随着经济的发展,现实生活的决策问题变得更加复杂和不确定,决策者往往难以直接给出偏好信息,因此,模糊偏好信息在实际问题中的应用越发广泛。考虑到q阶orthopair模糊数不仅表达了决策者的肯定、否定与犹豫信息,应用也更加灵活,本文对q阶orthopair模糊偏好关系（q-ROFPR）排序方法进行了研究,主要工作与创新如下:（1）提出一种基于最小绝对偏差法的q-ROFPR排序权重求解模型。首先,利用q-ROFPR的乘性一致性定义,给出一种利用排序权重构造特征偏好关系的方法;然后,以q-ROFPR与其特征偏好关系的绝对偏差之和最小化为目标函数,构建最优化模型求解q阶orthopair模糊排序权重;最后利用沙尘暴影响因素评估的实例说明该方法的可行性。（2）提出一种基于最小偏差的q-ROFPR排序模型。首先,提出q-ROFPR的等价区间加性偏好关系,利用区间加性偏好关系的乘性一致性,定义新的q-ROFPR的乘性一致性;接着,利用新定义的乘性一致性构造乘性一致性q-ROFPR,并构造最小偏差权重求解模型;最后将该模型应用到医疗决策中,验证模型的有效性。（3）提出一种基于q-ROFPR一致性调整算法的对数最小偏差排序模型。首先提出q-ROFPR的期望偏好关系的概念,并提出q-ROFPR和期望偏好关系的一致性指标,分析一致性指标的统计特性;接着,提出一种q-ROFPR的一致性调整算法得到可接受一致性的q-ROFPR;然后,通过最小化可接受一致性的q-ROFPR与完全一致性的q-ROFPR的对数偏差,构建了对数最小偏差排序权重求解模型;该方法的优点是考虑了一致性阈值的统计特性,减少人为设定的不可靠性,最后通过绿色供应商选择问题验证该方法的合理性。上述研究成果丰富了 q-ROFPR的研究内容,给出了新的q-ROFPR排序权重求解模型,为解决实际问题提供了新的科学依据。