返回首页
当前位置: 主页 > 网络编程 > 其他实例教程 >

基于人工神经网络的矿山综合经营效果分类

时间:2011-05-19 22:09来源:知行网www.zhixing123.cn 编辑:麦田守望者
摘 要 建立了矿山综合经营效果分类指标体系,并根 据具体情况对各指标进行了量化。利用BP人工神经网络建立了矿山综合经营效果的分类模型 ,利用改进学习算法对BP网络进行训练,并利用训练网络模型对实际矿山进行了分类。
  关键词 人工神经网络 经营效果 综合评价 分类 模型
  1 引言
  能源是国民经济发展和人民生活所必需的重要物质基础,而煤炭又是我国能源的重要组成部分之一,其所占比例一直在70%以上,据预测2010年在一次性能源构成中仍占69.4%。
  对每个企业的经营效果进行合理评价和分类不仅有利于政府的宏观管理,而且对调动企业 的积极性也有十分重要的现实意义。过去已有人采用 层次分析法、模糊综合评价等方法对其经营效果进行评价,并取得了较好的效果。但这些方 法在指标权值的确定中存在有很大的主观性,同时在评价指标的构造中也很难反映出矿山可 持续发展的能力。本文从可持续发展的角度建立矿山经营效果的评价指标体系,并 用BP人工神经网络方法对矿山综合经营效果进行分类,可为政府宏观管理提供决策依据。
  2  矿山综合经营效果分类指标体系的建立
  2.1  指标体系选择的原则
矿山综合经营效果的分类涉及到诸多方面,要对其进行合理地评价、分类,必须建立完善的 指标体系。因此,在选择评价、分类指标体系时应遵循如下原则:
  (1) 所选的评价指标应便于实际操作;
  (2) 所选指标应全面反映矿山经营管理水平;
  (3) 在指标体系选择时应能反映出矿山可持续发展的能力;
  (4) 在指标选择时应具有全局观点,要把矿山经济效益和全社会经济效益结合起来。
  2.2  指标体系的建立
  根据分类指标体系选择的原则,我们选择4大类指标来全面评价矿山的经营效果,即 矿山 技术经济指标、矿山管理水平指标、矿区环境保护指标和矿山发展能力指标。其中每一大类 指标中又包括若干个指标,共22个指标见图1所示。
  2.3 指标评价值的确定及无量纲化处理
  在22个指标中有定性指标和定量指标之分。根据指标的评价准则又可分为3类指标:正向指 标,负向指标和优化指标。由于不同的指标是从不同的侧面反映矿山的经营绩效的,指标之 间无法进行比较。因此,为了便于最终评价值的确定,需对各指标进行无量纲化处 理。并考虑神经网络训练的收敛问题,对所有指标分3种情况进行无量纲化处理。
  (1)定性指标
  在矿山经营绩效评价指标体系中,定性指标有矿山接续情况、矿山规章制度的完善程度、 矿山规章制度的执行情况、矿井通风管理水平、职工素质、矿区社会保障体系的完善程度等 。这些指标的评价值我们采用专家打分的办法进行评价,其取值为0~1之间。
  图1 矿山经营绩效综合评价指标体系(略)
  (2)正向定量指标
  正向定量指标是指标值越大越好的指标。在矿山经营绩效综合评价指标中,正向定 量指标有:矿山机械化程度、矿山全员效率、矿山利税指标、职工平均工资、矿产资源深加 工比例、废水排放达标率、废气排放达标率、矿石综合治理达标率、地貌破坏综合治理达标 率、科技投入比例、非煤产值所占比重、职工子女入学率、职工人均居住面积等。因这类指 标是越大越好,该类指标选用所有矿山的最大值为该指标的理想值,进行无量纲 化处理如下:(略)
  (3)负向定量指标
  负向指标是指其值越小越好的指标。在矿山经营绩效综合评价指标中,负向定量指 标有矿山制造成本(即包括矿山经营的各种费用在内的吨煤成本)、百万吨死亡率。这 类 指标是越小越好,因此,该类指标我们选取所有矿山的最小值为该指标的理想值,并进行无 量纲化处理如下:(略)
  式中符号含义同前。在进行无量纲处理时,如果出现某个评价指标所有样本都为零的特殊情况时,则说明该项指标全为理想值,因此我们取该项指标的无量纲值为1。
  (4) 优化指标
  优化指标是指指标具有一个最优的取值范围,太大或太小都不好的指标。在矿山经营绩效综合评价指标体系中,属优化指标的有矿山资产负债率指标,该指标如果太大说明矿山经营中 将会 出现资不抵债的情况,不利于矿山的发展;如果该指标值很小则说明在矿山经营中没有 充分发挥有限资本的价值。目前研究表明,该指标取40%~60%比较理想,据此对参与评价的 该项指标进行无量纲化处理如下:(略)
  3  人工神经网络综合评价模型的建立
  3.1 人工神经网络模型的结构
人工神经网络(ANN)基本原理是受生物大脑的启发,试图模仿人脑神经系统的组成方式与 思维过程而构成的信息处理系统,具有非线性、自学习性、容错性、联想记忆和可以训练性 等特点。ANN模型的处理能力主要由网络的拓扑结构和网络节点的功能所决定。理论上已 证明,只要具有一个隐层的ANN网络即可实现对任意实值的逼近,实现任何非线性映射。
BP神经模型即误差后向传播神经网络是神经网络模型中使用最广泛的一种。在矿山经 营绩效综合评价时采用BP网络模型,其网络模型结构如图2所示。网络由输入节点、隐 层节点和输出节点组成。其中隐层可以是一层,也可以是多层。对于输入信号,要向前传播 到隐层节点,经作用函数变换后,再把隐节点的输入信号传播到输出层节点,节点的作用函 数一般取 Sigmoid模型函数,见公式(6)。
(略)
   图2 BP网络模型结构(略)
  3.2 BP网络学习算法
  由于常用的BP算法存在收敛速度慢和局部极值等缺点,使得在实际应用中BP算法很难应用, 因此,出现了许多改进算法。BP算法的改进主要有两种途径,一种是采用启发式学习方 法; 另一种则是采用更有效的优化算法。本文采用了动量法和学习率自适应调整的策略,从而提 高了学习速度并增加了算法的可靠性。动量法降低了网络对于误差曲面局部极值的敏感性, 有效地抑制了网络陷于局部极小。标准BP算法实质是一种简单的最速下降静态寻优算法,在 修正权值或权值向量w(k)时,只是按照时刻的负梯度方式进行修正,而没有考虑到以前 积累的经验,即以前时刻的梯度方向,从而常常使学习过程发生振荡,收敛缓慢。改进的算 法为:(略)
  这种方法所加入的动量项实质上相当于阻尼项, 它减小了学习过程的振荡趋势,从而改善了收敛性。自适应调整学习率有利于缩短学习时间。标准BP算法收敛速度慢的一个重要原因是学习率选 择不当,学习率选得太小,收敛太慢;反之,则有可能修正过速,导致振荡甚至发散。自适 应调整学习率的改进算法可表示为:
(略)
  当连续两次迭代其梯度方向相同时,表明下降太慢,这时可使步长加倍;当连续两 次迭代其梯度方向相反时,表明下降过速,这时可使步长减半。
  4  应用举例
  4.1  矿山综合经营效果的分类
根据所选择的各分类指标及对指标无量纲化处理后的值,利用所建的神经网络模型,我们可 对矿山经营效果进行综合评价。根据矿山综合评价结果,我们可以把所有参加评价的矿山经 营效果进行分类,即分成优秀、良好、中等、一般、较差和极差等6个等级,各等级矿山对 应的综合评价取值范围见表1 。
表1  矿井综合经营效果评价分类表(略)
表2 待评价矿山各指标值及评价结果表(略)
  4.2  BP网络训练
  我们利用MATLAB编写了网络权值训练和优化程序(程序略),以矿山综合经营 效果分 类的22个指标的6组等级值做为神经网络的训练样本,即把每个单项指标也相应地分成6类 :优秀、良好、中等、一般、较差和极差6个等级,其每个等级分类值选取与整个矿山综合 分 类各等级值一致(见表1)。当22个单项指标都为优秀时,则矿山综合评价的结果必然为优 秀,其它等级亦是如此。由于每个指标为一数值区间,因而在进行网络训练前,必须对指标 作如下处理:优秀、良好、中等、一般、较差五个等级指标值分别取其平均值作为其输入值 ,极差等级指标值以其临界值作为其输入值。网络的期望输出值按以下方法给定:优秀、良 好、中等、一般、较差和极差6个等级分别为0.95,0.85,0.65,0.55,0.45,0.35。 用样本的网络评价值与所给网络的期望输出值的平方差之和小于10-3,作为神经网络最优训 练效果的判断准则。经过网络训练和优化,我们选择了22-6-1的网络结构模型,即22个输 入节点、6个隐层节点、1个输出节点,网络共训练了863次,收敛于所要求的误差。
  4.3  应用示例
  我们利用已训练好的网络模型,对某矿务局4个矿山的经营绩效进行了综合评价,由于篇幅 限制,我们只给出评价矿山的各指标值,忽略每矿具体情况介绍。评价矿山各指标值及其评 价结果见表2所示。从表2 可看出4个矿综合评价值分别为0.8342、0.7022、0.9559、0.8086 ,分别为良好、中等、优秀和良好。经过比较分析可知,该评价结果与实际情况是相符合的 。因此,说明利用该方法对矿山进行分类是可行的。
5  结论
本文建立了矿山经营绩效综合评价的完整指标体系及人工神经网络评价模型,当给定全行业 各项指标的最优及最差值后,即可对给定矿山的经营绩效进行了综合评价,并能取得了令人 满意的结果。该方法与其方法相比具有如下优点:
(1)       通过对参与比较样本的自学习,能够 确定神经网络结构,按照最优训练准则反复迭代,不断对神经网络结构进行调整,直到达到 一个相对稳定的状态,因此,利用该方法消除了许多人为因素,有利于保证结果的客观性。
(2)       误差小,能使系统误差达到任何精度要求,且有收敛性。
------分隔线----------------------------
标签(Tag):人工智能 神经网络 人机交互技术
------分隔线----------------------------
推荐内容
猜你感兴趣
博聚网