人工神经网络分析法精选(九篇)

前言：一篇好文章的诞生，需要你不断地搜集资料、整理思路，本站小编为你收集了丰富的人工神经网络分析法主题范文，仅供参考，欢迎阅读并收藏。

第1篇：人工神经网络分析法范文

关键词： 小波神经网络； 网络流量； 预测研究； 训练样本

中图分类号： TN711?34 文献标识码： A 文章编号： 1004?373X（2016）23?0098?02

Research on network traffic prediction based on wavelet neural network

LI Xin， SUN Shanshan

（College of Information Engineering， Suihua University， Suihua 152000， China）

Abstract： The relevant theory and method of wavelet neural network are used to establish and predict the network traffic situation of a certain uptown. The acquired network traffic change situation is used as the training sample of the wavelet network to realize the traffic prediction of the network. The simulation results show that the constructed wavelet neural network model has high precision to predict the network traffic.

Keywords： wavelet neural network； network traffic； prediction research； training sample

0 引 言

随着互联网规模的不断增大以及各种网络“新应用”、“新服务”的不断涌现，网络信息变得越来越庞大和多变，对网络访问流量进行精确地预测从而实现对网络运行状态的有效管理，已经逐步成为目前的一个研究热点。网络流量预测是实现网络控制、网络规划，保证网络安全以及提高网络服务质量的重要前提。

网络流量具有自相似性、长相关性和多重分形性等复杂性质，对其进行精确地预测一直以来都是一个难点。目前，常见的网络流量预测方法主要有自回归分析法、马尔科夫分析法、分形布朗运动分析法和神经网络分析法。与前面三种传统方法相比，利用神经网络对网络流量进行预测具有预测精度高、方法简单、泛化性强和稳定性好的特点，正在逐步成为网络流量预测研究中的主流方法。

文献[1]根据网络流量的变化特征，基于BP神经网络提出了一个P2P网络流量预测模型，实现了网络流量的较高精度预测。文献[2]结合小波变换和人工神经网络的优势，建立一种网络流量预测的小波神经网络模型，通过将流量时间序列进行小波分解，获得了网络的训练和验证样本，试验表明采用这种方法进行流量预测，要比直接采用神经网络对样本进行预测的精度高。文献[3]根据网络流量自身的特征，研究了BP神经网络和小波神经网络在校园流量预测中的应用，其所建立的模型，经仿真验证证明，可以较好地预测学校网络的流量变化情况，可以为校园网络的规划和管理提供一定参考。

小波神经网络是一种以BP神经网络拓扑结构为基础，把小波基函数作为隐含节点的传递函数，其拓扑结构如图1所示。它类似于BP神经网络权值修正算法，采用梯度修正法修正网络的权值和小波基函数参数，从而使小波神经网络预测输出不断逼近期望输出[4?5]。

采用小波神经网络进行网络流量预测的基本流程如图2所示。

1 网络流量预测

1.1 试验数据来源

采用网络流量监测软件对某小区的网络流量进行实时采集，得到了该小区5天内的网络流量数据，每隔15 min记录一次该时间段内的网络流量值，一共获得了480个时间点的数据。用4天共384个网络流量的数据训练小波网络，最后用训练好的小波神经网络预测第5天的网络流量。为了避免局部数值偏移造成的误差，本文采用编组的方式提高模型预测精度，用前三个时间点的网络流量来综合预测后一个时间点的网络流量情况[6?7]。

图1 小波神经网络的拓扑结构

图2 小波神经网络进行预测的流程图

1.2 构建小波神经网络模型

本文采用的小波基函数为Mexican Hat小波基函数，其表达式为：

[ψ（t）=（1-t2）e-t22ψ（ω）=2πω2e-ω22]

函数的时域和频域波形图如图3所示[7?8]。

图3 Mexican Hat函数的时域和频域特征

本文采用的小波神经网络结构为3?5?1；输入层有3个节点，表示预测时间节点前3个时间节点的网络流量；隐含层有5个节点；输入层有1个节点，为预测的网络流量。设置网络预期误差值为[1×10-2，]将训练数据输入到Matlab软件中进行训练，训练过程中小波神经网络的误差变换情况如图4所示。由图4可知，该小波神经网络经过58步运算后收敛到预定精度要求。

用训练好的小波神经网络对该小区内第五天的网络流量情况进行预测，预测结果与交通流量的实际值比较如图5所示。在图5中，加“*”曲线对应预测数据，加“[]”曲线对应实际数据，可以看到小波神经网络可以较好地预测网络流量。

为了进一步分析仿真结果，采用绝对值误差均值（MAE）和绝对百分比误差均值（MAPE）两个指标进行评价分析，其中MAE和MAPE分别用下式计算[9]：

[MAE=1ni=1nxi-xiMAPE=1ni=1nxi-xixi×100%]

式中：[xi]表示模型的预测值；[xi]表示模型预测值的算术平均值；[n]为样本数。

小波神经网络的MAE和MAPE值如表1所示。

从表1可以看出，本文构建的小波神经网络的MAE值在3.36 GB左右，而MAPE值小于0.1，说明该预测模型可以较好地预测网络流量的变化情况，反应该小区的流量信息变化，为小区网络的规划和管理提供可靠的依据。

2 结 论

本文在网络流量的预测研究中引入了小波神经网络模型，利用收集到的某小区5天内的网络流量变化数据作为训练和测试样本对构建的小波神经网络进行训练和测试研究。试验结果表明，本文构建的小波神经网络具有较高的预测精度，可以对该小区网络的流量变化情况进行较高精度的预测。

参考文献

[1] 韩志杰，王汝传.一种新的 P2P 网络流量预测模型[J].计算机科学，2008（9）：39?14.

[2] 雷霆，余镇危.一种网络流量预测的小波神经网络模型[J].计算机应用，2006（3）：526?528.

[3] 张昕.校园网络流量分析与预测研究[D].西安：西安电子科技大学，2012.

[4] 王鸣，孙奕鸣.小波支持向量机的网络流量预测研究[J].计算机仿真，2012，29（11）：198?201.

[5] ZHANG Li， ZHOU Weida， JIAO Licheng. Wavelet support vector machine [J]. IEEE transactions on systems， man， and cybernetics， 2004， 34（1）： 34?39.

[6] 邓远.BP神经网络评价方法在交通流量评价方面的应用[J].中国交通，2011，35（5）：146?151.

[7] 李远航.网络流量预测技术的应用[J].计算机工程应用研究，2014，34（1）：131?138.

第2篇：人工神经网络分析法范文

[关键词] 权证RBF人工神经网络

一、引言

权证在许多国家和地区已经作为一种较为完善的金融工具而存在,但在中国大陆依然处在初步发展阶段。权证作为一种低成本的金融衍生工具,能够利用其杠杆特性激发金融市场活力,丰富金融产品品种,完善资本市场产品结构,在具备市场条件时也能够有利于保持市场的稳定性。而现行权证价格方法以布莱克-斯科尔斯(Black-Scholes)期权定价模型为主,模型的一系列假定比较严格。权证价格的变动过程,很可能是模糊的,而变化规律是也不一定能够清晰的观测,变化结果是高度容错性的,显示出复杂的动态非线性特征,但是B-S模型在反映这种复杂性方面显然功效不足,故此有必要对权证价格分析和预测的各种方法和手段进行不断的深化和拓展。

人工神经网络(artificial neural network,ANN)方法可以作为非线性逼近工具,不需要建立复杂的显示关系式且容错性强,具有一致逼近能力,可以处理信息不完全的预测问题。金融领域涉及密集型数据,而数据本身又依赖于多个相互关联的参数,同时积累的大量的历史性数据和样本,这就决定了可以充分利用神经网络来进行分析和预测。因此神经网络应用于权证价格分析预测可以获得较高的预测精度,从而为投资者提供可靠的估价工具,给权证价格分析预测提供了技术支持,为管理层增加了监督控制手段,同时也为其他金融衍生产品的价格预测提供了参考。目前人工神经网络已经应用于股票、保险、外汇等多个领域。

本文使用径向基函数(Radial Basis Function,RBF)神经网络,以康美权证为例,对RBF神经网络在权证价格分析中的应用做了实证研究,并将仿真预测结果与传统BS模型进行了对比,得到了较好的预测结果。

二、文献回顾

神经网络已经被广泛的应用于经济金融方面多个领域。Hutchinson,Lo和Poggio(1994)应用神经网络方法来处理金融衍生品定价模型,发现这种定价方法的优势在于不必依赖于限制性参数的假设,该方法可以自适应结构的变化,适用于各种衍生工具。Gorriz,Puntonet,Salmeron,和Ortega(2003)针对强波动性时间序列数据,在RBF网络中引入了利用ICA(Independent Component Analysis)方法和SG滤波器,并将分析结果与主成分分析法下的RBF网络做了比较。Kiani(2005)将人工神经网络和时间序列模型结合,通过测试加拿大、法国、日本、英国和美国的实际国内生产总值增长率的非线性神经网络,研究了这些国家经济周期的不对称性。

朱杰(2000)利用反向传播神经网络,对期货价格进行了分析和预测。江戈(2007)通过对历史股价数据的分析,采用K均值聚类算法动态确定RBF网络中心,根据梯度下降法进行自适应权值调整,对RBF网络的学习算法进行了改进,进一步提高了RBF网络的非线性映射能力和自适应能力。朱家荣等(2008)以研究美元对人民币汇率作为基础,首先验证了RBF神经网络对人民币汇率进行短期预测的可能性,并利用其对人民币汇率趋势进行分析。王新军等(2009)利用RBF神经网络分析了保险业财产损失问题,对财产损失进行了预测。

虽然许多学者将人工神经网络利用与金融分析中,取得了不少成果,但是在权证价格分析和预测方面仍然很少。同时实际应用中的人工神经网络类型也有待拓宽。

三、径向基网络原理

研究过程中可以获得的历史数据只有输入向量和输出向量,神经网络的整个中间过程需要通过数理方法进行表达,而神经元则是神经网络的基本逻辑单元。一个神经元模型分为这样几个基本部分:

1.突触:与突触权值联系,对于突触的输入为x=[x1,x2,L,xn]φ,每一个元素xj通过权值wdj与神经元q相连接。

2.线性组合器:输入通过权值所传入的信号在加法器中进行叠加并生成一个输出uq。

3.阈值(偏置):阈值qq用于降低对激活函数的累积输入。在激活之前要先从线性组合器输出uq中减去,从而生成有效激活电位(activation potential)uq=uq-qq。

4.激活函数(转移函数):激活函数f(.)提供神经元输出算法,通常有域值(硬极限)函数、分段线性函数、非线性转移函数等形式,它限制了神经元输出yq的幅度。一般来讲,一个神经元输出的正常范围通常为[0,1]或[-1,1]。

一个人工神经元的结构表示为(图1):

人工神经网络即是通过大量人工神经元以一定的拓扑结构组织起来的并行处理计算结构。网络中每个神经元在结构上相同,通过连接一个神经元的输出可以传递至另一个神经元,而每一个连接都对应一个连接系数。按照神经元的连接形式可以将人工神经网络划分为层次型网络和互连型网络;按照网络内部的信息流向则可以分为前馈型网络和回馈型网络。单纯前馈型网络在给定输入模式下能够迅速产生一个相应的稳定输出模式,本文选取径向基函数神经网络即RBF网络作就属于此种类型,其结构如图2:

人工神经网络在受到外部环境刺激时,调整网络参数,实现对外部输入变化作出反应的行为被称为神经网络的学习(训练),网络学习实际上是一个曲线拟合过程,在固定的学习方法下,网络根据某种最小化规则通过评判实际输出和期望响应的误差来调整权值。通过反复的学习可以实现对外部环境的了解。一般来讲,神经网络的学习可以分为无监督(无导师)学习、监督(有导师)学习、强化学习等。

RBF网络作为一种分层的前馈型网络,特性在于隐层径向基函数可以在输入局部小幅度变化时产生一个较强响应,这一点在小范围预测中可以用于提高精度;同时在计算方面具有优势,网络建立和训练可以在同一过程下完成,节省了计算时间。RBFANN由输入层、隐含层(非线性处理神经元层)和输出层构成。输出层由信号源给出,隐含层单元数根据需要决定,输出层为输入模式的响应。其思想在于利用RBF函数在构成隐含层空间,使输入不必通过权连接而直接映射到隐层空间。只要能够确定函数的中心点,则输入到输出的映射关系就能够得以确定。隐含层的学习采取非线性优化策略,输出层则采取线性优化策略。网络输出可以依照以下公式进行计算:

(1)

其中x是一个输入向量,wik为输出层全权值,N为隐含层神经元数目,ck为输入向量径向基函数的中心,一般选择输入数据的一个子集,P.P表示欧式空间范数。RBF网络中的神经元计算函数中心和网络输入之间的欧几里得距离,从而使隐含层输出一个该距离的非线性函数,然后通过神经元输出的加权求和计算网络输出。径向基函数fk是一个对中心点径向对称的非负非线性函数,本文采取高斯函数形式,其中s为扩展参数,控制基函数的宽度。则RBF网络输出可表示为:

(2)

其中p=1,2,…,p为样本总数,k=1,2,…,n为隐含层节点数。同时对于样本的期望输出di,有基函数方差。

故此RBF需要求解的参数有中心ck,高斯函数方差s和输出连接权值wik。其中径向基函数中心的选取方法有不同方式,如固定中心、随机方法、自组织选取等。本文中选取自组织方法,该方法将学习过程分为两个阶段:第一阶段为无监督学习过程,通过K均值聚类方法求解隐含层径向基函数的中心。首先将网络初始化,随机选取k个训练样本为聚类中心si,然后将输入的训练样本依据最近邻近规则分配给各个中心,继而通过计算聚类集合中训练样本的平均值作为新的聚类中心进行调整,直到聚类中心不再发生变化。然后根据来计算方差;第二阶段为有监督学习,可以利用最小二乘法来求解隐含层到输出层之间的连接权值为。

四、仿真实验和预测

本文选取的样本为2008年5月26日在上交所上市的康美CWB1(580023)权证,类型为欧式认购权证,存续期365天,自2008年5月26日到2009年5月25日,该权证初始行权价格为10.77元,2009年4月22日由于股票除息,行权价格调整为5.36元并保持此行权价格直到行权过程结束。此处选取其每个交易日最高价和最低价的平均值为研究数据。

从样本数据中截取中间段的3个月作为输入数据,采集范围为2008年9月17日到2008年12月16日,通过所建立的网络对其后的7个交易日,即08年12月17日到12月26日进行预测并与实际值进行对比。为了提高网络泛化能力,在输入之前首先对样本进行归一化处理,令数据的区间变为[0,1]。

金融理论中影响权证价格的因素主要有六个,分别为标的股票的现行价格、权证的执行价格、权证到期期限、股票价格的波动率、无风险利率、权证有效期内预计发放的红利。但由于发放红利距离当前交易日较远,因此本文中不进入模型。另外模型使用隐含波动率,由于当期隐含波动率无法直接观测,但上一时期隐含波动率是可以计算的,故此模型输入中引入的是上一期的隐含波动率。则本文设定模型选取的输入为:股价和行权价之比S(t)/X、无风险利率r、波动率V(t-1)和权证到期期限T-t,并有一个输出即权证价格C(t)。在仿真试样中采取一年期存款利率为无风险利率。

本文中利用Matlab(R2008b)软件进行仿真试验,录入数据并利用最大最小值法归一化处理之后,首先确定径向基函数节点密度(散布常数)spread。理论上来说利用RBF网络,任意的输入输出样本都能够达到函数逼近的目的,但是如果节点密度选择不佳会对网络设计使用造成影响,spread值反映基函数的扩展速度,该值越大则函数拟合就越平滑,但是如果过大则径向基神经元输入会出现很大的重叠性,过小则为了适应函数的缓慢变化就需要更多的神经元数目,影响网络性能。设定性能函数指标误差平方和(SSE)为0.01,最大神经元数量50个,每次运算添加一个神经元,利用试错法,取得spread=1即可满足要求。

经过试验发现,在响应神经元数量为5个的时候就可以达到性能指标的要求,远远没有达到饱和值,说明拟合还是很有效的,此时拟合SSE为0.0651。从拟合情况(图3)上可以看到,拟合曲线还是比较好的反映了权证价格序列的变动趋势和幅度。

通过训练好的网络,对08年12月17日到12月26日的7个交易日进行预测。通过表1可以看到预测情况,其中绝对误差值为实际价格和预测价格之差的绝对值,误差百分比表示误差值对实际价格的百分比,为了更进一步比较,同时列出BS公式得出的权证价格:

从预测效果来看,RBF人工神经网络对后续7个交易日预测的误差上限在2.30%以下,对第1个预测样本点预测的效果最好,误差小于1.00%,而第2个预测点误差则上升了1.063%达到1.76左右,第3个交易日误差又上升了0.450%,然后开始稳定在2.20%左右,这首先反映了RBF网络在预测与训练样本时间距离最近的测试点时效果最好,而后则误差趋于稳定的一个范围;第七个预测点的预测误差突然下降则可能预示了后续预测误差会有一定的波动。这种特性在一定程度上显示了金融数据所具有的马尔科夫性质,也说明了RBF网络在进行短期预测上优势更为明显。

与BS公式预测值进行对比,BS公式预测值的误差全部在3.00%以上,而其误差上限则达到了24%以上,这说BS模型在我国资本市场的应用还有待于改进,同时也更进一步直观地显示了RBF网络所具有的精度优势。

五、基本结论

本文以康美权证为样本建立RBF网络进行仿真和预测,根据仿真实验结果,总体上得到这样的结论:

1.从仿真效果来看,RBF神经网络模型在整体上较好的拟合了权证的实际价格,拟合结果与实际值具有一致性。而预测的结果也表现出较高的准确性,所以利用RBF神经网络模型对权证价格变化进行预测是可行的。

2.对于本文所选择的样本数据,RBF网络在价格预测上的精度较BS模型更优。这说明神经网络模型的应用条件更加宽松,适应性也比BS模型更好。从RBF网络和BS模型的预测对比可以看到,通过RBF网络所得到的预测值则和权证实际价格保持了一致的变化状态,其误差也能够控制在比较小的范围内,误差上限不超过2.3%;而BS公式计算出来的预测值波动幅度比较大,同时预测效果的准确性也不好,其中个别样本点大幅度偏离其实际价格。RBF网络在价格预测上显示了比较强的优势,在精确性上与传统的BS公式方法相比有了很大改善,可以在我国资本市场权证价格的分析预测中起到重要作用,能够对我国相对特殊的金融环境下应用传统方法所带来的不足起到弥补作用。

3.RBF网络对权证价格的拟合和预测结果都是比较良好的,一方面体现了人工神经网络良好一致逼近效果和结构上容错性,另一方面与基本金融理论一致,也证实我国资本市场欧式认购权证价格确实以其标的股价、距到期日的时间、无风险利率、波动率和行权价格为影响因素,但这些因素的影响方式则可能更加复杂,需要进一步探讨。

4.RBF神经网络模型仍有进一步提升精度的空间。一方面由于我国权证市场发育尚不成熟,随着金融环境的改善预测表现会更加良好;另一方面,在技术上也可以探求输入变量范围、网络结构等方面的优化,比如引入如GA算法、PSO算法等各种参数优化方法,或其他信息处理技术,如信息粒化方法等,进一步探求提高拟合和预测的精度。同时也有必要不断拓展用于权证价格分析预测的人工神经网络类型。

参考文献:

[1]J. M. Hutchinson, A. W. Lo, T. Poggio, Nonparametric Approach to Pricing and Hedging Derivative Securities Via Learning Networks[J].The Journal of Finance, Vol.49, No.3, 1994

[2]F. Black, N. Scholes, The pricing of options and corporate liabilities[J].Journal of Political Economy 81, 637～659,1973

[3]F. Girosi, T. Poggio, Networks and the best approximation property[J]. Biological Cybernetics 63, 169～176,1990

[4]K. M. Kiani, Artificial Neural Networks and Time Series Models[J], Computational Economics, (2005)26:65～89

[5]John C. Hull,期权、期货和其他衍生产品[M].北京:华夏出版社,2000

[6]朱杰:期货价格预测――反向传播神经网络模型[J].数学的实践与认识,2000

[7]朱家荣等:RBF网络的汇率短期预测[J].统计与决策,2008年17期

第3篇：人工神经网络分析法范文

关键词：加工贸易  ； 转型  ； 影响因素  ； RBF神经网络

问题的提出

我国自改革开放以来发展加工贸易已有30多年的时间，在此期间，我国对外贸易总额不断扩大，加工贸易占对外贸易的比重也逐年增加，发展十分迅速，对外贸易出口总额从1981年的220.1亿美元增长到2011年的18986亿美元，增长了85倍，而加工贸易出口额从1981年的10.6亿美元增长到2011年的8354.2亿美元，增长了787倍。1996年加工贸易已经在我国对外贸易中占据了半壁江山，目前加工贸易已经成为我国重要的对外贸易方式。

加工贸易在出口创汇、拉动就业、吸收国际先进技术和科学管理经验、促进产业结构转型升级和国民经济增长方面做出了显著贡献。然而，随着国内外环境的不断变化和我国与外国贸易摩擦的加剧，以低端技术含量为主的加工贸易已经越来越不能适应快速发展的对外贸易大环境。在外需下行压力较大、订单外流、贸易摩擦加剧、人民币不断升值、劳动力比较优势减弱、国际要素优化重组、面临产业转移和产业结构升级的压力、土地和劳动力等要素供给紧张、生产成本不断上升等原因的影响下，加工贸易在拥有发展机遇的同时仍然面临着前所未有的挑战。

2011年广东、江苏、上海、山东、浙江、福建、辽宁7省市的加工贸易出口总额为7338.56亿美元，占中国整个加工贸易出口额的比重达到了87.8%，而其他地区的加工贸易出口额占比不到13%。这种发展上的区域不平衡致使国内配套资金和其他经济技术资源大批向东南沿海转移，进一步扩大了区域之间的经济发展差距。2010年，中国外商投资企业以加工贸易方式进出口9709亿美元，增长27%，占同期全国加工贸易进出口总值的83.9%。从2001-2010年10年间，外商投资企业加工贸易进出口占全国的平均比重为81.57%。加工贸易企业中外商投资企业占主体，我国企业在开展加工贸易过程中几乎未能发挥作用的局面依然没有改观。此外，加工贸易在发展过程中出现的问题如技术含量低、产业链条短、国内配套率低、加工贸易增值率低等也是不容忽视的。如果不改变传统的加工贸易方式，加工贸易企业的收益及发展潜力有限，无自主经营和管理权，技术能力不提高，就很难走出“低端锁定”的困境，对企业的长远发展无益。因此，要改变传统的加工贸易方式，加工贸易转型已迫在眉睫。

在中国经济转型和国际竞争的不断加剧的大背景下，外贸发展方式的转变尤为重要，而加工贸易作为对外贸易的重要方式，积极实行转型，提升其质量与效益成为迫切需要解决的重大问题。因此，加工贸易的转型，有利于我国充分运用比较优势开展对外贸易和国际分工，有利于制定科学合理的经济发展战略，有利于我国产业的转型升级，有利于我国走出技术“低端锁定”的困境，有利于我国在全球价值链上积极向上游发展获取更多利益，也有利于我国在国际贸易中享有充分的自和话语权，加工贸易转型对我国经济转型有着举足轻重的意义。

文献综述

目前很多学者都对我国加工贸易如何转型升级进行了分析，简而概之，主要有以下三个方面：

（一）加大外商直接投资与国外技术转移

马强（2009）指出由于我国加工贸易企业主体是外商投资企业，其发展战略影响了我国加工贸易转型的方向，要优先引进国外带动能力强、高附加值、高新技术、高关联度、高税收、产业链和供应链较长的企业与技术。张燕生（2004）认为应积极承接国外产业转移，引进大型生产设备和先进技术，将加工贸易与国内产业进行合理有效配套，提高国内采购率，促进原材料的进口替代，使加工贸易朝着产业、产品、工序价值链上游升级和技术进步形成良性互动机制。

（二）加大技术研发投入与产品创新

有学者认为技术进步将推动我国加工贸易快速转型升级。隆国强（2006）认为要实现我国加工贸易转型升级，必须要加大技术研发投入，使我国从全球价值链的低端向上游迈进，另外，积极实行加工贸易产业从沿海向中西部梯度转移也是发展的方向所在。李晨（2010）指出要实现加工贸易转型升级，首先要对加工贸易产品的工艺流程进行升级，推出科技含量高的创新产品，使产品从价值链的低端向高端环节转移，获得更多的附加值。曾贵（2011）对加工贸易转型升级的机制做了比较系统的研究，包括创新机制和动力机制等等。

（三）调整国内产业结构

陈恩（2007）认为产业结构是促进加工贸易转型升级的主要条件，应引导加工贸易企业向高新技术产业发展，逐步提升我国企业的国际竞争力。宋志勇（2005）认为我国基于劳动力比较优势发展而来的加工贸易如果仅仅停留在低端环节的生产制造上，将不利于加工贸易的长远发展，因此加工贸易必须进行转型升级。李付梅（2008）认为加工贸易要积极培育本土跨国公司，向服务行业延伸，提升我国在全球价值链上的层级，逐渐向境外加工贸易方向发展，在国内从东部沿海向中西部进行梯度产业转移，充分利用我国比较优势进行转型升级。

与上述文献不同，本文围绕我国经济体制的改革和经济发展方式的转变并结合国家贸易产业政策来研究加工贸易转型问题，同时创新运用非线性RBF神经网络分析法对加工贸易转型影响因素进行研究，以期获得更加稳健可靠的估计结果。

加工贸易转型影响因素实证研究

（一）指标选取和样本数据来源

综合国内学者的研究，本文加工贸易转型的指标选用加工贸易增值率ICR（加工贸易出口额减去进口额的贸易净额除以加工贸易进口额）作为模型的被解释变量。加工贸易增值率是从价值链升级和附加值增加的角度考察一国的加工贸易发展情况，体现了一国在国际分工中的位置和所处的层次，运用这一指标可以较好地反映我国出口加工贸易发展情况和出口加工贸易转型升级的水平。

研发能力。企业转型的重要动力是技术水平的提高。研发是企业保持生机活力的重要动力，也是提升竞争力的重要因素，技术进步对改善贸易条件的积极意义明显。如果企业缺乏技术开发和产品创新，长此以往，将会导致市场占有率的不断缩小甚至会面临被市场淘汰濒临倒闭的境遇。因此，研发能力是影响我国加工贸易的一个必不可少的因素。

外商直接投资。我国进行加工贸易的主体现在依然是外商投资企业。外资在我国投资设厂，一方面可以充分发挥我国的劳动力比较优势，另一方面还可以带来先进的技术和管理方法。外商直接投资通过跨国公司对我国加工贸易企业产生技术外溢，同时对上下游关联产业间的前后向联系产生技术扩散和示范效应，有助于国内加工贸易结构的优化。

国内产业结构。一国的产业结构是其贸易发展的基础，加工贸易转型与产业结构转型升级密不可分。产业结构关系着一国的要素资源流向和资源配置方式。我国加工贸易要从劳动密集型产业转向资本、技术密集型，就必须使产业结构优化升级，带动加工贸易的发展。因此，国内产业结构是影响加工贸易转型的重要因素之一。

贸易开放度。贸易开放度是衡量一国的再生产过程与国际社会再生产过程的联系程度。一国经济贸易越开放，意味着国家之间可以参与更多的合作和经济交流，对技术和管理经验的吸收具有积极意义，但同时也加大了风险，带来了更多的竞争，国际市场上的金融危机可以更容易地从我国外向型经济部门转移而来。因此，贸易开放度对加工贸易的发展有一定程度的影响，也是必须要考虑的因素之一。

劳动力禀赋。随着经济的发展，加工贸易未来要向着高技术水平、产业链上游、高附加值方向发展，就必然对我国的劳动力禀赋提出了更高的要求。我国劳动力禀赋的提升一方面可以加快我国人力资本的积累；另一方面可以逐步提高我国的资本劳动比和技术劳动比，改善要素禀赋结构，促进加工贸易的转型升级。因此，我国的劳动力禀赋水平是制约加工贸易发展的一个重要因素。

劳动力投入。劳动力的流动性使得劳动力的价格长期稳定，从而使我国的劳动力供给保持极大的吸引力和持续性。我国廉价的劳动力资源比较优势一直都是吸引外商投资的重要因素。从劳动力总量上来看，劳动力优势仍然是我国加工贸易产业发展不可或缺的因素，以劳动密集型为主的加工贸易仍将有较长的生命周期。因此，劳动力投入数量的多少是加工贸易转型的必不可少的考虑因素。加工贸易转型的影响因素指标变量说明如表1所示。

（二）RBF神经网络分析法与时间序列回归分析法的引入

在加工贸易转型升级影响因素的实证分析中，大多数学者所用的为线性方法，本文首先利用EVIEWS软件对加工贸易增值率影响因素做时间序列模型回归。单位根检验结果显示原数列不平稳，一阶差分平稳，表明序列都是一阶单整序列，然后采用E-G两步法进行协整检验显示残差序列是平稳的，表明变量之间存在长期稳定的均衡关系。综上，EVIEWS回归结果如下：

括号里的数据代表t统计量，回归结果中可以看出调整的可决系数R2只有90.6694%，拟合优度不高。另外，外商直接投资在加工贸易方面能带来先进的设备、资金和技术培训，理论上应该能够促进加工贸易附加值的增加，进而提高加工贸易的增值率。但是从结果中可以看出，FDI对加工贸易增值率的影响为负，说明外商直接投资不利于我国加工贸易的转型升级，这与我们的预期不一致。线性模型不能很好或真实的反映变量之间的实际关系，对错综复杂的实际情况拟合效果不理想，因此线性回归的方法具有一定的局限性。

针对时间序列分析法建立的模型不能全面和本质的反映所预测的动态数据的内在结构和复杂特性这一问题，采用先进的RBF神经网络建立分析模型。人工神经网络（Artificial Neural Network， ANN）模型的建立受生物学的启发，从微观结构与功能上对人的神经系统进行模拟。它是一种基于连接主义机制的人工智能技术，其特点主要是具有非线性特性、学习能力和自适应性，具有很强的分析能力，可克服传统方法在分析问题时存在的建模不准确或根本无法建模的情况。一个典型的RBF神经网络由一个输入层、一个输出层和至少一个隐含层组成，其隐含层选用了非线性的基函数，所以这种关系是非线性的，能够避免线性模型不能全面和本质的反映所预测的动态数据的内在结构和复杂特性这一问题。而具有自学习以及非线性性质的系统网络模型――神经网络拥有对非线性问题的动态处理能力，不必预设数据的分布情况、变量之间的规律或精确的数学模型，自适应的对输入、输出数据进行学习和训练，找出其中的非线性关系，从而实现其功能，找出各个解释变量对被解释变量的更加客观准确的关系。

在神经网络训练完成后，即建立了加工贸易转型的各影响因素和加工贸易增值率的模型。为了说明本文建立模型的有效性和准确性，分别利用时间序列分析法和本文RBF神经网络法对测试数据进行预测。Matlab分析结果见图1和表2。

由图1和表2可知，RBF神经网络分析法得到的模型比时间序列分析法更准确，其与预测误差值远远小于时间序列分析法，因此也更能反映加工贸易中错综复杂的实际情况。因此，采用RBF神经网络法代替时间序列分析法，可以为有效分析变量、提出转型意见提供了一种新的重要途径。

（三）基于MIV分析的加工贸易转型影响因素研究

平均影响值（Mean Impact Value， MIV）被认为是在神经网络中评价变量相关的最好指标之一，其符号代表相关的方向，绝对值大小代表影响的相对重要性，从而判断出输入的影响因素对于网络结果的影响程度。最后得到加工贸易每一个影响因素的MIV值大小，如表3所示。

由以上实证分析可知：国内产业结构与研发能力对加工贸易增值率的增长具有较强的促进作用，特别突出地体现在加工贸易的国内产业结构上；劳动力禀赋与投入、外商直接投资对提高加工贸易增值率有拉动作用，但不如国内产业结构与研发能力的拉动作用大；过高的贸易开放度不利于我国加工贸易的转型。

对策建议

在经济转型的大背景下，我国对外贸易的发展方向也要跟随着改革的步伐不断推进。加工贸易作为我国对外贸易的一个重要组成部分，其转型关系着我国外贸未来的发展方向，关系着我国从贸易大国到贸易强国的转变。加工贸易应转变发展方式，利用我国的比较优势，通过转型来提升出口产品质量，改善贸易环境，统筹城乡和区域发展，促进国内发展和对外开放。根据上文的研究，得到本文加工贸易如何转型的结论，并提出相关的对策建议。

（一）发展高新技术产业并鼓励企业进入高附加值产业链环节

国内产业结构在实证结果中MIV的值是6.2271，表明其对我国加工贸易转型的影响程度最大，反映了调整国内产业结构的重要性。因此，我国加工贸易转型要积极促使产业链向上下游延伸，不断加大服务业和服务贸易对加工贸易的有力支撑，积极发展高新技术产业，促进附加值的增长，谋求更大的利润和发展空间。

此外，加工贸易利用原材料加工成产品进行出口，其利益增值环节主要在于加工装配，产业链短、附加值低，利润空间很有限，企业自主性差，不能很好的实现自主经营。因此政府应引导加工贸易企业实行自主经营，从购买原材料、生产加工到销售等一系列环节全部自主控制，延长价值增值环节，充分发挥价值链作用。要吸收一般贸易的优点使加工贸易逐渐进行创新转变，这种转变不是一蹴而就的，要进行大胆地尝试和不断地创新。

（二）由劳动密集型向资本、技术密集型转变且由粗放型向集约型转变

研发能力指标的MIV值为正且值较大，说明研发能力对加工贸易的转型起正向作用且贡献较大。但目前，我国加工贸易主要还是以劳动密集型和粗放型产业为主，技术水平不高，自主创新能力较低，技术吸收能力较弱，有些企业墨守成规，采取一些落后的工艺和技术进行生产。因此，企业要设立研发中心，加大科研经费的投入力度，增强技术吸收和自主创新能力；政府也要不断加大加工贸易的科研技术投入，提高自主创新能力，完成由劳动密集型向资本、技术密集型转变，由粗放型向集约型转变，才能在未来的国际竞争中立于不败之地。

（三）由依靠外需向内外需协调发展转变

贸易开放度指标的MIV值呈现负数且绝对值较大，说明过高的外贸依存度不利于我国加工贸易的转型。我国加工贸易在促进经济增长、带动就业、改善国际收支平衡方面做出了很大贡献，但我国外贸依存度较高，和一些发达国家贸易摩擦不断。2008年爆发的金融危机，使我国外部订单大幅缩减，由于我国过分依赖外需，导致沿海一些加工贸易企业纷纷减产、停工甚至倒闭，对我国外贸的不利影响非常大。加工贸易企业要转变观念，由过分依靠外需转向依靠国内、国外两个市场，当外需不景气时，可以提高企业的抗风险能力，使内外需共同成为促进我国经济增长的双引擎。外贸不仅在于维持国际市场的平衡稳定，还在于立足内需的基础上调节好外部均衡，只有国际与国内两个市场同时发展，内外共同实现均衡协调发展，才能促进我国经济在良性轨道上稳健运行。

参考文献：

1.马强.国际金融危机后对创建广东加工贸易转型升级示范区的思考[J].对外经贸实务，2009（6）

2.张燕生.我国加工贸易未来转型升级的方向[J].宏观经济研究，2004（2）

3.隆国强.加工贸易发展问题研究[J].国际贸易，2006（9）

4.李晨.我国加工贸易转型升级的路径选择[J].产业经济研究，2010

5.曾贵.加工贸易转型升级的机制探讨[J].财经科学，2011（2）

6.陈恩，刘青.广东加工贸易转型升级影响因素的实证分析[J].广东社会科学，2007（5）

7.宋志勇.促进加工贸易转型升级的对策[J].国际贸易，2005（8）

8.李付梅.探讨我国加工贸易如何转型升级[J].时代经贸，2008（1）

9.Franeoise Lemoine， Denize Unalkesenci. China in the International Segmentation of Production Processes[J]. CEPII Working Paper， 2002， No.2002-02

10.娄朝晖.加工贸易、发展效应及其偏差成因：中国1991-2007[J].国际贸易问题，2011（5）

第4篇：人工神经网络分析法范文

关键词:电能质量检测;BP算法;人工神经网络

中图分类号:TM711文献标识码:A

文章编号:1009-2374 (2010)30-0043-03

1电能质量新技术研究

人工神经网络BP算法在农村电力短期负荷多变量预测结构发生了重大变化,探索一种神经网络BP算法在农村电力短期负荷的多变量质量检测相空间融合方案以及新型智能电网中的物联网信息聚合技术,同时针对每一分量质量检测采用互信息法进行最佳延迟时间的选择,最优嵌入维数则采用最小BP算法预测误差法进行电压波形发生畸变成引起电压波动和闪变以及三相不平衡等,对供电电能质量造成严重的干扰或“污染”。

2电能质量检测新技术

2.1当前电能质量检测原理

对电能质量进行监测是获得电能质量信息的直接途径,虽然只局限于持续性和稳定性指标的检测,而传统的基于有效值的检测技术由于时间窗太长,仅测有效值已不能精确描述实际的电能质量问题,因此需发展满足以下要求的新检测技术:(1)能捕捉快速瞬时干扰的波形;(2)需要测量各次谐波以及间谐波的幅值、相位,需要有足够高的采样速率,以便能测得相当高次谐波的信息;(3)建立有效的分析和自动辨识系统,使之能反映各种电能质量指标的特征及其随时间的变化规律。

2.2电能质量新技术应用

基于电能质量在硬件和软件上应用平台主要有数字信息聚合技术处理、物联网信息聚合技术等新技术以及新的如小波变换的BP算法。电能质量检测对于系统实时性和支持复杂算法的特殊要求,提出一种基于双CPU的嵌入式实时系统解决方案。基于连续小波变换的信号奇异性检测原理及其在电能质量暂态信号检测中的应用进行了详细的研究,通过基于标准偏差估计的小波消噪算法,有效排除了噪声干扰,实现了精确的故障时刻定位。基于小波变换的理论,结合电能质量检测数据的特点,将基于小波变换系数的门限方法应用于电能质量检测数据的压缩。基于电能质量检测系统的组成部分和该系统不但能实现电网数据的精确采样分析电网的各项电能质量指标,并以直观的图形显示出来。

3电能质量新技术分析原理

电能质量的分析计算涉及对各种干扰源和电力系统的数学算法,由于干扰源性质各异,干扰的频谱从0Hz到GHz的广宽范围内,建立干扰源和物联网聚合电网元件准确的数学模型有时困难很大,有赖于电网基础资料的可信度。近年来,基于数字技术的各种分析方法已在以下电能质量领域中得到应用:分析谐波在网络中的分布波形畸变及在网络中的传播;分析各种电能质量控制装置在解决相关问题方面的作用;多个控制装置的协调以及与其他控制器的综合控制等问题。目前所采用的方法为:

(1)时域仿真方法该方法在电能质量分析中的应用最为广泛,其主要的用途是利用各种时域仿真程序对电能质量问题中的各种暂态现象进行研究。

(2)频域分析方法该方法主要用于谐波问题的分析计算,包括频率扫描,谐波潮流计算等。即在非线性负载的动态特性,常规的谐波潮流计算法基础上,对非线性负载进行仿真计算,从而得到动态谐波潮流解。

(3)基于变换的方法这里主要指Fourier变换方法、短时Fourier变换方法和小波变换方法。作为经典的信号分析方法Fourier变换具有正交、完备等许多优点,而且有象FFT这样的快速Fourier算法,因此已在电能质量分析领域中得到广泛应用。但在运用FR时,必须满足以下条件:满足采样定理的要求,即采样频率必须是最高信号频率的两倍以上;被分析的波形必须是稳态的、随时间周期变化。

4电能质量研究中的人工智能新技术

(1)专家系统成本较高且在开发过程中耗时过长,但依然出现了很多应用。这些主要体现在对畸变的电压和波形进行分类;对电能质量问题的解决方案在专家系统架构下进行开发;测量和分析电能质量及电力系统电磁兼容性和识别电能质量可扩展的系统。

(2)根据历史数据和一些影响负荷变化的因素变量来推断将来时刻的负荷值。具有原理和结构简单、研究速度快、外推特性好的等特点。也存在历史数据要求高、无法详细地考虑各种影响负荷的因素,模型初始化难度较大,需要丰富的经验和较高的技巧的缺陷。

(3)滑法指数平滑法是一种曲线拟合法,在短期负荷研究中,一般用过去数周的同类型日的相同时刻的负荷组成一组时间上有序的观测值,然后对该数组进行加权平均就得到所需的负荷值。

(4)序列法就是根据负荷的历史资料设法建立时间序列的数学模型,并在该模型的基础上建立负荷研究的数学表达式,对未来的负荷进行研究。

(5)神经网络BP算法在农村电力短期负荷预测的主要思想是把电能质量检测分析监控分为两个阶段:第一阶段(正向传播过程),给出输入电能质量检测分析监控信息采集通过输入电能质量检测分析监控层经隐含层逐层处理中心数据采集来的信息并计算每个单元各个节点的实际输出电能质量检测分析监控技术;第二阶段(反向过程),若在输出层未能得到中心数据采集期望的输出值,则逐层递归地计算实际输出电能质量检测分析监控与期望输出电能质量检测分析监控短期负荷之差值(即误差),以便根据电能质量检测分析监控短期负荷此差值调结权值,就是可对每一个电能质量检测分析监控短期负荷权值计算出接收单元的误差值与发送单元的激活值的积。因为这个积和误差对权重的(负)微商成正比(又称梯度下降算法),把它叫做权重误差微商。电能质量检测分析监控短期负荷规则的指导思想:对电网权值和阈值的修正要沿着表现函数下降最快的方向-负梯度方向如下:

第一,隐层节点的输出

yj=f (wijxi-θj)=f (netj) (1)

其中netj=wijxi-θj (2)

输出节点的计算输出

zl=f(vljyj-θl)=f (netl) (3)

其中netl=vljyj-θl (4)

输出节点的误差

E=(tl-zl)2=[tl-f (vlj yj-θl)]2

=[tl-f (vlj f(wijxi-θj)-θl)]2

E=(tI-zi)2=(tl-zi) (5)

第二,误差函数对输出节点求导

== (6)

E是多个zk的函数。但有一个zl与vlj有关,各zk间相互独立,其中

=[-2(tk-zk)]=-(tI-zI) (7)

==f '(netI)yj (8)

则=-(tl-zl)f '(netl)yj (9)

设输入节点误差为

δl=(tl-zl)f '(netl) (10)

则=-δIyj (11)

第三,误差函数对隐层节点求导

=Ij    (12)

E是多个zl的函数,针对某一个wji,对应一个yj,它与所有zl有关,其中

=[-2(tk-zk)]=-(tI-zI) (13)

= =f '(netI)(-1)=f '(netI)vIj (14)

= =f '(netI)xi (15)

则

=-(tI-zI)f '(netI)vIj f '(netj)xi=-δIvIj f '(netj)xi (16)

设隐层节点误差为

δj'=f'(netj)δIvIj (17)

则=-δI'xi (18)

由于权值的修正Δvlj ,Δwji正比于误差函数沿梯度下降,则有Δwji=-η'=η'δj'xi (19)

vlj(k+1)=vlj(k)+Δvlj=vlj(k)+ηδl yj (20)

δl =-(tl-zl)f '(netl) (21)

Δθl=η=ηδl (22)

wji(k+1)=wji(k)+Δwji=wji(k)+η'δj'xi (23)

δj'=f '(netj)δlvlj (24)

其中隐层节点误差δj'中的δlvlj表示输出节点的zl的误差,δl通过权值vlj向节点yj反向传播,成为隐层节点的误差。

第四,阈值θ也是变化值,在修正权值的同时也需要修正,原理同权值修正一样。误差函数对输出节点阈值求导:

= (25)

其中=-(tl-zl) (26)

= =f '(netl)(-1) (27)

则=(tl-zl)f'(netl)=δl (28)

阈值修正Δθl=η=ηδl (29)

θl(k+1)=θl(k)+ηθl (30)

误差函数对隐层节点阈值求导=   (31)

其中=-(tl-zl) (32)

=f '(netI)vIj (33)

= =f '(netl)(-1)=-f '(netj) (34)

则=(tI-zI)f '(netI)vIJ f '(netj)=δIvIjf '(netj)=δj' (35)

阈值修正Δθj=η'=η'δj' (36)

θj(k+1)=θj(k)+η'δj' (37)

第五,传递函数f (x)的导数S型函数f (x)=

则f '(x)=f (x)[1-f (x)] (38)

f '(netk)=f (netk)[1-f (netk)] (39)

对输出节点zl=f (netl) (40)

f (netj)=zl(1-zl) (41)

对输出节点yj=f (netj) (42)

f (netj)=yj(1-yj) (43)

5结语

基于人工神经网络BP算法在电能质量检测分析监控新技术应用研究两个趋势:其中之一就是全智能控制化,自动对电能质量问题进行识别和数据处理,从而实现全面的无人监控功能;另一个则是通信技术远程化和同时针对每一分量混沌时间序列采用互信息法进行最佳延迟时间的选择,最优嵌入维数则采用最小BP算法预测误差法进行确定。所以远程化就可以适应不同层次的监控要求,从而使电能质量的监控点能够分布到电网中的任何地方,并且具有良好的在线功能。利用计算机VPN和以太网网络技术的更新融合,为不同地点供电系统电能质量的远程集中监测和分析数据建立主要包括GPRS授时技术进行与GIS多点同步采样,同时建立WEB网络平台和大型数据库管理供电网络运行数据供电系统的稳定。

参考文献

[1] 林海雪.电能质量的基本[J].电网技术,2001,25(10).

[2] 奚.电能质量的更高要求及对策[J].供用电,2002,19(1).

[3] 韩英铎,等.信息电力与FACTS及DFACTS技术[J].2000,

(19).

[4] 向农,宣扬,等.电能质量及其数字检测[J].高电压技术,2003,29(4).

[5] 张朋.DSP在电能质量补偿器中的[J].仪表与自动化装置,2003,(2).

[6] 段成刚,等.嵌入式电能质量监测器的设计[J].继电器,2003,31(5).

第5篇：人工神经网络分析法范文

关键词：科技计划；立项评估；研究

中图分类号：G311 文献标识码：A 文章编号：1671-2064（2017）01-0243-01

科技计划是贯彻科技发展规划，配置科技资源的重要手段，是引导、支持全社会加强技术创新和推动科技进步的一项重要的科技管理工作。科技计划项目立项评估，是在科技项目申请立项的阶段介入，主要是对科技计划项目立项前的必要性和可行性进行事先的评估。选择科学的评估方法对合理配置科技资源，进行有效的科技决策至关重要。

1 国内外科技评估方法研究现状

1.1 国外科技评估方法研究现状

目前，已被世界各国应用的科技评估方法种类较多，其中主要包括文献计量分析法、案例分析法、同行评议法、回顾分析法、数据包络分析法、层次分析法、投入产出法等等。

同行评议是目前在科技评估中使用最广泛的方法，对科技决策具有重要的调控功能，它主要用于5个方面：评审科研项目的申请；评审科学出版物；评定科研成果；评定学位与职称；评议研究机构的运作。虽然同行评议法使用范围广，但具有一定局限性，其结论具有很强的主观性，且代表性不强。

文献计量分析法是目前常用的方法之一，其主要手段是通过对已经公开出版的论文、引用频次及专利计数来进行科技评估。发达国家早在70年代就开始对专利文献做大量统计分析，进行评估与预测的工作。这种方法的缺点是如果过分强调数次，就可能产生不良影响，人为地改变文献被引频次或者是增加其作品被引用和发表的机会。

层次分析法是目前较为科学合理、便于实施的一种确定指标权重的方法，这种方法应用网络系统理论和多目标综合评价方法，提出一种层次权重决策分析方法。它能有效地将半定性、半定量的问题转化为定量计算问题，体现了人们决策思维的基本特征：分解、判断、综合、并以它的简洁性、实用性、适用性和系统性赢得世界各国普遍采用。但由于建立层次结构和构建判断矩阵的主观影响较大，使得这种方法的主观成分增大。

1.2 国内科技评估方法研究现状

科技评估在发展过程中形成了一些经典的评估方法，据对收集到的文献材料统计分析显示，国内科技评估方法主要有：

同行评议。同行评议指由从事某领域或接近该领域的专家来评定一项工作的价值或重要性的机制。方法主要有通信评议、小组会议评议两种，都可用于评估科技成果、科技项目等。

指标体系评估法。指标体系评估法一般都采用量化的方法，通过科学的量化手段减少评估的主观性，增加评估的客观性。同时要设计一个计算评分的数学模型，用于处理各指标间的关系。

层次分析法。层次分析法是一种定性定量分析相结合的决策方法，对主观判断作定量描述，是决策科学中非常实用、具有很大发展前途的一种方法，尤其适用于以多目标定性为主的决策。

其他评估方法。科技评估在研究发展的过程中还形成了人工神经网络分析法、统计分析法、主成分分析法、动态聚类法、模糊数学法、因子分析法、多维标度法等重要方法。

2 辽宁省科技计划项目立项评估方法研究分析

2.1 辽宁省科技计划项目立项评估方法发展概述

在综合对比当前我科技评估主要研究使用的评价方法的准确性、合理性、适应性以及评价方法使用时的工作量的基础上，我省科技计划项目立项评估一般采用同行评议和指标体系相结合的方法。

这种方法是指由从事某领域或接近该领域的专家通过一组能显示立项项目与当年科技计划项目申报指南的相符程度、项目的必要性、技术路线的可行性和创新程度、社会发展的可持续性、市场的前瞻性、科研条件的允许性以及是否有完整齐全的附件佐证材料（如科技查新报告）等一系列指标来评定科技计划项目立项的价值或重要性的评价方法，属非个人性决策，是一种由科技共同体来做出有关科学真理性评价的制度，遵循了以科学界内部的承认为依据和前提的原则。这种立项评估方法通过权威专家根据科学的量化指标来判断项目的可行性，这样的评审方法可以有效的减少评估的主观性。

2.2 存在的问题

现有的评估方法存在诸多缺陷，主要表现在： 评估专家数量有限，具有典型的“小样本”特征，其结论具有很强的主观性，且代表性不强，当增加评估专家数量时又由于研究方向和观点的不一致导致评估结论难以收敛。科技项目一般具有隐含性、超前性、探索性和不可预知性，再加上评审专家对评价标准掌握、理解不可能完全一致，难以给出确切的判断，导致最终结论中的等级评定含有不完全信息，而目前的评估方法对不完全信息难以描述，对多位专家评审意见的综合过于简单，量化信息过于粗糙。

3 科技计划项目立项评估方法的改进

科技评估是科技管理工作的重要组成部分。随着科技计划管理体制改革的不断深入，科技评估工作的重要性越发凸显，因此，建立符合我省各地市科技发展实情的评估方法尤为重要。这就要求加强对评估指标体系设定及评审专家库进行更加深入的研究。通过严格的、科学的科技评估方法，监督、保证科技评估活动健康有序地发展，真正做到客观、公平、公正、科学。结合我省的省情，并借鉴国内外科技项目的评估方法，得到以下启示：

（1）结合我省各地市科技发展实际情况，对不同计划类别的科技项目进行分析，建立合理的立项评估指标体系，能够合理并且客观的反映评估对象和目的。

（2）对科技项目进行评估时，一般都采用专家组按照既定的评估指标打分的方法，这就要求参与该项目的评估专家要独立于委托方，遵循回避原则；在选择专家时要从专家库里面选择来自被评估项目所属领域的不同地方的权威专家进行评价，必要时还需考虑财务类专家和管理类专家，这样使得专家知识结构合理化，使得评估结果更加可靠可信。

第6篇：人工神经网络分析法范文

【关键词】高填方边坡；稳定性；对策

高填方是指根据需要将指定区域用土、水泥或石子等材料用分层或者碾压等方式，建成比周围建筑高一些的设计。高填方边坡就是用高填方设计方式加高的边坡。由于高填方边坡突出位置，其稳定性不仅关系到边坡的稳固，而且一旦出现崩塌等情况将危及到周围的建筑、人等，因此高填方边坡的稳定性不容我们忽视。本人于2012年初接到“梧州市220kV红岭变电站”（现已改名为翡翠变）的设计任务，负责该工程的‘三通一平’等施工图纸的设计工作。220kV红岭变为广西首个3C绿色智能变电站。该工程选定的站址，位于梧州市火车站西偏南位置，该区域拟建成物流园区，站址紧临城市政规划路。220kV红岭变站区场地南面为填方段，按照场平标高（56m-55.75m），红岭站址填土边坡最高为26米。因此该工程初设阶段考虑采用自然放坡和坦萨生态边坡两种方案。坦萨生态边坡方案节省占地，由于进行加筋处理，分层碾压后能有效控制不均匀沉降。回填土方量小，需要外购土少，有效减少外运填料产生的费用。完工后与周围环境能很好融为一体。自然放坡与塔萨方案比较，自然放坡征地面积大6亩，临时用地大6.7亩，回填土方多34000m3，挡土墙多1860m3。自然放坡较塔萨方案工程总造价多140万。

1.高填方边坡稳定性分析方法与加固技术的研究现状

1.1高填方边坡稳定性分析方法的研究现状

滑坡现象在自然界中时常发生，也引起了人们广泛的关注。早期人们应对高填方边坡主要采取定性分析的方法，其未能得出高填方边坡稳定性的相关数据，只能大致确定是否稳定。随着人们对高填方边坡稳定性的深入研究和探索，人们开始使用一些定量分析的方法，从不同角度建立模型对边坡的稳定性进行研究，使得出的高填方边坡稳定性的结果得到数据支持。截止到目前，高填方边坡稳定性分析主要有定性分析法和定量分析法两种方法。根据不同的边坡，定性分析法可分为自然历史分析法、诺模图法、赤平极射投影法、工程类比法、专家系统、范例推理法等方法，表1列出了定性分析法上述方法的原理及其发展动态。定量分析法又确定性分析法和不确定分析法；确定性分析法包括极限平衡法和数值分析法，极限平衡法包括瑞典条分法、Bishop条分法、Sarma法、斯宾塞法、摩根斯坦-普赖斯法、传递系数法等方法，数值分析法包括有限元法（FEM）、有限差分法（FDM）、无界元法（IDEM）、数值流形元法（NMM）等方法；不确定分析法包括可靠度评价法、人工神经网络分析法（ANN）、灰色系统评价法、模糊评价法、遗传法、综合法等方法。

1.2高填方边坡加固技术的研究现状

高填方边坡滑坡、坍塌等边坡稳定性不良带来的危害会带来经济损失，甚至造成不可逆转的巨大灾害，因此，对高填方边坡的加固技术进行研究具有重要的现实意义和社会意义。随着工程师应对具有不同稳定性的边坡，截止到目前，已经研究出了不少高填方边坡的加固技术。高填方边坡的加固技术主要包括重力式挡墙、抗滑桩、扶壁式挡墙锚杆技术、悬臂式挡墙、格构加固、喷锚网支护、坡虑法、注浆加固、悬挂式挡墙等加固技术。现有的高填方边坡加固技术多种多样，针对具有不同稳定性的高填方边坡，我们需要选择合适的加固技术，以而不能盲目选择。同时，我们还可以针对不同的边坡可以创新或完善已有的边坡加固技术，尽全力去消除可以避免安全隐患，以保障人类和财产等的安全。

2.高填方边坡的稳定性分析

针对梧州市220kV红岭变电站中高填方边坡的项目，我们采取了定量分析法与定性分析法结合的方法对其的稳定性进行分析：（1）影响高填方边坡的稳定性的因素；本项目定性分析了梧州市220kV红岭变电站中高填方边坡的地质、水文、边坡成因等影响边坡稳定性因素，定量分析了边坡的高度、面积、经济效益等影响边坡稳定性的因素。（2）影响高填方边坡稳定性因素的敏感性分析；灰色关联度方法是研究相关因素曲线的变化趋势、方向、大小、速度等变化态势相似程度，越相似关联度越大影响越大，反之越小。本项目中采取灰色关联度的方法对找出的影响边坡稳定性的因数进行主次分析，确定出最具影响力的几个关键因素。（3）选取合适的高填方边坡稳定性的分析方法；针对梧州市220kV红岭变电站中高填方边坡的影响因素，选取了定性分析法和定量分析法中的极限平衡法。（4）建立合适的模型；确定这个边坡模型结构的边界条件、横截面的形状、地质属性相关数据、承载能力等建立合适的模型。（5）确定处理方法；根据模型得出的相关数据确定土和加固材料钢筋等对接触面的处理，梧州市220kV红岭变电站中高填方边坡采取了自然放坡的方式，先建立模型，然后对单元进行填土和其他材料，不断重复直至结束。

3.高填方边坡的治理对策

若高填方边坡由于不稳定的原因发生事故，后果甚至可能出人意料，对于高填方边坡的稳定性一旦发现问题，就应当采取合适的治理措施，以杜绝可以避免的安全隐患：（1）根据高填方边坡所处的环境、机构等影响边坡稳定性的因素，找出可以解决高填方边坡稳定性的一些备选方案，是一种多属性决策的方法，可以根据影响因素的权重、主次等进行对策选择。（2）再根据实际情况从备选方案确定较优的选择，目前高填方边坡的治理对策有消坡减载、挡土墙工程、锚固工程、抗滑桩工程、护坡工程以及排水工程等措施，可以根据实际情况采取多种方案综合实施。（3）从可行性方面、环境方面、工期方面、安全可靠方面、经济效益方面、操作难易方面等方面对高填方边坡的治理对策的熵权多目标优选进行决选，确定最终的高填方边坡的治理对策。（4）对高填方边坡的治理对策进行设计实施；梧州市220kV红岭变电站站址附近区域拟建成物流园区，附近地区列入2013年度长洲区政府征地拆迁计划任务，并希望于年底完成征地工作。经过业主方，梧州市运行维护局多方协调，梧州市商贸物流园管理委员会同意配合本工程建设，将建设站址附近市政道路开挖的多余土方，回填至变电站附近的冲沟，使变电站远离高边坡，以节省高边坡的处理费用。故初设收口的站区土方按站区西南面围墙距离回填边坡顶40米计算，回填坡比为1：1.5，中间设三个马道，马道宽2.5米，马道及边坡外沿均设置截水沟，坡面植草皮，防止水土流失。该方案得到审查通过，施工图纸已于2012年8月正式出版，边坡工程正在施工（见附图）。

4.总结

高填方边坡的稳定性问题看似只是工程中的一个问题，但是如果不能很好的解决，很可能造成重大事故和严重损失，我们应当加以重视。针对不同的高填方边坡，我们可以从多种高填方边坡稳定性分析方法中选择一个或多种方法组合，然后再根据实际情况从可行性、地质水文、单元截面、经济效益等方面用定性和定量分析法结合的方法确定最优方案，以将高填方边坡的稳定性提高到能提高的最高程度。

参考文献：

[1] 丁参军，张林洪.边坡稳定性分析方法研究现状与趋势[J].水电能源科学.2011，8，29（8）.

[2] 靳付成.边坡稳定性分析方法的研究现状与展望[J].西部探矿工程.2007，（4）.

[3] 张翔，韩文喜.昆明新机场西北端高填方边坡稳定性分析[J].甘肃水利水电技术.2011，9，47（9）.

[4] 武锡荣，陈书红.杭州至兰州线高速公路高填方边坡稳定分析[J].建筑工程.2009.

第7篇：人工神经网络分析法范文

关键词：资金链断裂 应收应付项目 灰色关联度分析

一、引言

资金是企业整体运营的“血液”，企业从事任何活动都离不开资金的运转，资金链断裂将会使企业的生产、营销等各项工作中断。2004年银行紧缩德隆系贷款，导致了德隆系“老三股”湘火炬（000549）、合金投资（000633）、新疆屯河（600737）出现资金链问题，一个拥有177个子公司、58000员工、年纳税额高达20亿的集团公司轰然倒下。2005年南方高科资金链断裂，对我国国产手机的生产企业给予沉重打击。自2010年之后，非上市的民间企业资金链断裂的事件频繁发生，温州、杭州、鄂尔多斯、郑州等多个城市出现了大面积的企业倒闭、老板“跑路逃离”甚至跳楼自杀的。资金链断裂不仅对企业的生存带来威胁，也对经济、社会发展产生巨大的影响，找到资金链断裂的原因并提前加以预防，是一个非常重要的课题。导致企业资金链断裂的原因很多，企业之间相互借贷、相互拖欠款项，形成了大量的应收应付款项，导致一个企业出现资金链断裂带动相关企业出现资金链断裂，这是当前在民营企业比较发达的地区大面积出现资金链问题的主要原因。这一结论是否成立有待理论研究的检验。

二、文献综述

（一）单变量预警分析方法 根据文献记载最早开展财务预警研究的是Fitzpatrick（1932），之后美国财务专家威廉·比弗（William Beaver）于1966年建立了单变量财务预警模型，1968年美国《会计评论》首次发表了关于单变量财务预警模型的研究报告，发现最好的判别变量是债务保障率，其在公司破产的前一年的预测准确率可达90%，其次是资产收益率和资产负债率。我国学者吴世农、卢贤义（2001）也是应用单变量判定分析方法建立了企业财务预警分析模型，他们经过研究得出第一年的误判率分别为：净资产报酬率为9.35%；负债比例为24.46%；营运资产与总资产的比例为21.58%；；资产周转率为29.50%。

（二）多变量财务风险预警模型 Edward I. Altman（1968）运用多元判别分析法（Multiple discriminant Analysis）对财务危机预警的研究，得出Z系列模型。这个模型在财务风险判别研究领域一直具有非常重要的影响力。Erik M.Vermeulen等（1998）运用多因素预测模型（Multi-factor model）建立了条件失败预警模型。该模型与通常的预警模型不同之处在于，认为破产取决于企业外部风险因素值而不是取决于一系列“内部的”财务比率。而且，该模型不仅仅把企业分类，还模拟外部风险因素（通过敏感性）对企业现金流产生过程的影响。20世纪90年代起，国外一些学者开始运用神经网络在财务失败预警方面开展了研究，诸如Odom及Sharda（1990）运用与Altman（1968）Z-Score模型中相同的5个财务比率基于神经网络方法建立了财务预警模型。基于一些学者运用神经网络在财务失败预警方面开展的研究，我国学者杨保安等（2001）、端木正（2004）、刘洪等（2004）运用前向三层BP（Back Propagation）神经网络构建的财务预警模型，李晓峰等（2004）运用粗糙集（Rough）和人工神经网络（ANN）理论建立的Rough-ANN模型等等。刘洪等（2004）学者运用神经网络建立的模型得到的估计样本精确度达到95.7%，通过实证研究表明神经网络分析模型在判定财务风险方面要优于MDA模型和Logist模型。董妍慧（2008）利用LVQ神经网络构建了上市公司财务预警模型，选定了我国A股上市公司作为实证研究样本，选择五类重要的财务指标，以Matlab7.0为平台，证明了LVQ神经网络可以成功的应用在财务危机预警实践中。Logit预警模型又称Logistic回归模型，是比利时学者P.F.Verhulst（1838）首次提出的。但最早采用该模型来研究财务危机预测问题的是Ohlson（1980）。张扬（2005）在对上市公司财务报告研究的基础上，分别比较了适用于高新技术行业和传统制造业的两个行业的Logit回归财务预警模型，两个行业的财务指标选择是相同的，得出的预测结果并不相同，财务失败概率的计算模型也不同，但是预测的效果都是不错的。李晓奇（2011）运用Logistic回归分析方法建立财务危机预测模型，选取2009年ST公司104家和相同数量的对照组公司，设定财务危机发生点为T，利用样本中T-1，T-2，T-3年数据，利用主成分分析法筛选了9个具有显著性的指标作为模型自变量，得到回归准确率为84.62%，80.29%，71.63%。

三、研究设计

（一）研究方法 本文采用灰色关联度分析方法。灰色系统理论是20世纪80年代，由邓聚龙首先提出并创立的多因素统计分析方法，是以各因素的样本数据为依据用灰色关联度分析方法得出的结论来描述因素间关系的强弱。其实质是求各个方案与最佳指标组成的理想方案的关联系数，由关联系数得到关联度，再按照关联度排序来确定关联程度。因为灰色理论融合了多个学科和理论体系的思想和方法，可以运用较少数量的已知信息去揭示系统的规律。灰色模型建模时对数据的数量要求比较低，并且不必知道原始数据分布的特征，通过有限次的处理便可转化为有规则的序列，这样就很容易找到变化规律。灰色关联分析对样本数据的时间区间要求也不是很高，而且计算量比较小，预测精度比较高。这些特点均适合本文所研究的问题和研究样本。

（二）指标体系建立和因变量确定 目前国内针对应收应付项目的研究主要集中在信用销售，基本上都是应收账款的管理、质押以及风险管理等。针对应收应付项目的定量研究和实证研究更少。信用销售形成应收账款，在对方就形成应付账款。这部分被对方占用的资产，虽然本企业拥有债权，但事实上无法支配，企业不能使用这部分资金。一旦对方不能按期偿还这部分资金，就会给企业带来资金困难，就有可能导致资金链断裂。主要有以下可能：（1）应收项目占流动资产比例过大，造成企业资金链危机。应收项目是企业应收而未收的款项，这些资金虽然属于企业的资产，但是被其他企业或个人占用，并不能够为企业随意支配。应收项目总体主要由应收账款、应收票据、预付账款和其他应付款组成。流动资产项目可以区分为货币性资产和经营性资产，货币资金和交易性金融资产的变现能力很强，可以称为货币性资产。其他的流动资产项目的变现能力要弱一些，可以称为经营性资产。应收项目正是经营性资产的主要构成项目。相对而言变现能力弱，但占有较大比重，如果应收项目占流动资产的比例过大，就会对企业的短期资金造成很大的压力，很可能面对短期债务而措手不及，所以应收应付项目占流动资产比率也是衡量应收项目对企业资金链断裂影响的重要指标。（2）赊账销售过度，应收账款过多，回收率低。企业为了扩大销售，大量赊销商品，形成了应收账款。如果货款可以及时收回，企业资金可以良性循环；如果不能及时收回，造成大量资金占压，甚至形成坏账，使企业资金短缺，严重的话导致资金链断裂，企业经营失败。利用信用销售而扩大销售额存在很多问题，一味追求提高销售额，就会给回款造成压力，回款不及时就会影响企业的资金周转，就会给生产、经营等环节造成影响，影响企业的资金链。衡量企业的应收账款回收情况，通常采用应收账款回收率指标。（3）应收账款周转速度太慢，影响企业资金周转。相对于一般企业而言，应收账款都比较重要，在应收项目中起着举足轻重的作用，应收账款周转率是指在一定时期内应收账款转化为现金的平均次数。应收账款周转率主要是衡量企业应收账款管理水平的重要指标，企业不但要控制好应收账款的规模，也要控制好应收账款的周转速度。当今的市场竞争环境是比较严峻的，一般企业都会采取放慢应收账款的周转速度而获得更多的市场份额，这就会有很多企业因为应收账款问题而导致企业资金链吃紧，甚至断裂而影响企业的正常经营。应收账款周转率是衡量企业对资金链影响的重要指标。（4）应付账款周转速度快。应付项目是指企业应付而未付的款项，应付账款是应付项目的主要组成部分，也是衡量应付项目对企业资金链影响的重要科目。应付账款是企业可以临时占用供应商企业的资金，如果应付账款的周转速度慢，就意味着企业占用供应商企业的资金周期长，对于企业的资金可以起到缓解的作用。（5）企业整体债务过高。资产负债率是衡量企业整体债务水平的重要指标，用负债总额与资产总额的比率表示。一般企业在初创期间，运营资金多来自于股东的投资，但是当企业进入快速发展阶段，自有资金已经不足以满足其快速扩张的速度，负债将成为维持企业快速发展的主要资金来源。但是负债与权益资金相比较，不但需要在借款到期时偿还，而且还要支付借款产生的利息。如果企业发展战略安排的不合理，一味大量外债支持企业扩张，却没有及时现金流回笼去清偿到期的债务，就会让企业陷入无力偿还到期债务的境地，甚至资不抵债而被迫破产清算。所以，资产负债率是衡量企业偿债能力、防范资金链断裂风险的重要指标。

灰色关联度分析方法首先确定的问题是模型中的因变量和自变量。而因变量应该如何设定呢？本文所要研究的问题是揭示应收应付项目的财务指标与企业资金链断裂的关系，而资金链断裂并不是一个比较容易量化的指标。在对指标数据的无量纲化处理过程中，可以将参考序列的数值初始化在1和0之间，也就是把本文通过分析选取的五个财务预警指标即应收项目占流动资产比例、应收账款周转率、应收账款回收率、应付账款周转率和资产负债率的数据序列初始化到1和0之间。这些财务预警指标的变化趋势与企业资金链断裂趋势是有规律可寻的，比如应收应付项目占流动资产比例越大，企业资金链断裂的风险越大，也就是规范化后的指标值越接近于1，资金链断裂的风险越大，1就是资金链断裂风险的极差值，灰色关联度主要是寻求各影响因素与理想参考指标的关联系数，因此将模型的因变量定为1是比较合适的。资产负债率和应付账款周转率都是与资金链断裂风险同向变化的，比例数值越大资金链断裂的风险越大。应收账款周转率和应收账款回收率的变化趋势是与资金链断裂风险相反的，比例数值越小，资金链断裂的风险越大。可以通过无量纲化处理，将其变化方向调整为与资金链断裂关系变化方向相同。

（三）样本选取和数据来源 国内外学术界在做财务困境、财务失败和风险预警等方面的实证研究时采用的样本设计方法主要是根据ST公司与非ST公司在财务状况方面显著的差异性，通过设计实验组（被ST上市公司）与对照组（非ST上市公司），对比其各项指标分析其对于被ST事项的影响程度。但是，本文研究的是资金链断裂问题，选择ST公司作为样本合适吗？ST公司一般都是出现财务状况或其他状况异常而被特殊处理的企业，公司连续亏损但还没有达到退市的地步。虽然有些企业亏损但是不一定资金链断裂，有的企业还是能够正常运营的。针对于资金链断裂而言把退市企业作为样本更合适，退市是上市公司由于未满易所有关财务等其他上市标准而终止上市的情形，既由一家上市公司变为非上市公司。正常经营的上市企业，没有愿意被特殊处理而退市的，如果是财务原因导致的，肯定是出现了严重的财务危机，资金链断裂，企业使用各种可能办法都难以弥补这个资金缺口的情况下，上市企业才被迫接受退市的处罚。因此将退市企业作为资金链断裂的样本企业是比较准确的。选择中国A股退市的42家企业作为本文的样本企业。本文所选择的上市公司数据来源于Wind数据库。财务风险预警模型是利用历史财务数据对企业未来的情况进行预测和判断，所以在样本数据的时间选择上也是至关重要的。本文采用了距今最近可获得的财务数据为研究样本，主要选取退市的企业在退市之前被ST之后的第一年、第二年和第三年的财务数据，作为资金链断裂状态时的样本数据。之所以要分别推三年，而不在同一年选取，是为了达到退市前的财务预警目的，也是为了消除由于外部环境的差异而可能导致缺乏可比性，而且选择前三年的数据来进行预测更为全面。

四、实证检验分析

（一）无量纲化处理 本文在进行分析时，剔除了没有数据的指标和不合乎实际情况的极大值和极小值等指标。按照邓氏灰色关联度模型的计算步骤对数据进行处理，首先对原始数据进行无量纲化处理，得到新的数据矩阵。邓氏灰色关联度分析在对变量数据进行无量纲化处理时可有多种方法，例如通过区间值化处理可以使得每个原始数据变换成为在0和1之间的规范数据，并且可以使原始数据接近或者等于1时为理想状态，接近或者等于D时为偏离理想状态最远的状态，同时也可以使参考序列数据和影响因素的数据处置在1和0之间。经过这样的原始数据处理，数据虽然量纲缩小了，但并不改变原始序列的性质和顺序。根据本文所研究的问题拟采用这种方法进行无量纲化处理。

（二）分辨系数的确定 分辨系数的确定要根据观测序列的情况，当观测序列数据差距比较大，而且出现奇异值，变异系数应取较小值，离散掉差异对结果的影响；当观测序列数据差距比较小，而且变化比较平稳时，变异系数应取较大值，充分体现其整体性、规范性。分辨系数ρ在（0，1）内取值。对于ρ的取值一般根据经验取值0.5，但是这样处理降低了模型的准确性。因为分辨系数的取值大小，直接决定着对关联度的贡献大小。ρ的取值并不是静态不变的，应该根据数据序列的性质，分析计算出ρ的正确取值。本文在对ρ值的选取过程，将根据数据的变化而赋予ρ值动态的取值范围。针对公式中用到的分辨系数ρ，使用上文的计算方法，得到ρ的取值范围表格如表（1）所示。

（三）关联度计算与排序 通过对样本公司退市前一年、前两年、前三年的数据进行处理，分别得出资产负债率、应收项目占流动资产比、应收账款周转率、应收账款回收率、应付账款周转率五个自变量对于因变量的灰色关联度。关联度值如表（2）所示。通过对样本企业退市前三年财务风险预警指标的观察和分析可以看出，本文选取的财务风险预警指标中有两个指标与企业资金链断裂的关联度数值很高，分别是应收账款周转率和应收项目占流动资产比，也就是说这两个财务风险预警指标与企业资金链断裂的关联性很强。每一年中财务指标与财务指标之间还是存在差距的，应收账款周转率的关联度数值要高于其他财务指标，而且数值差距很大；其次是应收项目占流动资产比，数值也偏高于其他三个财务指标，数值的差距较大；应收账款回收率、资产负债率和应付账款周转率指标之间差距较小，而且关联度数值也相对较低。观察每个指标的三个年度的关联度数值，发现每个指标的关联度数值变化较小，根据每年的财务数据得出的关联度数值都是非常接近的。本文实证研究通过选取退市企业在退市前，被ST之后三年的财务数据分别计算关联度数值，充分证明了灰色关联度计算的稳定性和准确性，这个结果也充分肯定了本文研究得出结论的可靠性。

下面将这五个财务指标三年的关联度值排序，再把三年的排序加总，得到三年排序的合计值，按照合计值由小到大排列顺序，得到最终的排列顺序，结果如表（3）。通过样本数据关联度排序计算结果列表可以看出每个指标对资金链断裂影响的排列顺序为：应收账款周转率≥应收项目占流动资产比≥应收账款回收率≥资产负债率≥应付账款周转率。对于灰色关联度方法排列的顺序可以得出以下结论：（1）应收账款周转率与企业资金链断裂的关系最为紧密，对于企业资金链断裂的影响是最强的。通过前文的理论分析可以得出，比较应收应付项目中包含的每个财务科目，应收账款是其中最重要的，讨论信用销售所引起的应收应付项目管理问题，主要是针对应收账款的管理。应收账款周转率是衡量应收账款对企业资金链影响的重要指标。应收账款的周转速度越快，给企业造成的资金压力就越小。在很多企业应收账款占流动资产的比例都很高，如果周转速度太慢，将大大降低企业资金的使用效率，影响企业的营业周期。很多企业都制定了有效的应收账款内部控制制度以及财务指标衡量体系，有效地控制和监督应收账款的周转情况，并在由应收账款引起的资金吃紧与获利之间权衡利弊。由本文的实证分析可得出应收账款周转率与企业资金链断裂的关系很紧密，控制好应收账款周转速度是企业资金链正常运转的有力保证。（2）应收项目指标中应收项目占流动资产比与企业资金链断裂的关系也很紧密，对企业资金链断裂的影响也很强。从这个指标可以看出，企业应收而未收的款项对企业资金的大量占用是导致企业资金链断裂的重要原因。流动资产是维系企业经营活动正常开展的主要资金。应收项目的款项虽是企业的资产，但企业却不能支配，应收项目占流动资产的比例过高意味着企业经营活动的资金大量被企业不能控制的、应收款项占用，企业经营活动资金紧张。流动资产也是企业变现能力较强的资产，如果流动资产大量被企业不能控制的、表现能力不确定的应收款项占用，会带来支付和还债困难，也会导致资金链断裂。因此，实证检验结果将应收项目占流动资产的比例排在导致企业资金链断裂的原因的第二位，也是可以解释的、与实际情况相符的。（3）应收账款回收率与企业资金链断裂的关系相对前两个指标较弱，应收账款回收率直接关系到企业的营业收入收回情况。首先，说明资金的回收时间长，给企业带来的资金困难和资金压力较大且持续时间较长。其次，如果回收率低，长期应收账款无法收回，公司只有账面的收入，却没有实质的现金流入。而且如果长时间不能收回的应收账款变成坏账，会给企业直接造成现金损失，容易引起资金链断裂，所以企业也应该予以重视。（4）资产负债率与企业资金链断裂的关系相对较弱。资产负债率是衡量企业整体偿债能力的财务判定指标。很多企业盲目扩张，过分依赖举借外债来充实企业扩张所需要的资金，这就给企业埋下了隐患，经营中的某个环节出现问题，企业无力偿还到期债务，将会导致资金链断裂，甚至破产倒闭。从企业整体来看，资金缺口可以从三个部分来考虑，即经营资金缺口、长期投资资金缺口和还债资金缺口。前两个部分的资金缺口影响的是企业的经营和投资，但并不会导致企业资金链的断裂，而还债资金出现缺口对企业而言是十分严重的，企业无力偿还到期债务，债权人还可以申请强制执行措施，这就会导致企业的资金链断裂。虽然实证检验结果资产负债率对资金链断裂的警示能力较弱，但是也是衡量企业整体偿债能力的评价指标之一。（5）应付账款周转率与企业资金链断裂的关系于其他指标相比较最弱，应付账款本身是衡量企业占用其他企业资金的指标，对于企业而言，远远不及应收账款对企业的资金链影响程度也是符合实际情况的。

五、结论

本文研究得出如下结论：（1）国内外针对应收应付项目与企业资金链断裂关系的研究文献非常少，而由于应收应付项目异常导致企业资金链断裂、破产的案例很多，首次对这二者之间的关系进行了研究。（2）总结了资金链断裂、财务风险预警的方法和模型，并且对各个方法和模型的优缺点进行了比较分析。根据本文的研究目的，选择了灰色关联度模型进行实证检验，灰色理论虽然已比较完善、应用广泛，但将其应用到财务风险预警领域问题研究的文献也几乎没有。本文在新方法应用上也进行了有益的探索。（3）研究结果还表明，与资金链断裂最为相关的财务指标依次是：应收账款周转率、应收项目占流动资产比、应收账款回收率、资产负债率、应付账款周转率。排序结果表明：导致资金链断裂的原因中，影响营业周期的资产周转速度排在第一位；其次是流动资产的可控性和可变现性；再次是销售货款等回收情况；企业整体偿债能力和应付账款的周转情况与资金链的断裂的关系相对较弱。（4）检验结果表明，应收应付项目中应收账款周转率与应收项目占企业流动资产的比例这两个财务指标与企业资金链断裂的关系度很强，特别是应收账款周转率。表明企业应收应付项目中的这两个指标与企业资金链断裂存在着关联性，可以对企业资金链断裂起到风险预警作用。并且，通过三年的实证研究结果可以看出，财务指标各年份的关联度数值稳定，证明了方法的适用性和实证结果的准确性。

参考文献：

[1]赵睿：《金融控股公司的风险及其监管研究》，《山东大学硕士学位论文》2007年。

[2]徐乙寒：《郑百文信用销售失败成因分析及对策探讨》，《吉林大学硕士学位论文》2004年。

[3]吴世农、卢贤义：《我国上市公司财务困境的预测模型研究》，《经济研究》2001年第6期。

[4]周首华、杨济华、王平：《论财务危机的预警分析——F分数模式》，《会计研究》1996年第8期。

[5]严瑾孟：《具有新型预测能力的财务困境模型研究——Logistic模型的加权极大似然法》，《西南财经大学硕士学位论文》2008年。

[6]段小存等：《公司财务危机预警研究的述评》，《经济师》2008年第7期。

[7]张祥等：《财务预警模型的变迁》，《华中科技大学学报（社会科学版）》2003年第4期。

[8]董妍慧：《我国上市公司财务危机预警的实证研究》，《大连海事大学硕士学位论文》2008年。

[9]张扬：《上市公司财务预警模型统计实证分析》，《首都经济贸易大学硕士论文》2005年。

[10]李晓奇：《上市公司财务风险预警Logistic模型的研究》，《北京交通大学硕士学位论文》2011年。

[11]崔玉卫：《应收账款周转率指标计算改进探讨》，《财会通讯》2010年第9期。

[12]尹苏红：《企业应付账款管理存在的问题及解决措施》，《经济技术协作信息》2010年第35期。

[13]王成武等：《浅谈企业偿债能力评价常见指标的综合性分析》，《青海金融》2005年第7期。

[14]王小军：《上市公司经营业绩的灰色多层次综合评价》，《天津大学硕士学位论文》2007年。

[15]东亚斌等：《灰色关联度分辨系数的一种新的确定方法》，《西安建筑科技大学学报（自然科学版）》2008年第4期。

[16]Carey M.，Credit Risk in Private Debt Portfolio，Journal of Finance，1998.

[17]Amir F，Atiya， Bankruptcy Prediction for Credit Risk Using Neural Network： A survey and New Result， IEEE TRANSATIONS ON NEURAL NETWORKS，2001.