关联词语练习

前言：想要写出一篇令人眼前一亮的文章吗？我们特意为您整理了5篇关联词语练习范文，相信会为您的写作带来帮助，发现更多的写作思路和灵感。

关联词语练习范文第1篇

第一种情况是成对出现的转折关联词遗漏了某一部分。

例1：虽然他很高，他很瘦。

上面的例子是“但是”的遗漏，因为两个分句的语义存在转折，所以需要用上表示转折的关联词。但是老挝留学生在汉语学习的初期，往往使用英Z作为媒介语，在英语中，类似“虽然……但是……”“即使……也……”这类转折关联词是不可以同时出现的，最终导致了转折关联词的遗漏。

第二种情况是单独使用的转折关联词遗漏。

例2：这堂剪纸课很有趣，时间太短了。

在这个句子中，显然缺少了转折关联词“然而/但是/可是”。在汉语中，有些分句之间可以使用单独的转折关联词来表达语义上的转折关系，但正因为它们常常单独使用，其他的标记词较少，所以留学生只能依靠对句义的理解来判断是否需要使用，如果学生对句义理解有误，那么就会出现转折关联词的遗漏。

二、转折关联词的误加

第一种情况是误加了不必要的转折关联词。

例3：她喜欢红色的毛衣，但是我讨厌黄色的裤子。

在本句中，转折关联词“但是”是不用加的。两个句子看起来有语义上的转折，但实际上根本不是转折句。例3正是因为有了“喜欢”和“讨厌”这一组反义词，给留学生造成了转折暗示，而误加了“但是”。

第二种情况是在转折复句中增加了其他不必要的成分。

例4：超市虽然离银行很近，但是超市离医院很远。

在例4中，为了避免句子成分赘余，第二个分句的主语“超市”需省略。对老挝留学生来说，开始学习汉语时，为避免出现句子成分的遗漏，会刻意追求完整，结果导致了句子成分的误加。

三、转折关联词语的误用

第一种情况是混淆转折关联词的意思，这种情况常见于关联词存在相同的语素。

例5：明天但是一个重要的日子。

在本句中，留学生想表达的是一个强调的关系，而非转折关系，因此应将“但是”改为“可是”，“可是”表示强调，有“实在是、真是”的意思，“但是”没有这种用法。由于“但是”和“可是”两个转折关联词存在相同的语素“是”，从而导致了留学生的误用。

第二种情况是将其他类型的关联词与转折关联词杂糅在一起。

例6：汉字很难，尽管要是每天都练习，我写的字依然不好看。

这句话中的“尽管要是”，是属于两种不同类型的关联词，“尽管”表示转折关系，“要是”表示假设关系，通过对本句整体语义的推测，留学生想要表达的是前后语义相反或出乎意料的意思，故应该去掉“要是”。

四、转折关联词语的错序

例7：我们都已经到教室了，却他刚刚起床。

这句话的错误在于将转折关联词“却”放在了主语之前，这是老挝留学生在学习汉语初期经常犯的一个错误，原因在于老挝语中有两个表示转折的词语，一个相当于汉语中的“但是/却”，另一个相当于汉语的“却”。在老挝语中，不管是“但是”还是“却”，它们出现的位置都是在主语之前，由于受到母语负迁移的影响，老挝留学生在学习汉语初期，会把母语中的语法无意识地带入汉语中，最终导致错序的发生。

参考文献：

关联词语练习范文第2篇

2016年小升初语文关联词语复习试题

1、在括号里填上正确的关联词语。

①( )多读多练，作文( )会进步。

②( )风吹雨打，我们( )要坚持到校学习。

③雨来( )牺牲生命，( )泄露秘密。

④(　)要努力读书，(　)要关心政治。

⑤(　)走到哪里，他(　)听到乐声。

⑥( )我俩住得很远，( )不常见面。

⑦( )困难再大，我们( )要按时完成任务。

⑧( )你答应去，( )该准时去叫他。

⑨( )别人的意见不对，我们( )要虚心听取。

⑩弟弟( )年纪小，( )很懂事。

2、加上适当的关联词语，把两个小句合成一句话，使句子更简洁。

① 小华的字写得很快。 小华的字写得很好。

② 革命的道路上有千难万险。 千难万险不能阻挡我们前进的步伐。

③ 我们多赶几里路。 我们要去看一看精彩的武术表演。

④ 你没有告诉我。 我知道了。

⑤ 我们发动群众。 我们很好地完成上级交给我们的任务。

3、从下列句中关联词使用的正误，错误的在原句上改正。

① 即使石块有多重，小草也要从下面钻出来。( )

② 因为同学们信任你，你所以应该勇敢地接受这份工作。( )

③ 虽然太阳离地球太远了，但是我们并不感到它有那么热。( )

④ 这件好事是李晓华做的，也是我的同学张晔做的。( )

⑤ 只要平时从严从难地刻苦训练，就能在比赛中取得好成绩。( )

关联词语练习范文第3篇

论文摘要：建立符合逻辑的知识关联体系是知识地图理论的重要内容之一本文对知识管理系统中知识关联的有向性进行分析，叙述了单向知识关联和双向知识关联的概念与特点;对关键词集合进行定义，阐述了单关键词集合、全关键词集合和不定关键词集合三种划分策略，介绍了以关键词集合为迭代单元构建关联网络和针对单个知识点构建关联网络的两种算法，并指出了算法在实际应用中需注意的问题.

当前，知识地图的理论研究有很大进展，但在知识管理系统(KMS )领域的实际应用成果却比较有限.尽管有KMS产品应用了知识地图理念，但多数产品仅在页面上显示了知识库的分类体系与链接，缺乏对知识间逻辑关系的进一步刻画与展示。.

建立符合逻辑的知识关联体系是知识地图的重要理论之一知识分类体系是实施知识管理的基础性工作，现实世界中的事物间联系并不是仅用树型分类体系就可以表述的一个事物有可能同时从属于多个分类，不同类别的事物也有可能发生联系，仅仅依赖分类很难准确、全面地表达知识间的逻辑关系.知识关联则提供了更灵活、更广义的知识关系表示方法，采用跨分类、跨区域的知识关联可以较好地表达信息之间的逻辑联系本文根据集合论与图论的基本原理，对知识关联的有向性和关键词集合进行了探讨，并阐述了根据关键词集合在KMS中建立知识关联网络的原理与算法.

1知识关联的有向性

1. 1单向知识关联

现实世界中的各类事物存在着纷繁复杂的关系，这种关联关系是有方向的.如图1所示，水和分子关联的语义可以描述为“水由分子组成”.相应地，由分子到水关联的语义可以描述为“分子构成了水”.这两种关联关系是不同的，是两个单方向的知识关联.

在知识关联网络中，我们可假设各知识点分别为k，、k2、k3、k4·…对于知识点k1，如果有知识点k2、k3、凡与其内容有较高相关度，此时可通过KMS的功能将k2、k3、k;与k，关联，将关联链接插人在k，的知识内容之后.这个关联征进行自动关联.采用单向知识关联的KMS的特点是:如果知识点k，有到知识点k:的关联链接，但知识点k:未必有到知识点k，的关联链接，则系统须对每一个关联关系的含义作出必要的表述.

1.2双向知识关联

根据常识，若知识点k，与k:有关系，则k2也与k，有关系.双向知识关联是在不考虑关联语义的情况下发生的，例如知识点k，与知识点k2关联，则知识点k:也必然与知识点k，关联.设R，，RZ为定义在知识集合上的二元关系，则双向知识关联用符号可描述为:k， R， k2，kZRZk， .

在很多情况下，由于语义不同，R， RZ.当R:二R:时，则k:和k:的关联关系是对称的.采用双向知识关联的KMS的特点是:只要知识点k，有知识点k:的关联链接，知识点k:也必然具有与知识点k，的关联链接.系统在设置关联链接时不考虑关联的语义.

语义分析是计算机研究的难点，目前还没有KMS能够自动精确地识别知识的关联语义.因此，在知识关联系统中适宜采用忽略关联语义的双向关联方式.

2基于关键词集合的知识关联网络绘制算法

2.1算法原理

在目前的技术条件下，基于语义分析构建知识关联网络较为困难.利用知识点关键词集合建立关联网络的精确度不如语义关联网络，但技术上现实可行，能够较好地表达知识间的关系.

基于关键词集合构建关联网络所遵循的原理是:设n个知识点具有共同的关键词集合S，则这n个知识点均是互相关联的;将各知识点作为点，关联关系作为有向边，可以绘制基于关键词集合S的有向完全图G;将KMS中的关键词按特定策略划分为集合，并综合各关键词集合，根据算法画出有向完全图，可以得到该关键词集合划分策略下的完整知识关联网络.

2.2健词集合及其划分策略

关键词是用户在编辑知识时为每个知识点设置的，一般用于知识检索，本文则关注应用关键词集合构建知识关联网络的思想与算法.关键词集合指包含了1个或多个关键词的集合.关键词集合所包含的关键词内容与数量如何设置，取决于知识关联所遵循的关键词集合划分策略.本文涉及的三种划分策略分别是单关键词集合策略、全关健词集合策略和不定关键词集合策略.

在单关键词集合策略下，每个关键词集合S只拥有一个关键词w;，该集合S‘对应知识点集合戊}k，，k2，-..，k，}，这些知识点均含有关键词，、.设知识点k，具有关键词、，，，，，…，二r，基于此策略设置知识关联时，k，会把与关键词集合S，，SZ，...，5:匹配的知识点集合K，K‘中的全部知识点链接进来，并剔除其中的重复部分.如图2所示，6个含有关键词“学生”的知识点以单关键词集合{学生}为制图策略构成了有向完全图，也就是这6个知识点基于“学生”关键词的知识关联网络.

在全关键词集合策略下，全关键词集合s;包含了知识点k:所具有的所有关键词，k:只把与全关键词集合S;wl，叨2，…，，r匹配的知识点集合K;中的知识链接进来.使用该策略获取的知识结果的相关度比使用单关键词策略要高.

在不定关键词集合策略下，需人工确定关键词集合中所包含的关键词，此方式无法实现全自动知识关联，不适合在大型知识库系统中采用.

由全关键词策略或不定关键词策略获得的结果集是单关键词集合策略结果集的子集，获得的知识关联网络图是基于单关键词集合策略获得的知识网络图的子图.在实际应用中，宜采用全关键词集合策略与单关键词集合策略相结合的方式，在知识点关联展示的时候分两组按不同的优先级展示.首先展示优先级最高的按全关键词集合策略得出的关联知识点集合，该集合中的知识与当前知识点的相关度最高;其次才展示单关键词集合策略得出的结果集.本文讨论的算法均基于这两种策略相结合的方式.

2. 3以关键词集合为迭代单元的关联网络算法

计算知识关联网络可以用关键词集合作为迭代单元循环进行或者仅针对单个知识点进行.这两种方式在KMS中各有优势，分别适合不同的场景在为数量较多的知识点构建关联网络时，首选以关键词集合为迭代单元进行计算，算法描述如下.

1）设需要计算关联网络的知识范围中有P个知识点k， ， k2，…，kP，任意知识点气均对应一个点v;，把所有的点绘制在图‘中，v;与k}一一对应.

2)分拣出KMS中所有种类的关键词w‑w2.wn，记录KMS中所有关键词集合的信息获得关键词集合S， ，52，.. Sn ... S9(包含所有的单关键词集合与全关键词集合)，同时获得与任意关键词集合S.相匹配的知识点集合K;.

3)逐个扫描关键词集合S， ，52， ，59，优先扫描其中的全关键词集合(这样可以确保每条知识后的关联信息优先展示关键字相关度最高的链接)，记录当前关键词集合S，所对应的知识点集合Kl，记录知识点集合K中所包含的每个知识点元素k;，在图中与K对应的点集合的所有元素间作有向完全子图，在画边e};、eji时，在系统内知识点k、后加人知识点匆的链接，在知识点k;后加人k‘的链接·如果边已存在，则跳过，每画一条边，计数器c累加1.扫描完K9后，循环结束.

4)程序绘制的图就是P个知识点根据关键词集合S‑S2，S。构建的知识关联网络图，。是知识关联网络所具有的知识关联数量.该算法的复杂度是。(n2).

如图3所示，在一个具有7个知识点的示例系统中，算法先根据单关键字集合S，{经济学}进行绘图，其次根据单关键字集合管理学进行绘图.“管理经济学”知识点因为同时具有管理学、经济学两个关键词，因此同时处于左、右两个有向完全子图中.图3就是这7个知识点根据2个单关键字集合所绘制的知识关联网络.

2. 4针对单个知识点的关联网络算法

对于任意一个知识点k;设该矢识点拥有个关键词，首先扫描全关键词集合Sr十，{w}，w2，…，、:}，再逐个扫描关键词二:所对应的关键词集合S，在每一轮扫描中将当前集合所对应的知识点集合凡，内所有的知识点元素记录在缓存中，扫描到任意知识点乓时，程序绘制两条有向边人知识点的关联，在知识点气后加入的关联如果边ei、ei;已存在或i=J，则跳过，每画一条边，计数器。累加，直到有向完全图绘制完成.

程序绘制的图就是知识点的相关知识点关联图。是与该知识点相关的所有知识关联数量.该算法的复杂度是口(矿).该算法循环应用在所有知识点上同样也可以得到算法2. 3绘制的整体知识地图，但算法复杂度达到0(矿)，因此在为多个知识点建立关联或绘制地图时宜采用2. 3节的算法.2. 4节的算法则适宜针对个别知识点绘制关联网络并建立知识链接时采用.

关联词语练习范文第4篇

[关键词]　阿尔茨海默病；（Alzheimer''s disease，AD）；糖原合酶激酶-3（GSK-3）

随着人类寿命的延长，AD这种以认知功能下降（包括记忆、定位、判断、推理等方面）为特征的进行性神经退行性疾病逐渐增多。对健康老龄人、AD以及轻微认知功能障碍患者的研究中发现，GSK-3在AD病变中扮演重要角色，AD以及轻微认知功能障碍患者的GSK-3蛋白总量增加，而其活性却无代偿性的下降。在可获取的组织中，GSK的测量可能成为一种有价值的指标。

1　GSK-3与蛋白的异常过度磷酸化

众所周知，在AD中，tau蛋白构成的聚合物出现了过度磷酸化，在非病态的大脑中，这种过度磷酸化的位点同样可见，不同的是这些位点所发生的是较短扩展的磷酸化[1]。在众多可以使这些位点的tau蛋白的磷酸化的激酶中，GSK-3是这些参与AD病理形成、其发病起重要作用的蛋白质之一。

GSK-3因其能磷酸化糖原合成酶并使之失活而命名。GSK～3的活性与AD的发生系密切，然而其活性的调节机制仍不明了。GSK-3的磷酸化调节是最重要的并受到普遍重视的机制之一。已知胰岛素、生长因子等信号分子可通过PI3K/PKB途经改变GSK～3的磷酸化状态进而调节其活性[2]。激活PKB引起GSK～3在Ser位点（分别是GSK3α-ser-1、GSK3β-ser9）磷酸化而失活。有实验以PI3K的抑制剂WT处理N2a/wt细胞发现，WT作用1h时，GSK-3活性显著增高，并同时伴有GSK-3β在Ser9位点的磷酸化减少、即失活状态的GSK-3的减少，从而证实了在N2a/wt中PI3K/PKB是调节GSK-3活性的有效途径之一[3]。

神经原纤维缠结是AD的神经病理性改变[4]。异常的过度磷酸化的tau蛋白和神经丝（NF）是组成神经原纤维缠结的成分，异常的过度磷酸化可能由蛋白激酶和蛋白磷酸酶失调导致的[5]在多种激酶中，GSK-3是参与AD神经性退行性改变的主要成分，为了分析GSK-3在AD中，如神经纤维变性中所扮演的角色，在野生小鼠成神经瘤细胞（N2a/wt）被渥曼青霉素（wortmannin，WT）处理后，一种能够抑制磷脂肌醇3-激酶（PI3K），影响WT细胞代谢作用、细胞形态、细胞凋亡以及tau蛋白和NF磷酸化的物质被发现，同时还发现这些参数的改变与GSK-3的活性相关联。包括：①经过1μmol/LWT处理过的细胞出现了短暂的（1h）的GSK-3活性增强以及并存的tau蛋白和NF磷酸化程度的上升。在3h时GSK-3的活性下降，NF的超磷酸化部分得以恢复。②在剂量依赖方法中，应用还原测定法发现WT降低了细胞的代谢功能，③经过1μmol/LWT处理过的细胞在1h或3h内抑制了细胞突变。④无典型的细胞凋亡损伤在GSK-3活性的暂时性高峰中出现[7]。这些结果表明，短暂的GSK-3的超活化将导致AD类似于细胞骨架过度磷酸化和细胞活力的损伤。

神经微丝是神经细胞异的中等纤维，也是N2a/wt细胞中含量较为丰富的一种细胞骨架蛋白，其功能是维持神经细胞形状，调节轴突直径和轴浆运输[6]。而神经微丝的过度磷酸化可抑制其与微管的相互作用，破坏细胞正常骨架结构。提示在AD中，存在某种蛋白激酶活性的增强，从而导致神经微丝异常过度磷酸化的发生。一些实验也证实GSK-3在培养的新生大鼠海马脑片水平参与神经细丝的磷酸化调节，神经元出现AD样退行性变（结果未显示）。此结果以N2a/wt为研究对象，在细胞水平探讨了GSK-3活性改变对神经细丝磷酸化状态的影响。结果发现[3]：野生型N2a/wt细胞未经WT处理时，磷酸化神经细丝主要位于细胞突起，而非磷酸化神经细丝则主要位于胞体。这一分布特征与正常人和SY5Y细胞中的神经细丝分布相似。经WT处理1h后，磷酸化和非磷酸化的神经细丝均向胞体聚集，细胞出现退行性改变，这与WT引起的GSK-3过度激活相关。可见GSK-3是神经细丝磷酸化程度的重要调节因素之一。

2　GSK-3与胰岛素信号通路

AD的神经性退行性改变与许多原因密切相关，包括分子生物和生化异常等情况，如成分丢失、大量神经元纤维缠结、缺少营养的神经炎、淀粉样沉积、活性增加的前基因和信号通路、受损的能量代谢功能以及有关慢性氧化应激等等[10]，很难确定哪一个是主要的，然而，大量证据显示，糖原利用率降低和能量代谢障碍在AD早期出现，这暗示了受损的胰岛素通路在AD病理改变中有重要影响。现阶段的研究表示[11]，在AD患者大脑中许多异常情况，胰岛素和胰岛素生长因子I和II（IGF-IIGF-II）信号机制参与其中。正常的生长因子在中枢神经系统中（CNS）神经元生长时，表达水平会大大下降。这种异常情况与胰岛素受体（IRS）底物mRNA，tau蛋白，IRS相关磷脂酰肌醇3-激酶，活化磷酸，增多的GSK-3活性以及淀粉样蛋白前体mRNA的表达相伴随。这种编码胰岛素，IGF-I，IGF-II和胰岛素受体的基因表达明显减少，表明AD伴随着一种神经内分泌的紊乱，与此类似但又不同于糖尿病。

与GSK-3密切相关的胰岛素抑制性大脑状态与AD相关，这种改变在人类的大脑中的胰岛素受体和它的下激区以及磷脂酰肌醇3-激酶信号通路上发现，但这些发现尚未在相关的动物实验模型中被证实与AD有关[12]。

关联词语练习范文第5篇

关键词：三角模糊分析；权重；工程招标；灰色关联分析

引言

水利工程对国民经济的深远影响决定了其招投标的重要性，而招标结果直接关系着项目是否能够顺利进行。在工程评标过程中，需要利用科学的方法对评价指标进行量化分析，尽可能地综合考察投标人的各项条件以保证评标结果的客观性。因此，如何合理、科学地设定评价指标的权重对项目的最终评价结果具有重要的影响。现行的水利工程评标方法主要有经评审的最低投标价法、最低价中标法和综合评估法等，这些方法均有各自的特点和适用范围[1]。李明等通过建立模糊综合评判模型进行水利工程评标[2]；陈广洲等采用D-S证据理论合成投影寻踪模型与德尔菲法确定权重，进行投标方案的最终优选排序[3]；鲁仕宝等基于熵权理论的水利工程招标研究[4]。文章引入三角模糊层次分析法综合多位专家的评分，通过计算模糊综合重要程度值确定各评价指标的权重，并在此基础上建立模糊综合评价模型计算评价结果。最后，针对评价结果未排序的问题，利用灰色关联分析法修正评价结果，得到候选中标人的顺序，以供选择最优工程承包商。

1 模糊层次分析模型

1.1 模糊层次分析确定指标权重

影响水利工程招标评价系统的因素很多，而各种因素对评价结果的影响程度取决于评价系统对该因素的赋权。专家的评分具有主观性，单纯运用层次分析法判断往往未考虑人的判断模糊性，引入三角模糊数的概念可以将层次分析法在模糊环境下进行扩展[5]。文章中采用表1的数值描述指标的相对重要程度。

表1 基于三角模糊数的语言变量

（1）构造模糊评价矩阵

按照评价指标体系上下层次间的隶属关系，多位专家分别对准则层和因素层的所有指标进行两两比较，构造出该层的模糊评价矩阵。

（2）计算模糊综合重要程度值

根据模糊评价矩阵分别计算各个元素的模糊综合重要程度值 ，在给定标准下，第i个对象满足m个目标的模糊综合重要程度值Si为：

（1）

（3）计算各因素的相对权重

对两个三角模糊数S1=（l1，m1，u1）和S2=（l2，m2，u2），S2相对S1重要的可能性程度表示为：

（2）

对模糊评价矩阵，分别计算其同一层次内第i个元素重要于其他各个元素的可能性程度

（3）

计算权重向量

（4）

1.2 计算综合权重及综合评价结果

在得到准则层指标的综合权重后，按照隶属关系分别计算因素层各指标的权重。由评标委员会专家按照“优、良、中、差”四个等级对投标人的各项指标进行评级，在对数据进行分析处理后，根据最大隶属度原则得出决策结果。

2 灰色关联分析法修正评价结果

灰色关联分析是根据各因素变化曲线几何形状的相似程度来判断因素之间的关联程度[7]。针对模糊综合评价结果不能严格排序的问题，利用灰色关联分析法进行修正，可以得到评价对象的具体排列顺序，以供选择最优投标人。

（1）确定分析数列

设参考数列为 ，比较数列为 。

（2）变量的无量纲化

选用公式5对评价值进行无量纲化处理，获得均等化评价结果。

（5）

（3）计算关联系数

（6）

分别计算第i个潜在分包商的第j个指标与第j个最优指标的关联系数，？籽∈[0，1]，为分辨系数，一般取？籽=0.5。

（4）计算关联度

（7）

（5）关联度排序

关联度按大小排序，如果r1？刍r2，则参考数列Ci*与比较数列Cj2更相似。换言之，按关联度排序之后，关联度越大，评价结果越好。

3 实例研究

3.1 实例基本信息

在某水利工程项目的评标中，主要考虑的一级评价指标有项目的投标报价、施工管理、工期与质量，以及投标人的业绩与信誉，详细的评价指标体系如表2所示。

招标人聘请3位评标专家对各指标进行两两比较，根据判断标度打分。依据专家各自背景和经历，权重分别定为0.4，0.3，0.3。专家采用三角模糊数对准则层四个指标的两两评价结果见表3。

表3 准则层三角模糊数

按照公式1、公式2分别计算准则层内两个指标之间的相对重要性程度，具体结果如下：

按照公式3，公式4分别计算准则层内第i个元素重要于其他各个元素的可能性程度，由此得到准则层的权重向量为：W=（0.274，0.711，1，0.268）。经过归一化处理后得到准则层权重为：W=（0.274，0.261，0.367，0.098）。

分别计算因素层内两个指标之间的相对重要性程度与某因素重要于其他各个因素的可能性程度，按照隶属关系确定因素层的指标权重，计算结果如表4所示。

表4 某水利工程招标评价指标权重

确定了各评价指标的权重后，由评标委员会的7位专家对投标人Ci的各项评价指标j进行评级，对于投标人C1而言，在对评价指标A11（报价合理性）的评级结果中，假如7位专家认为等级为“优、良、中、差”的人数分别为（2、4、1、0），则其得分为（2/7，4/7，1/7，0），对投标人C1的具体评分结果见表5。

对投标人C1，采用模糊综合评价法的加权平均模型，利用模糊矩阵的合成运算得到最终评价结果为：C1=（0.261，0.566，0.167，0.005）。同理，可得其他三位投标人的评价结果分别为：C2=（0.556，0.314，0.109，0.020）；C3=（0.493，0.411，0.074，0.022）；C4=（0.205，0.286，0.450，0.059）。

根据最大隶属度原则，由上述模糊评价结果，可得知，投标人C2、C3的评价为“优”，C1的评价为“良”，C4的评价为“中”。

虽然上述评价结果评出了各投标人的等级，但是不能得出明确的中标顺序。因此，利用灰色关联分析对模糊评价结果进行修正，选定参考数列为（1，0.8，0.5，0），对初始评价值进行无量纲化处理，计算各投标人的评价结果的关联度，最终，确定排序为：C3？叟C1？叟C2？叟C4，即投标人C3的综合评价值最高，为第一中标候选人。具体结果如表6所示。

表6 投标人评价结果与关联指标

4 结束语

文章采用三角模糊层次分析为水利工程招标评价指标赋权，综合多位专家的评分，使专家评分更合理准确。引入灰色关联分析方法，利用关联度化解三角模糊数打分带来的模糊数排序问题，为水利工程施工中标人的评价与选择提供了一条可行的科学评价途径。

参考文献

[1]王卓甫，杨高升，邢会歌.建设工程招标模型与评标机制设计[J].土木工程学报，2012，43（8）：140-145.

[2]李明，刘乾，胥斌，等.水利水电工程招标评标模型研究与应用[J].人民黄河，2008，30（5）：87-88.

[3]陈广洲，汪家权，李如忠，等.基于D-S 证据理论的水利工程招标评价[J].水力发电学报，2012，31（3）：263-266.

[4]鲁仕宝，黄强，孙晓懿，等.基于熵权理论的水利工程招标研究[J].水力发电学报，2010，29（3）：221-224.

[5]刘永强，张洪瑞，钱璧君.基于FAHP的水利工程项目成本风险管理研究[J].水电能源科学，2009，27（4）：151-154.

[6]何莎莎，陈羲，冯占春.基于三角模糊层次分析法的基本公共卫生服务均等化效果评价研究[J].中国卫生经济，2012，31（7）：43-46.