低碳經濟背景下煤炭資源整合效果評價研究

宋華嶺，雷放存，譚 梅

(山東工商學院管理科學與工程學院，山東 煙臺 264005)

低碳經濟背景下煤炭資源整合效果評價研究

宋華嶺，雷放存，譚 梅

(山東工商學院管理科學與工程學院，山東 煙臺 264005)

為了對低碳經濟背景下煤炭資源整合后的效果進行評價，本文基于煤炭資源整合的模糊、隨機復雜性現實，結合模糊C均值聚類分析方法(FCM)和模糊神經網絡(FNN)評價方法，提出了“FCM-FNN”雙模糊綜合評價模型來對煤炭資源整合后的效果進行了實證分析和評價研究。根據聚類分析結果將市場上煤炭資源整合后的效果分為優、良、中、差4個等級，運用“FCM-FNN”雙模糊綜合評價模型對西山煤電集團煤炭資源整合效果進行評價，與模糊結構元理論的驗證評價結果一致，從擴大組織規模和創新管理模式兩方面提出了提高煤炭資源整合效果的建議。

低碳經濟；煤炭資源；資源整合；“FCM-FNN”雙模糊綜合評價模型

自2008年我國煤炭資源整合步入實質性階段以來，國內學者對煤炭資源整合進行了一系列的研究并取得了許多相關成果。郭云等從煤炭資源整合的經濟效益著手，分析研究了山西省煤炭資源整合的影響，并著重分析了資源整合過程中的問題和不足[1]。王兵建等從煤炭資源整合的安全風險方面著手研究并制定了企業實施資源整合的規范，使資源整合成為提高煤炭產業安全管理水平的長效機制[2]。朱亮峰等從煤炭資源整合階段的發展能力進行測度和研究，得出煤炭資源整合可以擴大煤炭企業資產規模，從而增加產出[3]。煤炭資源整合還涉及到管理和人才的整合，其整合過程面臨著巨大的管理風險和挑戰。楊曉燕依據我國煤炭企業整合初期的特點，建立了整合初期人力資源整合評價指標體系，并對人才整合效果進行了評價[4]。張慧敏從信息化角度出發分析了山西煤礦企業兼并重組對信息化建設的影響，提出運用多元數據分析投影尋蹤法建立評價模型對信息化整合完成后的效果進行評價的設想[5]。復雜性是煤炭資源整合的主要特點之一，宋華嶺等選取了3個復雜性評價域和6個復雜性因素對煤炭資源整合組織管理系統的復雜性進行評價[6]。趙國浩等則從煤炭資源整合效率的角度出發對山西煤炭資源整合企業進行了評價分析[7]。

對于煤炭企業這樣一個復雜大系統的整合效果的研究，應縱觀全局，整體把握。然而，目前關于煤炭資源整合效果的研究多僅限于單獨經濟效益的評價研究居多，而且評價方法比較單一，選取的評價指標也不夠全面，沒有對評價指標進行很好的分類。本文結合煤炭企業在低碳經濟形勢下的發展要求，構建了低碳經濟背景下煤炭資源整合效果評價指標體系；結合模糊C均值(FCM)聚類分析方法和模糊神經網絡(FNN)，建立了基于FCM-FNN的煤炭資源整合效果雙模糊評價模型，對煤炭資源整合后的效果進行了評價和分析，根據評價結果提出了相關建議。

1 低碳經濟背景下煤炭資源整合效果評價指標體系

煤炭資源整合是產業問題、經濟問題，又是社會問題、民生問題，是煤炭行業為實現可持續發展所進行的一次重大產業變革?？茖W衡量煤炭資源整合效果，需要建立一套包括社會、環境、經濟、資源等在內的系統的指標體系。本文基于低碳經濟背景和資源整合評價的目標，遵循科學性與時代性相結合、可操作性與可比性相結合、定量與定性相結合、系統完備性和動態性相結合的原則構建了煤炭資源整合效果評價指標體系(表1)。

2 低碳經濟背景下煤炭資源整合效果評價方法

煤炭資源整合，參與主客體多，交互性強，過程復雜，具有不確定性引起的模糊、隨機復雜性和因果條件不具備、信息不完備引起混沌機不可言傳的潛規則隱喻性復雜性等。包含企業的組織結構、生態環境系統、開采技術系統、生產安全等諸多系統要素。煤炭資源整合作為一個巨大的社會管理活動，諸多子系統構成的社會復雜巨系統，其在低碳經濟背景下的整合效果的影響因素分析也具備一定的復雜性，加上人類經驗知識有限的約束及指標數據的不可獲得性，決定了在低碳經濟背景下煤炭資源整合效果的評價中勢必要運用到模糊理論。

其次，運用模糊神經網絡(FNN)對市場大量數據進行訓練模仿，自適應模糊推理系統采用的是T-S模糊邏輯系統的學習過程[9]，其網絡簡化結構圖如圖1所示。圖1中的5層分別對應模糊化層、模糊推理層、歸一化層、規則生成層和解模糊層。

圖1 基于Takagi-Sugeno模型的模糊神經網絡簡化結構圖

結合誤差反向傳遞(BP)學習算法實現應用在多層神經網絡結構中，輸入信息通過正向傳播傳向輸出層，若得不到輸出層的期望輸出，就會轉入反向傳播，誤差信號原路返回，并在途中修改各層神經元的權值，實現權值的不斷修正，也即網絡學習訓練過程[10]。待神經網絡訓練穩定后，再結合模糊C均值(FCM)聚類分析的結果對西山煤電集團的煤炭資源整合效果進行評價。

最后，為了檢驗“FCM-FNN”雙模糊評價的有效性，本文創新運用郭嗣琮[11]提出的模糊結構元理論對西山煤電集團的煤炭資源整合效果進行了評價。具體評價步驟如下。

表1 煤炭資源整合效果評價指標體系

(1)

3 低碳經濟背景下煤炭資源整合效果評價實證分析

3.1 數據樣本和典型指標的選取

鑒于指標數據搜集的困難及數據完整性，本文選取至2013年中國煤炭100強企業中已經進行煤炭資源整合的，且擁有煤炭上市公司的16家煤企作為樣本；數據來源主要有《中國煤炭工業年鑒》、《中國能源統計年鑒》、網站公開發布的信息及相關企業提供的資料，或直接或通過計算獲得。

考慮到模糊神經網絡在自動獲取規則時存在著規則爆炸的情況，因此，在衡量指標數據的可獲得性及針對上述樣本有效的基礎上，從27個指標中選擇了12個指標作為模糊聚類的特征屬性參數和模糊神經網絡的輸入，分別是4個低碳技術經濟指標C1(原煤產量X1，投資利稅率X2，原煤生產人員效率X3，非煤產值比率X4)；2個低碳高效利用指標C2(煤炭資源回采率X5，原煤入洗率X6)；2個低碳清潔環保指標C3(污染物排放達標率X7，綠化系數X8)；4個低碳科技安全指標C4(研發費用率X9，機械化水平X10，安全投入比率X11，百萬噸死亡率X12)。

3.2 模糊C均值聚類

3.2.1 煤炭資源整合效果總體評價期望輸出

3.2.1.1 低碳經濟背景下煤炭資源整合效果分類

通過分別對16家煤企不同指標數形成的樣本集多次進行模糊C均值聚類算法計算，確定16家煤企可以明顯地分為4個群組。表2列出了每類整合效果的類型及各指標參數的聚類中心。

3.2.1.2 指標權重的確定

本文采用德爾菲(Delphi)法確定指標的權數，通過對10位專家意見的調查、收集、匯總分析、反饋、再調查，這樣一個反復的過程，最終采用各指標權數的均值作為該指標的權數，如表3所示。

表2 煤炭資源整合效果分類及各類效果各個指標聚類中心

表3 指標權重

3.2.1.3 低碳經濟背景下煤炭資源整合效果評語等級確定

上述指標中百萬噸死亡率是逆向指標，其余均是正向指標。采用極差法對指標數據進行歸一化處理，正向指標和負向指標的處理方法分別為式(2)和式(3)。

(2)

(3)

對4種聚類中心的指標數據進行同向無量綱化處理，并與對應的指標權數加權求和得各效果類型的綜合評分，結果如表4所示。

由表4可知，低碳經濟背景下煤炭資源整合效果可分為4種類型，確定指標權重后，結合四種聚類中心的指標數據對低碳經濟背景下煤炭資源整合的四種效果類型進行綜合評分可分為四種評語等級：優、良、中、差，其中效果類型4為優，效果類型2為良，效果類型3為中，效果類型1為差。根據綜合評分，將這四種評語等級分別賦值為：優：1；良：0.7；中：0.3；差：0。結合表2可知，16家煤炭企業在低碳經濟背景下，煤炭資源整合效果評語等級及期望輸出，見表5。

3.2.2 準則層指標評價的期望輸出

分別對低碳技術經濟指標、低碳高效利用指標、低碳清潔環保指標、低碳科技安全指標進行模糊C均值聚類，同理可確定各準則層指標的期望輸出，此處不再累述，結果如表6所示。

表4 數據同向無量綱化及綜合評分結果

表5 16個數據樣本的煤炭資源整合效果評語等級及期望輸出

表6 準則層指標評價期望輸出

3.3 模糊神經網絡模型訓練仿真

基于上述模糊C均值聚類，本文采用MATLAB中的ANFIS工具箱進行模糊神經網絡的模型訓練。在模型訓練中，共使用了5個模糊神經網絡，分別是低碳技術經濟指標評價模糊神經網絡、低碳高效利用指標評價模糊神經網絡、低碳清潔環保指標評價模糊神經網絡、低碳科技安全指標評價模糊神經網絡、煤炭資源整合效果總體評價模糊神經網絡。其中前四個模糊神經網絡為總體模糊神經網絡提供輸出數據。前四個模糊神經網絡對應的期望輸出值由表5已經給定。將E1～E14作為訓練樣本數據，最后兩組數據作為檢測樣本數據。首先對低碳技術經濟指標進行訓練仿真。

經過200次訓練后，誤差收斂到0.000 004 853 9，在訓練過程中，誤差一直在下降，如圖2和圖3所示。

然后用E15和E16作為測試樣本對低碳技術經濟指標進行測試，得出圖4結果。

圖2 訓練完成圖

圖3 訓練效果圖

圖4 實際輸出和期望輸出對比

圖5 期望輸出與實際輸出對比

圖4中實際輸出由星號標記，期望輸出由十字標記。由圖4可見測試樣本的分類準確度較高。誤差為0.021 673，達到預期的要求。

同理對低碳高效利用指標、低碳清潔環保指標、低碳科技安全指標、煤炭資源整合效果總體評價指標進行訓練仿真，并用最后兩組數據進行測試，得到實際輸出與期望輸出的誤差分別是0.025 672、0.036 998、0.012 51和0.015 496，達到預期要求。

3.4 實證檢驗

在2008年9月開始的新一輪煤炭資源整合過程中，通過淘汰落后煤企，實現優勢資源的集中，有效地提高了煤炭資源的開采率；通過注重對清潔技術的運用，實現了環境的可持續發展；煤炭企業的兼并重組，不僅延長了產業鏈，實現了煤炭企業的高效發展，也提高了企業的市場競爭力。西山煤電集團作為山西煤炭資源整合的七大主體之一，也是此次資源整合的受益者。通過整合，西山煤電的經濟效益指數如營業收入從2007年的78.02億元增長到2011年的303.72億元。產業結構不斷優化升級，循環經濟發展卓有成效，非煤產業產值由2007年的11.63億元增長至2011年的131.19億元。主要污染物指數如萬元產值二氧化硫排放量也從2007年的0.002 69 t下降到2011年的0.001 96 t。2007年到2011年西山煤電共完成礦區綠化面積43.9萬m2。

本文選取西山煤電集團作為測試樣本，對西山煤電資源整合后效果進行評價。西山煤電集團有限責任公司評價指標值如表7所示。

在評價測試中，期望初始值設為0。經過模糊神經網絡的測試，由圖5可以看出該組數據的輸出值為1，評價等級為優。

用模糊結構元對西山煤電集團的煤炭資源整合效果進行排序評價，與“FCM-FNN”雙模糊綜合評價模型評價結果相互佐證。西山煤電集團整合效果在各準則層指標下的隸屬度值以三角模糊數形式給出，如表8所示。

表7 煤炭資源整合總體評價樣本值

表8 西山煤電集團準則層因素的隸屬度

4 結論與建議

4.1 結論

1)通過對選取的典型樣本數據進行模糊聚類分析和處理可知，低碳經濟背景下的煤炭資源整合效果可以評為優、良、中、差4個等級。有些煤炭企業資源整合的效果并沒有明顯突顯出來，其原因可能取決于各煤炭企業在煤炭資源整合過程中的具體實踐，因此，對煤炭資源整合效果進行評價具有一定的現實意義。

2)在對全國范圍內選取的16家進行了煤炭資源整合的具有典型代表性的煤炭企業指標數據的收集整理基礎上，建立了模糊神經網絡并進行訓練仿真和測試，得到穩定的模糊神經網絡，最后選取西山煤電集團進行實證分析并得出西山煤電的資源整合效果為優。

3)為進一步驗證該評價模型的有效性，本文創新應用了模糊結構元理論，對西山煤電集團的煤炭資源整合效果進行評價，評價結果為優，進一步驗證了“FCM-FNN”雙模糊綜合評價模型的有效性，同時也是對模糊結構元理論的一次創新應用。

4.2 建議

1)發揮規模經濟效益，構建集約化的現代煤炭企業。在煤炭資源整合中，規模大的企業比規模小的企業整合效果更好。為了更好的發揮資源整合效果，可以從橫向擴大企業規模和縱向延伸產業鏈兩個方面著手，實現集約化生產。 一方面要完善采礦權轉讓、承包等市場交易制度及交易流程，促進那些資源效益好、技術水平高的煤企積極參與整合，淘汰落后企業；另一方面要積極突破行業壁壘，發展上下游產業，延伸產業鏈，構建集約化的現代煤企。

2)創新管理模式，創建集約精細化管理體系。煤炭資源整合在提高產業集中度的同時，帶來了大集團母子公司之間集權分權關系和管理集約化變革等重大問題。為解決這一問題，應集約化組織結構框架，使組織結構扁平化，形成人流、物流、資金流、信息流、技術創新和安全服務等業務流程集約化、精細化管理運行機制；構建業務管理專業化、集約化和園區化的體制構架；進行全方位的資產重組和流程再造，創建大集團集約—精細化創新管理體系。

[1] 郭云，張雪巖，田艷芳.山西煤炭資源整合的效果分析[J].中國市場，2011(2)：143-143.

[2] 王兵建，席國軍，張亞偉，等.基于重大事故風險評價的礦井資源整合策略研究[J].煤礦按全，2013，44(4)：224-226.

[3] 朱亮峰，朱學義.煤炭資源整合進程中的發展能力評價研究[J].中國煤炭，2013，39(4)：9-12.

[4] 楊曉燕.我國煤炭企業重組初期的人力資源整合問題研究[D].焦作: 河南理工大學,2010.

[5] 張慧敏.山西煤礦企業兼并重組的信息化整合及效果評價[D].太原：太原理工大學，2010.

[6] 宋華嶺，王傳鵬，李春蕾.煤炭資源整合組織管理系統復雜性評價及實證研究[J].中國礦業，2012，21(3)：13-18.

[7] 趙國浩，王嘉雯.基于DEA的山西煤炭資源整合過程中的企業績效評價研究[J].能源與節能，2011(6)：6-10.

[8] 高新波.模糊聚類分析及其應用[M].西安：西安電子科技大學出版社，2003：49-53.

[9] 顧秀萍.自適應神經模糊推理系統(ANFIS)及其仿真[J].火力與指揮控制，2010，35(2)：48-49，53.

[10] 劉曙光，鄭崇勛，劉明遠.前饋神經網絡中的反向傳播算法及其改進：進展與展望[J].計算機科學，1996，23(1)：76-79.

[11] 郭嗣琮.模糊分析中的結構元方法(Ⅰ)[J].遼寧工程技術大學學報，2002，21(5)：670-673.

Evaluate effects of integration of coal resource under the background of low carbon economy

SONG Hualing，LEI Fangcun，TAN Mei

(School of Management Science and Engineering，Shandong Institute of Business and Technology，Yantai 264005，China )

In order to evaluate the effects of coal resources integration under the background of low carbon economy，this paper based on the reality of the fuzzy stochastic complexity of coal resources integration，combined with the fuzzy C mean clustering method (Fuzzy C-means Clustering Algorithm，FCM) and fuzzy neural network (Fuzzy Neural Network，FNN) evaluation method，put forward the “FCM-FNN” double fuzzy comprehensive evaluation model to analyze and evaluate the effects of the integration of coal resources.According to the results of cluster analysis，the effects of coal resources integration are divided into 4 grades：excellent，good，medium and poor.Using “FCM-FNN” double fuzzy comprehensive evaluation model to evaluate the coal resources integration effect of Xishan coal and electricity group，the evaluation results are consistent with the results of the fuzzy structural element theory.According to the conclusion of evaluation and analysis，this paper puts forward some suggestions on how to improve the effects of coal resources integration from two aspects of expanding the scale of organization and the mode of innovation management.

low carbon economy；coal resource；integration of resource；evaluation model based on “FCM-FNN”

2016-11-10

國家自然科學基金項目資助(編號：71373148)；研究生科研創新基金項目資助(編號：2016yc1201002)

宋華嶺(1957-)，男，山東高唐人，博士，教授，博士生導師，研究方向為管理復雜性，E-mail：songhualing@sdibt.edu.cn。

雷放存(1990-)，男，安徽池州人，碩士生，攻讀山東工商學院管理科學與工程專業，研究方向為資源管理與復雜性，E-mail：LFC900000@163.com。

N944.16；F407.1

A

1004-4051(2017)05-0046-07