BP神經網絡視角下我國油企技術創新效率分析

□ 文/鐘書麗 楊洋 高慶欣 余曉鐘

改革開放以來我國經濟得到飛速發展，油氣需求量不斷攀升，國內產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”戰略推進，我國石油企業要實現與富油國經貿合作，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，技術進步和創新對減少油氣勘探開發與生產建設成本、安全成本、環境成本，以及提升開采效率和油品質量都是至關重要的。

本文以我國三大石油公司為研究對象，運用BP神經網絡模型，從投入和產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新效率高低。研究表明，我國三大石油公司技術創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

經濟學家熊彼特首次提出技術創新理論，創新過程就是新生產函數確立過程，這包括5項內容：引進新產品、引入新技術、開辟新市場、獲取新材料、采取新的企業組織形式。布朗（W.B.Brown）等提出創新目標、創新階段和決策輸入變量對技術創新的預測和評價。英國經濟學家法瑞爾（Farrell）1957年在《生產效率度量》一文中從“投入”和“產出”角度，指出技術效率是在規模報酬不變條件下生產單位產品最小可能投入與實際投入的比率最理想狀況。國內專家學者認為，企業技術創新效率是企業技術創新資源投入與產出的比率，反映了技術創新資源對技術創新產出的貢獻。傅家驥教授基于中國國情創造性提出技術創新理論；馬寧、官建成等學者通過調查研究，確立了企業技術創新效率指標影響因素。而對我國石油公司技術創新的研究還處于成長階段。其中，丁浩、張星臣將石油企業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、閆娜根據石油行業科技創新效率特點，采用非參數估計方法將石油企業研發投入的經濟效益，作為企業科研投入資金規模的決策條件。技術創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，石油企業的技術創新效率，還存在很大研究空間。20世紀40年代，心理學家Mc Culloch和數學家Pitts合作首次提出神經計算數學模型即M-P模型，1986年Rumelhart提出BP算法，極大地推進了神經網絡的發展。1986年錢學森主編的論文集《關于思維科學》，介紹了神經網絡方面的研究成果，在國內學術界引起極大反響，之后BP神經網絡廣泛應用于各學科研究。

為此，石油企業技術創新效率評價指標體系的構建，要考慮石油企業的特殊性，需將其特點融入評價體系。指標選擇過程中要兼顧數量恰當、分層明確，指標設計時要考慮數據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查問卷，以網絡調查問卷形式發給行業專家、從業人員及研究機構，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個定量數據指標。

二、BP神經網絡評價模型基本原理

人工神經網絡（Artificial Neural Networks 簡稱 ANN）是一種模仿動物神經網絡行為特征，進行分布式并行信息處理的算法數學模型。它依靠系統復雜程度，通過調整內部大量節點之間相互連接的關系處理信息。BP神經網絡（Back-Propagation Network）是一種誤差反向傳播算法的多層前饋神經網絡，一般分為輸入層、隱含層和輸出層3個層次，它能夠學習和儲存大量輸入—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，以此不斷調整和修正神經網絡權值，最后得到誤差在可接受范圍的輸出值。

圖1 石油企業技術創新效率評價定量指標

BP神經網絡自學習能力和非線性映射能力、對任意函數的逼近能力、并行計算能力和容錯能力，為本文非線性指標數據模擬提供了有力保障。

三、BP神經網絡模型在石油企業技術創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年數據訓練組輸入向量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。然后對所有數據歸一化處理備用，圖1為已經確定好的訓練組輸入向量p、仿真數據組p_test和期望輸出向量t。第二，確定隱含層的節點數。通過訓練時間和識別率來判斷節點數的選擇是否合適，在實際操作過程中采取經驗公式或者與作為參考，其中m為輸出神經元數，n為輸入神經元數，為[1,10]之間的常數。本文10個指標作為輸入層向量，輸出層為1個，經過反復多次訓練來比較隱含層的節點數對結果影響的誤差值，選擇使最終整體誤差值最小的N作為隱含層神經元的個數。第三，確定網絡訓練的方法和具體代碼。調用BP神經網絡函數newff，設置輸入層輸入向量p，期望輸出向量t，隱含層神經元個數為4個，采用10-4-1結構。中間隱含層采用tansig函數，輸出層采用purelin函數，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6000步。訓練結果gradient是誤差曲面的梯度，當梯度達到0.0000942時，訓練結束。Mu是算法里面的一個參數，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，訓練過程結束。第四，測試數據。比較BP神經網絡訓練的實際輸出值與導師向量，誤差在可接受范圍之內，該網絡可以用于仿真測試。對三大石油企業2014—2015年數據p_test進行逐一仿真，得到如表1結果。

表1 p_test仿真結果

四、評價結果分析

根據國內外專家學者對技術創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。將測試結果結合評價等級，可以得出三大石油公司技術創新效率處于中上水平，并且2007—2015年技術創新效率呈持續上升趨勢。三大公司成立時間相近，從企業規模和綜合實力來看，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新效率差距源于企業規模、研發資金投入及企業擁有的高素質人才數量，印證了著名的“熊彼特創新”假說。基于動態視角，認為企業規模與企業技術創新績效呈正相關。

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

從研究結果來看，我國石油公司技術創新效率雖然有所提升，但還需要創造性地學習和借鑒國外先進管理方式方法，加大技術研發投入，引進高素質人才，創建高水平的技術研發團隊，并與國內外科技公司、科研機構及高校達成合作協議，聯合攻克技術難關；企業內部要加強自身建設，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；企業員工要樹立創新意識，將創新融入企業文化；企業要充分了解市場需求，促進研發成果轉化、推廣和應用，努力提高技術創新對企業盈利的貢獻率。