基于BP神經(jīng)網(wǎng)絡的甘肅地質(zhì)災害防治產(chǎn)業(yè)化預測

金 梅，蔣 芳，劉照艷，何 莉，黎柏宏(蘭州交通大學，甘肅 蘭州 730070)

基于BP神經(jīng)網(wǎng)絡的甘肅地質(zhì)災害防治產(chǎn)業(yè)化預測

金 梅，蔣 芳，劉照艷，何 莉，黎柏宏
(蘭州交通大學，甘肅 蘭州 730070)

本文運用BP神經(jīng)網(wǎng)絡模型，選取甘肅46家地質(zhì)災害防治企業(yè)作為樣本，研究該模型在地質(zhì)災害防治產(chǎn)業(yè)化預測中的適用性，并在此基礎上預測了甘肅地質(zhì)災害防治產(chǎn)業(yè)化水平，以期對今后該產(chǎn)業(yè)的發(fā)展和政策制定提供依據(jù)。

BP神經(jīng)網(wǎng)絡模型；地質(zhì)災害防治；產(chǎn)業(yè)化預測

甘肅是地質(zhì)災害易發(fā)地區(qū)，地質(zhì)災害的發(fā)生使人們的生命安全受到威脅，并帶來財產(chǎn)損失。應對地質(zhì)災害的有效措施主要是預防和治理相結合，并逐漸形成產(chǎn)業(yè)化發(fā)展趨勢，以減輕或防止災害的發(fā)生[1-2]。目前，甘肅地質(zhì)災害防治工作取得了較好的成績，但該行業(yè)發(fā)展緩慢制約著產(chǎn)業(yè)化進程，如何科學合理的進行產(chǎn)業(yè)化預測對甘肅地質(zhì)災害防治產(chǎn)業(yè)化的發(fā)展非常重要。

1 地質(zhì)災害防治產(chǎn)業(yè)化

關于地質(zhì)災害防治產(chǎn)業(yè)化的研究比較少，目前對其沒有明確的定義[2]，本文將其內(nèi)涵進行界定：地質(zhì)災害防治產(chǎn)業(yè)化是指在地質(zhì)災害防治企業(yè)或組織較成熟的基礎上，進一步發(fā)展成為集約、科技、產(chǎn)業(yè)結構合理的規(guī)?；a(chǎn)業(yè)。地質(zhì)災害防治產(chǎn)業(yè)化要求包含地質(zhì)災害防治的各個流程——勘察、評估、設計、施工及監(jiān)理，均達到市場化，形成完整的產(chǎn)業(yè)鏈條。

根據(jù)現(xiàn)有文獻資料，預測產(chǎn)業(yè)化發(fā)展趨勢的方法主要有定性分析和定量分析兩類。定性分析主要有五力模型和SWOT分析等，但受主觀因素影響較大；定量預測的方法有回歸預測和灰色系統(tǒng)預測模型(GM(1,1)模型)，但這兩種方法都需要預先知道預測對象的數(shù)學模型[3]。目前預測方法研究的一個重要內(nèi)容是神經(jīng)網(wǎng)絡預測模型，該方法克服了建立模型及參數(shù)估計的困難，通過模型訓練出網(wǎng)絡就可以較為準確的描述輸入與輸出向量之間的映射關系。本文運用該模型來預測甘肅省地質(zhì)災害防治產(chǎn)業(yè)化的發(fā)展趨勢。

2 BP神經(jīng)網(wǎng)絡模型的建立

2.1 模型簡介

1986年，BP神經(jīng)網(wǎng)絡由Rumelhart和McCelland為首的科學家小組提出，是目前應用較為廣泛的神經(jīng)網(wǎng)絡模型之一。該方法模擬人的思維，學習和存貯大量的輸入-輸出模式映射關系，通過學習和檢驗找到研究對象的普遍適用規(guī)律，然后輸入新的一組數(shù)據(jù)獲得預測結果。BP神經(jīng)網(wǎng)絡模型包括輸入層、隱含層和輸出層，模型運用時，在確定了初始權重和學習精度后，用學習樣本依次訓練神經(jīng)網(wǎng)絡，通過誤差計算模型確定網(wǎng)絡的穩(wěn)定性，網(wǎng)絡達到穩(wěn)定，訓練結束；然后向達到穩(wěn)定的神經(jīng)網(wǎng)絡輸入檢驗樣本，判斷模型預測結果的準確性；最后運用該神經(jīng)網(wǎng)絡，由輸入向量得出待預測的輸出向量，完成模型的實際應用。

2.2 研究對象和數(shù)據(jù)說明

本文選取甘肅46家地質(zhì)災害防治企業(yè)為研究對象。在進行模型適用性分析時，選取輸入指標為企業(yè)區(qū)位、注冊資金和企業(yè)自然年齡，輸出指標為企業(yè)資質(zhì)、從業(yè)人員數(shù)量、從業(yè)人員素質(zhì)、設備數(shù)量和項目數(shù)量。八類指標中，企業(yè)區(qū)位、企業(yè)資質(zhì)和從業(yè)人員素質(zhì)屬于定性指標，其余為定量指標。為了實現(xiàn)預測的準確性和可靠性，本文對定性指標和定量指標均進行量化處理，歸一化過程見公式1。

(1)

其中：X′——某類指標歸一化后的得分，取值范圍為(0，1];

X——該類指標未歸一化的得分；

XMAX——該類指標未歸一化得分中的最大值。

(1)企業(yè)區(qū)位

企業(yè)區(qū)位是具有區(qū)位優(yōu)勢的地點，區(qū)位優(yōu)勢主要包括地理位置、交通、勞動力、工業(yè)聚集和自然資源等綜合優(yōu)勢。本文以企業(yè)所在市為區(qū)位選擇，以2015年甘肅各市(州)生產(chǎn)總值為量化標準進行數(shù)據(jù)處理，用企業(yè)所在市(州)的生產(chǎn)總值作為該指標未歸一化的得分。

(2)企業(yè)自然年齡

企業(yè)的自然年齡反映了企業(yè)存在時間的長短，本文用企業(yè)自成立之初到2015年12月的月份數(shù)來表示企業(yè)的自然年齡，作為企業(yè)自然年齡指標未歸一化的得分。

(3)注冊資金

注冊資金是企業(yè)在成立時的資金價值，本文用居民消費價格指數(shù)來消除價格水平隨時間變動導致的對數(shù)據(jù)分析的影響，將各個企業(yè)的注冊資金換算到2015年進行研究，作為注冊資金指標未歸一化的得分。

(4)企業(yè)資質(zhì)

我國對地質(zhì)災害防治企業(yè)實行資質(zhì)管理。企業(yè)資質(zhì)一般分為甲級、乙級和丙級等三個級別。本文對企業(yè)資質(zhì)按照等級的不同進行賦值，級別越高，賦予的分值越高，通過計算企業(yè)所擁有的三個級別的資質(zhì)得分得到該指標未歸一化的得分。

(5)從業(yè)人員數(shù)量

本文統(tǒng)計了46家企業(yè)截止到2015年所擁有的高級、中級和初級從業(yè)人員的總數(shù)量，用企業(yè)擁有的從業(yè)人員數(shù)量的總和作為該企業(yè)從業(yè)人員數(shù)量指標未歸一化的得分。

(6)從業(yè)人員素質(zhì)

從業(yè)人員素質(zhì)是指該人員所具有的專業(yè)職稱，一般分為高級、中級和初級等三個等級。本文按照企業(yè)資質(zhì)得分數(shù)據(jù)處理的過程對從業(yè)人員素質(zhì)進行相同的數(shù)據(jù)處理。

(7)企業(yè)設備數(shù)量

企業(yè)設備數(shù)量是指該企業(yè)擁有的與地質(zhì)災害防治工程相關設備的數(shù)量，用各類設備的數(shù)量總和作為該指標未歸一化的得分。

(8)項目數(shù)量

即企業(yè)近三年內(nèi)承擔過中型(含)以上地質(zhì)災害治理工程施工項目的數(shù)量，用該數(shù)量的大小作為企業(yè)項目數(shù)量指標未歸一化的得分。

(9)企業(yè)總得分

本文運用專家評分法*專家評分法的主要步驟：首先確定評價指標；然后選擇專家對評價指標進行重要性排序并賦值，確定各個指標的分值，評價指標的總得分為1；最后將各個專家的評分進行匯總，計算評價指標的幾何平均數(shù)作為該指標的權重。將企業(yè)資質(zhì)、技術人員職稱、技術人員數(shù)量、項目數(shù)量和設備數(shù)量等五個輸出指標賦予權重計算得出未歸一化的企業(yè)總得分。

確定權重的方法主要有三大類：一類是主觀賦權法，如德爾菲法、層次分析法、專家評分法和環(huán)比評分法；一類是客觀賦權法，如CRITIC方法、離差最大化法、標準差法、和熵權法；還有一類是組合賦權法，如多屬性決策組合賦權的線性目標規(guī)劃法[5]。其中主觀權重系數(shù)主要依靠個人的經(jīng)驗，客觀性較差；客觀權重系數(shù)是對客觀事實分析整理得出的系數(shù)，客觀性較好；組合賦值法兼顧指標的客觀屬性和主觀屬性，使主觀與客觀達到統(tǒng)一[6-7]。

2.3 模型適用性分析

模型包括兩個階段，第一個階段為學習階段，第二個階段為檢驗階段。在本文的46個樣本中，隨機選取23個企業(yè)作為學習階段樣本數(shù)據(jù)，其余樣本作為檢驗階段樣本數(shù)據(jù)，評估模型在產(chǎn)業(yè)化預測中的適用性。

本文以三個投入指標的得分作為輸入向量，以五個產(chǎn)出指標的得分作為輸出向量。借鑒馮霞等人的研究，用企業(yè)總得分這個指標進行地質(zhì)災害防治產(chǎn)業(yè)化前景等級區(qū)間的劃分(表1)[7]。

表1 產(chǎn)業(yè)化前景等級區(qū)間Table 1 Industry foreground level

CCC為最低產(chǎn)業(yè)化前景等級，AAA為最高產(chǎn)業(yè)化前景等級。將46家企業(yè)的總得分作為產(chǎn)業(yè)化評估得分，劃分到各個等級區(qū)間以備模型檢驗。

按照模型的分析步驟，本文選取MATLAB系統(tǒng)默認的學習率0.01進行運行。選取的學習率要易于預測和系統(tǒng)保持穩(wěn)定，較大的學習率會影響系統(tǒng)的穩(wěn)定性，較小的學習率又會使得網(wǎng)絡訓練周期較長。學習率一般通過觀察誤差下降曲線來判斷，學習率偏大時曲線振蕩較大，學習率比較適合時曲線呈現(xiàn)出較快的下降趨勢。本文MATLAB訓練誤差結果見圖1，藍色線代表訓練，綠色線代表驗證，紅色線代表測試。本次共進行17次檢驗，在紅線與綠線相交處為訓練最佳效果，訓練結束，最佳效果為11次，誤差最小為10-2。

圖1 MATLAB訓練誤差結果Fig.1 Training Error Results of MATLAB

將訓練程序應用到檢測樣本中，得到實際得分區(qū)間與程序運行得分區(qū)間(表2)。

表2 部分樣本實際輸出與期望輸出對比Table 2 Comparison between the actual output and the expected output of the sample

根據(jù)表2的實際輸出與程序期望輸出結果可知，本文構建的分析指標體系比較有效，BP神經(jīng)網(wǎng)絡評估系統(tǒng)能夠很好的對地質(zhì)災害產(chǎn)業(yè)化現(xiàn)狀進行評估，并可以對產(chǎn)業(yè)化前景做出較為準確的預測*說明：由于樣本數(shù)量有限，可能會出現(xiàn)偏差較大的情況，后文將明顯偏差點去除后進行了分析。。

3 實證分析

3.1 甘肅地質(zhì)災害防治產(chǎn)業(yè)化預測分析

為了更真實、準確的描述甘肅全省以及各市(州)地質(zhì)災害防治產(chǎn)業(yè)化的發(fā)展前景，本文對46家企業(yè)全部進行了階段性預測(5年為一階段，共三階段)。剔除兩家偏差較大的企業(yè)后，對剩余44家地質(zhì)災害防治企業(yè)的總得分進行分析，并預測這些企業(yè)未來15年的期望得分，預測結果見表3。

表3 甘肅省分地區(qū)地質(zhì)災害產(chǎn)業(yè)化前景預測等級Table 3 Forecast level of geological hazards in gansu province

由定量分析可知，目前甘肅地質(zhì)災害防治產(chǎn)業(yè)化水平為B級；在現(xiàn)有要素投入下，全省15年后綜合得分為0.431 4，提升了0.077 7，產(chǎn)業(yè)化等級上升到BB級。在預測的8個市(州)中，產(chǎn)業(yè)化水平得分呈現(xiàn)上升趨勢的有5個，分別為蘭州市、隴南市、平?jīng)鍪?、張掖市和臨夏市；下降的為武威市；基本保持平穩(wěn)的為定西市。甘肅44家地質(zhì)災害防治企業(yè)主要分布在蘭州市、天水市、平?jīng)鍪?、隴南市、張掖市、定西市、武威市和臨夏回族自治州，其中有24家企業(yè)集中分布在蘭州市。44家企業(yè)的預測等級多數(shù)處于B級、BB級和BBB級的中等水平，少部分企業(yè)處于C級以下的等級，極少數(shù)企業(yè)處于A級以上的等級；多數(shù)企業(yè)的預測等級在未來時間里保持了相對的穩(wěn)定性和一致性，個別企業(yè)出現(xiàn)小幅度預測等級變動的現(xiàn)象。

甘肅省地質(zhì)災害產(chǎn)業(yè)化發(fā)展整體緩慢，且產(chǎn)業(yè)化前景等級處于中級，發(fā)展水平比較落后。

3.2 國有和非公企業(yè)預測分析

本文通過計算國有和非公企業(yè)的預測得分來判斷其產(chǎn)業(yè)化發(fā)展態(tài)勢，二者的產(chǎn)業(yè)化前景發(fā)展趨勢見圖2、圖3。

圖2 國有企業(yè)產(chǎn)業(yè)化前景預測Fig.2 Forecast of the industrialization of state owned enterprises

根據(jù)圖2的數(shù)據(jù)，國有企業(yè)一年后的預測得分有所下降，但之后整體表現(xiàn)為上升趨勢，尤其2017年后開始穩(wěn)步提升，有較好的發(fā)展勢頭。

圖3 非公企業(yè)產(chǎn)業(yè)化前景預測Fig.3 Prediction of non-public enterprises industry prospects

圖3表示非公企業(yè)的產(chǎn)業(yè)化預測平均得分趨勢，相比于國有企業(yè)的平均得分趨勢，非公企業(yè)的得分趨勢變化速度更快，尤其在2021年后有了大幅度提升。

在統(tǒng)計的21家國有企業(yè)中，預測得分呈下降趨勢的有20家，占到了國有企業(yè)總數(shù)的95%。而在23家非公有制企業(yè)中，有14家非公有制企業(yè)的預測權重得分呈上升趨勢，9家非公有制企業(yè)的預測權重得分呈下降趨勢，呈上升趨勢的非公有制企業(yè)占非公有制企業(yè)總數(shù)的61%。

3.3 從業(yè)人員素質(zhì)預測分析

為了研究甘肅在未來某個時點達到某一產(chǎn)業(yè)化前景等級時從業(yè)人員應滿足的要求，本文以定量預測得出的一年后和五年后的企業(yè)得分為發(fā)展目標，根據(jù)上文從業(yè)人員得分的算法進行倒推，得到企業(yè)得分增加值中從業(yè)人員素質(zhì)提升帶來的增長率，進而回歸到原始從業(yè)人員素質(zhì)標準，得出該企業(yè)在某時點的預測職稱得分增加值，并根據(jù)預測職稱得分增加值這一量化的指標推測在未來產(chǎn)業(yè)化發(fā)展對從業(yè)人員素質(zhì)的要求*說明：預測職稱數(shù)據(jù)的增加值受原企業(yè)人員的職稱得分影響較大，在數(shù)據(jù)上會表現(xiàn)為較大的負值。。甘肅各地區(qū)從業(yè)人員素質(zhì)預測得分見表4。

表4 甘肅各地區(qū)從業(yè)人員素質(zhì)預測得分Table 4 Quality forecast of employees in Gansu

由表4可知，未來一年甘肅省及各市(州)的地質(zhì)災害防治產(chǎn)業(yè)化水平基本維持原等級，五年后等級有一定的提升。從職稱預測得分增加值來看，未來一年從業(yè)人員職稱預測得分增加值均為正值且增加幅度較大，在未來五年從業(yè)人員職稱得分的增加值出現(xiàn)負值且增幅較小。未來一年，要維持現(xiàn)有的產(chǎn)業(yè)化水平等級，在保持設備和投入資金等要素不變的情況下，需要加大對從業(yè)人員素質(zhì)的提升力度。

3.4 企業(yè)資質(zhì)預測分析

按照企業(yè)從業(yè)人員素質(zhì)預測分析的方法，本文將企業(yè)資質(zhì)得分也進行倒推，得到企業(yè)得分增加值中企業(yè)資質(zhì)提升帶來的增長率，進而回歸到原始的企業(yè)資質(zhì)，得出該企業(yè)在某時點的預測資質(zhì)得分增加值，根據(jù)預測資質(zhì)得分增加值這一量化的指標推測在未來產(chǎn)業(yè)化發(fā)展對企業(yè)資質(zhì)的要求。

表5為甘肅各地區(qū)企業(yè)資質(zhì)在五年內(nèi)的預測得分平均增加值。企業(yè)資質(zhì)是對一個企業(yè)的綜合評價，從表中數(shù)據(jù)可知，目前甘肅及各市(州)的企業(yè)資質(zhì)得分均較低，且未來一年和五年地質(zhì)災害防治產(chǎn)業(yè)化預測等級均無較大程度的提升，未來一年和五年的企業(yè)資質(zhì)得分增加值也較小。整體上，企業(yè)資質(zhì)得分的增加值較小，產(chǎn)業(yè)預測等級的變動幅度也較小。

表5 甘肅各地區(qū)企業(yè)資質(zhì)預測得分Table 5 Forecast of business intelligence in Gansu

4 基本結論

本文運用BP神經(jīng)網(wǎng)絡模型預測了甘肅地質(zhì)災害防治產(chǎn)業(yè)化的發(fā)展趨勢，通過對44家企業(yè)的實證分析得出以下結論：

(1)甘肅地質(zhì)災害防治產(chǎn)業(yè)化前景等級為B級，發(fā)展水平較落后。若現(xiàn)存企業(yè)以當前的技術、人員、設備和資金等的投入，按照已有模式進行發(fā)展，未來十五年內(nèi)甘肅地質(zhì)災害防治產(chǎn)業(yè)化水平將保持這一水平不變，整體發(fā)展比較緩慢。

(2)區(qū)位分布不均衡。甘肅各市(州)地質(zhì)災害防治產(chǎn)業(yè)化發(fā)展都較緩慢且產(chǎn)業(yè)化水平低，地質(zhì)災害防治企業(yè)主要集中分布在蘭州市和天水市。這兩個地區(qū)在經(jīng)濟、基礎設施和社會條件等方面具有比較優(yōu)勢，為地質(zhì)災害防治產(chǎn)業(yè)的發(fā)展提供便利條件。不合理的布局容易產(chǎn)生集群效應，但也會導致無序競爭和利潤低下，不利于全省地質(zhì)災害防治工作的協(xié)同發(fā)展。

(3)非公企業(yè)地質(zhì)災害防治產(chǎn)業(yè)化發(fā)展具有優(yōu)勢。甘肅地質(zhì)災害防治企業(yè)中，相對于國有企業(yè)比較穩(wěn)定的發(fā)展，非公企業(yè)發(fā)展勢頭較為迅猛。

(4)企業(yè)投入要素與地質(zhì)災害防治產(chǎn)業(yè)化發(fā)展不匹配。甘肅地質(zhì)災害防治企業(yè)資質(zhì)整體偏低，從業(yè)人員素質(zhì)良莠不齊，較低的技術人員占比、較大的專業(yè)人員方向偏差和作業(yè)設備不齊全等問題使得甘肅災害防治應急工作不夠及時、高效和全面，地質(zhì)災害防治工程技術普及率較低，技術較為落后。

[1] 李迎新. 地質(zhì)災害分類與防治[J]. 西部探礦工程,2009(4):42-46. LI Yingxin. Classification and prevention of geological hazards [J]. Western Exploration Engineering, 2009(4):42-46.

[2] 劉傳正. 關于地質(zhì)災害防治中兩個問題的認識[J]. 中國地質(zhì)災害與防治學報,2015,26(3):1-2. LIU Chuanzheng. The understanding of the two problems in the prevention and control of geological disasters [J]. Journal of Geological Hazards and Prevention of China, 2015,26(3):1-2.

[3] 朱清,余振國. 地質(zhì)災害治理的產(chǎn)業(yè)化分析[J]. 中國地質(zhì)災害與防治學報,2011,22(4):112-116. ZHU Qing, YU Zhenguo. Industry analysis of geological disaster control[J]. The Chinese Journal of Geological Hazard and Control, 2011,24(4):112-116.

[4] 李代紅. 基于BP神經(jīng)網(wǎng)絡和GM(1,1)的我國三次產(chǎn)業(yè)預測[J]. 統(tǒng)計與決策,2014(7):81-83. LI Daihong. Based on the BP neural network and GM (1,1) of China’s three industry forecast [J]. Statistics and Decision Making, 2014(7):81-83.

[5] 徐澤水,達慶利. 多屬性決策的組合賦權方法研究[J]. 中國管理科學,2002(2):85-88. XU Zeshui, DA Qingli. Study on combination weighting method of multiple attribute decision making[J]. Chinese Management Science, 2002(2):85-88.

[6] 羅赟騫,夏靖波,陳天平. 網(wǎng)絡性能評估中客觀權重確定方法比較[J]. 計算機應用,2009,10:2624-2626+2631. LUO Yunqian, XIA Jingbo, CHEN Tianping. Comparison of objective weight determination methodsin network performance evaluation [J]. Computer Application,2009,10:2624-2626+2631.

[7] 裴學軍. 專家評分評價法及應用[J]. 哈爾濱鐵道科技,2000(1):32. PEI Xuejun. Expert evaluation method and its application [J]. Harbin Railway Science and Technology, 2000(1):32.

[8] 馮霞,徐晉. 基于神經(jīng)網(wǎng)絡的布圖設計產(chǎn)業(yè)化前景評估[J]. 系統(tǒng)工程與電子技術,2006(7):1020-1023. FENG Xia, XU Jin. Based on neural network to evaluate the industrial prospect of the layout design[J]. System Engineering and Electronic Technology, 2006(7):1020-1023.

Forecast of the industrialization of geological hazard prevention and control in Gansu Province based on BP neural network

JIN Mei，JIANG Fang，LIU Zhaoyan，HE Li，LI Bohong
(LanzhouJiaotongUniversity，Lanzhou，Gansu730070,China)

This paper uses BP neural network model,selecting 46 enterprises of geological hazard prevention and control as a sample,to research on the applicability of BP neural network model in forecast of the industrialization of geological hazard prevention and control.Then the level of geological hazard prevention and control in Gansu province is forecasted to support the future development of the industry and policy-making.

BP neural network model;geological disaster prevention and control;industrialization forecast

2016-06-17;

2016-11-30

金 梅(1969-)，女，博士，教授，主要從事區(qū)域經(jīng)濟理論與實踐的研究工作。E-mail:2512952759@qq.com

10.16031/j.cnki.issn.1003-8035.2017.02.21

P642

A

1003-8035(2017)02-0150-06