文|任廣峰
隨著高校后勤管理技術的不斷提升,對于如何評價后勤管理水平已經成為當今社會需要解決的重要問題之一。傳統方法僅僅使用神經網絡對后勤管理水平進行評價,其收斂速度相對較慢,而且還會陷入局部極小值,因此就需要建立基于多源信息融合的高校后勤管理水平測度建模方法。
本文以指導性、科學性、客觀性、系統性、實用性、可擴展性和先進性相結合的基本原則為指導,從多個角度對高校的后勤管理做出衡量。高校后勤管理水平測度指標體系如表1所示。

高效后勤管理系統可以處理水平測度中的不準確和不確定的指標因素,因此根據其處理的層次不同可將其分成三個主要類型,其中分為特征的融合、大數據的融合和決策層的融合。在D-S理論中,把所有可能存在的結果都定義為識別框架,用來表示。假設集函數的子集集族),那么就需要滿足下式(2)和下式(3)的相關條件。


利用D-S理論來對其進行識別,具體如下式(5)所示。

本文以多源信息融合為基礎,針對高校后勤管理層的工作特點,構建了高校后勤管理水平測度模型。該模型由兩層一點組成,模型最底層由五大模塊組成:工作態度、工作能力、工作業績、素質結構、智力結構,模型第二層由過去(Past)、現在(Present)、潛力(Potential)三個時點組成,即3P,最后聚焦為一個點,即能力等級,包括低效級、潛力級、已發展級、可持續改進級。
為了讓此次實驗的結果更加準確,需要進行仿真實驗,其中權重系數取值為0.85,精準度為0.001,實驗中多源信息融合的數量為50。設定網絡循環的次數為500次,并且訓練的誤差為0.0001。以模擬軟件對高校后勤信息化水平進行評分,將其作為網絡測試的樣本,得到的后勤信息化水平預測值與模擬軟件評分相對比較一致。下表2則為該模型具體測試結果。

表2 高校后勤管理水平測度結果

4 0.800.80010.001 5 0.830.82990.004 60.860.85980.008 70.820.82060.006 8 0.850.85020.002 9 0.810.81050.005 100.790.79030.003
由上述表2可以看出,選擇的10個測試樣本中,模擬軟件的評分與使用本文方法的差值在0.001~0.009之間,由此可見利用多源信息融合建立的模型是有效的,它能夠較好地反映出高校后勤管理水平,是一種合理、可行的高校后勤管理水平測度模型。
此次提出的高校后勤管理水平測度模型是在傳統高校后勤管理水平的基礎上,結合多源信息融合設計的一種全新的高校后勤管理水平測度模型。但是此模型也有不足之處,并未將研究重點放在信息化與智能化方向,在未來可以將重點放在智能檢測方面,設計出更加完善的人工智能系統,讓高校后勤管理更加完善與健全。