基于ECharts的可视化高校综合信息分析决策系统
王龙 王一男
摘 要： 高校综合信息的数据量较复杂、分析难度较大，使传统的可视化高校综合信息分析决策系统无法对其进行高水平可视化，系统的决策借鉴度也不高。因此设计基于ECharts的可视化高校综合信息分析决策系统。构建设备成本预测模型和科研经费分配模型，计算两者间的关联系数，再将科研经费总金额和被分配人员数量的具体数据输入模型中，获取到最终的决策方案，通过Echarts可视化将决策借鉴方案展示出来，信息使用者从中挑选出最终决策，实现高校综合信息的决策可视化。系统基于ECharts设计设备成本预测模型和科研经费分配模型，作为介绍系统性能、提高系统市场竞争力的诱导因素。实验结果证明，所设计的系统具有较高的可视化水平和决策借鉴度。
关键词： ECharts； 可视化决策系统； 综合信息分析； 决策方案
中图分类号： TN911?34； TP311 文献标识码： A 文章编号： 1004?373X（2017）06?0068?03
Abstract： Comprehensive information data of colleges and universities is relatively complex and difficult to analyze， which makes the traditional visualization college comprehensive information analysis and decision system be on low level of visualization， and the system′s decision?making reference degree not high enough. A visualization comprehensive information analysis and decision system based on ECharts was designed. The equipment cost prediction model and scientific research funds allocation model were built. The correlation coefficient between equipment cost prediction and scientific research funds is calculated， then specific data of total research money and assigned personnel quantity is input in the model to get the final decision?making scheme. The visualization decision?making reference scheme is presented through Echarts. The information users choose the final decision from it. The decision visualization of comprehensive information of colleges and universities is realized. The equipment cost prediction model and funding allocation model is designed based on ECharts design， which acting as the induced factors of introducing the system performance and improving the market competitiveness. The experimental results show that the designed system has high visualization level and decision?making reference degree.
Keywords： ECharts； visualization decision system； comprehensive information analysis； decision?making scheme
近些年来，各高校开始借鉴计算机技术改善教学和科研水平，并进一步将其应用于高校综合信息的分析决策中。高校综合信息包括学籍信息、宿舍信息、人事信息和就业信息等，涉及到高校学生与工作人员学习、生活的各个方面，数据量较复杂、分析难度较大[1?3]。如何从复杂的高校综合信息中筛选出有用信息，并进行高水平的可视化，是提高系统决策借鉴度的前提[4?6]。文献[7]提出基于EDPS设计可视化高校综合信息分析决策系统的方法。文献[9]提出基于IDSDP设计可视化高校综合信息分析决策系统的方法，但这些传统可视化高校综合信息分析决策系统，无法对高校综合信息进行高水平可视化工作，系统的决策借鉴度也不高。
为了解决上述系统的缺陷，设计基于ECharts的可视化高校综合信息分析决策系统。实验结果表明，所设计的系统具有较高的可视化水平和决策借鉴度。
1 系统软件设计
在高校中，信息使用者需要进行综合决策的重点项目有：设备成本预测和科研经费分配，此外还包括招生专业设置、校园维护费用预测、科研项目选择等项目。所设计的基于ECharts的可视化高校综合信息分析决策系统应事先在软件中对主要项目的模型进行设计，作为介绍系统性能、提高系统市场竞争力的诱惑因素。
1.1 设备成本预测模型设计
在基于ECharts的可视化高校综合信息分析决策系统中，设备成本预测模型通常是根据高校近几年的设备成本信息进行分析决策的，设备成本预测模型应被归类于定量分析决策中进行设计。因此，可将设备的采购成本[y]和预计使用年限[t]看作近似线性关系，即[y=f（t）]，并在此基础上构建设备成本预测模型。首先提出时间序列这一概念，在设备成本预测模型中，时间序列表示的是不同使用年限的设备依据采购日期进行排序所组成的序列。时间序列对设备成本预测的决策结果具有指向性作用，可用来揭示设备成本的未来发展趋势。
系统利用ECharts给出设备成本预测模型表达式为：
[yt+T=at+btT+ctT2]
式中：[T]代表时间序列；[at]，[bt]，[ct]均代表平缓系数，取值范围为[0，1]。
1.2 科研经费分配模型设计
科研经费分配这一项目与设备成本预测的分析决策方式不同，它不是简单的线性函数。高校每年的科研经费均不相同且金额未知，而且被分配人员的数量和分配金额受限于科研项目的难易程度与国家的重视程度，对科研经费分配模型的设计比较困难。为此，利用ECharts给出科研经费分配的可视化模型，如图1所示。
由图1可知，ECharts利用可视化对比阵列的方式，将科研项目的难易程度同国家的重视程度进行同类检测，使主观的思维客观化，客观的思维具体化，得出两者间的关联系数。再将科研经费总金额和被分配人员数量的具体数据输入模型中，获取到最终的决策方案。
2 实验分析
为了验证本文所设计的系统是否具有较高的可视化水平和决策借鉴度，实验利用垂直分析方法和水平分析方法，对本文系统的可视化水平和决策借鉴度进行验证。
2.1 垂直分析
垂直分析是指将高校综合信息在本文系统中展示于同一页的可视化界面中。由于高校综合信息较为复杂，将其在同一页中进行可视化的难度较大，故垂直分析是验证本文系统可视化水平最为有效的方法。
实验选取某高校2014年的整年信息作为实验对象，用本文系统对该高校的综合信息进行分析决策。图2、图3分别代表高校2014年的整年信息量和决策信息量，图4是本文系统有效决策信息量。
由图2、图3可知，将实验所选高校2014年的信息量按照月份划分，单月信息量范围为[3.18 GB，4.76 GB]，单月的决策信息量范围为[1.76 GB，2.64 GB]，其中，决策信息量最大的月份是1月和7月，决策信息量最小的月份是12月。对比图3、图4可知，本文系统在同一页中展示出的有效决策信息量曲线与实际的决策信息量曲线较为一致，本文系统的单月决策信息量范围为[1.72 GB，2.64 GB]，决策信息量最大、最小的月份分别是7月和12月。本文系统的1月决策信息量与实际仅相差0.002 GB，误差可忽略不计，证明本文系统具有较高的可视化水平。
2.2 水平分析
水平分析是指将高校综合信息的决策方案进行逐年对比，通过信息使用者给出的满意程度，验证本文系统决策借鉴度的高低。满意程度与决策借鉴度成正比。实验令本文系统对某高校2010年—2014年的高校综合信息进行分析决策，图5描述的是信息使用者对本文系统决策方案的满意程度（最高值为100%）。
由圖5可知，在2010年—2014年间，信息使用者对本文系统决策方案的满意程度始终维持在[95.8%，98.8%]之间，证明本文系统具有较高的决策借鉴度。
3 结 论
本文设计基于ECharts的可视化高校综合信息分析决策系统。系统的信息采集模块对高校中的各类信息系统进行采集、存储、转换和分类，组合成高校综合信息传递到分析模块。分析模块将高校综合信息中与决策目标联系性较低的信息删除，剩余信息将被组成多种决策借鉴方案传送到ECharts决策模块。ECharts决策模块通过ECharts可视化将决策借鉴方案展示出来，信息使用者从中挑选出最终决策，实现高校综合信息的决策可视化。系统基于ECharts设计出设备成本预测模型和科研经费分配模型。实验结果表明，所设计的系统可视化水平和决策借鉴度均较高。
参考文献
[1] 胡华全，吴玲达，杨超，等.卫星时变拓扑网络多视图可视化分析框架[J].系统工程与电子技术，2014，36（2）：312?316.
[2] 熊华强，万勇，桂小智，等.智能变电站SCD文件可视化管理和分析决策系统的设计与实现[J].电力自动化设备，2015，35（5）：166?171.
[3] 张志强，胡山鹰，胡雪瑶，等.智慧工厂综合管理信息系统开发及应用[J].化工进展，2016，35（4）：1000?1006.
[4] 唐伦刚，陈莎.多校区模式下高校图书馆研究热点的可视化分析[J].农业图书情报学刊，2015，27（3）：75?79.
[5] 张侃怀，资云海，木森，等.医院运营综合分析系统应用与体会[J].西南国防医药，2015，25（5）：553?554.
[6] 吴海燕，许强，王丽峰.基于商业智能的区域卫生综合辅助决策支持系统建设与应用[J].医学信息学杂志，2015，36（7）：2?6.
[7] 王晨，王刚毅，吕游.奶牛专业合作社决策风险模糊综合评价分析[J].湖北农业科学，2014，53（21）：5299?5303.
[8] 李维乾，李莉，张晓滨，等.Hadoop平台下突发水污染应急预案并行化处置[J].西安工程大学学报，2015，29（6）：733?739.
[9] 徐利民，叶光明，任慧朋，等.军队医院体系综合管理信息平台的研发实践[J].中国医疗设备，2015，30（2）：81?83.
摘 要： 高校综合信息的数据量较复杂、分析难度较大，使传统的可视化高校综合信息分析决策系统无法对其进行高水平可视化，系统的决策借鉴度也不高。因此设计基于ECharts的可视化高校综合信息分析决策系统。构建设备成本预测模型和科研经费分配模型，计算两者间的关联系数，再将科研经费总金额和被分配人员数量的具体数据输入模型中，获取到最终的决策方案，通过Echarts可视化将决策借鉴方案展示出来，信息使用者从中挑选出最终决策，实现高校综合信息的决策可视化。系统基于ECharts设计设备成本预测模型和科研经费分配模型，作为介绍系统性能、提高系统市场竞争力的诱导因素。实验结果证明，所设计的系统具有较高的可视化水平和决策借鉴度。
关键词： ECharts； 可视化决策系统； 综合信息分析； 决策方案
中图分类号： TN911?34； TP311 文献标识码： A 文章编号： 1004?373X（2017）06?0068?03
Abstract： Comprehensive information data of colleges and universities is relatively complex and difficult to analyze， which makes the traditional visualization college comprehensive information analysis and decision system be on low level of visualization， and the system′s decision?making reference degree not high enough. A visualization comprehensive information analysis and decision system based on ECharts was designed. The equipment cost prediction model and scientific research funds allocation model were built. The correlation coefficient between equipment cost prediction and scientific research funds is calculated， then specific data of total research money and assigned personnel quantity is input in the model to get the final decision?making scheme. The visualization decision?making reference scheme is presented through Echarts. The information users choose the final decision from it. The decision visualization of comprehensive information of colleges and universities is realized. The equipment cost prediction model and funding allocation model is designed based on ECharts design， which acting as the induced factors of introducing the system performance and improving the market competitiveness. The experimental results show that the designed system has high visualization level and decision?making reference degree.
Keywords： ECharts； visualization decision system； comprehensive information analysis； decision?making scheme
近些年来，各高校开始借鉴计算机技术改善教学和科研水平，并进一步将其应用于高校综合信息的分析决策中。高校综合信息包括学籍信息、宿舍信息、人事信息和就业信息等，涉及到高校学生与工作人员学习、生活的各个方面，数据量较复杂、分析难度较大[1?3]。如何从复杂的高校综合信息中筛选出有用信息，并进行高水平的可视化，是提高系统决策借鉴度的前提[4?6]。文献[7]提出基于EDPS设计可视化高校综合信息分析决策系统的方法。文献[9]提出基于IDSDP设计可视化高校综合信息分析决策系统的方法，但这些传统可视化高校综合信息分析决策系统，无法对高校综合信息进行高水平可视化工作，系统的决策借鉴度也不高。
为了解决上述系统的缺陷，设计基于ECharts的可视化高校综合信息分析决策系统。实验结果表明，所设计的系统具有较高的可视化水平和决策借鉴度。
1 系统软件设计
在高校中，信息使用者需要进行综合决策的重点项目有：设备成本预测和科研经费分配，此外还包括招生专业设置、校园维护费用预测、科研项目选择等项目。所设计的基于ECharts的可视化高校综合信息分析决策系统应事先在软件中对主要项目的模型进行设计，作为介绍系统性能、提高系统市场竞争力的诱惑因素。
1.1 设备成本预测模型设计
在基于ECharts的可视化高校综合信息分析决策系统中，设备成本预测模型通常是根据高校近几年的设备成本信息进行分析决策的，设备成本预测模型应被归类于定量分析决策中进行设计。因此，可将设备的采购成本[y]和预计使用年限[t]看作近似线性关系，即[y=f（t）]，并在此基础上构建设备成本预测模型。首先提出时间序列这一概念，在设备成本预测模型中，时间序列表示的是不同使用年限的设备依据采购日期进行排序所组成的序列。时间序列对设备成本预测的决策结果具有指向性作用，可用来揭示设备成本的未来发展趋势。
系统利用ECharts给出设备成本预测模型表达式为：
[yt+T=at+btT+ctT2]
式中：[T]代表时间序列；[at]，[bt]，[ct]均代表平缓系数，取值范围为[0，1]。
1.2 科研经费分配模型设计
科研经费分配这一项目与设备成本预测的分析决策方式不同，它不是简单的线性函数。高校每年的科研经费均不相同且金额未知，而且被分配人员的数量和分配金额受限于科研项目的难易程度与国家的重视程度，对科研经费分配模型的设计比较困难。为此，利用ECharts给出科研经费分配的可视化模型，如图1所示。
由图1可知，ECharts利用可视化对比阵列的方式，将科研项目的难易程度同国家的重视程度进行同类检测，使主观的思维客观化，客观的思维具体化，得出两者间的关联系数。再将科研经费总金额和被分配人员数量的具体数据输入模型中，获取到最终的决策方案。
2 实验分析
为了验证本文所设计的系统是否具有较高的可视化水平和决策借鉴度，实验利用垂直分析方法和水平分析方法，对本文系统的可视化水平和决策借鉴度进行验证。
2.1 垂直分析
垂直分析是指将高校综合信息在本文系统中展示于同一页的可视化界面中。由于高校综合信息较为复杂，将其在同一页中进行可视化的难度较大，故垂直分析是验证本文系统可视化水平最为有效的方法。
实验选取某高校2014年的整年信息作为实验对象，用本文系统对该高校的综合信息进行分析决策。图2、图3分别代表高校2014年的整年信息量和决策信息量，图4是本文系统有效决策信息量。
由图2、图3可知，将实验所选高校2014年的信息量按照月份划分，单月信息量范围为[3.18 GB，4.76 GB]，单月的决策信息量范围为[1.76 GB，2.64 GB]，其中，决策信息量最大的月份是1月和7月，决策信息量最小的月份是12月。对比图3、图4可知，本文系统在同一页中展示出的有效决策信息量曲线与实际的决策信息量曲线较为一致，本文系统的单月决策信息量范围为[1.72 GB，2.64 GB]，决策信息量最大、最小的月份分别是7月和12月。本文系统的1月决策信息量与实际仅相差0.002 GB，误差可忽略不计，证明本文系统具有较高的可视化水平。
2.2 水平分析
水平分析是指将高校综合信息的决策方案进行逐年对比，通过信息使用者给出的满意程度，验证本文系统决策借鉴度的高低。满意程度与决策借鉴度成正比。实验令本文系统对某高校2010年—2014年的高校综合信息进行分析决策，图5描述的是信息使用者对本文系统决策方案的满意程度（最高值为100%）。
由圖5可知，在2010年—2014年间，信息使用者对本文系统决策方案的满意程度始终维持在[95.8%，98.8%]之间，证明本文系统具有较高的决策借鉴度。
3 结 论
本文设计基于ECharts的可视化高校综合信息分析决策系统。系统的信息采集模块对高校中的各类信息系统进行采集、存储、转换和分类，组合成高校综合信息传递到分析模块。分析模块将高校综合信息中与决策目标联系性较低的信息删除，剩余信息将被组成多种决策借鉴方案传送到ECharts决策模块。ECharts决策模块通过ECharts可视化将决策借鉴方案展示出来，信息使用者从中挑选出最终决策，实现高校综合信息的决策可视化。系统基于ECharts设计出设备成本预测模型和科研经费分配模型。实验结果表明，所设计的系统可视化水平和决策借鉴度均较高。
参考文献
[1] 胡华全，吴玲达，杨超，等.卫星时变拓扑网络多视图可视化分析框架[J].系统工程与电子技术，2014，36（2）：312?316.
[2] 熊华强，万勇，桂小智，等.智能变电站SCD文件可视化管理和分析决策系统的设计与实现[J].电力自动化设备，2015，35（5）：166?171.
[3] 张志强，胡山鹰，胡雪瑶，等.智慧工厂综合管理信息系统开发及应用[J].化工进展，2016，35（4）：1000?1006.
[4] 唐伦刚，陈莎.多校区模式下高校图书馆研究热点的可视化分析[J].农业图书情报学刊，2015，27（3）：75?79.
[5] 张侃怀，资云海，木森，等.医院运营综合分析系统应用与体会[J].西南国防医药，2015，25（5）：553?554.
[6] 吴海燕，许强，王丽峰.基于商业智能的区域卫生综合辅助决策支持系统建设与应用[J].医学信息学杂志，2015，36（7）：2?6.
[7] 王晨，王刚毅，吕游.奶牛专业合作社决策风险模糊综合评价分析[J].湖北农业科学，2014，53（21）：5299?5303.
[8] 李维乾，李莉，张晓滨，等.Hadoop平台下突发水污染应急预案并行化处置[J].西安工程大学学报，2015，29（6）：733?739.
[9] 徐利民，叶光明，任慧朋，等.军队医院体系综合管理信息平台的研发实践[J].中国医疗设备，2015，30（2）：81?83.
