基于人工神經(jīng)網(wǎng)絡(luò)的礦山綜合經(jīng)營效果分類

1、基于人工神經(jīng)網(wǎng)絡(luò)的礦山綜合經(jīng)營效果分類馮述虎（1.中國礦業(yè)大學(xué)北京校區(qū)，北京海淀區(qū)，100083;2.中國煤炭經(jīng)濟學(xué)院，山東煙臺，264005）摘 要 建立了礦山綜合經(jīng)營效果分類指標(biāo)體系，并根 據(jù)具體情況對各指標(biāo)進(jìn)行了量化。利用BP人工神經(jīng)網(wǎng)絡(luò)建立了礦山綜合經(jīng)營效果的分類模型 ，利用改進(jìn)學(xué)習(xí)算法對BP網(wǎng)絡(luò)進(jìn)行訓(xùn)練，并利用訓(xùn)練網(wǎng)絡(luò)模型對實際礦山進(jìn)行了分類。關(guān)鍵詞 人工神經(jīng)網(wǎng)絡(luò) 經(jīng)營效果 綜合評價 分類 模型1 引言能源是國民經(jīng)濟發(fā)展和人民生活所必需的重要物質(zhì)基礎(chǔ)，而煤炭又是我國能源的重要組成部分之一，其所占比例一直在70以上，據(jù)預(yù)測2010年在一次性能源構(gòu)成中仍占69.4。對每個企業(yè)的經(jīng)營效果進(jìn)

2、行合理評價和分類不僅有利于政府的宏觀管理，而且對調(diào)動企業(yè) 的積極性也有十分重要的現(xiàn)實意義。過去已有人采用 層次分析法、模糊綜合評價等方法對其經(jīng)營效果進(jìn)行評價，并取得了較好的效果。但這些方 法在指標(biāo)權(quán)值的確定中存在有很大的主觀性，同時在評價指標(biāo)的構(gòu)造中也很難反映出礦山可 持續(xù)發(fā)展的能力。本文從可持續(xù)發(fā)展的角度建立礦山經(jīng)營效果的評價指標(biāo)體系，并 用BP人工神經(jīng)網(wǎng)絡(luò)方法對礦山綜合經(jīng)營效果進(jìn)行分類，可為政府宏觀管理提供決策依據(jù)。2 礦山綜合經(jīng)營效果分類指標(biāo)體系的建立2.1 指標(biāo)體系選擇的原則礦山綜合經(jīng)營效果的分類涉及到諸多方面，要對其進(jìn)行合理地評價、分類，必須建立完善的 指標(biāo)體系。因此，在選擇評價、分

3、類指標(biāo)體系時應(yīng)遵循如下原則：（1） 所選的評價指標(biāo)應(yīng)便于實際操作；（2） 所選指標(biāo)應(yīng)全面反映礦山經(jīng)營管理水平；（3） 在指標(biāo)體系選擇時應(yīng)能反映出礦山可持續(xù)發(fā)展的能力；（4） 在指標(biāo)選擇時應(yīng)具有全局觀點，要把礦山經(jīng)濟效益和全社會經(jīng)濟效益結(jié)合起來。2.2 指標(biāo)體系的建立根據(jù)分類指標(biāo)體系選擇的原則，我們選擇4大類指標(biāo)來全面評價礦山的經(jīng)營效果，即 礦山 技術(shù)經(jīng)濟指標(biāo)、礦山管理水平指標(biāo)、礦區(qū)環(huán)境保護(hù)指標(biāo)和礦山發(fā)展能力指標(biāo)。其中每一大類 指標(biāo)中又包括若干個指標(biāo)，共22個指標(biāo)見圖1所示。2.3 指標(biāo)評價值的確定及無量綱化處理在22個指標(biāo)中有定性指標(biāo)和定量指標(biāo)之分。根據(jù)指標(biāo)的評價準(zhǔn)則又可分為3類指標(biāo)：正向指

4、標(biāo)，負(fù)向指標(biāo)和優(yōu)化指標(biāo)。由于不同的指標(biāo)是從不同的側(cè)面反映礦山的經(jīng)營績效的，指標(biāo)之 間無法進(jìn)行比較。因此，為了便于最終評價值的確定，需對各指標(biāo)進(jìn)行無量綱化處 理。并考慮神經(jīng)網(wǎng)絡(luò)訓(xùn)練的收斂問題，對所有指標(biāo)分3種情況進(jìn)行無量綱化處理。（1）定性指標(biāo)在礦山經(jīng)營績效評價指標(biāo)體系中，定性指標(biāo)有礦山接續(xù)情況、礦山規(guī)章制度的完善程度、 礦山規(guī)章制度的執(zhí)行情況、礦井通風(fēng)管理水平、職工素質(zhì)、礦區(qū)社會保障體系的完善程度等 。這些指標(biāo)的評價值我們采用專家打分的辦法進(jìn)行評價，其取值為01之間。圖1 礦山經(jīng)營績效綜合評價指標(biāo)體系（略）（2）正向定量指標(biāo)正向定量指標(biāo)是指標(biāo)值越大越好的指標(biāo)。在礦山經(jīng)營績效綜合評價指標(biāo)中，正向

5、定 量指標(biāo)有：礦山機械化程度、礦山全員效率、礦山利稅指標(biāo)、職工平均工資、礦產(chǎn)資源深加 工比例、廢水排放達(dá)標(biāo)率、廢氣排放達(dá)標(biāo)率、礦石綜合治理達(dá)標(biāo)率、地貌破壞綜合治理達(dá)標(biāo) 率、科技投入比例、非煤產(chǎn)值所占比重、職工子女入學(xué)率、職工人均居住面積等。因這類指 標(biāo)是越大越好，該類指標(biāo)選用所有礦山的最大值為該指標(biāo)的理想值，進(jìn)行無量綱 化處理如下：（略）（3）負(fù)向定量指標(biāo)負(fù)向指標(biāo)是指其值越小越好的指標(biāo)。在礦山經(jīng)營績效綜合評價指標(biāo)中，負(fù)向定量指 標(biāo)有礦山制造成本（即包括礦山經(jīng)營的各種費用在內(nèi)的噸煤成本）、百萬噸死亡率。這 類 指標(biāo)是越小越好，因此，該類指標(biāo)我們選取所有礦山的最小值為該指標(biāo)的理想值，并進(jìn)行無 量綱

6、化處理如下：（略）式中符號含義同前。在進(jìn)行無量綱處理時，如果出現(xiàn)某個評價指標(biāo)所有樣本都為零的特殊情況時，則說明該項指標(biāo)全為理想值，因此我們?nèi)≡擁椫笜?biāo)的無量綱值為1。（4） 優(yōu)化指標(biāo)優(yōu)化指標(biāo)是指指標(biāo)具有一個最優(yōu)的取值范圍，太大或太小都不好的指標(biāo)。在礦山經(jīng)營績效綜合評價指標(biāo)體系中，屬優(yōu)化指標(biāo)的有礦山資產(chǎn)負(fù)債率指標(biāo)，該指標(biāo)如果太大說明礦山經(jīng)營中 將會 出現(xiàn)資不抵債的情況，不利于礦山的發(fā)展；如果該指標(biāo)值很小則說明在礦山經(jīng)營中沒有 充分發(fā)揮有限資本的價值。目前研究表明，該指標(biāo)取40%60%比較理想，據(jù)此對參與評價的 該項指標(biāo)進(jìn)行無量綱化處理如下：（略）3 人工神經(jīng)網(wǎng)絡(luò)綜合評價模型的建立3.1 人工神經(jīng)網(wǎng)

7、絡(luò)模型的結(jié)構(gòu)人工神經(jīng)網(wǎng)絡(luò)（ANN）基本原理是受生物大腦的啟發(fā)，試圖模仿人腦神經(jīng)系統(tǒng)的組成方式與 思維過程而構(gòu)成的信息處理系統(tǒng)，具有非線性、自學(xué)習(xí)性、容錯性、聯(lián)想記憶和可以訓(xùn)練性 等特點。模型的處理能力主要由網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)和網(wǎng)絡(luò)節(jié)點的功能所決定。理論上已 證明，只要具有一個隱層的網(wǎng)絡(luò)即可實現(xiàn)對任意實值的逼近，實現(xiàn)任何非線性映射。BP神經(jīng)模型即誤差后向傳播神經(jīng)網(wǎng)絡(luò)是神經(jīng)網(wǎng)絡(luò)模型中使用最廣泛的一種。在礦山經(jīng) 營績效綜合評價時采用BP網(wǎng)絡(luò)模型，其網(wǎng)絡(luò)模型結(jié)構(gòu)如圖2所示。網(wǎng)絡(luò)由輸入節(jié)點、隱 層節(jié)點和輸出節(jié)點組成。其中隱層可以是一層，也可以是多層。對于輸入信號，要向前傳播 到隱層節(jié)點，經(jīng)作用函數(shù)變換后，再

8、把隱節(jié)點的輸入信號傳播到輸出層節(jié)點，節(jié)點的作用函 數(shù)一般取 Sigmoid模型函數(shù)，見公式(6)。（略）圖2 BP網(wǎng)絡(luò)模型結(jié)構(gòu)（略）3.2 BP網(wǎng)絡(luò)學(xué)習(xí)算法由于常用的BP算法存在收斂速度慢和局部極值等缺點，使得在實際應(yīng)用中BP算法很難應(yīng)用， 因此，出現(xiàn)了許多改進(jìn)算法。BP算法的改進(jìn)主要有兩種途徑，一種是采用啟發(fā)式學(xué)習(xí)方 法； 另一種則是采用更有效的優(yōu)化算法。本文采用了動量法和學(xué)習(xí)率自適應(yīng)調(diào)整的策略，從而提 高了學(xué)習(xí)速度并增加了算法的可靠性。動量法降低了網(wǎng)絡(luò)對于誤差曲面局部極值的敏感性， 有效地抑制了網(wǎng)絡(luò)陷于局部極小。標(biāo)準(zhǔn)BP算法實質(zhì)是一種簡單的最速下降靜態(tài)尋優(yōu)算法，在 修正權(quán)值或權(quán)值向量 w(

9、k)時，只是按照時刻的負(fù)梯度方式進(jìn)行修正，而沒有考慮到以前 積累的經(jīng)驗，即以前時刻的梯度方向，從而常常使學(xué)習(xí)過程發(fā)生振蕩，收斂緩慢。改進(jìn)的算 法為：（略）這種方法所加入的動量項實質(zhì)上相當(dāng)于阻尼項， 它減小了學(xué)習(xí)過程的振蕩趨勢，從而改善了收斂性。自適應(yīng)調(diào)整學(xué)習(xí)率有利于縮短學(xué)習(xí)時間。標(biāo)準(zhǔn)BP算法收斂速度慢的一個重要原因是學(xué)習(xí)率選 擇不當(dāng)，學(xué)習(xí)率選得太小，收斂太慢；反之，則有可能修正過速，導(dǎo)致振蕩甚至發(fā)散。自適 應(yīng)調(diào)整學(xué)習(xí)率的改進(jìn)算法可表示為：（略）當(dāng)連續(xù)兩次迭代其梯度方向相同時，表明下降太慢，這時可使步長加倍；當(dāng)連續(xù)兩 次迭代其梯度方向相反時，表明下降過速，這時可使步長減半。4 應(yīng)用舉例4.1 礦

10、山綜合經(jīng)營效果的分類根據(jù)所選擇的各分類指標(biāo)及對指標(biāo)無量綱化處理后的值，利用所建的神經(jīng)網(wǎng)絡(luò)模型，我們可 對礦山經(jīng)營效果進(jìn)行綜合評價。根據(jù)礦山綜合評價結(jié)果，我們可以把所有參加評價的礦山經(jīng) 營效果進(jìn)行分類，即分成優(yōu)秀、良好、中等、一般、較差和極差等6個等級，各等級礦山對 應(yīng)的綜合評價取值范圍見表1 。表1 礦井綜合經(jīng)營效果評價分類表（略）表2 待評價礦山各指標(biāo)值及評價結(jié)果表（略）4.2 BP網(wǎng)絡(luò)訓(xùn)練我們利用MATLAB編寫了網(wǎng)絡(luò)權(quán)值訓(xùn)練和優(yōu)化程序（程序略），以礦山綜合經(jīng)營 效果分 類的22個指標(biāo)的6組等級值做為神經(jīng)網(wǎng)絡(luò)的訓(xùn)練樣本，即把每個單項指標(biāo)也相應(yīng)地分成6類 ：優(yōu)秀、良好、中等、一般、較差和極差

11、6個等級，其每個等級分類值選取與整個礦山綜合 分 類各等級值一致（見表1）。當(dāng)22個單項指標(biāo)都為優(yōu)秀時，則礦山綜合評價的結(jié)果必然為優(yōu) 秀，其它等級亦是如此。由于每個指標(biāo)為一數(shù)值區(qū)間，因而在進(jìn)行網(wǎng)絡(luò)訓(xùn)練前，必須對指標(biāo) 作如下處理：優(yōu)秀、良好、中等、一般、較差五個等級指標(biāo)值分別取其平均值作為其輸入值 ，極差等級指標(biāo)值以其臨界值作為其輸入值。網(wǎng)絡(luò)的期望輸出值按以下方法給定：優(yōu)秀、良 好、中等、一般、較差和極差6個等級分別為0.95，0.85，0.65，0.55，0.45，0.35。 用樣本的網(wǎng)絡(luò)評價值與所給網(wǎng)絡(luò)的期望輸出值的平方差之和小于10-3，作為神經(jīng)網(wǎng)絡(luò)最優(yōu)訓(xùn) 練效果的判斷準(zhǔn)則。經(jīng)過網(wǎng)絡(luò)訓(xùn)練和

12、優(yōu)化，我們選擇了2261的網(wǎng)絡(luò)結(jié)構(gòu)模型，即22個輸 入節(jié)點、6個隱層節(jié)點、1個輸出節(jié)點，網(wǎng)絡(luò)共訓(xùn)練了863次，收斂于所要求的誤差。4.3 應(yīng)用示例我們利用已訓(xùn)練好的網(wǎng)絡(luò)模型，對某礦務(wù)局4個礦山的經(jīng)營績效進(jìn)行了綜合評價，由于篇幅 限制，我們只給出評價礦山的各指標(biāo)值，忽略每礦具體情況介紹。評價礦山各指標(biāo)值及其評 價結(jié)果見表2所示。從表2 可看出4個礦綜合評價值分別為0.8342、0.7022、0.9559、0.8086 ，分別為良好、中等、優(yōu)秀和良好。經(jīng)過比較分析可知，該評價結(jié)果與實際情況是相符合的 。因此，說明利用該方法對礦山進(jìn)行分類是可行的。 5 結(jié)論本文建立了礦山經(jīng)營績效綜合評價的完整指標(biāo)體系及人工神經(jīng)網(wǎng)絡(luò)評價模型，當(dāng)給定全行業(yè) 各項指標(biāo)的最優(yōu)及最差值后，即可對給定礦山的經(jīng)營績效進(jìn)行了綜合評價，并能取得了令人 滿意的結(jié)果。該方法與其方法相比具有如下優(yōu)點：（1） 通過對參與比較樣本的自學(xué)習(xí)，能夠 確定神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，按照最優(yōu)訓(xùn)練準(zhǔn)則反復(fù)迭代，不斷對神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行調(diào)整，直到達(dá)到 一個相對穩(wěn)定的狀態(tài)，因此，利用該方法消除了許多人為因素，有利于保證結(jié)果的客觀性。（2） 誤差小，能使系統(tǒng)誤差達(dá)到任何精度要求，且有收斂性。（3）動態(tài)性好，能隨著時間推進(jìn)和參與比較樣本的增加，進(jìn)一步學(xué)習(xí)和動態(tài)跟蹤比較。因 此，該方法中具有一定的實際應(yīng)用價值。參考資料1 楊永清，許先云.礦山企業(yè)經(jīng)濟效益