游海燕[1]2004年在《基于BP原理的指标体系建立模型方法研究》文中认为指标体系的建立是进行预测或评价研究的前提和基础,所谓指标体系的构建是将抽象的研究对象按照其本质属性和特征的某一方面标识分解成为具有行为化、可操作化的层次结构,并对指标体系中每一指标赋予相应的权重的过程。随着预测及评价研究的不断深入,指标体系构建的理论和方法不断发展,但由于预测、评价研究对象的复杂,人们在预测、评价过程中价值观的影响,指标的选择和指标权重的确立始终存在着“漂移值”。本课题基于现代管理技术观,运用系统工程理论,采用“工程化”研究方法,在对以往建立指标体系理论、方法、指标体系选择及影响因素全面分析基础上,研究探讨了指标体系的层次数、指标层次的出度、指标的独立性要求、指标体系建立的原则及程序等。在此基础上,提出了指标选择的专家量化的有效性、可靠性分析模型,解决构建指标体系过程中,指标的可靠性、有效性问题,强化了指标体系的可信度。应用神经网络BP算法超前的学习、记忆、纠错功能,把专家思维结果通过建立网络,转换为网络的变结构调节过程来模拟专家群体意识(认识)和构建专家的思维网络,提高了整个专家组对研究对象的判别功能,优化了指标权重的科学性与客观性,减少由于专家价值观不同带来的“漂移值”。应用本课题提出的指标筛选方法,对指标体系进行了取舍和优选。编制了相应的数据处理软件,使本课题研究具有了优化、模拟、简便快捷的功能。最后,对模型方法进行了实证研究,取得满意效果。
张志强[2]2016年在《基于组合赋权的供应链应收账款融资BP风险评价模型》文中认为供应链金融是以解决中小企业融资难为目标的创新性金融产品,有效缓解了中小企业融资难融资贵。供应链金融的核心内容供应链融资发展非常迅速,供应链融资主要包括应收账款融资、融通仓融资和保兑仓融资叁种模式。时常发生的供应链融资骗贷事件不仅造成难以估量的经济损失和社会影响,也给供应链融资业务带来巨大的负面效应,同时在供应链融资的发展过程中存在实践应用领先于理论研究的情形,供应链融资风险研究较为薄弱。因此,本文以供应链应收账款融资为研究对象,主要从风险评价指标体系建立、评价指标权重衡量以及评价模型推广应用叁个方面进行研究。具体内容如下:(1)建立供应链应收账款融资风险指标体系。通过广泛阅读相关文献和咨询行业专家初步得到5个一级指标,11个二级指标,42个具体指标的指标体系;基于Wind中国企业库和咨询企业管理人员收集51条供应链应收账款融资数据;利用stata软件对51条样本数据进行相关性分析和敏感性分析分别删除9个和7个具体指标,最终得到5个一级指标和26个具体指标的指标体系。(2)确定供应链应收账款融资风险指标的组合权重。为保证指标权重的优越性,本文采用主客观组合赋权法确定融资风险指标权重。主观赋权法收集七位行业专家的指标权重打分,利用yaahp软件计算专家的AHP权重,matlab计算FAHP权重,对比结果认为FAHP的计算结果优于AHP;客观赋权法介绍熵权法及部分改进的熵权法,通过文献分析认为本文的数据预处理方法和计算较多指标权重能够克服熵值微小差异造成权重成倍波动这一问题,利用熵权法可得到较为理想的指标客观权重;主客观赋权法组合比重的确定是以风险评价值最小和最大熵原理为目标建立的比重计算模型,利用FAHP和熵权法的权重计算结果求出两种赋权法的比重并最终求得组合权重,实例验证组合权重优于赋权法单独使用;最后利用组合权重加权相乘得到51个样本的风险值。(3)建立基于BP训练权重和阈值的风险评估模型。为提高本文组合权重评估模型的便捷性,建立基于BP训练权重和阈值的风险评估模型实现优势互补。采用实验的方法确定BP训练模型的网络层次、输入层和输出层节点数、各层传递函数、训练函数、隐含层节点数、学习速率等,建立基于BP训练权重和阈值的正向计算评估模型,以组合权重风险评价值为期望输出对评估模型进行检验,检验结果表明BP评价模型完全能够达到供应链应收账款融资风险评定的误差要求,可在今后评价中小企业应收账款融资的过程中推广应用。本文所构建的供应链应收账款BP风险评价模型能够较好地衡量供应链应收账款融资行为的风险水平,为金融机构开展此项业务提供一定的参考依据。
徐伟[3]2010年在《基于信用评分模型的民营企业信用评级研究》文中研究表明在整个国民经济中,民营企业数量众多,对我国社会和经济发展、在就业、税收、国民财富以及丰富人们物质与精神生活方面做出了巨大的贡献。但是民营企业在其自身发展过程中也遇到很多的困难,其中最棘手的问题就是融资问题。民营企业要发展壮大,必须要有强大的资本做后盾,而民营企业与国有企业相比,其规模较小、管理不规范、技术水平低等而被信贷机构认为其信用等级差。而贷不到款,因而严重制约了民营企业的发展,而实务中却发现许多民营企业的违约率甚至低于国有企业。因此,构建适合我国国情的民营企业信用评分模型具有重要意义。本文的研究目的是在借鉴个人信用评分模型的研究成果上,通过改造将信用评分模型应用于我国民营企业的信用评级。所采取的方法是在定性分析的基础上进行定量分析,按照数据挖掘的CRISP-DM数据挖掘过程模型建模。具体通过Clementine数据挖掘分析软件建立Logistic模型、BP神经网络模型和RBF神经网络模型这3个单一阶段信用评分模型;以及由Logistic模型分别与BP神经网络、RBF神经网络相结合的方式所建立的混合2阶段信用评分模型,并比较分析所建立的5个模型的预测效果。通过比较分析得到的最终结果表明:Logistic-RBF混合2阶段模型从模型的预测准确度、模型的稳健性以及拓扑结构角度上综合考虑是最优的。
史一通[4]2018年在《基于BP神经网络的城市区域火灾风险评估模型研究》文中认为随着城市化进程的加快以及城市火灾所造成的危害日趋严重,研究城市火灾风险评估成为了一项重要的课题。为了更加客观的对城市区域火灾的安全风险进行评估,并且对区域的火灾风险进行预测,本文以成都市22个区县为目标区域,建立了城市区域火灾安全风险评估指标体系,同时搜集指标对应的所有数据并对数据进行量化和风险赋值。首先以层次分析法得出评估结果并建立基于BP神经网络的区域火灾安全风险评估的验证模型,以此验证BP神经网络用于区域火灾风险评估的可行性。接着,以城市区域的火灾所造成的经济损失率来表示区域火灾风险,并对火灾经济损失率按照一定的标准进行等级划分和赋值。在此基础上建立基于BP神经网络的城市火灾风险评估预测模型,以评估指标体系的指标数据作为网络模型的输入,以火灾经济损失率的赋值作为网络模型的输出,用成都市各个区县的火灾数据作为模型的训练样本和检验样本来驯化和检验模型,并通过不断调整模型参数来优化模型,从而得到了基于BP神经网络的城市区域火灾安全风险评估预测模型。随后为研究评估指标数量对模型精度的影响,按照评估指标对火灾风险的“贡献度”,分别取“贡献度”为80%、85%、90%、95%这四种权重占比的指标数量作为样本输入来驯化模型并对比模型的精度。最终主要得出以下4个结论:(1)通过以评估指标体系的全部指标作为样本输入,以层次分析法得出的评估值为样本输出来驯化神经网络模型,最终得到的网络模型平均预测精度为97.17%。BP神经网络训练属于有监督的学习过程,在起指导作用的输出数据可靠度较高,用神经网络建立的模型可以快速、精准的得到可靠的评估结果,97.17%的模型精度验证了用BP神经网络模型来评估区域火灾安全风险的可行性。(2)通过研究神经网络模型不同隐藏层节点对网络预测精度的影响,我们可以发现,随着网络节点数量的增加评估模型的精度现增加后减小,这验证了节点数量过少可能导致模型的学习不充分,而节点数量过多有可能导致模型过度学习,只有在恰当的隐藏层节点网络的预测精度才会最高,模型的性能才能达到最佳。(3)通过基于评估指标体系指标作为样本输入,以经济损失率赋值打分作为样本输出来驯化神经网络模型,最终得到的网络模型平均预测精度为95.03%。这说明,在选取经济损失率这一区域火灾指标来表示区域的火灾风险时,运用神经网络的方法,凭借本文建立的区域火灾安全风险评估指标体系可以以较高的精度预测到目标区域的火灾损失率情况,并可在全国范围内进行横向对比,这有助于区域宏观把控自身的火灾风险水平。(4)在采取80%评估指标作为样本输入时,网络模型的精度已经达到90%以上,随着输入指标数量的增多,驯化后的网络模型的预测精度在不断的提高,在用全部数量指标作为样本输入时,网络误差最小模型预测精度最高。这对火灾风险评估时评估指标的确定有一定的指导作用,凡是和火灾风险相关的指标都可以作为神经网络的样本输入。即使在增加指标数量的过程中,有可能会有某几个指标之间并不是相互独立的,但是神经网络模型具有较高的鲁棒性和容错性能,对于输入指标的重复信息甚至是错误信息都有较高的包容,不会对结果造成太大影响。这又证明了用BP神经网络模型来评估区域火灾安全风险的优越性,该方法可以保证指标的迭代、增加的情况下得出科学评估结果,对区域火灾安全风险评估有重大意义。
王伟[5]2007年在《科研立项评估方法和技术的研究及应用》文中认为科研立项评估一直是管理科学研究关注的重点问题之一,客观公正的科研立项评估能够保证科研工作的顺利进展,切实可行的科研立项评估能够保证科研资金得到有效利用。本文首先对科研项目立项评估的基础理论进行了阐述,包括科研立项评估中评价指标体系的作用、构建原则和方法以及指标权重的相关内容等;其次介绍了科研立项评估的常用方法并对这些方法的优缺点进行了具体分析;最后通过深入研究科研立项的评估方法,采用了基于同行评议和层次分析(AHP)的模型、网络层次分析法(ANP)模型、误差反向传播算法(BP)模型以及ANP-BP模型等四种,并将以上模型应用在科研立项评估中。在大量数据的基础上结合立项评估的具体要求,通过分析比较上述几种方法,证明了网络层次法(ANP)和误差反向传播算法(BP)相结合的ANP-BP模型在科研立项评估中具有相对优势。该方法将定性分析和定量分析相结合,减少了人为因素的在决策过程中影响,在一定程度上提高了立项评估结果的科学性、准确性和客观性,是一种较理想的立项评估方法。
熊琦[6]2014年在《云南口岸物流发展水平评价及关键因素识别方法研究》文中研究表明随着云南“桥头堡”的建设,云南边境口岸已经不仅是运输网络中的枢纽,还是经济体系中的重要环节,口岸物流也已成为带动口岸和口岸城市发展的重要因素,虽然云南口岸物流发展迅速,但受基础薄弱的制约,有一些不足待于改进,尤其是低下的口岸物流发展水平问题。云南边境口岸处于有区位优势、但物流水平偏低的状态,应有的区域优势远远没有发挥出来,本文正是在如此有区位优势但缺乏高水平的环境下提出对口岸物流发展水平进行评价。发展口岸物流可以改善腹地经济环境、优化经济结构和提高地区经济实力,国际贸易的发展离不开物流活动这个工具和桥梁,物流活动不断扩大着影响范畴,口岸物流已成为一支促进口岸及口岸腹地经济发展的重要力量。口岸发展水平评价研究有利于各口岸了解自身的发展情况,找出影响口岸物流发展水平的原因,为政府及口岸处制定合理的规划政策提供依据和建议,从而提升口岸物流发展水平,实现各口岸的资源配置的优化,带动腹地经济的发展。国内外研究港口物流发展水平的方法较多,其研究取得了一定的成果,但仍然存在一定的缺陷,在对比分析传统口岸评价方法的优劣性之后,最后提出选择层次分析法、熵权法和BP神经网络模型仿真法对口岸物流发展水平进行评价。BP网络模型在评价中,相对于其他的一些非线性的方法,最终得出的结果将更加客观,更加有效。因此,本文创新地将BP神经网络模型引入到陆运口岸发展水平评价中。本文首先构建陆运口岸物流发展水平的评价指标体系,在前人研究成果的基础上,总结提炼原有的口岸物流发展水平指标,结合陆运口岸物流运作的特点,遵循评价指标建立的原则,将指标体系分为叁层,该体系由口岸腹地经济水平、集疏运水平、口岸物流水平和口岸物流发展潜力四个方面构成,包括14个指标。其次将全国十个内陆省份的陆运口岸物流作为训练样本,建立BP神经网络模型,用AHP—熵权综合评价法计算综合评分结果作为BP神经网络模型的期望输出,证明BP神经网络模型的可行性,同时可以发现云南陆运口岸物流发展水平与其他省份间存在的差距;接着以河口口岸作为云南陆运口岸的代表来研究水平落后的原因;最后在训练好的BP神经网络模型基础上,利用MIV方法识别出口岸物流发展水平的关键因素,针对关键因素提出对策解决云南陆运口岸物流水平低的问题。
张博[7]2014年在《供应链视角下施工企业材料采购管理研究》文中提出随着国家房地产调控政策的陆续出台,施工企业之间的竞争越来越激烈,低成本策略成为施工企业的必然选择。材料成本占总成本的60%-70%,材料的质量决定了工程的质量,材料的交付期间接影响施工的工期,材料对质量、成本、工期都有重要的作用。因此材料的采购管理是施工企业必须把控的关键。将工业工程理论中的供应链思想引入到施工企业材料采购管理中,从材料的分类、材料供应商的选择、材料供应商激励机制的建立叁个方面来描述如何实现供应链视角下施工企业材料采购管理,从而达到提高采购效率、降低采购成本的目的。首先,从材料供应市场的复杂度和材料的重要性两个维度构建材料定位模型,利用材料定位模型将种类繁多的材料划分为战略性材料、关键性材料、一般材料、瓶颈材料四种,使施工企业采购部门明确需要控制的重要材料。然后,从材料质量、材料成本、供货能力与柔性、服务水平、企业信誉、网络信息化水平、供应链密切度七个方面建立评价指标体系,采用BP神经网络建立供应商选择模型,选择出合适的供应商,保证采购活动的有序开展。最后,在标准委托—代理模型的基础上加入了监督信号,建立了融激励与监督为一体的委托—代理模型,提出如何设计针对供应商的激励机制和激励途径,为采购活动的持续进行提供保证。
徐小云[8]2017年在《基于优化BP神经网络的上市公司绩效评价研究》文中进行了进一步梳理在国家大力扶持电子商务产业的背景下,深入研究B2B电子商务企业的绩效评价问题,不仅有利于提高电子商务企业经营绩效的评价水平,而且对企业的经营管理者、风险投资者以及广大股东的决策具有重大指导意义。本文在了解国内外企业绩效评价理论基础上,结合B2B电子商务上市公司的特点,建立了B2B电子商务上市公司绩效评价指标体系,用因子分析法对原始数据进行预处理,并选择BP神经网络作为本文的绩效评价方法。但BP神经网络在训练过程中可能陷入局部最优,为了弥补这种缺陷,本文引入全局搜索算法——遗传算法。在此基础上,建立了基于因子分析的GA-BP神经网络模型,并通过对比实验验证了该模型的优越性。最后,应用该模型对国内上市的B2B电子商务上市公司进行综合评价。本文的主要工作如下:首先,本文研究了国内外关于企业绩效评价的文献,提出符合B2B电子商务上市公司的绩效评价指标体系,包含财务方面和非财务方面的指标。其次,本文用因子分析法对原始数据进行降维处理,并将处理后的公共因子作为BP神经网络的输入层,达到简化网络结构,提高网络训练效率的目的;并用因子分析后的综合得分作为训练网络的目标输出值,以保证目标值的客观性,避免人为因素的影响。针对BP神经网络随机确定初始权值和阈值的缺点,利用遗传算法全局搜索功能来确定BP神经网络的最优权值和阈值,使网络所得的映射函数能够更加准确的反映出实际情况,在此基础上建立了基于因子分析的GA-BP神经网络评价模型。再次,将基于因子分析的GA-BP神经网络模型与未用因子分析优化的GA-BP神经网络模型、未用GA优化的BP神经网络模型分别进行对比实验,验证了本文所选取的评价模型的优越性。最后,根据本文建立的指标体系和构建的绩效评价模型对国内上市的B2B电子商务上市公司绩效进行综合评价,给相关管理层、投资者、筹资者以及社会公众提供参考。
鲍玉昆, 张金隆[9]2002年在《基于BP神经网络的科技项目评标模型》文中提出科技招标项目评标人的个人专业知识、经验、偏好以及对评标标准的理解都将影响评标的结果 .基于此 ,论述了基于BP神经网络评标模型的原理 ,并以新产品产业化类的科技招标项目为例 ,在建立相应评价指标体系的基础上 ,实现了基于BP神经网络的评标模型 ,对模型存在的不足进行了分析 ,为模型的改进提出了建议
陈琨[10]2009年在《基于BP神经网络的土壤适宜性评价方法研究》文中指出土壤适宜性评价的目的在于揭示土壤对不同农业用途的适宜性与限制性,为确定最适宜的用地方式提供依据。土壤的适耕性及其对作物的宜种性,是移民安置区土地整治开发与移民安置的基本条件之一,关系到安置区种植业发展方向、种植业模式、农业生产的发展水平、移民安置的数量和方式等重大问题。深入调查了解安置区内土壤的类型、性状并对其适宜性进行评价,可为移民安置区的土地利用提供科学依据。目前土壤适宜性评价实际工作所采用的传统评价方法存在一定的局限性和不合理性。因此,本文尝试将人工神经网络方法引入土壤适宜性评价,采用BP算法建立土壤适宜性评价模型并用于实际的移民安置区土壤适宜性评价,从而为土壤适宜性评价提供一种客观、准确的评价方法。本文在参阅前人研究成果的基础上,对土壤适宜性评价BP人工神经网络模型进行了叁方面的改进,其一是选择改进的L-M(Levenberg-Marquardt)学习规则作为BP神经网络训练函数,迭代循环较少次后训练误差收敛到最小,提高了网络训练速度;其二是对网络模型的专家样本(训练样本)进行了扩充,即在以国家制定的土壤质量标准所构成的训练样本的基础上,在每级临界值之间随机生成15组训练样本,从而提高了模型的鲁棒性和识别的准确性;其叁是采用基于黄金分割理论的优化算法对BP网络模型隐含层节点数进行了选优,快速确定了最优隐层节点数,从而提高了网络模型的性能。本文最终确定改进后的BP网络模型结构为9-7-1,训练均方误差为0.00033。将该模型运用于溪洛渡水电站移民安置区土壤适宜性评价,并与经验指数和法、偏最小二乘回归法的评价结果进行对比,结果表明:经验指数和法受人为主观因素影响较大,评价结果与另外两种方法的评价结果显着不同;BP神经网络的模型误差及评价误差均小于偏最小二乘回归法,即基于BP神经网络模型的土壤适宜性评价具有更高的精度。研究表明,本文建立的基于BP人工神经网络的土壤适宜性评价模型为土壤评价工作提供了一种简单、客观、实用的评价方法。
参考文献:
[1]. 基于BP原理的指标体系建立模型方法研究[D]. 游海燕. 第叁军医大学. 2004
[2]. 基于组合赋权的供应链应收账款融资BP风险评价模型[D]. 张志强. 安徽工业大学. 2016
[3]. 基于信用评分模型的民营企业信用评级研究[D]. 徐伟. 广东商学院. 2010
[4]. 基于BP神经网络的城市区域火灾风险评估模型研究[D]. 史一通. 西南交通大学. 2018
[5]. 科研立项评估方法和技术的研究及应用[D]. 王伟. 河北工程大学. 2007
[6]. 云南口岸物流发展水平评价及关键因素识别方法研究[D]. 熊琦. 云南财经大学. 2014
[7]. 供应链视角下施工企业材料采购管理研究[D]. 张博. 西安建筑科技大学. 2014
[8]. 基于优化BP神经网络的上市公司绩效评价研究[D]. 徐小云. 兰州财经大学. 2017
[9]. 基于BP神经网络的科技项目评标模型[J]. 鲍玉昆, 张金隆. 华中科技大学学报(自然科学版). 2002
[10]. 基于BP神经网络的土壤适宜性评价方法研究[D]. 陈琨. 四川农业大学. 2009
标签:数学论文; 宏观经济管理与可持续发展论文; 神经网络模型论文; 网络模型论文; 风险评价论文; 预测模型论文; 物流网络论文; 风险模型论文; 风险权重论文; 供应链论文; bp神经网络论文; bp算法论文;