1） 粗糙集理论

粗糙集理论，是继概率论、模糊集、证据理论之后的又一个处理不确定性的数学工具[100]。作为一种较新的软计算方法，粗糙集近年来越来越受到重视，其有效性已在许多科学与工程领域的成功应用中得到证实，是当前国际上人工智能理论及其应用领域中的研究热点之一。知识约简是粗糙集理论的精髓。知识约简是指在不影响知识表达能力的条件下，通过消除冗余知识，从而获得知识库的简洁表达的方法。

2）灰色关联分析

灰色系统理论提出了对各子系统进行灰色关联度分析的概念，意图透过一定的方法，去寻求系统中各子系统（或因素）之间的数值关系[101]。因此，灰色关联度分析对于一个系统发展变化态势提供了量化的度量，非常适合动态历程分析。

3）具体计算步骤

（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反映系统行为特征的数据序列，称为参考数列。影响系统行为的因素组成的数据序列，称比较数列。

（2）对参考数列和比较数列进行无量纲化处理

由于系统中各因素的物理意义不同，导致数据的量纲也不一定相同，不便于比较，或在比较时难以得到正确的结论。因此，在进行灰色关联度分析时，一般都要进行无量纲化的数据处理。

（3）求参考数列与比较数列的灰色关联系数ξ（Xi）(www.daowen.com)

所谓关联程度，实质上是曲线间几何形状的差别程度。因此，曲线间差值大小可作为关联程度的衡量尺度。对于一个参考数列X0有若干个比较数列X1，X2，…，Xn，各比较数列与参考数列在各个时刻（即曲线中的各点）的关联系数ξ（Xi）可由下列公式算出：其中 ρ为分辨系数，一般在0～1之间，通常取0.5。第二级最小差记为Δmin。两级最大差记为Δmax。各比较数列Xi曲线上的每一个点与参考数列X0曲线上的每一个点的绝对差值记为Δoi（k）。所以关联系数ξ（Xi）也可简化如下列公式：

（4）求关联度ri

因为关联系数是比较数列与参考数列在各个时刻（即曲线中的各点）的关联程度值，所以它的数不止一个，而信息过于分散不便于进行整体性比较。因此，有必要将各个时刻（即曲线中的各点）的关联系数集中为一个值，即求其平均值，作为比较数列与参考数列间关联程度的数量表示，关联度ri公式如下：

ri-比较数列xi对参考数列x0的灰关联度，或称为序列关联度、平均关联度、线关联度。ri值越接近1，说明相关性越好。

（5）关联度排序

因素间的关联程度，主要是用关联度的大小次序描述，而不仅是关联度的大小。将m个子序列对同一母序列的关联度按大小顺序排列起来，便组成了关联序，记为{x}，它反映了对于母序列来说各子序列的“优劣”关系。若r0i>r0j，则称{xi}对于同一母序列{x0}优于{xj}，记为{xi}>{xj} ；r0i表示第i个子序列对母数列特征值。

灰色关联度分析法是将研究对象及影响因素的因子值视为一条线上的点，与待识别对象及影响因素的因子值所绘制的曲线进行比较，比较它们之间的贴近度，并分别量化，计算出研究对象与待识别对象各影响因素之间的贴近程度的关联度，通过比较各关联度的大小来判断待识别对象对研究对象的影响程度。