基于BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)研究

王新利

（黑龍江八一農(nóng)墾大學(xué)經(jīng)濟(jì)管理學(xué)院，黑龍江 大慶163319）

一、引言

隨著供應(yīng)鏈節(jié)點(diǎn)風(fēng)險(xiǎn)事件的逐漸增多，供應(yīng)鏈風(fēng)險(xiǎn)一旦出現(xiàn)，就會(huì)對整個(gè)供應(yīng)鏈系統(tǒng)產(chǎn)生巨大影響，并波及供應(yīng)鏈上下游企業(yè)，“三鹿奶粉事件”就是一個(gè)典型的例證。因此，供應(yīng)鏈風(fēng)險(xiǎn)管理逐漸被學(xué)術(shù)界和產(chǎn)業(yè)界所重視。由于供應(yīng)鏈風(fēng)險(xiǎn)管理屬于較新的領(lǐng)域，相關(guān)文獻(xiàn)及風(fēng)險(xiǎn)評價(jià)模型較少。歸納起來，具有代表性的方法主要有遺傳算法、[1]模糊因素分析法、[2]人工智能推理分析法、[3]條件風(fēng)險(xiǎn)價(jià)值法（Conditional Value at Risk，CVAR）、[4]供應(yīng)鏈運(yùn)作參考模型（Supply-Chain Operations Reference Model，SCOR）。[5]對現(xiàn)有文獻(xiàn)的研究發(fā)現(xiàn)，由于現(xiàn)有供應(yīng)鏈評價(jià)模型未能很好地將定性分析與定量分析相結(jié)合，所得到的分析結(jié)果往往與實(shí)際不相吻合，具有一定的局限性。[6]因?yàn)楣?yīng)鏈風(fēng)險(xiǎn)由多個(gè)風(fēng)險(xiǎn)復(fù)合構(gòu)成，且各種風(fēng)險(xiǎn)產(chǎn)生的根源并不相同，采用單一方法很難對風(fēng)險(xiǎn)進(jìn)行準(zhǔn)確的計(jì)量和預(yù)評估。為更加準(zhǔn)確地計(jì)量供應(yīng)鏈風(fēng)險(xiǎn)，使分析結(jié)果貼近實(shí)際，在定量分析的基礎(chǔ)上加入定性分析，可能是一種行之有效的方法。為此，可利用供應(yīng)鏈風(fēng)險(xiǎn)指標(biāo)體系建立基于BP神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)模型來計(jì)量評估供應(yīng)鏈風(fēng)險(xiǎn)。

二、供應(yīng)鏈風(fēng)險(xiǎn)的界定與指標(biāo)體系的建立

1.供應(yīng)鏈風(fēng)險(xiǎn)的界定

截至目前，對于風(fēng)險(xiǎn)的定義，尚無統(tǒng)一的說法。在衡量供應(yīng)鏈風(fēng)險(xiǎn)時(shí)可采用多數(shù)企業(yè)理解的風(fēng)險(xiǎn)概念，即將風(fēng)險(xiǎn)視為違紀(jì)，是能給企業(yè)帶來損失的一種情況。供應(yīng)鏈風(fēng)險(xiǎn)是特定領(lǐng)域的風(fēng)險(xiǎn)，指供應(yīng)鏈企業(yè)在運(yùn)營過程中，因參與主體眾多以及跨地域、跨環(huán)節(jié)的特點(diǎn)，使其容易受到來自供應(yīng)鏈外部和內(nèi)部各種不利因素的影響，致使供應(yīng)鏈企業(yè)實(shí)際收益與預(yù)期收益存在偏差的可能性。[7]可見，供應(yīng)鏈風(fēng)險(xiǎn)主要來自兩個(gè)方面：一是來源于供應(yīng)鏈相關(guān)領(lǐng)域的行業(yè)風(fēng)險(xiǎn)；二是來源于企業(yè)本身的經(jīng)營風(fēng)險(xiǎn)。[8]為更好地確定風(fēng)險(xiǎn)，從商業(yè)活動(dòng)層面對供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)指標(biāo)進(jìn)行選取很有意義。

2.供應(yīng)鏈風(fēng)險(xiǎn)指標(biāo)的選取

（1）供應(yīng)鏈行業(yè)風(fēng)險(xiǎn)。供應(yīng)鏈行業(yè)風(fēng)險(xiǎn)指某一供應(yīng)鏈內(nèi)與經(jīng)營相關(guān)的風(fēng)險(xiǎn)，主要包括三類：一是生命周期階段風(fēng)險(xiǎn)。因不同生命周期階段對供應(yīng)鏈影響不同而給供應(yīng)鏈帶來的風(fēng)險(xiǎn)。二是波動(dòng)性風(fēng)險(xiǎn)。供應(yīng)鏈可分為波動(dòng)性供應(yīng)鏈和非波動(dòng)性供應(yīng)鏈兩類，波動(dòng)性供應(yīng)鏈所涉及的行業(yè)具有較大的不穩(wěn)定性，其計(jì)劃協(xié)調(diào)更加困難。三是集中程度風(fēng)險(xiǎn)。企業(yè)集中程度不同，其供應(yīng)鏈風(fēng)險(xiǎn)不同，在一個(gè)供應(yīng)鏈中處于主導(dǎo)地位的企業(yè)集中程度越高，所面臨的供應(yīng)鏈風(fēng)險(xiǎn)越小。而那些依附于集中程度高的企業(yè)的寄生企業(yè)，主要是為主導(dǎo)企業(yè)服務(wù)的，其集中程度很小，供應(yīng)鏈風(fēng)險(xiǎn)很大。

（2）供應(yīng)鏈經(jīng)營風(fēng)險(xiǎn)。供應(yīng)鏈經(jīng)營風(fēng)險(xiǎn)是供應(yīng)鏈上各個(gè)企業(yè)因戰(zhàn)略不當(dāng)、資源不足、經(jīng)濟(jì)環(huán)境或競爭環(huán)境變化不能達(dá)到預(yù)期經(jīng)營目標(biāo)而產(chǎn)生的風(fēng)險(xiǎn)。供應(yīng)鏈風(fēng)險(xiǎn)主要由九個(gè)方面的風(fēng)險(xiǎn)構(gòu)成：一是價(jià)格風(fēng)險(xiǎn)，包括利率風(fēng)險(xiǎn)、匯率風(fēng)險(xiǎn)、商品價(jià)格風(fēng)險(xiǎn)、股票價(jià)格風(fēng)險(xiǎn)；二是政治風(fēng)險(xiǎn)；三是操作風(fēng)險(xiǎn)，包括人力資源風(fēng)險(xiǎn)、技術(shù)風(fēng)險(xiǎn)、外部依賴風(fēng)險(xiǎn)、過程風(fēng)險(xiǎn)和外包風(fēng)險(xiǎn)；四是項(xiàng)目風(fēng)險(xiǎn)；五是信用風(fēng)險(xiǎn)；六是產(chǎn)品風(fēng)險(xiǎn)；七是流動(dòng)性風(fēng)險(xiǎn)；八是環(huán)境風(fēng)險(xiǎn)；九是法律風(fēng)險(xiǎn)。

3.指標(biāo)體系的構(gòu)建及指標(biāo)值的選取

根據(jù)上述分析，可以得出供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)指標(biāo)體系（表1），并將之分為兩類，即定性評價(jià)指標(biāo)和定量評價(jià)指標(biāo)。

定性評價(jià)指標(biāo)的量化可采用德爾菲法，通過專家調(diào)查問卷評估供應(yīng)鏈各節(jié)點(diǎn)企業(yè)某一指標(biāo)對供應(yīng)鏈風(fēng)險(xiǎn)的影響程度。在本模型中進(jìn)行如下假定，如果某評價(jià)指標(biāo)對企業(yè)風(fēng)險(xiǎn)的影響為正，即可減少供應(yīng)鏈風(fēng)險(xiǎn)，則評價(jià)值設(shè)為1；如果為負(fù)，即此指標(biāo)對供應(yīng)鏈會(huì)產(chǎn)生不利影響，則評價(jià)值設(shè)為0；如果此指標(biāo)與供應(yīng)鏈風(fēng)險(xiǎn)無關(guān)，則評價(jià)值設(shè)為0.5。

定量評價(jià)指標(biāo)本身是可以量化的，這些指標(biāo)數(shù)據(jù)可以通過不同的渠道獲得。

三、基于BP神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)的構(gòu)建

供應(yīng)鏈風(fēng)險(xiǎn)指標(biāo)體系中不僅存在可以量化的指標(biāo)，還存在基于專家評估得到的非量化指標(biāo)，而且這些指標(biāo)之間的關(guān)系及評價(jià)結(jié)果為非線性相關(guān)，因此很難對供應(yīng)鏈節(jié)點(diǎn)風(fēng)險(xiǎn)進(jìn)行較為準(zhǔn)確的評價(jià)。為此，神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)模型以BP算法（即誤差反向傳播算法，是一種神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)算法）為依據(jù)，按有導(dǎo)師學(xué)習(xí)方式進(jìn)行訓(xùn)練，即利用神經(jīng)網(wǎng)絡(luò)并行結(jié)構(gòu)與并行處理的特點(diǎn)，將通過傳統(tǒng)計(jì)算機(jī)得到的信息存入神經(jīng)網(wǎng)絡(luò)的各個(gè)神經(jīng)元。當(dāng)需要評價(jià)供應(yīng)鏈風(fēng)險(xiǎn)時(shí)，給出網(wǎng)絡(luò)輸入，它便從已經(jīng)存入網(wǎng)絡(luò)的幾十種數(shù)據(jù)中尋找與之相配比的信息，并將各專家的觀點(diǎn)進(jìn)行容錯(cuò)處理，最終得到一個(gè)較為精確的結(jié)果。也就是神經(jīng)網(wǎng)絡(luò)通過輸入值與期望輸出值的比較，根據(jù)兩者之間的差的函數(shù)來調(diào)整神經(jīng)網(wǎng)絡(luò)各層的連接權(quán)值和各個(gè)神經(jīng)元的閾值，最終使誤差函數(shù)達(dá)到最小。其調(diào)整過程由后向前進(jìn)行，稱為誤差反向傳播BP算法。[9]

1.基于BP思想的專家系統(tǒng)

基于BP神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)與傳統(tǒng)專家系統(tǒng)相比特點(diǎn)如下：

（1）由于經(jīng)濟(jì)活動(dòng)中有很多知識不能用完全數(shù)學(xué)方程表達(dá)，即使用條件概率密度表達(dá)也存在一定困難，如果機(jī)械地將經(jīng)濟(jì)管理問題套入明顯的規(guī)則當(dāng)中就會(huì)導(dǎo)致結(jié)果的畸變。而基于BP神經(jīng)網(wǎng)絡(luò)的專家系統(tǒng)，只需對形成某種決策或作出某種判斷具有足夠的經(jīng)驗(yàn)（訓(xùn)練對）即可，可憑借網(wǎng)絡(luò)的自我學(xué)習(xí)能力將專家的經(jīng)驗(yàn)自動(dòng)存儲(chǔ)到權(quán)矩陣中。

（2）現(xiàn)實(shí)活動(dòng)中規(guī)則數(shù)量相當(dāng)多，指標(biāo)體系中各因素相互影響，利用傳統(tǒng)專家系統(tǒng)難以進(jìn)行推理，加之知識庫中規(guī)則太多，容易導(dǎo)致傳統(tǒng)專家系統(tǒng)中推理的前后矛盾，因?yàn)閭鹘y(tǒng)專家系統(tǒng)缺乏自我學(xué)習(xí)的能力。而BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)具有很好的自我耦合能力，可以通過訓(xùn)練對的不斷增加，提高自我學(xué)習(xí)能力。

2.基于BP算法的神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的結(jié)構(gòu)設(shè)計(jì)

（1）輸入層。供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)專家系統(tǒng)的網(wǎng)絡(luò)輸入包括影響供應(yīng)鏈風(fēng)險(xiǎn)的15項(xiàng)參數(shù)（見表1），因此輸入層的節(jié)點(diǎn)數(shù)為15。對于評判標(biāo)準(zhǔn)，可采用等差數(shù)列計(jì)分法（見表2），即若干熟悉此領(lǐng)域的專家根據(jù)自己的經(jīng)驗(yàn)就各參數(shù)對供應(yīng)鏈風(fēng)險(xiǎn)的影響程度進(jìn)行打分。

（2）隱含層。當(dāng)前學(xué)術(shù)界尚無比較權(quán)威的方法對隱含層節(jié)點(diǎn)個(gè)數(shù)進(jìn)行準(zhǔn)確界定，較為有效的經(jīng)驗(yàn)是不斷對網(wǎng)絡(luò)進(jìn)行訓(xùn)練，通過誤差分析來逐步增減隱含層的神經(jīng)元數(shù)目，直至得到滿意的性能。[10]本文中BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)目的確定采用幾何金字塔算法（Geometric Pyramid Rule），即從輸入層到輸出層的神經(jīng)元數(shù)目逐漸減少，呈金字塔結(jié)構(gòu)（見圖1）。若輸入層和輸出層神經(jīng)元數(shù)目分別為n和m，則隱含層神經(jīng)元數(shù)目為

（3）輸出層。輸出層節(jié)點(diǎn)數(shù)設(shè)為 3，分別用 y1、y2、y3表示供應(yīng)鏈風(fēng)險(xiǎn)高、風(fēng)險(xiǎn)不詳、風(fēng)險(xiǎn)低三種情況（見表3）。

3.基于BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)具體步驟

表1 供應(yīng)鏈風(fēng)險(xiǎn)指標(biāo)評價(jià)體系表

表2 供應(yīng)鏈風(fēng)險(xiǎn)專家評價(jià)表

表3 神經(jīng)網(wǎng)絡(luò)輸出評價(jià)矩陣

圖1 幾何金字塔算法結(jié)構(gòu)圖

步驟1：初始化神經(jīng)網(wǎng)絡(luò)權(quán)值并給定隨機(jī)的權(quán)矩陣W、學(xué)習(xí)信號φ。在三層BP神經(jīng)網(wǎng)絡(luò)中，權(quán)值共分為兩個(gè)部分：一部分為輸入層到隱含層的連接權(quán)值vij；另一部分是隱含層到輸出層的連接權(quán)值wjk。其中，i、j、k分別代表輸入層、隱含層、輸出層神經(jīng)元節(jié)點(diǎn)。

步驟2：確定訓(xùn)練樣本，即給出n個(gè)訓(xùn)練函數(shù)（X1，T1）…（Xp，Tp）…（Xn，Tn）。對于每一個(gè)輸入學(xué)習(xí)樣本，輸入向量Xp是專家根據(jù)供應(yīng)鏈風(fēng)險(xiǎn)指標(biāo)評價(jià)體系表并結(jié)合自己經(jīng)驗(yàn)給出的客觀評價(jià)。這些指標(biāo)以量化的形式給出。

步驟3：將輸入樣本向量Xp代入BP神經(jīng)網(wǎng)絡(luò)，計(jì)算yj=f（Wj，Xp）。其中，Wj代表W矩陣的第j行，f（·）為轉(zhuǎn)移函數(shù)（Transfer Function）。

步驟6：如果誤差不滿足預(yù)期，則返回第2步，向網(wǎng)絡(luò)遞加一個(gè)模式對，直到n個(gè)模式對循環(huán)一遍，再進(jìn)行第6步。若E

步驟7：經(jīng)過網(wǎng)絡(luò)訓(xùn)練，最后網(wǎng)絡(luò)達(dá)到穩(wěn)定。向經(jīng)過訓(xùn)練的神經(jīng)網(wǎng)絡(luò)輸入專家評價(jià)向量Xn+1，得到網(wǎng)絡(luò)輸出值Tn+1，從而得出待分析供應(yīng)鏈的風(fēng)險(xiǎn)等級。

步驟8：供應(yīng)鏈風(fēng)險(xiǎn)等級評估結(jié)果出來之后，由輸出層開始對網(wǎng)絡(luò)權(quán)值wjk和vij進(jìn)行逐層分析。若要分析輸出層節(jié)點(diǎn)k的影響因素，首先在網(wǎng)絡(luò)權(quán)值wjk中查找凈輸入較大的值，判斷出影響輸出層節(jié)點(diǎn)k的隱含層節(jié)點(diǎn)j。然后，在網(wǎng)絡(luò)權(quán)值vij中查找凈輸入較大的值，判斷出影響隱含層節(jié)點(diǎn)j的輸入層節(jié)點(diǎn)i。最終，經(jīng)過鏈條分析，找到輸出層節(jié)點(diǎn)k的主要影響因素（即供應(yīng)鏈風(fēng)險(xiǎn)的主要影響因素），實(shí)施供應(yīng)鏈風(fēng)險(xiǎn)管理。

4.應(yīng)用試驗(yàn)

在研究中，課題組根據(jù)設(shè)計(jì)好的調(diào)查問卷，首先邀請15位專家在4個(gè)不同的時(shí)點(diǎn)，對影響乳品供應(yīng)鏈的15項(xiàng)參數(shù)進(jìn)行分析，并對照供應(yīng)鏈風(fēng)險(xiǎn)專家評價(jià)表（表2）進(jìn)行評價(jià)打分，得到60組評價(jià)值。同時(shí)，判斷該供應(yīng)鏈風(fēng)險(xiǎn)情況，獲得輸入向量（xi1，xi2，…，xij，…，xi15）和輸出向量（T1，T2，…，Ti，…，T15）。其中，i=1，2，…，60；j=1，2，…，15。然后，將專家打分結(jié)果作為學(xué)習(xí)樣本代入該網(wǎng)絡(luò)模型進(jìn)行訓(xùn)練，最終達(dá)到穩(wěn)定。試驗(yàn)?zāi)康脑谟趯⒒贐P神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)結(jié)果與專家評價(jià)結(jié)果進(jìn)行對比，最終證明BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)中的有效性。

基于BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)的供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)模型的結(jié)構(gòu)，可假定輸入層、隱含層、輸出層所對應(yīng)的節(jié)點(diǎn)個(gè)數(shù)分別為15、8、3（見圖2）。其中，初始網(wǎng)絡(luò)權(quán)值為隨機(jī)取值，學(xué)習(xí)信號φ=0.005。在60組專家評價(jià)值中隨機(jī)提取50組作為訓(xùn)練樣本，其余10組作為檢驗(yàn)樣本。利用BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)對50組樣本進(jìn)行訓(xùn)練，待網(wǎng)絡(luò)收斂達(dá)到穩(wěn)定后，把10組檢驗(yàn)樣本代入訓(xùn)練好的網(wǎng)絡(luò)，得到實(shí)際輸出值，并與期望輸出值進(jìn)行對比分析。試驗(yàn)結(jié)果見表4。

圖2 神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)拓片

表4 網(wǎng)絡(luò)輸出結(jié)果與期望結(jié)果比較

從實(shí)驗(yàn)結(jié)果可以看出，BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)對供應(yīng)鏈風(fēng)險(xiǎn)高低的評價(jià)結(jié)果與期望結(jié)果（專家實(shí)際評價(jià)結(jié)果）非常接近，而對風(fēng)險(xiǎn)程度不祥的評價(jià)結(jié)果與期望結(jié)果相差較大。這是由于所選指標(biāo)不能很好地解釋所選取的供應(yīng)鏈，有經(jīng)驗(yàn)的專家和財(cái)務(wù)工作者也不能判斷出供應(yīng)鏈風(fēng)險(xiǎn)的高低，因此對風(fēng)險(xiǎn)程度不詳?shù)脑\斷率很低。

在BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)達(dá)到穩(wěn)定后，對網(wǎng)絡(luò)權(quán)值進(jìn)行提取，以便通過分析網(wǎng)絡(luò)權(quán)值，提取影響供應(yīng)鏈風(fēng)險(xiǎn)的主要因素，為進(jìn)行相應(yīng)的供應(yīng)鏈風(fēng)險(xiǎn)管理提供依據(jù)。圖2僅畫出了對風(fēng)險(xiǎn)較高情況具有重要意義（指影響程度大）的權(quán)值，其他權(quán)值沒有畫出。由圖2可見，隱含層節(jié)點(diǎn)1和節(jié)點(diǎn)2的輸出對作出該診斷起著決定性作用，因?yàn)橹挥羞@兩個(gè)隱含層節(jié)點(diǎn)與輸出層節(jié)點(diǎn)1的連接權(quán)值為正數(shù)，其余均為負(fù)數(shù)。圖2還表明，輸入層節(jié)點(diǎn)1、節(jié)點(diǎn)2、節(jié)點(diǎn)3、節(jié)點(diǎn)4對隱含層節(jié)點(diǎn)2影響很大。這就告訴我們，節(jié)點(diǎn)1、節(jié)點(diǎn)2、節(jié)點(diǎn)3、節(jié)點(diǎn)4所代表的情況與參數(shù)是評價(jià)供應(yīng)鏈風(fēng)險(xiǎn)高低的主要依據(jù)。這與各位專家的認(rèn)識是一致的。拓片還表明，影響供應(yīng)鏈風(fēng)險(xiǎn)判斷的因素在網(wǎng)絡(luò)中很復(fù)雜，而且相互交叉、相互依存。但通過BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)權(quán)值分析，人們不難從權(quán)值的大小和正負(fù)來分析其對評價(jià)結(jié)果最終的影響程度，這也是傳統(tǒng)專家系統(tǒng)與單一神經(jīng)網(wǎng)絡(luò)無法做到的。

四、結(jié)論

基于BP神經(jīng)網(wǎng)絡(luò)理論與專家系統(tǒng)思想建立供應(yīng)鏈風(fēng)險(xiǎn)評價(jià)模型，利用BP神經(jīng)網(wǎng)絡(luò)的自學(xué)習(xí)特征，在訓(xùn)練過程中對權(quán)值進(jìn)行不斷修正，使網(wǎng)絡(luò)實(shí)際輸出向量逐漸接近期望輸出值，最后通過算例對神經(jīng)網(wǎng)絡(luò)權(quán)矩陣進(jìn)行分析，不但能利用專家系統(tǒng)判斷出供應(yīng)鏈風(fēng)險(xiǎn)的高低，還可通過權(quán)矩陣分析出影響供應(yīng)鏈風(fēng)險(xiǎn)的主要因素。因此我們可以得到結(jié)論：基于BP神經(jīng)網(wǎng)絡(luò)建立的專家系統(tǒng)風(fēng)險(xiǎn)模型，能對供應(yīng)鏈風(fēng)險(xiǎn)作出較為準(zhǔn)確的評價(jià)。因此可以推斷，BP神經(jīng)網(wǎng)絡(luò)專家系統(tǒng)在供應(yīng)鏈風(fēng)險(xiǎn)研究及應(yīng)用中具有較大的發(fā)展?jié)摿Α?/p>

＊本文系國家自然科學(xué)基金“大宗農(nóng)產(chǎn)品供應(yīng)鏈協(xié)作定價(jià)繼承機(jī)制理論與模型研究”（項(xiàng)目編號：70672117）的研究成果之一。

[1]賈燕，王潤孝，楊波.基于遺傳算法的供應(yīng)鏈中風(fēng)險(xiǎn)問題的研究[J].中國機(jī)械工程，2001（1）：90-93.

[2]丁偉東.供應(yīng)鏈風(fēng)險(xiǎn)研究[J].中國安全科學(xué)學(xué)報(bào)，2003（4）：64-66.

[3]付玉.基于案例推理的供應(yīng)鏈風(fēng)險(xiǎn)估計(jì)方法[J].預(yù)測，2005（1）：56-58.

[4]吳軍，汪壽陽.CVAR與供應(yīng)鏈的風(fēng)險(xiǎn)管理[C].中國運(yùn)籌學(xué)會(huì)第七屆學(xué)術(shù)交流會(huì)論文集，2004：152-158.

[5]馬林.基于SCOR模型的供應(yīng)鏈風(fēng)險(xiǎn)識別評估與一體化管理研究[D].杭州：浙江大學(xué)博士論文，2005：126-130.

[6]A.Paulo，E.Ferreira，C.Coelho，L.S.Pereira.Drought Class Transition Analysis Through Markov and Log Linear Models，An Approach to Early Warning[J].Agricultural Water Management，2005，77（1-3）：70-91.

[7]劉永勝，王燕.基于供應(yīng)鏈管理的企業(yè)物流風(fēng)險(xiǎn)預(yù)警機(jī)制研究[J].經(jīng)濟(jì)問題，2009（9）：78-80.

[8]中國會(huì)計(jì)師協(xié)會(huì).公司戰(zhàn)略與風(fēng)險(xiǎn)管理[M].北京：經(jīng)濟(jì)科學(xué)出版社，2008：214-218.

[9]王文成.神經(jīng)網(wǎng)絡(luò)及其在汽車工程中的應(yīng)用[M].北京：北京理工大學(xué)出版社，1998：65-83.

[10]Zedeh A G，et al.Neural-Network-Based Fuzzy Logic Control and Decision System[J].IEEE Transactions on Computers，1991，40（12）：1320-1336.