅｎｇｉｎｅ　ｏｆ　Ｅｘｐｅｒｔ　Ｓｙｓｔｅｍ．　Ｆｉｎａｌｌｙ，　ｗｅ　ａｃｈｉｅｖｅ　ｔｈｅ　ｑｕａｌｉｔａｔｉｖｅ　ｅｖａｌｕａｔｉｏｎ　ｆｏｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ　ｏｆ　ＪｉＬｉｎ　Ｐｒｏｖｉｎｃｅ．　Ｉｎ　ｔｈｉｓ　ｐａｐｅｒ，　ｗｅ　ｄｉｓｃｕｓｓ　ａｎｄ　ａｔｔｅｍｐｔ　ｔｈｅ　ｅｍｐｏｌｄｅｒｉｎｇ　ｆｏｒ　ＳＤＳＳ　ｂａｓｅｄ　ｏｎ　ＤＢＭＳ　ｆｒｏｍ　ｔｈｅｏｒｙ　ｔｏ　ｐｒａｃｔｉｃｅ．　

75

吉林大学硕士生论文

Ｔｈｅｒｅ　ａｒｅ　４　ｃｈａｐｔｅｒｓ　ｉｎ　ｔｈｅ　ｐａｐｅｒ．　Ｔｈｅ　ｆｉｒｓｔ　ｃｈａｐｔｅｒ　ｉｓ　ｅｘｏｒｄｉｕｍ．　Ｆｉｒｓｔ，ｉｔ　ｄｅｂａｔｅｓ　ｔｈｅ　ｆｏｒｍａｔｉｏｎ　ａｎｄ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ＤＳＳ　ａｎｄ　ｇｉｖｅｓ　ｔｈｅ　ｄｅｆｉｎｉｔｉｏｎ　ｏｆ　ＤＳＳ．Ｓｅｃｏｎｄ，ｉｔ　ｄｅｓｃｒｉｐｔｓ　ｔｈｅ　ｂａｓｉｃ　ｓｔｒｕｃｔｕｒｅ　ａｎｄ　ｆｕｎｃｔｉｏｎ　ｏｆ　ＤＳＳ　ａｎｄ　ＩＤＳＳ．　Ａｔ　ｔｈｅ　ｅｎｄ　ｏｆ　ｔｈｉｓ　ｃｈａｐｔｅｒ，　ｐｒｏｂｅ　ｉｎｔｏ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｗａｙ　ａｎｄ　ｒｅｓｅａｒｃｈ　ｔａｓｋ　ｏｆ　ｔｈｅ　ｆｕｔｕｒｅ　ＤＳＳ．　Ｔｈｅ　ｓｅｃｏｎｄ　ｃｈａｐｔｅｒ　ｉｓ　ｔｈｅ　ｄｅｓｉｇｎ　ｐａｒｔ　ｆｏｒ　ＤＳＳ　ｔｏ　ｅｖａｌｕａｔｅ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ　ｏｆ　ＪｉＬｉｎ　Ｐｒｏｖｉｎｃｅ．　Ｆｉｒｓｔ，　ｉｔ　ａｎａｌｙｚｅｓ　ｔｈｅ　ｎｅｅｄ　ｏｆ　ｅｓｔａｂｌｉｓｈｉｎｇ　ＤＳＳ　ｆｏｒ　ｅｖａｌｕａｔｉｎｇ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ．　Ｓｅｃｏｎｄ，　ｉｔ　ｂｅｗｒｉｔｅｓ　ｔｈｅ　ｇｅｎｅｒａｌ　ｆｕｎｃｔｉｏｎ　ｄｅｓｉｇｎ　ａｎｄ　ｓｙｓｔｅｍ　ｃｏｎｆｉｇｕｒｅ　ｉｎ　ｔｈｉｓ　ｓｙｓｔｅｍ．　Ｆｉｎａｌｌｙ，　ｅｘｐｌａｉｎ　ｔｈｅ　ｆｅａｓｉｂｉｌｉｔｙ　ａｎｄ　ｐｒｅｄｏｍｉｎａｎｃｅ　ｏｆ　ｕｓｉｎｇ　ＰｏｗｅｒＢｕｉｌｄｅｒ　ｔｏ　ｅｍｐｏｌｄｅｒ　ｔｈｉｓ　ｓｙｓｔｅｍ．　Ｔｈｅ　ｔｈｉｒｄ　ｃｈａｐｔｅｒ　ａｉｍｉｎｇ　ａｔ　ｔｈｅ　ｂｕｇｓ　ｉｎ　ｃｏｎｖｅｎｔｉｏｎａｌ　ｍｏｄｅｌ　ｍａｎｅｇｅｍｅｎｔ，　ｉｎｊｅｃｔｓ　ｔｈｅ　ｖｅｒｙ　ｓｕｃｃｅｓｓｆｕｌ　Ｏｂｊｅｃｔ－Ｏｒｉｅｎｔｅｄ　ｍｅｔｈｏｄ　ｉｎ　ｓｏｆｔｗａｒｅ　ｅｍｐｏｌｄｅｒｉｎｇ　ｆｉｅｌｄ，　ｂｒｉｎｇｓ　ｆｏｒｗｏｒｄ　ｏｒｉｅｎｔｅｄ－ｏｂｊｅｃｔ　ｍｏｄｅｌ　ｍｅｎａｇｅｍｅｎｔ　ｆｒａｍｅ，　ａｎｄ　ｅｘｐａｔｉａｔｅｓ　ｔｈｅ　Ｏｂｊｅｃｔ－Ｏｒｉｅｎｔｅｄ　ｍｏｄｅｌ　ｍａｎａｇｅｍｅｎ　ｍｅｔｈｏｄ　ｉｎ　ｔｈｅ　ｒｅｓｅａｒｃｈ　ｂａｃｋｇｒｏｕｎｄ　ｏｆ　ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎ　ｉｎ　ｅｖａｌｕａｔｉｎｇ　ｆｏｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ．　Ｆｉｎａｌｌｙ，　ｐｒｅｓｅｎｔｓ　ｔｈｅ　ｆｒｏｎｄｏｓｅ　ｅｖａｌｕａｔｉｏｎ　ｉｎｄｅｘ　ｓｙｓｔｅｍ　ａｎｄ　ｑｕａｎｔｉｔａｔｉｖｅ　ｅｖａｌｕａｔｉｏｎ　ｍｏｄｅｌ．　Ｉｎ　ｔｈｅ　ｆｏｕｒｔｈ　ｃｈａｐｔｅｒ，　ｄｉｓｃｕｓｓ　ｑｕａｌｉｔａｔｉｖｅ　ａｎａｌｙｓｉｓ　ｗｉｔｈ　ｒｅｇａｒｄ　ｔｏ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ　ａｎｄ　ｐｕｔ　ｆｏｒｗｏｒｄ　ｔｈｅ　ｆｒａｍｅ　ｏｆ　ｃｏｎｓｔｒｕｃｔｉｎｇ　ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｂａｓｅ　ｂｙ　ｅｘｓｉｔｉｎｇ　ＤＢＭＳ　ａｎｄ　ｐｅｒｆｅｃｔ　ｄａｔａｂａｓｅ　ｑｕｅｒｙ　ｌａｎｇｕａｇｅ．　Ｆｉｎａｌｌｙ，　ｉｍｐｌｅｍｅｎｔｓ　ｑｕａｌｉｔａｔｉｖｅ　ｅｖａｌｕａｔｉｏｎ　ｆｏｒ　ｔｈｅ　ｒｅｓｕｌｔｓ　ｏｆ　ｒｕｎｎｉｎｇ　ｑｕａｎｔｉｔａｔｉｖｅ　ｍｏｄｅｌ．　Ａｎｄ　ｐｒｅｓｅｎｔｓ　ｔｈｅ　ｐｒｉｍａｒｙ　ｉｎｆｅｒｅｎｃｅ　ｐｒｉｎｃｉｐｌｅｓ　ｆｏｒ　ｔｈｅ　ｑｕａｌｉｔａｔｉｖｅ　ｅｖａｌｕａｔｉｏｎ　ａｎｄ　ａｄｖｉｃｅ　ｃｏｎｃｒｅｔｅｌｙ．　Ｉｎ　ｔｈｅ　ｆｉｆｔｈ　ｃｈａｐｔｅｒ，　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｓｔａｔｉｓｔｉｃ　ｄａｔｕｍ　ｏｆ　ＪｉＬｉｎ　Ｐｒｏｖｉｎｃｅ　ｉｎ　１９９７，ｇｉｖｅ　ｔｈｅ　ｍａｉｎ　ｃｏｎｃｌｕｓｉｏｎｓ　ｏｆ　ｅｖａｌｕａｔｉｏｎ　ｉｎ　ｑｕａｎｔｉｔａｔｉｖｅ　ａｎｄ　ｑｕａｌｉｔａｔｉｖｅ　ｗａｙｓ．　

Ｔｈｅ　ｍａｉｎ　ｃｏｎｔｅｎｔ　ｏｆ　ｔｈｉｓ　ｐａｐｅｒ　ｉｓ　ａｓ　ｆｏｌｌｏｗ：　

Ｅｘｏｒｄｉｕｍ：　１．Ｃｏｍｐｕｔｅｒ　ｗａｓ　ｕｓｅｄ　ｉｎ　ｔｈｅ　ｓｃｉｅｎｔｉｆｉｃ　ｃａｌｃｕｌａｔｉｏｎ　ｆｉｅｌｄ　ｐｒｉｍａｒｙ．　Ｉｔｓ　ａｐｐｌｉｃａｔｉｏｎ　ａｒｅａ　ｅｘｐａｎｄｓ　ｔｏ　ｅｌｅｃｔｒｏｎｉｃ　ｄａｔａ　ｐｒｏｃｅｓｓｉｎｇ　

Abstract

ｆｉｅｌｄ　ｉｎ　５０－６０　ｙｅａｒｓ．　Ｍａｎａｇｅｍｅｎｔ　ｉｎｆｏｒｍａｔｉｏｎ　ｓｙｓｔｅｍ　ｅｍｅｒｇｅｓ　ａｓ　ｔｈｅ　ｔｉｍｅｓ　ｒｅｑｕｉｒｅ　ｉｎ　７０　ｙｅａｒｓ，　ｉｔ　ｍａｋｅｓ　ｉｎｆｏｒｍａｔｉｏｎ　ｐｒｏｃｅｓｓｉｎｇ　ｉｎｔｏ　ａ　ｎｅｗ　ｅｒａ．　Ｄｅｃｉｓｉｏｎ　ｓｕｐｐｏｒｔ　ｓｙｓｔｅｍ　ｉｓ　ａ　ｂｕｒｇｅｏｎｉｎｇ　ｃｏｍｐｕｔｅｒ　ｓｕｂｊｅｃｔ　ｉｎ　８０　ｙｅａｒｓ，　ｉｔ　ｉｓ　ａ　ｃｏｍｐｕｔｅｒ　ｓｙｓｔｅｍ　ｏｆ　ｓｕｐｐｏｒｔ　ｆｏｒ　ｓｏｌｖｉｎｇ　ｓｔｒｕｃｔｕｒａｌ　ａｎｄ　ｈｅｍｉ－ｓｔｒｕｃｔｕｒａｌ　ｍａｔｔｅｒ．２．ＤＳＳ　ｉｓ　ｃｏｍｐｏｓｅｄ　ｏｆ　ｔｈｒｅｅ　ｐａｒｔｓ，　ｍａｎ－ｍａｃｈｉｎｅ　ｃｏｎｖｅｒｓａｔｉｏｎ　ａｎｄ　ｐｒｏｂｌｅｍ　ｐｒｏｃｅｓｓ　ｓｙｓｔｅｍ　（ｃｏｌｌｉｇａｔｉｏｎ　ｐａｒｔ），ｍｏｄｅｌｂａｓｅ　ｓｙｓｔｅｍ（ｍｏｄｅｌ　ｐａｒｔ），ｄａｔａｂａｓｅ　ｓｙｓｔｅｍ　（ｍｏｄｅｌ　ｐａｒｔ）；ＩＤＳＳ　ｃｏｍｅ　ｉｎｔｏ　ｂｅｉｎｇ　ｄｅｐａｎｄｉｎｇ　ｏｎ　ｉｎｔｅｇｒａｔｉｏｎ　ｏｆ　ｃｏｎｖｅｎｔｉｏｎａｌ　ＤＳＳ　ａｎｄ　ｅｘｐｅｒｔ　ｓｙｓｔｅｍ　ｏｆ　ａｒｔｉｆｉｃｉａｌ　ｉｎｔｅｌｌｉｇｅｎｃｅ．３．Ｔｈｒｅｅ　ｔｅｃｈｎｉｃａｌ　ｌａｙｅｒ　ｌｅｖｅｌ　ｏｆ　ＤＳＳ：Ｓｐｅｃｉｆｉｃ　ＤＳＳ，ＤＳＳ　Ｔｏｏｌｓ，ＤＳＳ　Ｇｅｎｅｒａｔｅｒ．　４．ＤＳＳ　ｗｉｌｌ　ｄｅｖｅｌｏｐ　ｔｏ　ｉｎｔｅｌｌｉｇｅｎｔｉｚｅｄ，　ｄｉｓｔｒｉｂｕｔｅｄ，　ｇｒｏｕｐ　ｄｅｃｉｓｉｏｎ，　ｄｅｃｉｓｉｏｎ　ｓｕｐｐｏｒｔ　ｃｅｎｔｅｒ　ａｎｄ　ｃｏｌｌｉｇａｔｉｏｎ　ＤＳＳ　ｉｎ　ｔｈｅ　ｆｕｔｕｒｅ．　

Ｓｙｓｔｅｍ　ｇｅｎｅｒａｌ　ｄｅｓｉｇｎ：１．　Ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ　ｉｓ　ｏｎｅ　ｏｆ　ｂｕｒｇｅｏｎｉｎｇ　ｉｎｄｕｓｔｒｉｅｓ　ｉｎ　ｔｈｅ　ｎｅａｒ　ｙｅａｒｓ．　Ｉｔ　ａｆｆｅｃｔｓ　ｔｈｅ　ｄｅｖｅｌｏｐｍｅｎｔ　ｏｆ　ｎａｔｉｏｎａｌ　ｅｃｏｎｏｍｙ　ｄｅｅｐｌｙ　．　Ｔｈｅ　ｅｘａｃｔ　ｅｓｔｉｍａｔｉｎｇ　ｆｏｒ　ｉｎｆｏｒｍａｔｉｏｎ　ｉｎｄｕｓｔｒｙ　ｉｓ　ｕｓｅｆｕｌ　ｆｏｒ　ｔｕｒｎｉｎｇ　ｉｎｔｏ　ｍａｃｒｏｍａｎａｇｍｅｎｔ　ａｎｄ　ｄｅｃｉｓｉｏｎ－ｍａｋｉｎｇ．　ＤＳＳ　ｉｓ　ｇｏｏｄ　ａｔ　ｉｎｔｅｇｒａｔｉｎｇ　ｑｕａｌｉｔａｔｉｖｅ　ａｎｄ　ｑｕａｎｔｉｔａｔｉｖｅ　ａｎａｌｙｓｉｓ　ｔｏ　ａｓｓｉｓｔ　ｄｅｃｉｓｉｏｎ　ｆｏｒ　ｕｓｅｒ．　Ｉｔ　ｉｓ　ｅｓｓｅｎｔｉａｌ　ａｎｄ　ｅｆｆｅｃｔｉｖｅ　ｔｏ　ｃｏｎｓｔｉｔｕｔｅ　ＤＳＳ　ｆｏｒ　ｅｓｔｉｍａｔｉｏｎ　ｏｆ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｉｎｄｕｓｔｒｙ．２．ｔｈｉｓ　ｓｙｓｔｅｍ　ｉｓ　ｃｏｍｐｏｓｅｄ　ｏｆ　ｄａｔａｂａｓｅ　ｓｕｂ－ｓｙｓｔｅｍ，ｍｏｄｅｌｂａｓｅ　ｓｕｂ－ｓｙｓｔｅｍ，ｋｎｏｗｌｅｄｇｅ　ｂａｓｅ　ｓｕｂ－ｓｙｓｔｅｍ　，ｄｅｃｉｓｉｏｎ　ｃｏｎｓｕｌｔａｔｉｏｎ　ｓｕｂ－ｓｙｓｔｅｍ，ｍａｎａｇｅｍｅｎｔ　ａｎｄ　ｍａｉｎｔｅｎａｎｃｅ　ｓｕｂ－ｓｙｓｔｅｍ．Ｔｈｅｙ　ａｃｈｉｅｖｅ　ｅａｃｈ　ｆｕｎｃｔｉｏｎ　ｉｎｄｅｐｅｎｄｅｎｔｌｙ，ａｓ　ｗｅｌｌ　ａｓ　ｃｏｎｓｔｉｔｕｔｅ　ａ　ｅｎｔｉｒｅｔｙ　ｏｆ　ｓｕｓｔａｉｎｉｎｇ　ｏｎｅ　ａｎｏｔｈｅｒ．３．Ｔｈｉｓ　ｓｙｓｔｅｍ　ｉｓ　ｅｍｐｏｌｄｅｒｅｄ　ｂｙ　ＰｏｗｅｒＢｕｉｌｄｅｒ　７．０，ｔｒａｎｓｆｅｒ　ｄａｔｕｍ　ｂｙ　ＯＤＢＣ　．Ｆｕｎｃｔｉｏｎ　ｏｆ　ＰＢ　ｉｓ　ｍｉｇｈｔｙ，ｓｕｐｐｏｒｔ　ｂｏｕｎｄ　ｆｏｒ　ｄａｔａｂａｓｅ　ｉｓ　ｅｘｔｅｎｓｉｖｅ（ＳＹＢＡＳＥ，ＯＲＡＣＬＥ，ＭＳ　ＳＱＬ　ＳＥＲＶＥＲ　，ｅｔｃ．）．Ｉｔ　ｏｆｆｅｒ　ａｂｕｎｄａｎｔ　ｏｂｊｅｃｔ，　ｃｏｎｔｒｏｌ，　ｆｕｎｃｔｉｏｎ　ａｎｄ　ｓｕｐｐｏｒｔ　ｕｓｉｎｇ　ｅｘｔｅｒｎａｌ　ｆｕｎｃｔｉｏｎ．Ｓｏ　ｉｔ　ｉｓ　ｆｉｔ　ｆｏｒ　ｅｍｐｏｌｄｅｒｉｎｇ　ＤＳＳ．　

Technique implement：１．ｐｒｅｓｅｎｔ　ｔｈｅ　ｆｒｏｎｄｏｓｅ　ａｉｍ　ｓｙｓｔｅｍ　ｏｆ　

77

吉林大学硕士生论文

ｅｖａｌｕａｔｉｏｎ　ａｎｄ　ｑｕａｎｔｉｔａｔｉｖｅ　ｍｏｄｅｌ　ｏｆ　ｅｓｔｉｍａｔｉｏｎ．　２．Ｎｏｒｍａｌｉｚｅｓ　ｅｘｐｒｅｓｓ　ａｎｄ　ｍａｎａｇｅｍｅｎｔ　ｏｆ　ｍｏｄｅｌ　ｉｎ　Ｏｂｊｅｃｔ－Ｏｒｉｅｎｔｅｄ　ｍｅｔｈｏｄ．　Ｌｏｏｋｓ　ｍｏｄｅｌ　ａｓ　“ｃｌａｓｓ”，ｉｎｐｕｔ　ａｎｄ　ｏｕｔｐｕｔ　ｐａｒａｍｅｔｅｒｓ　ｏｆ　ｍｏｄｅｌ　ａｒｅ　ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ｔｏ　ａｔｔｒｉｂｕｔｅ　ｏｆ　ｃｌａｓｓ，ｉｎｔｉｔｕｌｅ　“ａｔｔｒｉｂｕｔｅ　ｄａｔａ”．Ｃａｌｃｕｌａｔｉｎｇ　ｏｐｅｒａｔｅ　ｏｆ　ｍｏｄｅｌ　ａｎｄ　ａｃｃｅｓｓｉｎｇ　ｏｐｅｒａｔｅ　ｏｆ　ｄａｔａ　ａｒｅ　ｃｏｒｒｅｓｐｏｎｄｉｎｇ　ｔｏ　ｍｅｔｈｏｄ　ｏｆ　ｏｂｊｅｃｔ．Ｗｅ　ｔｈｉｎｋ“ｍｏｄｅｌ＝ａｔｔｉｂｕｔｅ　ｄａｔａ　＋ｏｐｅｒａｔｅ”．Ｉｎ　ｔｈｅ　ｃｏｕｒｓｅ　ｏｆ　ｉｍｐｌｅｍｅｎｔｉｎｇ，　ｍｏｄｅｌ　ｉｓ　ｃｏｍｐｏｓｅｄ　ｏｆ　ｍｏｄｅｌ　ａｒｉｔｈｍｅｔｉｃ，ｍｏｄｅｌ　ｄａｔａ　ｄｅｓｃｒｉｂｉｎｇ　ｆｉｌｅ，ｍｏｄｅｌ　ｄｅｓｃｒｉｂｉｎｇ　ｆｉｌｅ，ｍｏｄｅｌ　ｄａｔａ．　Ｍｏｄｅｌ　ｆｉｌｅ　ｒｅｃｏｒｄｓ　ｅｘｔｅｒｎａｌ　ｒｅｌａｔｉｏｎ　ｏｆ　ｍｏｄｅｌ，　ｍｏｄｅｌ　ｄｅｓｃｒｉｂｉｎｇ　ｆｉｌｅ　ｉｓ　ｔｈｅ　ｄｏｃｕｍｅｎｔ　ｏｆ　ｍｏｄｅｌ　ｐｒｏｇｒａｍ，　ｍｏｄｅｌ　ｄａｔａ　ｉｓ　ｕｓｅｄ　ｉｎ　ｒｕｎｎｉｎｇ　ｂｙ　ｍｏｄｅｌ．　３．　Ｃｏｎｓｔｒｕｃｔｉｎｇ　ｔｈｅ　ｋｎｏｗｌｅｄｇｅ　ｂａｓｅ　ｕｓｉｎｇ　ｅｘｓｉｔｉｎｇ　ＤＢＭＳ　ａｎｄ　ｐｅｒｆｅｃｔ　ｄａｔａｂａｓｅ　ｑｕｅｒｙ　ｌａｎｇｕａｇｅ　ｉｎ　ＳＤＳＳ．Ｗｅ　ａｔｔｅｍｐｔ　ｔｏ　ｅｍｐｌｏｄｅｒ　ｋｎｏｗｌｅｄｇｅ　ｍａｎａｇｅｍｅｎｔ　ｓｙｓｔｅｍ　ｂｙ　ＰｏｗｅｒＢｕｉｌｄｅｒ．４．Ｐｒｅｓｅｎｔ　ｔｈｅ　ｍａｉｎ　ｉｎｆｅｒａｎｃｅ　ｐｒｉｎｃｅｐｌｓ　ｏｆ　ｑｕａｌｉｔａｔｉｖｅ　ｅｓｔｉｍａｔｉｏｎ．

Ｃｏｎｃｌｕｓｉｏｎｓ：　Ａｃｃｏｒｄｉｎｇ　ａｓ　ｔｈｅ　ａｆｏｒｅｍｅｎｔｉｏｎｅｄ　ｄｅｂａｓｅ　ａｎｄ　ｅｖａｌｕａｔｉｏｎ，　ｂａｓｅｄ　ｏｎ　ｔｈｅ　ｓｔａｔｉｓｔｉｃ　ｄａｔｕｍ　ｏｆ　ＪｉＬｉｎ　Ｐｒｏｖｉｎｃｅ　ｉｎ　１９９７，ｇｉｖｅ　ｔｈｅ　ｍａｉｎ　ｃｏｎｃｌｕｓｉｏｎｓ　ｏｆ　ｅｖａｌｕａｔｉｏｎ　ｉｎ　ｑｕａｎｔｉｔａｔｉｖｅ　ａｎｄ　ｑｕａｌｉｔａｔｉｖｅ　ｗａｙｓ．　Ｆｉｎａｌｌｙ　ｔｈｉｓ　ｐａｐｅｒ　ｂｒｉｎｇｓ　ｆｏｒｗｏｒｄ　ｔｈｅ　ａｓｐｅｃｔ　ｔｏ　ｉｍｐｒｏｖｅ　ａｎｄ　ｅｆｆｏｒｔ．　

Ｋｅｙ　ｗｏｒｄｓ：　Ｄｅｃｉｓｉｏｎ　Ｓｕｐｐｏｒｔ　Ｓｙｓｔｅｍ　；　Ｅｖａｌｕａｔｉｏｎ　ｆｏｒ　Ｉｎｆｏｒｍａｔｉｏｎ　Ｉｎｄｕｓｔｒｙ　ｏｆ　ＪｉＬｉｎ　Ｐｒｏｖｉｎｃｅ　；　Ｍｏｄｅｌ　Ｍａｎａｇｅｍｅｎｔ　；　Ｏｂｊｅｃｔ－Ｏｒｉｅｎｔｅｄ　；　Ｄａｔａｂａｓｅ　；　Ｋｎｏｗｌｅｄｇｅｂａｓｅ　；　ｑｕａｌｉｔａｔｉｖｅ　ａｎａｌｙｓｉｓ