基于BP神經(jīng)網(wǎng)絡(luò)的工業(yè)園區(qū)廢棄物物流系統(tǒng)模糊評價研究

何開倫，包秀莉，劉志學(xué)

(1.重慶理工大學(xué) 管理學(xué)院，重慶 400054； 2.華中科技大學(xué) 管理學(xué)院，武漢 430074)

基于BP神經(jīng)網(wǎng)絡(luò)的工業(yè)園區(qū)廢棄物物流系統(tǒng)模糊評價研究

何開倫1,2，包秀莉1，劉志學(xué)2

(1.重慶理工大學(xué) 管理學(xué)院，重慶 400054； 2.華中科技大學(xué) 管理學(xué)院，武漢 430074)

依據(jù)評價指標設(shè)計原則，結(jié)合系統(tǒng)運作效率與效益、發(fā)展生態(tài)城市和生態(tài)工業(yè)園區(qū)的要求，從系統(tǒng)投入、系統(tǒng)能力、運作效率、處理效率和環(huán)境績效5個方面提出22個二級指標的園區(qū)廢棄物物流系統(tǒng)評價指標體系，并利用層次分析法合理確定指標權(quán)重，選擇12個工業(yè)園區(qū)為對象進行實例分析，再利用提出的指標體系開展模糊評價，獲得模糊評價的輸入和評價結(jié)果。然后，根據(jù)模糊評價過程構(gòu)建三層結(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)，以模糊評價的輸入和輸出訓(xùn)練BP網(wǎng)絡(luò)，獲得可執(zhí)行模糊評價的BP網(wǎng)絡(luò)。實例分析表明：BP網(wǎng)絡(luò)對各個園區(qū)的評價結(jié)果與模糊評價結(jié)果相同，是評價園區(qū)廢棄物物流系統(tǒng)績效便捷、可靠而有效的科學(xué)工具。

工業(yè)園區(qū)；廢棄物物流；層次分析法；模糊評價；BP神經(jīng)網(wǎng)絡(luò)

綜上所述，基于模糊評價法的組合方法具有較高的科學(xué)性和可操作性，能解決主客觀評價問題，同時可利用專家經(jīng)驗獲取必要數(shù)據(jù)，克服傳統(tǒng)評價的弊端。園區(qū)廢棄物物流系統(tǒng)評價采用的定性和定量指標較多，評價具有模糊性和復(fù)雜性，宜采用模糊評價法。上述組合方法研究側(cè)重于評價問題的BP網(wǎng)絡(luò)實驗研究，本研究擬通過建立合理的園區(qū)廢棄物物流系統(tǒng)評價指標體系，構(gòu)建基于BP神經(jīng)網(wǎng)絡(luò)的園區(qū)廢棄物物流系統(tǒng)評價系統(tǒng)，為園區(qū)管理者提供科學(xué)有效的模糊評價工具。

一、工業(yè)園區(qū)廢棄物物流系統(tǒng)評價指標體系設(shè)計

園區(qū)廢棄物物流系統(tǒng)是一個以廢棄物處理處置企業(yè)為核心，為園區(qū)生產(chǎn)企業(yè)提供廢棄物處理服務(wù)的社會性系統(tǒng)，其評價指標及標準的設(shè)置較復(fù)雜，必須依據(jù)指標體系設(shè)計原則及要求，設(shè)計一套反映不同評價要求的指標體系。

(一)指標體系設(shè)計原則和要求

園區(qū)廢棄物物流系統(tǒng)指標體系設(shè)計必須遵循五大原則，包括科學(xué)性、系統(tǒng)性、可比性、可操作性和定性定量相結(jié)合原則。同時，必須考慮該系統(tǒng)運作效率和效益要求、生態(tài)城市和生態(tài)工業(yè)園區(qū)對該系統(tǒng)的要求以及城市、園區(qū)和企業(yè)可持續(xù)發(fā)展要求。具體講，要使指標體系充分體現(xiàn)系統(tǒng)的技術(shù)經(jīng)濟特點及可持續(xù)發(fā)展要求，全面反映系統(tǒng)基礎(chǔ)設(shè)施、運營能力、服務(wù)水平等發(fā)展狀況及水平，需要積極引入生態(tài)城市評價指標包括環(huán)境治理和環(huán)境質(zhì)量指標、生態(tài)環(huán)境健康指標、低碳引領(lǐng)指標[12-14]；引入減量化指標包括萬元工業(yè)增加值固體廢物排放量、萬元工業(yè)增加值產(chǎn)品包裝消耗等，再使用指標包括產(chǎn)品及包裝可重復(fù)使用的種類占總數(shù)的百分比、可重復(fù)使用功能研發(fā)經(jīng)費等，再循環(huán)指標包括工業(yè)固體廢物再利用率、產(chǎn)品及包裝原級或次級循環(huán)率等，來滿足發(fā)展生態(tài)工業(yè)園區(qū)的要求。

(二)評價指標選取及分析

根據(jù)上述指標設(shè)計原則和要求，參考有關(guān)廢棄物物流系統(tǒng)、生態(tài)城市、生態(tài)工業(yè)園區(qū)評價指標文獻，已頒布的國家生態(tài)工業(yè)示范園區(qū)標準(HJ274—2015)相關(guān)指標及要求，按照輸入—處理—輸出的系統(tǒng)分析思路，從系統(tǒng)投入、系統(tǒng)能力、運作效率、處理效率和環(huán)境績效5個方面歸納和精簡可選指標并設(shè)計必要的新指標，設(shè)計出一個包含兩個層次的園區(qū)廢棄物物流系統(tǒng)績效評價指標體系。該指標體系包括5類22個二級指標，見表1，具體評價指標分析見表2。

表1中凡企業(yè)指標均以所屬園區(qū)相關(guān)企業(yè)的平均值衡量。“要求”一欄的數(shù)據(jù)參考國家生態(tài)工業(yè)示范園區(qū)標準(HJ274—2015)、廢棄物管理標準、相關(guān)研究成果和專家意見等制定，“要求”為空白的表示該項指標量化數(shù)據(jù)需要依據(jù)園區(qū)實際發(fā)展水平制定。

表1 工業(yè)園區(qū)廢棄物物流系統(tǒng)績效評價指標體系

一級指標二級指標性質(zhì)單位要求運作效率(A3)園區(qū)產(chǎn)業(yè)聚集程度(A31)正向%園區(qū)產(chǎn)業(yè)廢物耦合程度(A32)正向%單位工業(yè)增加值固廢產(chǎn)生量(A33)負向噸/萬元≤0．1單位工業(yè)增加值產(chǎn)品包裝消耗量(A34)負向噸/萬元產(chǎn)品及包裝可重復(fù)使用的種類比例(A35)正向%處理效率(A4)處理企業(yè)合作程度(A41)正向%廢棄物物流功能服務(wù)程度(A42)正向%廢棄物物流成本比例(A43)負向%≤25環(huán)境績效(A5)工業(yè)固體廢物綜合利用率(A51)正向%≥70資源再生利用程度(A52)正向%≥30產(chǎn)品及包裝原級或次級循環(huán)率(A53)正向%公眾環(huán)境滿意度(A54)正向%

表2 工業(yè)園區(qū)廢棄物物流系統(tǒng)績效評價指標分析

續(xù)表(表2)

(三)評價指標權(quán)重分析

本研究利用層次分析法(Analytic Hierarchy Process，簡稱AHP)確定指標權(quán)重。

1.一級指標層權(quán)重分析

根據(jù)表1和2將評價問題層次化，得到評價問題的二層結(jié)構(gòu)即一級指標層和二級指標層；利用1-9標度法確定評價尺度，見表3。

表3 標度值及其含義

依據(jù)表3賦值Dij，Dij滿足條件：Dij>0；Dij=1/Dji(i≠j)；Dii=1 (i,j=1，2，…，n)。

通過訪談形式征詢8名專家學(xué)者的意見，運用1～9標度法進行兩兩比較賦值并填表，取賦值作為判斷矩陣元素值，得到一級指標層兩兩比較判斷表，見表4。

表4 一級指標層兩兩比較判斷

依據(jù)表4可建立一級指標層判斷矩陣A：

根據(jù)公式CI=(λmax-n)/(n-1)，計算矩陣A的一致性指標CI，其中λmax為矩陣A的最大特征根，n為矩陣A的階數(shù)；在Matlab中計算eig(A)，得到λmax=5.036 1，其對應(yīng)的特征向量tzxl_A=[0.105 9,0.202 0,0.382 3,0.078 0,0.892 0]，將求得的λmax帶入CI計算式可得CI=0.009。根據(jù)表5可得到平均隨機一致性指標RI的取值，即RI=1.12。

表5 平均隨機一致性指標RI

計算隨機一致性比率CR=CI/RI=0.008 1<0.1，可見判斷矩陣A具有滿意的一致性。對特征向量tzxl_A歸一化處理后可得到一級指標層各個指標的權(quán)重W=[0.063 8, 0.121 7, 0.230 3, 0.047 0, 0.537 2]，即系統(tǒng)投入指標權(quán)重W1為0.063 8、系統(tǒng)能力W2為0.121 7、運作效率W3為0.230 3、處理效率W4為0.047 0、環(huán)境績效W5為0.537 2，其中運作效率A3、環(huán)境績效A5權(quán)重大，其指標取值對評價結(jié)果的影響較大。

2.二級指標權(quán)重分析

同樣，可得到二級指標層兩兩比較判斷表，建立系統(tǒng)投入層判斷矩陣A1、系統(tǒng)能力層判斷矩陣A2、運作效率層判斷矩陣A3、處理效率層判斷矩陣A4和環(huán)境績效層判斷矩陣A5，如下：

利用函數(shù)eig( )可得到二級指標層各判斷矩陣的最大特征根、其對應(yīng)的特征向量，依據(jù)公式計算，可得到相應(yīng)的隨機一致性比率CR，二級指標層權(quán)重分析結(jié)果如表6所示。

表6 二級指標層權(quán)重計算及檢驗結(jié)果

二、基于BP神經(jīng)網(wǎng)絡(luò)的評價模型構(gòu)建及分析

BP神經(jīng)網(wǎng)絡(luò)用于評價，相比傳統(tǒng)方法具有可操作性強、擬合精度高、科學(xué)性強等優(yōu)點[16]，基于BP神經(jīng)網(wǎng)絡(luò)的評價模型具有重要的應(yīng)用價值。

(一)BP神經(jīng)網(wǎng)絡(luò)原理

1.BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)

BP神經(jīng)網(wǎng)絡(luò)即誤差反向傳播神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Networks)，是一種多層前饋神經(jīng)網(wǎng)絡(luò)，采用誤差反傳學(xué)習算法，典型的三層BP網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

圖1 BP網(wǎng)絡(luò)結(jié)構(gòu)

從圖1看出，三層BP網(wǎng)絡(luò)被分為輸入層IL、隱含層HL、輸出層OL，同層節(jié)點間無關(guān)聯(lián)，不同層神經(jīng)元間前向連接。

2.BP學(xué)習算法

令I(lǐng)L層節(jié)點xi到HL層節(jié)點yj間的連接權(quán)為wji,HL層節(jié)點yj到OL層節(jié)點zl間的連接權(quán)為vlj，θj為HL層節(jié)點的閾值，θl為OL層節(jié)點的閾值，HL層節(jié)點的輸出函數(shù)為:

(1)

OL層節(jié)點的輸出函數(shù)為:

(2)

其中，f(x)為傳遞函數(shù)，一般為Sigmoid型函數(shù)，例如函數(shù)f(x)=1/(1+e-x)，采用S型傳遞函數(shù)可以處理和逼近非線性的輸入、輸出關(guān)系。

當輸出節(jié)點的期望值為tl時，輸出節(jié)點的誤差E為：

(3)

BP網(wǎng)絡(luò)訓(xùn)練過程如下:

第一，初始化網(wǎng)絡(luò)的權(quán)值和閾值，即給網(wǎng)絡(luò)中的wji、vlj、θj、θl等賦初值。一般在區(qū)間(-1，1)選取任意數(shù)作為BP神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值和閾值。

第二，輸入學(xué)習樣本tl，根據(jù)輸出函數(shù)分別計算各層的輸出值包括yj、zl。樣本信號從輸入層經(jīng)隱含層傳向輸出層，在輸出端產(chǎn)生輸出信號。在信號的前向傳遞過程中，網(wǎng)絡(luò)的權(quán)值是固定不變的，每一層神經(jīng)元的狀態(tài)只影響下一層神經(jīng)元的狀態(tài)。如果在輸出層不能得到期望的輸出，則轉(zhuǎn)入誤差信號反向傳播。

第三，采用梯度下降算法及誤差的反向傳播修正網(wǎng)絡(luò)權(quán)值和閾值。網(wǎng)絡(luò)的實際輸出與期望輸出之間的差值E即為誤差信號。誤差信號由輸出端開始逐層向后傳播，網(wǎng)絡(luò)的權(quán)值和閾值由誤差反饋進行調(diào)節(jié)，通過權(quán)值的不斷修正使網(wǎng)絡(luò)的實際輸出更接近期望輸出。隱含層和輸出層對網(wǎng)絡(luò)權(quán)值和閾值的調(diào)整規(guī)則如下:

vlj(k+1)=vlj(k)+Δvlj=vlj(k)+ηδlyj

(4)

(5)

(6)

(7)

δl=(tl-zl)·f′(netl)

(8)

(9)

第四，根據(jù)訓(xùn)練不斷計算誤差E，并與預(yù)期誤差精度進行比較，若實際計算的誤差在規(guī)定范圍內(nèi)，則學(xué)習結(jié)束；否則要將學(xué)習次數(shù)增加一次，并返回到步驟二，按規(guī)則調(diào)整步長和閾值進一步學(xué)習，直到達到規(guī)定誤差精度或訓(xùn)練次數(shù)為止。

(二)評價模型構(gòu)建

將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于模糊評價時，可把評價指標體系的實際指標數(shù)據(jù)作為神經(jīng)網(wǎng)絡(luò)的輸入向量xi，將相應(yīng)的模糊評價結(jié)果作為神經(jīng)網(wǎng)絡(luò)的輸出zl，用足夠的樣本訓(xùn)練網(wǎng)絡(luò)，使不同組的實測指標得到相應(yīng)的輸出值，將輸出值與期望的模糊評價結(jié)果值比較，當其誤差小于某一設(shè)定值時，這時神經(jīng)網(wǎng)絡(luò)所持有的權(quán)系數(shù)值、閾值是網(wǎng)絡(luò)經(jīng)過自適應(yīng)學(xué)習所得到的最終權(quán)值和閾值。一旦BP神經(jīng)網(wǎng)絡(luò)完成訓(xùn)練，就成為有效的模糊評價工具，將實際指標值輸入到網(wǎng)絡(luò)就可以自動對目標做出模糊評價。

BP神經(jīng)網(wǎng)絡(luò)構(gòu)建包括以下3個步驟：第一，確定網(wǎng)絡(luò)層數(shù)和各層神經(jīng)元數(shù)。由于BP神經(jīng)網(wǎng)絡(luò)完成m維到n維的映射只需一個三層的BP神經(jīng)網(wǎng)絡(luò)，故可選用含有一個隱含層的三層BP神經(jīng)網(wǎng)絡(luò)進行設(shè)計和訓(xùn)練。輸入層節(jié)點的數(shù)目等于評價指標的數(shù)目，輸出層節(jié)點數(shù)即績效評價結(jié)果，其值為1。隱含層節(jié)點數(shù)可依據(jù)經(jīng)驗公式計算確定：

(10)

其中:m為隱含層神經(jīng)元數(shù)，n為輸入層神經(jīng)元數(shù)，w為輸出層神經(jīng)元數(shù)，a為0～10任意整數(shù)。第二，確定傳遞函數(shù)。一般情況下，隱含層采用sigmoid函數(shù)，輸出層采用線性函數(shù)purelin。第三，創(chuàng)建網(wǎng)絡(luò)，設(shè)置訓(xùn)練參數(shù)，向網(wǎng)絡(luò)輸入數(shù)據(jù)，訓(xùn)練網(wǎng)絡(luò)直到獲得符合期望輸出的BP網(wǎng)絡(luò)。

三、實例分析

本實例分析選取重慶的12個工業(yè)園區(qū)為評價對象，分析評價各個園區(qū)2015年的廢棄物物流系統(tǒng)績效。本評價遵循以下步驟：依據(jù)提出的指標體系收集數(shù)據(jù)；應(yīng)用模糊評價法對園區(qū)進行評價，獲得模糊評價結(jié)果；根據(jù)評價需要構(gòu)建BP神經(jīng)網(wǎng)絡(luò)，完成網(wǎng)絡(luò)訓(xùn)練并進行驗證分析。

(一)收集數(shù)據(jù)

園區(qū)廢棄物物流系統(tǒng)指標數(shù)據(jù)來源分為兩種：一是調(diào)研獲取，依據(jù)實際數(shù)據(jù)計算后獲得指標值；二是專家打分，對缺乏數(shù)據(jù)的定量指標和定性指標采取專家調(diào)查方法獲取數(shù)據(jù)，即由8個專家對選定園區(qū)的指標等級進行投票打分。采取調(diào)研方法獲取數(shù)據(jù)的指標有8個，12個工業(yè)園區(qū)分別用數(shù)字1—12表示，8個指標實測值見表7。

目前，工業(yè)園區(qū)的統(tǒng)計工作起步不久，大多數(shù)指標缺乏數(shù)據(jù)，難以定量計算，需采取專家打分方法獲取(14個指標)。進行專家打分時，邀請8位專家對12個工業(yè)園區(qū)的相關(guān)指標逐一進行投票打分，表中單元格數(shù)字為5位，從左至右分別表示某園區(qū)該指標評價等級為優(yōu)秀、良好、一般、合格、不合格的專家投票數(shù)，每格合計為8票，專家打分的統(tǒng)計結(jié)果見表8。

表7 2015年園區(qū)廢棄物物流系統(tǒng)指標實測值(1)

表8 2015年園區(qū)廢棄物物流系統(tǒng)指標實測值(2)

(二)模糊評價

1.確定因素集、評價集和權(quán)重集

根據(jù)指標體系確定因素集，主因素集A包括5個因素Ai(i=1,2,3,4,5)對應(yīng)一級指標層；子因素集Aij(j分別為5,5,5,3,4)包括A1j={A11,A12,A13,A14,A15}，A2j={A21,A22,A23,A24,A25}，A3j={A31,A32,A33,A34,A35}，A4j={A41,A42,A43}，A5j={A51,A52,A53,A54}，對應(yīng)二級指標層。

評價集采用5個等級，設(shè)Vk={v1,v2,v3,v4,v5}={優(yōu)秀，良好，一般，合格，不合格}。

根據(jù)前述分析，主因素權(quán)重集W=(Wi)(i=1,2,3,4,5)=[0.063 8,0.121 7,0.230 3,0.047 0,0.537 2]；子因素權(quán)重集為Wij(i=1,2,3,4,5)，其中W1j=[0.445 8,0.038 2,0.093 5,0.180 0,0.242 5]，W2j=[0.144 9,0.450 7,0.275 0,0.045 9,0.083 5]，W3j=[0.151 8,0.263 0,0.461 1,0.083 0,0.041 1]，W4j=[0.087 9,0.669 4,0.242 7]，W5j=[0.552 7,0.271 3,0.114 3,0.061 7]。

2.綜合評價

(1)指標數(shù)據(jù)處理

根據(jù)指標數(shù)據(jù)來源，對定性和定量指標采用不同的處理方法，對于表7定量指標，由專家依據(jù)相關(guān)指標的要求與實際情況確定評價規(guī)則進行，每個指標的評價等級是唯一確定的，對判定的等級得8票，其他4個等級得0；對于表8定性指標，依據(jù)專家投票數(shù)確定等級，根據(jù)專家分析，確定表7各項指標評價規(guī)則如表9所示。

依據(jù)表9，對表7定量指標進行等級評價并給出專家投票數(shù)8，將結(jié)果與表8合并，得到園區(qū)廢棄物物流系統(tǒng)指標評價等級投票數(shù)，見表10模糊評價需要的指標初值。

表9 定量指標評價規(guī)則

(2)模糊分析

設(shè)子因素Aij對評價集Vk的隸屬程度為rik，rik=Vik/N,Vik是所有專家中認為Aij隸屬于Vk的人數(shù)，N=8，分別求出子因素Aij對各個評價等級的隸屬程度，得到各子因素的模糊評價矩陣ri(i=1,2,3,4,5)如下：

根據(jù)子因素權(quán)重集Wij(i=1,2,3,4,5)及ri，利用公式Ri=Wij·ri(i=1,2,3,4,5)，可以得出主因素的模糊評價矩陣R：

根據(jù)主因素權(quán)重集W及矩陣R，利用公式V=W·R，可得出園區(qū)1的評價結(jié)果V：

V={0.041 3,0.512 3,0.248 0,0.178 8,0.019 6}

將評價集Vk量化。設(shè)5個等級{優(yōu)秀，良好，一般，合格，不合格}，分別對應(yīng)[90～100]、[80～90)、[70～80)、[60～70)和[0～60)分，取中間值計算，即分別取95分、85分、75分、65分、30分，則園區(qū)1的模糊評價得分為78.279 1，隸屬于“一般”。

同理，可對園區(qū)2—12進行模糊評價，將評價值匯總于表11中。

表11表明，園區(qū)6、11評價值分別為92.203 6、92.125 6，評價結(jié)果為優(yōu)秀；園區(qū)3、7、9、10評價結(jié)果為良好；園區(qū)1、4、5、8、12評價結(jié)果為一般，園區(qū)2評價結(jié)果為合格。該評價結(jié)果反映了各個園區(qū)廢棄物物流發(fā)展的實際水平。

(三)構(gòu)建BP神經(jīng)網(wǎng)絡(luò)

1.BP網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計

由上所述，一個三層的BP神經(jīng)網(wǎng)絡(luò)可以任意精度完成任意n維到m維的映射，因此本BP評價模型采用三層結(jié)構(gòu)包括輸入層、隱含層和輸出層。輸入層神經(jīng)元個數(shù)為22個，對應(yīng)22個二級指標；輸出層神經(jīng)元個數(shù)為1個，對應(yīng)模糊評價結(jié)果；隱含層神經(jīng)元個數(shù)采用經(jīng)驗公式(10)，確定為10個，BP模型結(jié)構(gòu)如圖2所示。

圖2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

2.創(chuàng)建網(wǎng)絡(luò)

Matlab軟件(2012版)用函數(shù)feedforwardnet()建立BP網(wǎng)絡(luò)，其調(diào)用格式為:net = feedforwardnet(hiddenSizes,trainFcn)，其中，net為欲生成的BP網(wǎng)絡(luò)；hiddensizes指隱含層的神經(jīng)元個數(shù)，默認為10個；trainFCn指BP網(wǎng)絡(luò)訓(xùn)練函數(shù)，默認為Levenberg-Marquardt算法(’trainlm’)。

(1)確定輸入輸出項

將表10數(shù)據(jù)分為兩部分，選擇園區(qū)1—10作為訓(xùn)練樣本，園區(qū)11、12為測試樣本。將表10單元格數(shù)據(jù)逐個除以8，得到對應(yīng)的指標等級隸屬度表。依據(jù)該隸屬度表、等級量化標準[95,85,75,65,30]，可計算出各個二級指標量化取值，這些值與表10的模糊評價結(jié)果(不包括測試樣本)共同構(gòu)成BP神經(jīng)網(wǎng)絡(luò)的輸入輸出項，見表12。

表11 園區(qū)廢棄物物流系統(tǒng)模糊評價值

表12 BP神經(jīng)網(wǎng)絡(luò)的輸入輸出項

利用表12數(shù)據(jù)進行模糊評價，等同于前述模糊評價。利用表12可獲得輸入項inputs和輸出項targets，其中inputs=[22×10]，為22行×10列的矩陣，代表22個二級指標，10個園區(qū)；targets=[1×10]=[73.769 4, 68.942 3, 87.455 7, 74.558 1, 73.874 9, 92.203 6, 87.253 1, 74.458 2, 80.946 6, 82.929 4]，為1行×10列的矩陣，代表10個園區(qū)的期望輸出。

(2)設(shè)置網(wǎng)絡(luò)參數(shù)

將矢量inputs 、targets作為欲生成BP網(wǎng)絡(luò)YQPJ_net的輸入輸出項。由于帶自適應(yīng)學(xué)習率動量梯度下降法適應(yīng)小樣本對象，能避免陷入局部極小問題，所以網(wǎng)絡(luò)YQPJ_net選用TRRAINGDX作為訓(xùn)練函數(shù)。隱層傳遞函數(shù)為log-sigmnid傳遞函數(shù)“l(fā)ogsig”；輸出層傳遞函數(shù)為純線形函數(shù)“purelin”；學(xué)習函數(shù)為帶動量的梯度下降學(xué)習法“l(fā)earngdm”；性能函數(shù)為均方誤差函數(shù)“MSE”。數(shù)據(jù)項和網(wǎng)絡(luò)參數(shù)設(shè)置完成后，根據(jù)所設(shè)計的網(wǎng)絡(luò)結(jié)構(gòu)，可調(diào)用命令YQPJ_net = feedforwardnet(10)，生成評價模型YQPJ_net。

(3)訓(xùn)練網(wǎng)絡(luò)

YQPJ_net訓(xùn)練參數(shù)大部分可取默認值，利用函數(shù)net.trainParam設(shè)置訓(xùn)練參數(shù)見表13。

表13 YQPJ_net訓(xùn)練參數(shù)

訓(xùn)練參數(shù)設(shè)置完成后，利用train()函數(shù)對網(wǎng)絡(luò)進行訓(xùn)練，其調(diào)用格式是:[YQPJ_net,tr]=train(YQPJ_net,inputs,targets)，式中inputs，targets分別是輸入和輸出項；等號左右兩側(cè)的YQPJ_net分別代表訓(xùn)練后和訓(xùn)練前的神經(jīng)網(wǎng)絡(luò)；tr表示存儲網(wǎng)絡(luò)訓(xùn)練過程中的誤差信息和步數(shù)信息。

反復(fù)訓(xùn)練網(wǎng)絡(luò)YQPJ_net,通過對10個訓(xùn)練樣本的155次迭代，最大失敗次數(shù)達到10次時結(jié)束網(wǎng)絡(luò)訓(xùn)練，訓(xùn)練精度達到9.06e-7，網(wǎng)絡(luò)性能見圖3,訓(xùn)練狀態(tài)見圖4，輸入與期望輸出的擬合效果見圖5。

圖3表明，網(wǎng)絡(luò)驗證性能在144次達到最佳，預(yù)測誤差為0.010 756；圖4表明，YQPJ_net訓(xùn)練結(jié)束時(at 155 Epochs)梯度Gradient=0.019 835，驗證失敗次數(shù)Validation Checks=10次，學(xué)習率Learning Rate=0.001 919 5；圖5表明，訓(xùn)練組、驗證組等相關(guān)系數(shù)R=1，測試組相關(guān)系數(shù)R=-1、樣本輸入與輸出綜合相關(guān)系數(shù)R=0.998 29，評價模型YQPJ_net取得了較好收斂效果。

圖3 YQPJ_net訓(xùn)練精度

圖4 YQPJ_net訓(xùn)練狀態(tài)

完成YQPJ_net訓(xùn)練后，用函數(shù)sim()進行仿真測試，其調(diào)用格式是:outputs=sim(YQPJ_net,inputs)，outputs代表網(wǎng)絡(luò)仿真輸出。網(wǎng)絡(luò)YQPJ_net仿真輸出園區(qū)1—10評價值為[73.789 9，68.924 0，87.451 3，74.518 6，73.963 7，92.090 0，87.391 4，74.478 6，80.937 1，82.953 4]，與實際評價值的誤差為[-0.020 476，0.018 339，0.004 380，0.039 489，-0.088 766，0.113 600，-0.138 340，-0.020 357，0.009 471，-0.024 015],可以看出，YQPJ_net輸出誤差最大僅為-0.138 340，誤差可以接受，因此YQPJ_net可有效應(yīng)用于模糊評價。

圖5 YQPJ_net回歸效果

(4)測試分析

將表9測試樣本園區(qū)11、12數(shù)據(jù)量化后可得模型的輸入項test，test為22行x 2列的矩陣，代表22個二級指標，2個測試園區(qū)。調(diào)用命令：result=YQPJ_net(test)，運行YQPJ_net可得到園區(qū)11、12測試值result=[90.979 4,77.138 7]，與模糊評價值[92.125 6、75.959 6]比較，誤差為[1.146 2, -1.179 1]，評價結(jié)果相同即園區(qū)11為優(yōu)秀，園區(qū)12為一般。可見，YQPJ_net評價結(jié)果與模糊評價結(jié)果相同，最大誤差僅為-1.55%，誤差在可接受范圍，YQPJ_net評價效率高、誤差小，能準確完成模糊評價。

四、結(jié)束語

構(gòu)建園區(qū)廢棄物物流系統(tǒng)評價體系是消除工業(yè)園區(qū)廢棄物污染、維護城市環(huán)境和居民健康的重要手段。本文依據(jù)指標設(shè)計原則及相關(guān)要求，從系統(tǒng)投入、系統(tǒng)能力、運作效率、處理效率和環(huán)境績效5個方面設(shè)計出二級園區(qū)廢棄物物流系統(tǒng)評價指標體系并利用層次分析法確定各層次指標的權(quán)重，賦予環(huán)境績效類指標較大權(quán)重，以促進工業(yè)園區(qū)不斷提高廢棄物綜合利用和資源再生利用水平，強化園區(qū)產(chǎn)業(yè)聚集和廢棄物耦合系統(tǒng)建設(shè)，實現(xiàn)生態(tài)化和可持續(xù)發(fā)展。實例分析中，將二級指標體系應(yīng)用于12個園區(qū)的模糊評價，獲得基于模糊評價法的BP網(wǎng)絡(luò)。實例分析表明，BP評價模型對各個園區(qū)的評價結(jié)果與模糊評價結(jié)果相同，誤差在可接受范圍，是評價園區(qū)廢棄物物流系統(tǒng)績效便捷而有效的科學(xué)工具。BP評價模型能為政府和企業(yè)的決策提供相關(guān)依據(jù)，實用范圍廣。

為有效構(gòu)建園區(qū)廢棄物物流系統(tǒng)評價體系，提出以下政策建議：

第一，構(gòu)建完善的園區(qū)廢棄物物流系統(tǒng)。工業(yè)園區(qū)是區(qū)域經(jīng)濟增長的重要部分，同時工業(yè)園區(qū)也是城市主要的污染源。園區(qū)廢棄物物流系統(tǒng)是一個為園區(qū)生產(chǎn)企業(yè)提供廢棄物處理服務(wù)的社會性系統(tǒng)，其核心為園區(qū)廢棄物處理處置企業(yè)，關(guān)鍵問題是廢棄物加工再利用與最終處理。園區(qū)廢棄物物流系統(tǒng)具有突出的社會效益和環(huán)境效益，工業(yè)園區(qū)要實現(xiàn)可持續(xù)發(fā)展，一方面需要加大園區(qū)廢棄物物流的發(fā)展力度，消除園區(qū)廢棄物污染，提高工業(yè)園區(qū)廢棄物的利用技術(shù)和處理水平；另一方面政府必須補償處理處置企業(yè)產(chǎn)生的環(huán)境效益。

第二，正確評估園區(qū)廢棄物物流系統(tǒng)評價體系指標權(quán)重。園區(qū)廢棄物物流系統(tǒng)評價涉及諸多因素，評價指標及標準的設(shè)置具有復(fù)雜性，要保證評價結(jié)果的客觀、準確，就必須依靠合理的指標體系原則、要求和有效的算法，盡量減少主觀因素的影響。為此，應(yīng)設(shè)計一套反映不同評價要求的指標體系，使其評價結(jié)果能更好地從園區(qū)本身、外部環(huán)境等多個方面綜合反映園區(qū)廢棄物物流系統(tǒng)狀況，以便更好地評價物流園區(qū)廢棄物物流系統(tǒng)績效，促進物流系統(tǒng)的發(fā)展和完善，提高物流系統(tǒng)的質(zhì)量和效益。

第三，完善法律法規(guī)和制度建設(shè)。依據(jù)國家相關(guān)法律法規(guī)及國家生態(tài)工業(yè)示范園區(qū)標準，制定頒布科學(xué)完善的園區(qū)廢棄物管理條例和實施細則，從環(huán)境保護、資格許可、資金投入、廢棄物加工再利用與最終處理等方面規(guī)范園區(qū)廢棄物處理和再生資源利用活動，保障園區(qū)廢棄物物流系統(tǒng)有效規(guī)范運行。

[1] 黨瑋,王海瑞,胡海晨.基于SERVQUAL和LSQ模型的郵政EMS快遞服務(wù)質(zhì)量模糊評價研究[J].商業(yè)研究,2016(2):170-175.

[2] 宋彩平,金文雯.基于AHP-模糊綜合評價法的林產(chǎn)品物流企業(yè)綜合效益評價研究——以黑龍江省為例[J].林業(yè)經(jīng)濟,2016(5):80-83.

[3] 賈亞男,孫鵬.基于BP神經(jīng)網(wǎng)絡(luò)的供應(yīng)商質(zhì)量評價算法[J].統(tǒng)計與決策,2015(4):172-174.

[4] 孟天醒,文倩,范慧平.基于BP神經(jīng)網(wǎng)絡(luò)的河南省可持續(xù)發(fā)展能力評價[J].湖北農(nóng)業(yè)科學(xué),2016,55(5):1333-1342.

[5] 尹惠斌,游達明.基于BP神經(jīng)網(wǎng)絡(luò)的企業(yè)突破性創(chuàng)新績效評價研究[J].軟科學(xué),2014,28(5):125-129,144.

[6] 蔡凌曦,范莉莉,鮮陽紅.模糊評價方法——BP神經(jīng)網(wǎng)絡(luò)在城市節(jié)能減排事前評價中的應(yīng)用[J].新疆社會科學(xué),2014(2):26-32.

[7] 朱慶鋒,徐中平,王力.基于模糊綜合評價法和BP神經(jīng)網(wǎng)絡(luò)法的企業(yè)控制活動評價及比較分析[J].管理評論,2013,25(8):113-123.

[8] 李小剛,馬友華,張益,等.基于模糊評價與BP神經(jīng)網(wǎng)絡(luò)模型的耕地質(zhì)量評價對比研究——以淮北平原鳳臺縣為例[J].土壤通報,2015,46(4):816-822.

[9] 姜婷.基于神經(jīng)網(wǎng)絡(luò)的企業(yè)信息能力模糊評價研究——以安徽省制造型企業(yè)為例[J].華東經(jīng)濟管理，2015,29(4):177-180.

[10] 鄒凱,包明林.基于灰色關(guān)聯(lián)理論和BP神經(jīng)網(wǎng)絡(luò)的智慧城市發(fā)展?jié)摿υu價[J].科技進步與對策,2015,32(17):123-128.

[11] 陳光,李珊珊,董博.基于PCA-BP神經(jīng)網(wǎng)絡(luò)的城市軌道交通線網(wǎng)方案評價研究[J].鐵道運輸與經(jīng)濟,2016,38(2):81-86.

[12] 郭秀銳,楊居榮,毛顯強,等.生態(tài)城市建設(shè)及其指標體系[J].城市發(fā)展研究,2001,8(6):54-58

[13] 吳穎婕.中國生態(tài)城市評價指標體系研究[J].生態(tài)經(jīng)濟,2012(12):51-56.

[14] 付麗娜,賀靈.基于灰色關(guān)聯(lián)分析的低碳生態(tài)城市評價研究[J].湘潭大學(xué)學(xué)報(哲學(xué)社會科學(xué)版),2013,37(3):31-35.

[15] 劉冠軍.工業(yè)園區(qū)產(chǎn)業(yè)集聚評價方法研究——以新疆庫車工業(yè)園區(qū)為例[J].科學(xué)學(xué)與科學(xué)技術(shù)管理,2016,37(8):93-101.

[16] 梅強,范茜.基于BP神經(jīng)網(wǎng)絡(luò)的高新技術(shù)企業(yè)自主創(chuàng)新能力評價研究[J].科技管理研究,2011(11):1-4.

ResearchonFuzzyEvaluationofWasteLogisticsSysteminIndustrialParkBasedonBPNeuralNetwork

HE Kailun1,2, BAO Xiuli1, LIU Zhixue2

(1.School of Management, Chongqing University of Technology, Chongqing 400054, China; 2.School of Management, Huazhong University of Science and Technology, Wuhan 430074, China)

Based on the index design principles, combined with the system operation efficiency and benefit requirements, as well as the development requirements of ecological city and ecological industrial park, the evaluation index system of park waste logistics system consisted of 22 indexes with two level is put forward from the five aspects including system input, system capacity, operation efficiency, processing efficiency and environmental performance, meanwhile the index weights are determined reasonably by using the method of analytic hierarchy process. The 12 industrial parks are selected as the object of case analysis to be evaluated by the fuzzy evaluation method and the proposed index system, and the inputs and evaluation results of the fuzzy evaluation are obtained. Then according to the fuzzy evaluation process, the three layered BP neural network is constructed, trained by the input and outputs of the fuzzy evaluation, and the BP network is obtained to perform fuzzy evaluation. The example analysis shows that the evaluation result of the BP network is the same as the fuzzy evaluation, which is a convenient, reliable and effective scientific tool to evaluate the performance of waste logistics system.

industrial park; waste logistics; Analytic Hierarchy Process (AHP); fuzzy evaluation; BP neural network

2017-03-15

國家自然科學(xué)基金項目“物流服務(wù)模式對供應(yīng)鏈績效的影響研究”(71072034)

何開倫(1965—)，男，重慶人，重慶理工大學(xué)管理學(xué)院教授，華中科技大學(xué)管理學(xué)院博士研究生，研究方向：物流與供應(yīng)鏈管理； 包秀莉(1992—)，女，四川廣安人，碩士研究生，研究方向：現(xiàn)代管理理論及應(yīng)用；劉志學(xué)(1964—)，男，湖北武漢人，教授，博士生導(dǎo)師，研究方向：物流與供應(yīng)鏈管理。

何開倫，包秀莉，劉志學(xué).基于BP神經(jīng)網(wǎng)絡(luò)的工業(yè)園區(qū)廢棄物物流系統(tǒng)模糊評價研究[J].重慶理工大學(xué)學(xué)報(社會科學(xué))，2017(10):37-50.

formatHE Kailun, BAO Xiuli, LIU Zhixue.Researchon Fuzzy Evaluation of Waste Logistics System in Industrial Park Based on BP Neural Network[J].Journal of Chongqing University of Technology(Social Science)，2017(10):37-50.

10.3969/j.issn.1674-8425(s).2017.10.006

F205

A

1674-8425(2017)10-0037-14

(責任編輯張佑法)