王秋蓮

(南昌大學(xué)經(jīng)濟(jì)與管理學(xué)院，南昌 330031)

隨著資源稀缺的加劇和環(huán)境壓力的增大，為了改變傳統(tǒng)的粗放式線性資源利用模式，許多專家、學(xué)者對高效低排放的循環(huán)經(jīng)濟(jì)發(fā)展模式進(jìn)行了研究。生態(tài)工業(yè)園是一種循環(huán)經(jīng)濟(jì)實踐方式，它能實現(xiàn)產(chǎn)業(yè)鏈間副產(chǎn)品和廢棄物之間的交換利用、能源的梯級利用、水資源的循環(huán)利用;能互享信息系統(tǒng)等公共設(shè)施;能減少碳排放，緩解全球變暖的趨勢;采用廢棄物和副產(chǎn)品替代原材料，能降低企業(yè)成本、節(jié)約社會資源，并減少廢棄物的排放，從而減少對環(huán)境的影響［1］。但是，由于生態(tài)工業(yè)園的結(jié)構(gòu)和外界影響因素均存在很多不確定因素，這給生態(tài)工業(yè)園系統(tǒng)的運行帶來了很多風(fēng)險［2］。生態(tài)工業(yè)園是由多個行業(yè)的核心企業(yè)、附屬企業(yè)，地方、區(qū)域和國家政府部門，商業(yè)協(xié)會，工會組織，教育與研究機構(gòu)，跨學(xué)科的專家和顧問，非政府組織，居民等組成的復(fù)雜系統(tǒng)，成員之間關(guān)系錯綜復(fù)雜，利益分配機制多樣，其風(fēng)險特征具有多層次結(jié)構(gòu)、多約束條件、多個決策者、多種不確定性因素、眾多風(fēng)險來源等特征，因此風(fēng)險識別過程是一個復(fù)雜的過程。在評價生態(tài)工業(yè)園風(fēng)險時，由于影響生態(tài)工業(yè)園風(fēng)險的因素很多，而且各因素影響的程度也不同，評價結(jié)果難以用恰當(dāng)?shù)臄?shù)學(xué)解析表達(dá)式來表示，屬于非線性問題。因此，評價方法的選擇直接影響評價結(jié)果的有效性。傳統(tǒng)的評價方法傾向于主觀評價，較常見的有AHP、德爾菲法等。隨著計算科學(xué)的發(fā)展，更為復(fù)雜的一些智能算法體現(xiàn)了客觀性評價的優(yōu)越性，如啟發(fā)式算法等。在生態(tài)工業(yè)園風(fēng)險評價領(lǐng)域，能表達(dá)其評價指標(biāo)的非線性關(guān)聯(lián)性的評價方法已成為是研究的重點。因此，考慮BP神經(jīng)網(wǎng)絡(luò)的自組織、自學(xué)習(xí)、自適應(yīng)和非線性的特性，本文提出了基于BP神經(jīng)網(wǎng)絡(luò)的生態(tài)工業(yè)園風(fēng)險評價方法。

1 生態(tài)工業(yè)園風(fēng)險評價指標(biāo)體系

從現(xiàn)有的研究來看，學(xué)術(shù)界在建立合理的生態(tài)工業(yè)園評價指標(biāo)體系上提出了很多建設(shè)性的意見，如:蘇青福和趙濤［3］從內(nèi)部成員、外部成員、結(jié)構(gòu)關(guān)系和不可抗拒因素4個角度考察生態(tài)工業(yè)園的風(fēng)險，每個因素包含多個子因素;元炯亮［4］將指標(biāo)體系分解為經(jīng)濟(jì)、生態(tài)環(huán)境、生態(tài)網(wǎng)絡(luò)和管理4部分;黃海鳳等［5］從經(jīng)濟(jì)、環(huán)境、管理和生態(tài)方面建立了生態(tài)工業(yè)園評價指標(biāo)體系;崔兆杰等［6］研究了生態(tài)市可持續(xù)發(fā)展指標(biāo)體系。

生態(tài)工業(yè)園的成功運行需要來自不同行業(yè)的企業(yè)(包括核心企業(yè)和附屬企業(yè))、園區(qū)管理部門、基礎(chǔ)設(shè)施服務(wù)提供商、信息服務(wù)提供商的共同努力，他們屬于園區(qū)的內(nèi)部成員;同時，生態(tài)工業(yè)園的成功運行也需要外部成員，如地方和國家政府部門、行業(yè)協(xié)會、原材料供應(yīng)商、產(chǎn)品或服務(wù)銷售商、居民、教育和研究機構(gòu)等多方組織和團(tuán)體的努力;此外，生態(tài)工業(yè)園還受自然環(huán)境的影響，因為生態(tài)工業(yè)園需要從自然環(huán)境中獲取能源、水、土地等資源，并向自然環(huán)境排放最終廢棄物。因此，對生態(tài)工業(yè)園風(fēng)險進(jìn)行評價需要綜合考慮以上因素。

根據(jù)生態(tài)工業(yè)園的風(fēng)險特征，可以建立一套生態(tài)工業(yè)園風(fēng)險評價指標(biāo)體系，如圖1所示。

圖1 生態(tài)工業(yè)園風(fēng)險評價指標(biāo)體系

評價體系可分為4個模塊，分別為可持續(xù)發(fā)展指標(biāo)模塊、經(jīng)濟(jì)指標(biāo)模塊、管理指標(biāo)模塊、生態(tài)環(huán)境指標(biāo)模塊，其中可持續(xù)發(fā)展指標(biāo)模塊、經(jīng)濟(jì)指標(biāo)模塊、生態(tài)環(huán)境指標(biāo)模塊是從生態(tài)工業(yè)園發(fā)展結(jié)果的角度劃分，而管理指標(biāo)模塊則是從特征評價的角度劃分，可以視為生態(tài)工業(yè)園發(fā)展的內(nèi)部支撐指標(biāo)。下面將分別介紹各個指標(biāo)模塊的二級指標(biāo)構(gòu)成。

可持續(xù)發(fā)展指標(biāo)中包括系統(tǒng)循環(huán)率、廢物資源化比例、企業(yè)共生度和生態(tài)鏈多樣性4個二級指標(biāo)。系統(tǒng)循環(huán)率和廢物資源化從生產(chǎn)過程的2個不同方面進(jìn)行評價，即可再次參與生產(chǎn)和排出的生產(chǎn)系統(tǒng)，這是生產(chǎn)過程中的2個階段。本文用這2個指標(biāo)反映出生態(tài)工業(yè)園的生產(chǎn)狀況。企業(yè)共生度是反映生態(tài)工業(yè)園區(qū)內(nèi)企業(yè)之間的緊密聯(lián)系程度，也就是產(chǎn)業(yè)鏈上成員之間的維系程度。生態(tài)鏈多樣性指標(biāo)是更加長遠(yuǎn)地評價生態(tài)工業(yè)園受市場經(jīng)濟(jì)的波動程度。目前很多生態(tài)工業(yè)園都存在著圍繞一個主產(chǎn)業(yè)或核心企業(yè)發(fā)展的趨勢，這種模式的生態(tài)工業(yè)園組建容易，但同時也增加了生態(tài)工業(yè)園受市場影響的風(fēng)險。

經(jīng)濟(jì)指標(biāo)中包括研究與發(fā)展經(jīng)費、新入園項目投資、污染控制支出和工業(yè)增加值增長率4個指標(biāo)。新入園項目投資可以從側(cè)面反映出生態(tài)工業(yè)園擴(kuò)展產(chǎn)業(yè)鏈的遠(yuǎn)景。增加產(chǎn)業(yè)鏈的多樣性可以加強生態(tài)工業(yè)園的穩(wěn)定性，所以新入園項目投資也可以作為風(fēng)險研究的一項指標(biāo)。研究與發(fā)展經(jīng)費則可以作為產(chǎn)業(yè)鏈維護(hù)和升級的體現(xiàn)，也是生態(tài)工業(yè)園對自身生產(chǎn)鏈發(fā)展重視程度的體現(xiàn)，重視越高自然風(fēng)險越低。工業(yè)增加值增長率則是以生態(tài)工業(yè)園上一年產(chǎn)值為基數(shù)，判斷本年度相對于上一年的工業(yè)產(chǎn)值增加比，是生態(tài)工業(yè)園經(jīng)濟(jì)的直接體現(xiàn)。增長率較快說明生態(tài)工業(yè)園正處于快速發(fā)展期，生態(tài)工業(yè)園分解的可能性較小。

管理指標(biāo)中包括信息集成度、職工對園區(qū)的認(rèn)知、公眾對園區(qū)的滿意度和園區(qū)穩(wěn)定性4個指標(biāo)?，F(xiàn)在的企業(yè)管理大多實行“以人為本”的管理決策，因此選取的信息集成度、職工對園區(qū)的認(rèn)知和公眾對園區(qū)的滿意度均是以人作為研究對象的評價指標(biāo)。這里的園區(qū)穩(wěn)定性主要是指生態(tài)工業(yè)園內(nèi)在協(xié)調(diào)程度的體現(xiàn)，也可作為工業(yè)園風(fēng)險評價的指標(biāo)。

生態(tài)環(huán)境指標(biāo)中包括區(qū)域規(guī)劃定位、環(huán)境質(zhì)量、綠化覆蓋率和生態(tài)建設(shè)4個指標(biāo)。一個生態(tài)工業(yè)園風(fēng)險的存在是方方面面的，其中很多風(fēng)險在生態(tài)工業(yè)園的規(guī)劃設(shè)計階段就要加以考慮，如區(qū)域關(guān)系到一個物質(zhì)流動渠道的建立，不合理的區(qū)域規(guī)劃往往是資源浪費的不和諧體現(xiàn)，而合理的生態(tài)工業(yè)園區(qū)物流規(guī)劃能降低生態(tài)工業(yè)園的運行風(fēng)險。因此區(qū)域規(guī)劃也作為生態(tài)工業(yè)園風(fēng)險評價的一個指標(biāo)。環(huán)境質(zhì)量、綠化覆蓋率和生態(tài)建設(shè)都是生態(tài)工業(yè)園的一些外在生態(tài)要素，這些指標(biāo)能提升生態(tài)工業(yè)園區(qū)形象，吸引企業(yè)入園，從而降低生態(tài)工業(yè)園風(fēng)險。其中:綠化覆蓋率是園區(qū)的外表表現(xiàn);環(huán)境質(zhì)量包括水、空氣等一系列自然因素的質(zhì)量，是園區(qū)生態(tài)環(huán)境實質(zhì)性的體現(xiàn);生態(tài)建設(shè)則是園區(qū)從外表到實質(zhì)的一系列舉措。這3個指標(biāo)囊括了整個生態(tài)環(huán)境建設(shè)的全部過程。

2 基于GA-BP神經(jīng)網(wǎng)絡(luò)的評價方法

生態(tài)工業(yè)園評價方法引起了一些學(xué)者的關(guān)注，如:孫曉梅等［7］運用修正的距離函數(shù)模型對生態(tài)工業(yè)園進(jìn)行了評價;黃海鳳等［5］利用灰色聚類法對生態(tài)工業(yè)園進(jìn)行了評價。傳統(tǒng)的評價方法均無法反映評價指標(biāo)之間的非線性關(guān)系，而BP神經(jīng)網(wǎng)絡(luò)則能夠?qū)崿F(xiàn)非線性問題的求解。但BP神經(jīng)網(wǎng)絡(luò)仍存在一些不足:對初始權(quán)重非常敏感，極易收斂于局部極小。為解決初始權(quán)重敏感性和局部收斂問題，須引入進(jìn)化計算方法。

遺傳算法(genetic algorithm，GA)是一種以達(dá)爾文的自然進(jìn)化論和孟德爾的遺傳變異理論為基礎(chǔ)的全局隨機搜索優(yōu)化計算技術(shù)。GA的搜索始終遍及整個解空間，擅長全局搜索，但是不能獲得高精度的最優(yōu)解，只能是最接近最優(yōu)解;而神經(jīng)網(wǎng)絡(luò)在局部搜索時更為有效［8－9］。因此，將兩者結(jié)合起來，取長補短，形成一種混合訓(xùn)練算法，可以達(dá)到優(yōu)化網(wǎng)絡(luò)的目的。GA與BP網(wǎng)絡(luò)混合的方法就是先用GA獲得近似最優(yōu)解，賦予網(wǎng)絡(luò)初始化權(quán)值，再用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而獲得較高精度的解。

2.1 BP神經(jīng)網(wǎng)絡(luò)原理

BP網(wǎng)絡(luò)是一種典型的有導(dǎo)師的多層前饋神經(jīng)網(wǎng)絡(luò)，其基本原理是:輸入信號Xi通過中間節(jié)點(隱層點)作用于輸出節(jié)點，經(jīng)過非線性變換，產(chǎn)生輸出信號Yk;網(wǎng)絡(luò)訓(xùn)練的每個樣本包括輸入向量X和期望輸出量t，以及網(wǎng)絡(luò)輸出值Y與期望輸出值t之間的偏差;通過調(diào)整輸入節(jié)點與隱層節(jié)點的聯(lián)接強度取值Wij和隱層節(jié)點與輸出節(jié)點之間的聯(lián)接強度Tjk以及閾值，使誤差沿梯度方向下降，經(jīng)過反復(fù)學(xué)習(xí)訓(xùn)練，確定與最小誤差相對應(yīng)的網(wǎng)絡(luò)參數(shù)(權(quán)值和閾值)，訓(xùn)練即告停止。

2.2 基于遺傳算法的BP網(wǎng)絡(luò)優(yōu)化

將遺傳算法應(yīng)用于神經(jīng)網(wǎng)絡(luò)可以指導(dǎo)權(quán)重優(yōu)化和拓?fù)溥x擇。本文利用遺傳算法確定網(wǎng)絡(luò)的初始權(quán)值。優(yōu)選神經(jīng)網(wǎng)絡(luò)的連接權(quán)重優(yōu)化問題描述如下:

式中w1，w2，…，wn為統(tǒng)一編號后的連接權(quán)重(包括輸入層節(jié)點與中間層節(jié)點以及中間層節(jié)點與輸出層節(jié)點的連接權(quán)重)，n為連接權(quán)重總個數(shù)，約束條件為－1＜wi＜1。

基于遺傳算法的BP網(wǎng)絡(luò)初始權(quán)值優(yōu)化步驟如下:

1)初始化種群，一個染色體對應(yīng)一組網(wǎng)絡(luò)權(quán)值，染色體采用實數(shù)進(jìn)行編碼，設(shè)定染色體種群數(shù)量為N，遺傳代數(shù)為gen，交叉概率為Pc，突變概率為Pm。

2)若達(dá)到最大遺傳代數(shù)gen，轉(zhuǎn)至步驟8)。

3)計算每個染色體的適應(yīng)性，染色體i的適應(yīng)值fi用其對應(yīng)的網(wǎng)絡(luò)誤差Ei的倒數(shù)衡量:

4)采用輪盤賭方法選擇群體中的一對染色體，以交叉概率Pc進(jìn)行交叉操作，以Pm的概率對交叉后的染色體進(jìn)行突變操作。對于突變基因，給該基因的權(quán)重添加一個在(－1，1)區(qū)間的隨機值。

5)將后代染色體放入新種群中。

6)重復(fù)步驟4)和5)，直到新染色體種群的大小為N為止。

7)用新染色體種群取代雙親染色體種群，轉(zhuǎn)至步驟2)。

8)將適應(yīng)性最高的染色體解碼得到相應(yīng)的網(wǎng)絡(luò)初始權(quán)值。

在GA全局尋優(yōu)的基礎(chǔ)上運用BP算法進(jìn)行局部細(xì)致搜索，當(dāng)達(dá)到要求的收斂精度時結(jié)束網(wǎng)絡(luò)的訓(xùn)練。

3 案例研究

本文以國家生態(tài)工業(yè)示范園區(qū)為樣本，請有經(jīng)驗人士根據(jù)每個工業(yè)園區(qū)的信息評價其質(zhì)量的高低，評價標(biāo)準(zhǔn)如表1所示。專家問卷調(diào)查回收有效問卷30份。

表1 生態(tài)工業(yè)園風(fēng)險評價指標(biāo)的評分標(biāo)準(zhǔn)

3.1 生態(tài)工業(yè)園風(fēng)險評價的BP神經(jīng)網(wǎng)絡(luò)模型構(gòu)建

1)確定BP網(wǎng)絡(luò)的層數(shù)。1989年Robert·Hecht Nielson證明了一個3層的BP神經(jīng)網(wǎng)絡(luò)可以完成任意的N維到M維的映射，因此本文選取3層的網(wǎng)絡(luò)模型。

2)網(wǎng)絡(luò)輸入層節(jié)點i的確定。輸入層節(jié)點的多少與評價指標(biāo)個數(shù)相對應(yīng)。本文采用16個指標(biāo)對生態(tài)工業(yè)園風(fēng)險進(jìn)行評價，因此網(wǎng)絡(luò)輸入層節(jié)點數(shù)i為16。

3)隱含層(中間層)節(jié)點數(shù)j的確定。用作函數(shù)逼近的BP神經(jīng)網(wǎng)絡(luò)，隱含層節(jié)點數(shù)與要逼近函數(shù)的精度和函數(shù)本身的波動性有關(guān)。到目前為止，精確預(yù)測隱含層所需要的神經(jīng)元的數(shù)目仍存在一些理論上還沒有解決的問題。通過誤差試驗，本文確定隱含層節(jié)點數(shù)為10個。

4)確定BP網(wǎng)絡(luò)的輸出層節(jié)點數(shù)。對于輸出層，這里以生態(tài)工業(yè)園風(fēng)險評價的結(jié)果作為系統(tǒng)的輸出，輸出節(jié)點數(shù)為1個。將輸出結(jié)果與表1所示的評語集進(jìn)行匹配，可以確定評估對象的風(fēng)險級別。

3.2 基于GA的BP神經(jīng)網(wǎng)絡(luò)初始閾值優(yōu)化

BP神經(jīng)網(wǎng)絡(luò)隱含層和輸出層的傳遞函數(shù)分別采用正切Sigmoid函數(shù) tansig()和線性函數(shù)purelin()，網(wǎng)絡(luò)訓(xùn)練函數(shù)采用traingdm()。設(shè)定遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)初始權(quán)值的種群數(shù)量N為20，遺傳代數(shù)gen為800，交叉概率Pc和突變概率Pm的值分別取 0.9和 0.1。利用 MATLAB R2011b對樣本數(shù)據(jù)進(jìn)行仿真，在GA進(jìn)行了500代搜索后染色體的平均適應(yīng)度趨于穩(wěn)定。

3.3 優(yōu)化后的BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練和預(yù)測

將遺傳算法的優(yōu)化結(jié)果設(shè)置成BP網(wǎng)絡(luò)的初始權(quán)值和閾值，訓(xùn)練BP網(wǎng)絡(luò)，設(shè)定訓(xùn)練的誤差精度為0.001，學(xué)習(xí)率為0.05。30組樣本的前20組作為訓(xùn)練樣本，后10組作為預(yù)測樣本。同時，為了比較，本文也采用了相同參數(shù)對標(biāo)準(zhǔn)BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練和預(yù)測。訓(xùn)練結(jié)束后，利用訓(xùn)練好的3層網(wǎng)絡(luò)，分別輸入測試的10組樣本數(shù)據(jù)。計算結(jié)果分別如圖2和圖3所示。

圖2 GA-BP網(wǎng)絡(luò)預(yù)測輸出

圖3 BP網(wǎng)絡(luò)預(yù)測輸出

網(wǎng)絡(luò)的預(yù)測誤差百分比k是誤差與期望輸出之間的比值，即

GA-BP網(wǎng)絡(luò)和標(biāo)準(zhǔn)BP網(wǎng)絡(luò)的預(yù)測誤差百分比如表2所示。

表2 預(yù)測樣本實際輸出與期望輸出數(shù)據(jù)

3.4 仿真結(jié)果分析

GA-BP網(wǎng)絡(luò)的預(yù)測誤差百分比絕對值的平均值是0.063 4，標(biāo)準(zhǔn)BP網(wǎng)絡(luò)的預(yù)測誤差百分比絕對值的平均值是0.159 6。這說明GA-BP網(wǎng)絡(luò)在生態(tài)工業(yè)園風(fēng)險評價方面具有較好的性能，且準(zhǔn)確率比BP網(wǎng)絡(luò)有提高。但是，預(yù)測的少量結(jié)果仍存在一定誤差，究其原因主要有2點:①從神經(jīng)網(wǎng)絡(luò)的建模上講，隱含層結(jié)點個數(shù)應(yīng)盡量達(dá)到最佳，使網(wǎng)絡(luò)模型更加完善，從而使學(xué)習(xí)和預(yù)測結(jié)果達(dá)到最佳;② 由于實際統(tǒng)計數(shù)據(jù)有限，樣本數(shù)量較少，要使仿真結(jié)果更接近實際值，既要注意模型的完善，還應(yīng)提供足夠的樣本。

4 結(jié)論

1)考慮生態(tài)工業(yè)園風(fēng)險識別的復(fù)雜性，提出一套生態(tài)工業(yè)園風(fēng)險評價指標(biāo)體系，包括可持續(xù)發(fā)展模塊、經(jīng)濟(jì)發(fā)展模塊、管理制度模塊和生態(tài)環(huán)境模塊等。

2)將BP神經(jīng)網(wǎng)絡(luò)與遺傳算法結(jié)合的混合啟發(fā)式算法用于生態(tài)工業(yè)園風(fēng)險評價。采用遺傳算法對BP神經(jīng)網(wǎng)絡(luò)的初始連接權(quán)值進(jìn)行訓(xùn)練尋優(yōu)，再用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練，從而獲得較高精度的解。

3)仿真計算表明:基于GA-BP神經(jīng)網(wǎng)絡(luò)的生態(tài)工業(yè)園風(fēng)險評價模型訓(xùn)練時間短，收斂速度快，在學(xué)習(xí)過程中不易陷入局部極小點，具有良好的應(yīng)用前景。

［1］Chertow M R.Industrial symbiosis:literature and taxonomy［J］.Annual Review of Energy and the Environment，2000，25(1):313－337.

［2］Sakr D，Baas L，El-Haggar S，et al.Critical success and limiting factors for eco-industrial parks:global trends and Egyptian context［J］.Journal of cleaner production，2011，19(11):1158－1169.

［3］蘇青福，趙濤.生態(tài)工業(yè)園的風(fēng)險識別與過濾研究［J］.統(tǒng)計與決策，2012(1):76 －79.

［4］元炯亮.生態(tài)工業(yè)園評價指標(biāo)體系研究［J］.環(huán)境保護(hù)，2003(3):38－40.

［5］黃海鳳，張宏華，蔡文祥，等.基于灰色聚類法的生態(tài)工業(yè)園區(qū)評價［J］.浙江工業(yè)大學(xué)學(xué)報，2005，18(4):118－121.

［6］崔兆杰，謝連科，劉雷等.生態(tài)市可持續(xù)發(fā)展指標(biāo)體系的建立和評價方法研究［J］.科學(xué)技術(shù)與工程，2006，6(13):1863－1868.

［7］孫曉梅，朱麗，崔兆杰.生態(tài)工業(yè)園發(fā)展?fàn)顩r評價指標(biāo)體系的建立［J］.改革與戰(zhàn)略，2010，26(3):109 －113.

［8］周開利，康耀紅.神經(jīng)網(wǎng)絡(luò)模型及其MATLAB仿真程序設(shè)計［M］.北京:清華大學(xué)出版社，2005.

［9］黃勤，龔海清，劉金亨，等.基于改進(jìn)的遺傳神經(jīng)網(wǎng)絡(luò)入侵檢測系統(tǒng)［J］.重慶理工大學(xué)學(xué)報:自然科學(xué)版，2010，24(2):83 －86.