基于模糊神经网络成功度法在电厂建设项目经济后评价中应用.docVIP

基于模糊神经网络成功度法在电厂建设项目经济后评价中应用 　　[摘 要]电厂建设项目经济后评价对总结项目成败具有重要意义。本文根据电力工程特点以及三门峡发电有限公司实际情况，给出了项目经济后评价指标体系，并且确定了标准值；提出运用基于模糊神经网络的成功度法进行电厂建设项目经济后评价，采用相对隶属度对成功度指标值及评价标准进行模糊处理，然后通过BP神经网络对其进行评价，结果比较精确；最后对三门峡发电有限责任公司2600MW机组进行评价，结果合理准确。 　　[关键词]模糊神经网络；成功度法；经济评价；后评价 　　[中图分类号]F272.5；F224.0 　　[文献标识码]A 　　[文章编号]1673-0194(2009)05-0090-03 　　 　　1 引 言 　　 　　火力发电厂建设是一种技术、资金密集性项目，建设一个火力发电厂需要耗费大量的资金。近几年由于受通货膨胀和其他种种因素的影响，我国电力工程造价上涨幅度较大，如投建一个600MW机组的火力发电厂总投资达40亿元。对于如此巨额资金的投入，国有资产监督管理委员会等相关部门要求必须进行项目后评价，对项目建设情况进行总结，同时根据项目目前财务效益，以及今后财务预测对项目前评估可行性进行验证[1-2]，为今后的投资、建设提供依据。 　　火电项目经济效益后评价是项目后评价的一项重要内容，也是整个项目后评价的核心内容之一。本文利用基于模糊神经网络的成功度法对项目财务效益进行后评价，该方法可以更加准确地对项目财务效益作出评价。本方法采取人工智能方法。最后通过实例验证了本方法的实用性和准确性，为电厂财务评价提供了一种可行高效的方法。 　　 　　2 模糊神经网络成功度评价模型构建方法 　　 　　通过采用相对隶属度对成功度指标值及评价标准进行模糊处理，生成标准指标相对隶属度矩阵和检测样本指标相对隶属度矩阵，然后在此基础上建立模糊神经网络模型。 　　2.1 指标相对隶属度矩阵的构建 　　构建指标相对隶属矩阵的方法步骤如下： 　　(1)假设成功度评价分为n个级别，并且有m个评价因子，则这m个评价因子所对应的j级评价标准就构成了成功度后评价的标准值矩阵： 　　X=(xij??)??m×n??。(1) 　　式中，xij??是第i项评价因子所对应的第j级评价标准值(i=1，2，…，m；j=1，2，…，n)。 　　(2)再假设该项目成功度的成功度值已计算得到，这就构成了检测样本值矩阵Y： 　　Y=(yi1??)??m×1??。(2) 　　式中，yi1??表示该组数据的第i项成功度指标的值(i=1，2，…，m)。 　　(3)运用模糊数学中的相对隶属度来描述项目的成功度指标的值，规定第i项成功度指标的第1级别的标准值对于模糊集“成功”的相对隶属度为pi1??，而第n级标准值对应的相对隶属度pin??=1。介于1级与n级之间的第i项指标的第j级标准值的相对隶属度为pij??，采用线性内插公式进行计算： 　　pij??=yij??-yi1??yin??-yi1?? 。(3) 　　(4)同理把项目的各个成功度指标值转化为相对于评价等级集合的相对隶属度。在此，对于数值越大成功度越高的指标，当yij??≤xi1??时，rij??=0；当yij??≥xi1??时，rij??=1。对于数值越大，成功度越低的指标，当yij??≥xi1??时，rij??=0；当yij??≤xi1??时，rij??=1。当xi1??ij??in??时，计算方法为： 　　rij??=yij??-yi1??xin??-xi1?? 。(4) 　　(5)应用公式(3)、(4)，可以分别构造出成功度评价指标标准值相对隶属度矩阵R和实际项目检测样本指标相对隶属度矩阵T： 　　R=(rij??)??m×n??；(5) 　　T=(tij??)??m×1??。(6) 　　2.2 BP神经网络模型的构建 　　BP神经网络具有很强的自适应、自学习功能，对输入的数据和规则计算有很强的容错性和稳健性，因此用来评价项目成功度是可行的。主要步骤如下： 　　设有k个样本向量，网络输入层神经元个数为n，中间层神经元个数为p，输出层神经元个数为m，网络输入向量P??k=(x1，x2，…，x??n)，输出向量Y??k=(y1，y2，…，y??m)，期望输出向量T??k=(t1，t2，…，t??m)，wji??为输入层到中间层的连接权，ν??sj??为中间层到输出层的连接权，θj为中间层单元的阈值，γ??s为输出层单元的阈值，其中i=1，2…，??ni；j=1，2，…，pj；s=1，2，…，m。 　　步骤1 对样本向量进行归一化处理，将数据处理为(0，1)之间的数据，给权值和阈值赋予(-1，1)之间的随机初值，选取