基于BP人工神经网络技术引进项目经济效益评价的研究.pdfVIP

基于BP 人工神经网络的技术引进项目经济效益评价 研究 1 2 曲艳伟 ，曲艳影 1 辽宁工程技术大学工商管理学院，辽宁阜新 （123000 ） 2 吉林化工学院国际经济与贸易系，吉林 （132011 ） E-mail ：yanweiqu@163.com 摘 要：本文根据已建立的技术引进项目经济效益评价指标体系，采用典型的三层BP 神经 网络，基于GUI 使用神经网络工具箱建立技术引进项目的经济效益评价模型，并对评价结 果进行分析,以及提出了相应的对策。 关键词：技术引进；因子分析；ＢＰ人工神经网络 中图分类号：F224 文献标识码：A 1. 引言 技术引进是我国提高技术水平，缩小与发达国家差距的重要手段，所以对技术引进项目 是否经济、是否合理这一领域的研究具有重要意义[1] 。一般而言，影响技术引进项目的因素 可以分为可量化因素和不可量化因素。其中反映引技术进项目经济效益状况的指标体系对于 其综合评价起着重要作用，并且它可作为可量化因素。而其他的影响因素如政治因素、环境 因素、形势因素(包括世界经济形势和中国经济形势等因素)和管理因素等则作为不可量化的 因素。 本论文对于其他不可量化因素由于没有合适的量化手段而暂时不做考虑。因此引进项目 的经济效益指标数据就构成了神经网络的输入部分。由于前面已经将原始的指标数据转换成 为公因子指标数据[2]，所以网络的实际输入部分则由相应的公因子指标构成。 2. 模型的构建 利用“十五”时期的数据，前四年的用于训练网络，最后一年的用于网络模型仿真。网络 输入层神经元节点数就是指标公因子个数，由上文的隐含层节点数的估计公式可得个数为 3 ；输出层神经元节点数就是系统目标个数，即为 1。隐含层节点个数本文暂设为 3 个，由 此构成了一个 3-3-1 型 BP 网络模型。在系统训练时，实际还要对不同的隐层节点数分别进 行比较[3]，最后确定出最合理的网络结构，以此确定最佳的收敛速度和训练精度。 为了加快网络的收敛，以及提高模型的准确性，对输入输出数据进行如下的处理： 首先，针对本文所选的样本点不足的情况，借用靴襻抽样来对原始指标进行处理，选定 新产品增值率作为监控对象，利用 mathematica5.0 软件包进行靴襻抽样。靴襻抽样与从某一 概率分布中生成若干随机样本不同，它可以从该分布中生长出一个随机样本，然后，从原始 样本再生成若干样本，这种在“样本中抽样的”本质就是利用自身的资源（也即是给定的一个 样本），获得若干新的随机样本，在随机抽样法得到的这些样本中，原始样本的一些数字可 能只出现一次，或多次，也可能一次不出现。这就是靴襻抽样的特点[4]，利用靴襻抽样法， 将原来较少的数据样本点放大，更好地找出其中的规律。 其次，将输入输出数据进行归一化至[0.2,0.8],归一化采用如下的公式： - 1 - 0.6 (x −xmin ) x =+0.2 x −x max min 其中：x 代表归一化前各指标的分量值；xmin 、xmax 分别表示指标分量中的最小值和 最大值； x 代表归一化后指标的各分量值。这种线性变化并未使指标发生性质上的变形， 从而保证信息没有失真。网络模型示意图如图 1 所示： RW {1,1} LW {2,1} b {1}