基于概率神經(jīng)網(wǎng)絡(luò)法的采購風(fēng)險評估模型

秦童童

[摘 要]文章基于概率神經(jīng)網(wǎng)絡(luò)的方法建立采購風(fēng)險識別的模型。結(jié)果表明：當(dāng)模型中的SPREAD數(shù)值為0.4時，模型的RMSE的誤差為0.91。采用30例新數(shù)據(jù)進(jìn)行測試，模型識別出最主要的采購風(fēng)險為管理程序理解不到位、采購預(yù)算計劃不詳細(xì)及采購可選擇的合格供方范圍窄等風(fēng)險。根據(jù)此目前存在的風(fēng)險類型提出了相應(yīng)的改進(jìn)措施。該模型為采購風(fēng)險識別提供了一套新方法和新思路。

[關(guān)鍵詞]部隊采購;風(fēng)險識別;RMSE;SPREAD

[DOI]10.13939/j.cnki.zgsc.2019.35.172

1 引言

政府采購是指我國政府采購為了滿足日常的辦公需求，依照相應(yīng)的法律或者程序進(jìn)行購買的行為。部隊采購是政府采購的常規(guī)項目之一，是確保我國安全的必要保證[1]。對于政府采購項目中的風(fēng)險，我國學(xué)者進(jìn)行了一系列的研究和分析[2-4]。劉俊等人立足于政府采購招標(biāo)過程中法律法規(guī)體系不完善、采購模式不完善、采購人才隊伍匱乏等現(xiàn)象，提出了建立配套的法律法規(guī)、完善采購模式及強化采購過程中的人才隊伍[2]。孫榕等人基于高效現(xiàn)狀，提出了完善高效政府采購管理，加強風(fēng)險防控監(jiān)督的措施[3]。王小謙等人針對我國政府采購實施公開招標(biāo)管理提出了發(fā)展措施[4]。風(fēng)險管理是一個決策過程，可通過風(fēng)險識別、風(fēng)險評估和選擇實現(xiàn)優(yōu)化現(xiàn)有采購過程來提高采購的效率，并針對采購過程中的風(fēng)險提出相應(yīng)防范和控制措施，減少或者降低采購過程中的損失。風(fēng)險識別是部隊采購風(fēng)險控制中的重要課題，更是部隊采購學(xué)者研究和努力的方向之一。目前，大多數(shù)學(xué)者通過實驗法進(jìn)行統(tǒng)計和分析，耗費一定的人力和財力，但其分析結(jié)果卻因存在一定的誤差而不能滿足現(xiàn)階段風(fēng)險識別的要求。概率神經(jīng)網(wǎng)絡(luò)（簡稱PNN）是Bayes與Parzen相結(jié)合的神經(jīng)網(wǎng)絡(luò)統(tǒng)計方法中的一種，其網(wǎng)絡(luò)具有突破“網(wǎng)絡(luò)結(jié)構(gòu)全部極小值”的特點，尤其適用于典型分類評估和識別問題。本文采用概率神經(jīng)網(wǎng)絡(luò)法對采購中的風(fēng)險類型進(jìn)行建模，識別出采購過程中的主要風(fēng)險類型，并針對性地提出相應(yīng)的措施，為提高采購效率、降低采購成本提供指導(dǎo)意義。

2 實驗

目前，采購過程中存在對采購管理程序理解不到位、采購預(yù)算計劃不詳細(xì)、采購產(chǎn)品的周期長及采購可選擇的合格供方范圍窄等[3-5]風(fēng)險。針對風(fēng)險內(nèi)容，統(tǒng)計出典型的采購案例，并按照相應(yīng)的采購風(fēng)險控制程序進(jìn)行過程評估，并將采購參數(shù)帶入PNN網(wǎng)絡(luò)中進(jìn)行分類和評估，并有針對性地提出相應(yīng)的措施。圖1為采購風(fēng)險識別模型的PNN模型示意圖，該模型主要由輸入層、隱含層、求和層、輸出層四部分組成。模型運算精度主要由分布密度SPREAD函數(shù)控制，當(dāng)SPREAD逼近0時，該模型為最佳臨近分類器;當(dāng)SPREAD的值最大時，它構(gòu)成對幾個訓(xùn)練樣本的臨界分類器。因此，研究和確定SPREAD數(shù)值成為建模的關(guān)鍵。當(dāng)建立模型后，隨后用30例新采購數(shù)據(jù)進(jìn)行檢測，評價模型的準(zhǔn)確性。

3 結(jié)果與討論

3.1 模型構(gòu)建

采用試錯法對輸入的各采購案例進(jìn)行采購風(fēng)險識別建模，以常規(guī)的RMSE（均方誤差）數(shù)值結(jié)果來評價模型精度 [5]。SPREAD數(shù)值在0.1～0.9進(jìn)行對應(yīng)的RMSE數(shù)值如圖2所示。從圖2可見，當(dāng)構(gòu)建的采購風(fēng)險識別模型中SPREAD數(shù)值為0.4時，模型的RMSE數(shù)值為0. 91時，所構(gòu)建的PNN網(wǎng)絡(luò)模型誤差最小。出現(xiàn)模型誤差是因為PNN網(wǎng)絡(luò)模型算法設(shè)計中存在一定的出入，此外建模過程中的設(shè)備也存在一定誤差，從而最終導(dǎo)致模型出現(xiàn)最終的誤差結(jié)果。

3.2 模型應(yīng)用

采用30例新數(shù)據(jù)對建立的采購風(fēng)險模型進(jìn)行測試，其測試結(jié)果數(shù)據(jù)如圖3所示。從圖3可見，檢測模型的風(fēng)險主要分析在第Ⅰ、Ⅱ及Ⅳ之間，即對應(yīng)的風(fēng)險主要為管理程序理解不到位、采購預(yù)算計劃不詳細(xì)及采購可選擇的合格供方范圍窄等。針對管理程序理解不到位的風(fēng)險，應(yīng)加深采購程序和制度的學(xué)習(xí)，對每條制度和程序進(jìn)行互動交流，必要時邀請采購專家進(jìn)行授課和針對性的回答問題;針對采購預(yù)算計劃不詳細(xì)的風(fēng)險，應(yīng)根據(jù)采購法律和法規(guī)提前梳理采購過程中的資金預(yù)算的梳理，提前做好采購項目的論證和所有數(shù)據(jù)的收集，確保采購項目資金預(yù)算的充分合理;針對采購科選擇的合格供方范圍窄等風(fēng)險，應(yīng)充分對采購合格供方單位進(jìn)行調(diào)研和梳理，對于滿足供方的單位進(jìn)行實地考察和評價，增加合格供應(yīng)方的名錄。該模型為采購中存在的風(fēng)險識別提供了一套新方法和新思路。

4 結(jié)論

本文基于概率神經(jīng)網(wǎng)絡(luò)法建立采購風(fēng)險識別模型。模型中SPREAD數(shù)值為0.4時，模型RMSE數(shù)值最小。管理程序理解不到位、采購預(yù)算計劃不詳細(xì)及采購可選擇的合格供方范圍窄等風(fēng)險是目前采購過程中的主要風(fēng)險，可通過對采購程序和制度的學(xué)習(xí)和互動交流，提前梳理采購過程中的資金預(yù)算和數(shù)據(jù)的收集，充分對采購合格供方單位進(jìn)行調(diào)研和梳理，增加合格供應(yīng)方的名錄的方法來降低風(fēng)險。該模型為采購存在風(fēng)險的識別提供了一套新方法和新思路。

參考文獻(xiàn)：

[1] 宋河發(fā)，張思重.自主創(chuàng)新政府采購政策系統(tǒng)構(gòu)建與發(fā)展研究 [J]. 科學(xué)學(xué)研究 ，2014，32（11）：1639-1645.

[2] 劉俊.政府采購招投標(biāo)管理研究[J].中國經(jīng)貿(mào)，2018（23）：112-113.

[3] 孫榕.完善高校政府采購管理，加強風(fēng)險防控監(jiān)督[J].卷宗，2018（13）：148-149.

[4] 王小謙.政府采購中實施招投標(biāo)管理的促進(jìn)措施[J].人力資源管理，2017， 9（7）： 489-490.

[5]李國勇.神經(jīng)模糊控制理論及應(yīng)用[M].北京：電子工業(yè)出版社， 2009： 18-67.