BP神經(jīng)網(wǎng)絡視角下我國油企技術創(chuàng)新效率分析

□ 文/鐘書麗 楊洋 高慶欣 余曉鐘

改革開放以來我國經(jīng)濟得到飛速發(fā)展，油氣需求量不斷攀升，國內(nèi)產(chǎn)能無法滿足消費需求。截至2018年，我國石油對外依存度已逼近70%，天然氣對外依存度超過40%，超過美國成為世界第一大石油進口國。隨著“一帶一路”戰(zhàn)略推進，我國石油企業(yè)要實現(xiàn)與富油國經(jīng)貿(mào)合作，勢必與跨國石油公司展開競爭，沒有強大的技術實力是難以取勝的。石油屬于技術和資金密集型行業(yè)，技術進步和創(chuàng)新對減少油氣勘探開發(fā)與生產(chǎn)建設成本、安全成本、環(huán)境成本，以及提升開采效率和油品質(zhì)量都是至關重要的。

本文以我國三大石油公司為研究對象，運用BP神經(jīng)網(wǎng)絡模型，從投入和產(chǎn)出兩個角度選取指標體系，采用專家意見法和層次分析法確定指標及其權重，評價了三大石油公司技術創(chuàng)新效率高低。研究表明，我國三大石油公司技術創(chuàng)新效率處于中等略偏上水平并呈上升趨勢，仍有極大提升空間。

一、效率評價指標體系理論來源

經(jīng)濟學家熊彼特首次提出技術創(chuàng)新理論，創(chuàng)新過程就是新生產(chǎn)函數(shù)確立過程，這包括5項內(nèi)容：引進新產(chǎn)品、引入新技術、開辟新市場、獲取新材料、采取新的企業(yè)組織形式。布朗（W.B.Brown）等提出創(chuàng)新目標、創(chuàng)新階段和決策輸入變量對技術創(chuàng)新的預測和評價。英國經(jīng)濟學家法瑞爾（Farrell）1957年在《生產(chǎn)效率度量》一文中從“投入”和“產(chǎn)出”角度，指出技術效率是在規(guī)模報酬不變條件下生產(chǎn)單位產(chǎn)品最小可能投入與實際投入的比率最理想狀況。國內(nèi)專家學者認為，企業(yè)技術創(chuàng)新效率是企業(yè)技術創(chuàng)新資源投入與產(chǎn)出的比率，反映了技術創(chuàng)新資源對技術創(chuàng)新產(chǎn)出的貢獻。傅家驥教授基于中國國情創(chuàng)造性提出技術創(chuàng)新理論；馬寧、官建成等學者通過調(diào)查研究，確立了企業(yè)技術創(chuàng)新效率指標影響因素。而對我國石油公司技術創(chuàng)新的研究還處于成長階段。其中，丁浩、張星臣將石油企業(yè)特點融入技術進步模型中，建立了能夠用于測算油田技術進步貢獻率的模型和方法；羅東坤、閆娜根據(jù)石油行業(yè)科技創(chuàng)新效率特點，采用非參數(shù)估計方法將石油企業(yè)研發(fā)投入的經(jīng)濟效益，作為企業(yè)科研投入資金規(guī)模的決策條件。技術創(chuàng)新效率評價指標確立因評價主體、評價角度、評價對象差異而不同，所以沒有形成一個學界公認的評價指標準則，且在測量過程中存在人為因素影響過大情況。總的來說，石油企業(yè)的技術創(chuàng)新效率，還存在很大研究空間。20世紀40年代，心理學家Mc Culloch和數(shù)學家Pitts合作首次提出神經(jīng)計算數(shù)學模型即M-P模型，1986年Rumelhart提出BP算法，極大地推進了神經(jīng)網(wǎng)絡的發(fā)展。1986年錢學森主編的論文集《關于思維科學》，介紹了神經(jīng)網(wǎng)絡方面的研究成果，在國內(nèi)學術界引起極大反響，之后BP神經(jīng)網(wǎng)絡廣泛應用于各學科研究。

為此，石油企業(yè)技術創(chuàng)新效率評價指標體系的構(gòu)建，要考慮石油企業(yè)的特殊性，需將其特點融入評價體系。指標選擇過程中要兼顧數(shù)量恰當、分層明確，指標設計時要考慮數(shù)據(jù)收集的難易程度及完整性。因而本文將設計好的指標體系做成調(diào)查問卷，以網(wǎng)絡調(diào)查問卷形式發(fā)給行業(yè)專家、從業(yè)人員及研究機構(gòu)，征詢意見并對各指標重要性進行排序，并在綜合各專家意見后選擇10個定量數(shù)據(jù)指標。

二、BP神經(jīng)網(wǎng)絡評價模型基本原理

人工神經(jīng)網(wǎng)絡（Artificial Neural Networks 簡稱 ANN）是一種模仿動物神經(jīng)網(wǎng)絡行為特征，進行分布式并行信息處理的算法數(shù)學模型。它依靠系統(tǒng)復雜程度，通過調(diào)整內(nèi)部大量節(jié)點之間相互連接的關系處理信息。BP神經(jīng)網(wǎng)絡（Back-Propagation Network）是一種誤差反向傳播算法的多層前饋神經(jīng)網(wǎng)絡，一般分為輸入層、隱含層和輸出層3個層次，它能夠?qū)W習和儲存大量輸入—輸出模式，而不需要確定描述這種關系的數(shù)學方程。其工作原理是訓練學習得到實際輸出值與期望輸出值之間的誤差值，識別誤差并通過反向傳播反饋到輸入層，以此不斷調(diào)整和修正神經(jīng)網(wǎng)絡權值，最后得到誤差在可接受范圍的輸出值。

圖1 石油企業(yè)技術創(chuàng)新效率評價定量指標

BP神經(jīng)網(wǎng)絡自學習能力和非線性映射能力、對任意函數(shù)的逼近能力、并行計算能力和容錯能力，為本文非線性指標數(shù)據(jù)模擬提供了有力保障。

三、BP神經(jīng)網(wǎng)絡模型在石油企業(yè)技術創(chuàng)新效率評價中的應用

第一，確立訓練組和仿真組。將中國石油、中國石化和中國海油2007—2013年數(shù)據(jù)訓練組輸入向量p，由層次分析法（AHP）確立的權重得到各年指標期望值作為導師向量t。然后對所有數(shù)據(jù)歸一化處理備用，圖1為已經(jīng)確定好的訓練組輸入向量p、仿真數(shù)據(jù)組p_test和期望輸出向量t。第二，確定隱含層的節(jié)點數(shù)。通過訓練時間和識別率來判斷節(jié)點數(shù)的選擇是否合適，在實際操作過程中采取經(jīng)驗公式或者與作為參考，其中m為輸出神經(jīng)元數(shù)，n為輸入神經(jīng)元數(shù)，為[1,10]之間的常數(shù)。本文10個指標作為輸入層向量，輸出層為1個，經(jīng)過反復多次訓練來比較隱含層的節(jié)點數(shù)對結(jié)果影響的誤差值，選擇使最終整體誤差值最小的N作為隱含層神經(jīng)元的個數(shù)。第三，確定網(wǎng)絡訓練的方法和具體代碼。調(diào)用BP神經(jīng)網(wǎng)絡函數(shù)newff，設置輸入層輸入向量p，期望輸出向量t，隱含層神經(jīng)元個數(shù)為4個，采用10-4-1結(jié)構(gòu)。中間隱含層采用tansig函數(shù)，輸出層采用purelin函數(shù)，采用標準的梯度下降算法trainlm,目標誤差為0.00001，誤差顯示步長25，最大訓練步長數(shù)6000步。訓練結(jié)果gradient是誤差曲面的梯度，當梯度達到0.0000942時，訓練結(jié)束。Mu是算法里面的一個參數(shù)，Performance是Mean Squared Error（均方誤差），0.0145是初始值，訓練過程迭代得到0.000000123，小于目標值0.00001，訓練過程結(jié)束。第四，測試數(shù)據(jù)。比較BP神經(jīng)網(wǎng)絡訓練的實際輸出值與導師向量，誤差在可接受范圍之內(nèi)，該網(wǎng)絡可以用于仿真測試。對三大石油企業(yè)2014—2015年數(shù)據(jù)p_test進行逐一仿真，得到如表1結(jié)果。

表1 p_test仿真結(jié)果

四、評價結(jié)果分析

根據(jù)國內(nèi)外專家學者對技術創(chuàng)新效率評價等級劃分，可分為高（0.8-1）、較高（0.6-0.8）、中等（0.4-0.6）、較低（0.2-0.4）、低（0-0.2）幾檔。將測試結(jié)果結(jié)合評價等級，可以得出三大石油公司技術創(chuàng)新效率處于中上水平，并且2007—2015年技術創(chuàng)新效率呈持續(xù)上升趨勢。三大公司成立時間相近，從企業(yè)規(guī)模和綜合實力來看，中國石油排名第一，中國石化緊隨其后，中國海油排名第三。三大石油公司之間的技術創(chuàng)新效率差距源于企業(yè)規(guī)模、研發(fā)資金投入及企業(yè)擁有的高素質(zhì)人才數(shù)量，印證了著名的“熊彼特創(chuàng)新”假說。基于動態(tài)視角，認為企業(yè)規(guī)模與企業(yè)技術創(chuàng)新績效呈正相關。

國外石油企業(yè)將贏得國際市場的突破點放在核心技術、首創(chuàng)技術應用和推廣上。我國石油企業(yè)科技成果轉(zhuǎn)化率約為35%，國外大型跨國石油企業(yè)如BP、殼牌、雪佛龍、康菲、?？松梨诘葹?0%-80%；我國石油企業(yè)科技進步對經(jīng)濟增長貢獻率為35%-50%，國外公司為80%?？梢?，我國石油公司技術創(chuàng)新效率仍有較大提升空間。

從研究結(jié)果來看，我國石油公司技術創(chuàng)新效率雖然有所提升，但還需要創(chuàng)造性地學習和借鑒國外先進管理方式方法，加大技術研發(fā)投入，引進高素質(zhì)人才，創(chuàng)建高水平的技術研發(fā)團隊，并與國內(nèi)外科技公司、科研機構(gòu)及高校達成合作協(xié)議，聯(lián)合攻克技術難關；企業(yè)內(nèi)部要加強自身建設，重視科技人才，完善人才招聘培訓機制，建立科學的崗位管理制度和激勵制度；企業(yè)員工要樹立創(chuàng)新意識，將創(chuàng)新融入企業(yè)文化；企業(yè)要充分了解市場需求，促進研發(fā)成果轉(zhuǎn)化、推廣和應用，努力提高技術創(chuàng)新對企業(yè)盈利的貢獻率。