基于改进BP神经网络的企业盈利能力测评模型及应用.doc

基于改进BP神经网络的企业盈利能力测评模型及应用 第25卷第6期 2006年6月工业技术经济Vo1.25,No.6总第 152期 基于改进BP神经网络的企业盈利 能力测评模型及应用 李雄诒 (中原工学院, 许卫华 郑州450007) (摘要]针对传统企业盈利能力测评方法的局限性,介绍了BP神经网络的的模型方法,在此基 础上构建了基于改进BP神经网络的企业盈利能力测评模型,并通过具体实例测试证明了该模型的仿真 结果比较可靠,测评精度高,具有很强的使用价值. (关键词]BP神经网络盈利能力测评 [中图分类号]F224.0[文献标识码】A 盈利能力是指企业获取利润的能力,企业盈利能力 状况如何是一个企业生存与发展的根本保证,同时也备 受公司内部人,投资者,债权人及其他利益相关者的高 度关注,因此它是企业绩效评价中的一个重要衡量指标. 企业盈利能力的测评是对构成它的一系列指标进行定性, 定量研究而得出的综合评价结果,由于这些指标数目多, 内容复杂,再加上会计信息本身的模糊性,因此采用传 统的综合评分法,灰色关联度评价法,趋势分析,财务 比率分析,因子分析法,相关回归分析等方法很难对其 进行合理的定量分析,在评价方法上存在着诸多缺陷. 人工神经网络(AttiticialNeuralNetworks,简称) 反映了人脑功能的许多基本特征,是一个高度复杂的非 线性动力学系统.它是由大量简单元件(神经元)广泛 相互连接而成的非线性,非局域性,非定常性和非凸性 的复杂网络系统.神经网络具有大规模并行,分布式存 储和处理,自组织,自适应和自学习能力,特别适合处 理需要同时考虑许多因素和条件的,不精确和模糊的信 息处理问题.这一技术在近年来已得到广泛应用.因此 本文根据组成企业盈利能力的各项指标的特征及神经网 络自身的优势功能,构建了一个基于改进的BP神经网 络的企业盈利能力综合测评模型.训练好的网络使用起 来操作简便,容错能力强且具有泛测评能力,并且还可 以自动模仿专家的评价思想来完成综合测评工作,同时 也避免了王作过程中的人为主观失误.该模型的建立, 为企业盈利能力的测评方法提供了另一个角度的理论基 础和工具. lBP神经网络模型方法 1.1BP神经网络简介 收稿日期:2006_23 基金项目:河南省科技厅软科学项目(项目编号:0513022600) 一 92一 目前较有代表性的神经网络有感知器,线性神经网 络,多层前馈型神经网络,RBF网络等,其中使用较广 的是BP网络.BP(Back—Propagation)网络是多层前馈 型神经网络的一种,它是一个有导师的误差反向传播的 神经元网络学习算法典型的BP网络结构包括输入层, 隐含层和输出层,每层有若干个相互独立的神经元节点, 但相邻两层之间的神经元节点通过各自的权值实行全连 接.图1为一个多层BP网络结构. Xo l 圈1多层BP网络结构 1.2BP神经网络各层参数的确定 在图1的BP网络结构图中,输入层的输入矢最为: XEftn,X=(Xo,x1,…,xn—1);第一隐层的输入矢量 为:X∈R,X,_(x0,xI.…,一1),输出矢量 为:Y∈R,Y=(y0,Yl,…,y1);第二隐层 的输入矢量为:∈R,)(,=(,1,…,.I), 输出矢量为:Y∈,=(,y,,l,…,一1); 输出层的输入矢量为:∈R,=(.l,…, . 1),输出矢量为:Y∈,Y=(Yo.Yl,…, y啪一1).输入层与第一隐层之间的权值用(.】ij表示,阈值 为日!i,第一隐层与第二隐层之间的权值为∞阈值为 第25卷第6期 2006年6月工业技术经济V01.25.No.6总第 152期 ,第二隐层与最后输出层之间的权值为kl,闽值为 ,则各层神经元的输入输出就满足: xj=∑一 _ⅡI一1 = ∑c.Jtjkyj一0k 一 1 : ∑一if,I1x=_『∞klyk一 k=(k) yl=() yj=￡(xj) 其中节点的作用激活函数f(?)是非线性函数.通 常选用s型函数(sigTnoid函数),即f(u)(该 函数有一个特征就是:f,(U)=f(u)[1一f(u)】). 1.3BP神经网络的学习过程 BP神经网络的学习可以分为两个阶段:第一阶段, 前向传递(towardpass),即从输入层输入样本数据,信 号向前传递,按上述公式不带反馈和层内相互连接地计 算出每一层相应的神经元输出.第二阶段,即后向传递 (backpass).如果输出层的实际输出与目标输出之间的 误差不能达到预定精度范围内,则此时误差信号沿原连 接通路返回进行权值和阈值的修改.这样两个过程反复 交替,直到达到收敛为止.此时,误差达到预定范围. 在图1所示的多层BP神经网络时,给定一组样本数 据(x,t),x∈.t∈,当输入第pi个样本(, ),