茅茜茜

摘要：石油項(xiàng)目在決定投資開發(fā)前會(huì)有相關(guān)人員對(duì)其進(jìn)行項(xiàng)目申報(bào)，提供相關(guān)項(xiàng)目的經(jīng)濟(jì)數(shù)據(jù)，再由決策者提供數(shù)據(jù)進(jìn)行專業(yè)分析，判斷該項(xiàng)目是否可行。將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于石油項(xiàng)目前期經(jīng)濟(jì)評(píng)價(jià)，介紹了BP神經(jīng)網(wǎng)絡(luò)原理，用于BP神經(jīng)網(wǎng)絡(luò)的石油項(xiàng)目經(jīng)濟(jì)指標(biāo)的選擇，將BP神經(jīng)網(wǎng)絡(luò)用于石油項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)的過程。為了提高精度，選擇標(biāo)記訓(xùn)練樣本對(duì)BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練。大量模擬實(shí)驗(yàn)結(jié)果表明，該方法對(duì)石油項(xiàng)目方案的評(píng)價(jià)是有效的，并在性能方面比傳統(tǒng)方案更方便和準(zhǔn)確。

關(guān)鍵詞：BP神經(jīng)網(wǎng)絡(luò)；經(jīng)濟(jì)評(píng)價(jià)；石油項(xiàng)目；經(jīng)濟(jì)預(yù)測(cè)

中圖分類號(hào)： TP319

文獻(xiàn)標(biāo)識(shí)碼： A

文章編號(hào)： 16727800（2017）004014503

0引言 在石油項(xiàng)目前期評(píng)估中，需判斷其可行性并對(duì)項(xiàng)目經(jīng)濟(jì)效益進(jìn)行評(píng)價(jià)。人工神經(jīng)網(wǎng)絡(luò) （Artificial Neural Network，ANN）[13] 利用大量非線性并行處理關(guān)系模擬眾多神經(jīng)網(wǎng)絡(luò)，通過自學(xué)習(xí)找出輸入值與輸出值之間的關(guān)系，能輕松處理非線性問題，是一種基于黑箱原理的處理系統(tǒng)。針對(duì)傳統(tǒng)經(jīng)濟(jì)評(píng)價(jià)決策方法中存在的問題，將神經(jīng)網(wǎng)絡(luò)應(yīng)用到石油經(jīng)濟(jì)評(píng)價(jià)中。將多個(gè)石油項(xiàng)目的經(jīng)濟(jì)評(píng)價(jià)指標(biāo)作為ANN的輸入值，通過相應(yīng)訓(xùn)練樣本的學(xué)習(xí)，使基于人工神經(jīng)網(wǎng)絡(luò)的石油經(jīng)濟(jì)評(píng)價(jià)系統(tǒng)更接近人類思維模式，對(duì)項(xiàng)目作出更合理的決策。1BP神經(jīng)網(wǎng)絡(luò) 反向傳播（Back Propagation，BP）神經(jīng)網(wǎng)絡(luò)是一個(gè)多層前饋神經(jīng)網(wǎng)絡(luò)[45]，是當(dāng)前應(yīng)用較多且較為成熟的神經(jīng)網(wǎng)絡(luò)模型之一，其基本網(wǎng)絡(luò)包含3層：輸入層、隱含層和輸出層，隱藏層可以是單層或多層。典型的BP網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示，為一個(gè)單隱層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)，學(xué)習(xí)過程由正向傳播信號(hào)和反向傳播誤差組成，輸入信號(hào)由輸入層向前傳播經(jīng)過激發(fā)函數(shù)作用由隱藏節(jié)點(diǎn)傳到輸出節(jié)點(diǎn)，如果輸出層輸出數(shù)值與期望不符，則將誤差作為調(diào)整信號(hào)按照原路逐層反向傳播，并對(duì)連接各層神經(jīng)元之間的權(quán)重和閾值進(jìn)行調(diào)整，逐漸縮小誤差值，直至誤差小于一個(gè)可接受的范圍方停止學(xué)習(xí)。同時(shí)，也是一個(gè)監(jiān)督學(xué)習(xí)，因?yàn)槊總€(gè)訓(xùn)練樣本都帶有標(biāo)簽，這些訓(xùn)練樣本預(yù)先確定了經(jīng)過BP網(wǎng)絡(luò)訓(xùn)練后的輸出值。經(jīng)過多次學(xué)習(xí)，就能將該神經(jīng)網(wǎng)絡(luò)逼近某個(gè)函數(shù)，這個(gè)訓(xùn)練好的網(wǎng)絡(luò)就能用于評(píng)價(jià)預(yù)測(cè)，學(xué)習(xí)過程其實(shí)就是將n維映射成m維，為了獲得正確的映射需要經(jīng)過反復(fù)學(xué)習(xí)即調(diào)整相關(guān)參數(shù)（權(quán)重和閾值）。

2石油項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)指標(biāo)體系構(gòu)建2.1石油投資經(jīng)濟(jì)效益指標(biāo) 對(duì)于石油項(xiàng)目的經(jīng)濟(jì)效益評(píng)價(jià)，可借助經(jīng)濟(jì)指標(biāo)反映石油項(xiàng)目在未來項(xiàng)目壽命期內(nèi)的經(jīng)濟(jì)效益。鑒于石油項(xiàng)目的復(fù)雜性，單一的評(píng)價(jià)指標(biāo)無(wú)法對(duì)項(xiàng)目作出全面的評(píng)價(jià)。根據(jù)文獻(xiàn)[6]-[7]選擇采用多個(gè)相互聯(lián)系且相對(duì)獨(dú)立的評(píng)價(jià)指標(biāo)，如圖2所示，包括：凈現(xiàn)值、費(fèi)用現(xiàn)值、凈現(xiàn)值指數(shù)、投資收益率、內(nèi)部收益率和動(dòng)態(tài)投資回收期。

一個(gè)項(xiàng)目首先要判斷是否可行，主要考慮凈現(xiàn)值（NPV），NPV表示現(xiàn)金流入與流出的差額，當(dāng)NPV≥0時(shí)表示項(xiàng)目可行，此時(shí)項(xiàng)目到達(dá)或超過基準(zhǔn)收益率標(biāo)準(zhǔn)，能給投資者帶來利潤(rùn)，否則項(xiàng)目不可行，會(huì)損壞投資者價(jià)值。而在多個(gè)項(xiàng)目方案比較選擇中，一般凈現(xiàn)值最大的項(xiàng)目是最佳項(xiàng)目。凈現(xiàn)值指數(shù)指標(biāo)對(duì)于項(xiàng)目評(píng)價(jià)的準(zhǔn)則與凈現(xiàn)值一樣，這個(gè)指標(biāo)是凈現(xiàn)值與凈投資現(xiàn)值的比值，比起凈現(xiàn)值還考慮到最初投資額的大小。投資收益率是一個(gè)靜態(tài)指標(biāo)，是指單位投資可獲得的利潤(rùn)，值越大越好，當(dāng)它的值超過標(biāo)準(zhǔn)投資收益率時(shí)意味著該項(xiàng)目可行。內(nèi)部收益率是指當(dāng)凈現(xiàn)值為零時(shí)的貼現(xiàn)率，即在整個(gè)項(xiàng)目壽命期內(nèi)，現(xiàn)金流入剛好完全抵補(bǔ)現(xiàn)金流出，是項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)重要指標(biāo)之一。費(fèi)用現(xiàn)值是指在項(xiàng)目壽命期內(nèi)只考慮現(xiàn)金流出，也就是費(fèi)用支出，包含總投資和成本費(fèi)用，代表成本的值肯定越小越好。投資回收期是指項(xiàng)目的累計(jì)凈現(xiàn)值抵補(bǔ)全部投資的返本年限，即累計(jì)利潤(rùn)達(dá)到零的時(shí)間期限，只是一個(gè)輔助性指標(biāo)，選用動(dòng)態(tài)投資回收期這一指標(biāo)，是因?yàn)楸绕痨o態(tài)回收期，此標(biāo)準(zhǔn)考慮到資金的時(shí)間價(jià)值。2.2石油經(jīng)濟(jì)評(píng)價(jià)指標(biāo)計(jì)算模型 上述指標(biāo)經(jīng)過下列計(jì)算模型計(jì)算后，可作為人工神經(jīng)網(wǎng)絡(luò)輸入層的輸入數(shù)據(jù)，計(jì)算模型參考文獻(xiàn)[8]，具體如下：

3石油項(xiàng)目前期經(jīng)濟(jì)效益評(píng)價(jià)3.1石油項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)指標(biāo)歸一化將上述6個(gè)石油項(xiàng)目的經(jīng)濟(jì)評(píng)價(jià)指標(biāo)作為BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，這些數(shù)據(jù)具有不可共度性，也就是說衡量這些數(shù)值的單位不相同，有些是百分?jǐn)?shù)，有些以時(shí)間為單位，無(wú)法進(jìn)行比較。石油項(xiàng)目中關(guān)于項(xiàng)目費(fèi)用和盈利的指標(biāo)的數(shù)值是非常大的，這會(huì)導(dǎo)致BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)緩慢，收斂慢，有時(shí)數(shù)值太大，經(jīng)神經(jīng)網(wǎng)絡(luò)作用后，偏差也會(huì)很大；而且對(duì)于神經(jīng)網(wǎng)絡(luò)中所應(yīng)用的激活函數(shù)來說，有些函數(shù)是有值域的，數(shù)據(jù)太大或太小都會(huì)影響網(wǎng)絡(luò)學(xué)習(xí)效果。為了解決這些問題，一般在訓(xùn)練樣本數(shù)據(jù)前要對(duì)數(shù)據(jù)進(jìn)行預(yù)處理，進(jìn)行歸一化后的數(shù)據(jù)收斂性更強(qiáng)，參考文獻(xiàn)[9]～[11]采用最值法作為數(shù)據(jù)歸一化方法。但是費(fèi)用現(xiàn)值和動(dòng)態(tài)投資回收期的值對(duì)于石油項(xiàng)目來說越小越好，而剩下4個(gè)指標(biāo)體現(xiàn)石油項(xiàng)目收益，這些指標(biāo)值越大越好，因此對(duì)上述分成收益型指標(biāo)和成本型指標(biāo)兩類數(shù)據(jù)歸一化，費(fèi)用現(xiàn)值和動(dòng)態(tài)投資回收期為成本型指標(biāo)，其余皆為效益型指標(biāo)。假設(shè)有n個(gè)訓(xùn)練樣本，每個(gè)訓(xùn)練樣本含6個(gè)指標(biāo)數(shù)值，按以下公式將每個(gè)樣本的6個(gè)指標(biāo)進(jìn)行數(shù)據(jù)歸一化，限制在[0，1]區(qū)間內(nèi)。 （1）收益型指標(biāo)，包括凈現(xiàn)值、凈現(xiàn)值指數(shù)、投資收益率和內(nèi)部收益率。

式中yij和xij分別表示第i組訓(xùn)練樣本的第j個(gè)指標(biāo)歸一化后和歸一化前的數(shù)值，而ximax和ximin分別表示第i組訓(xùn)練樣本中的最大和最小值。3.2BP人工神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)對(duì)于石油項(xiàng)目經(jīng)濟(jì)效益評(píng)價(jià)問題，就是利用BP人工神經(jīng)網(wǎng)絡(luò)將其轉(zhuǎn)換為6個(gè)項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)指標(biāo)與最終評(píng)價(jià)值之間的非線性映射。實(shí)驗(yàn)選用三層BP神經(jīng)網(wǎng)絡(luò)，輸入層節(jié)點(diǎn)數(shù)為6個(gè)，對(duì)應(yīng)6個(gè)石油項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)指標(biāo)。激活函數(shù)選用單極性Sigmoid函數(shù)（雙曲線正切函數(shù)），公式如下：

對(duì)于隱藏層節(jié)點(diǎn)數(shù)確定，最常用的方法是試湊法[1213]，以公式（3）、（4）來設(shè)置較多的隱節(jié)點(diǎn)，對(duì)于每個(gè)隱節(jié)點(diǎn)數(shù)進(jìn)行一次BP網(wǎng)絡(luò)的訓(xùn)練，通過比較每次訓(xùn)練誤差的大小，選定誤差最小的作為該BP網(wǎng)絡(luò)的隱藏層節(jié)點(diǎn)個(gè)數(shù)。

其中，m表示隱藏層節(jié)點(diǎn)個(gè)數(shù)，n表示輸入層節(jié)點(diǎn)個(gè)數(shù)，l表示輸出層節(jié)點(diǎn)個(gè)數(shù)，α取1～10之間的常數(shù)，此處設(shè)計(jì)的BP網(wǎng)絡(luò)層是6個(gè)輸入節(jié)點(diǎn)，1個(gè)輸出節(jié)點(diǎn)，根據(jù)取值范圍，隱藏層節(jié)點(diǎn)數(shù)取值范圍是4～13。根據(jù)最終項(xiàng)目評(píng)價(jià)結(jié)果為可行與不可行來分為兩類，對(duì)于BP神經(jīng)網(wǎng)絡(luò)，可行項(xiàng)目期望輸出值為1，不可行項(xiàng)目期望輸出值為0.5，如表1所示的部分訓(xùn)練樣本。將大量的石油項(xiàng)目相關(guān)數(shù)據(jù)通過BP網(wǎng)絡(luò)訓(xùn)練，得出該BP網(wǎng)絡(luò)隱藏層節(jié)點(diǎn)數(shù)為9個(gè)。

3.3石油項(xiàng)目前期經(jīng)濟(jì)效益評(píng)價(jià)過程 如圖3所示，用戶可以創(chuàng)建石油項(xiàng)目，錄入最初的原始數(shù)據(jù)，比如相關(guān)基礎(chǔ)數(shù)據(jù)、成本費(fèi)用、營(yíng)業(yè)稅金及附加、融資方案等。提交該項(xiàng)目后，生成財(cái)務(wù)報(bào)表，初步反映該石油項(xiàng)目在項(xiàng)目壽命期內(nèi)的經(jīng)濟(jì)情況。根據(jù)初步計(jì)算進(jìn)行不確定性分析，以盈虧平衡分析和敏感性分析為主，以表格和圖像的形式呈現(xiàn)投資項(xiàng)目的風(fēng)險(xiǎn)和不確定性，提高投資決策的可靠性。利用計(jì)算模型計(jì)算BP神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)，經(jīng)過神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)能力對(duì)石油項(xiàng)目進(jìn)行終極評(píng)價(jià)，為最終審核提供可靠的建議。3.4實(shí)驗(yàn)結(jié)果與分析 通過石油項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)系統(tǒng)獲取不同項(xiàng)目的經(jīng)濟(jì)效益評(píng)價(jià)數(shù)據(jù)，將經(jīng)過歸一化后的數(shù)據(jù)作為訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)輸入端。如圖4所示，通過樣本訓(xùn)練后，所有輸出期望值都圍繞在0.5和1附近，輸出值output=0.5時(shí)，代表該石油項(xiàng)目是不可行的，輸出值output=1，代表該石油項(xiàng)目是可行的。

為了驗(yàn)證此BP神經(jīng)網(wǎng)絡(luò)對(duì)于石油項(xiàng)目經(jīng)濟(jì)效益評(píng)價(jià)預(yù)測(cè)的準(zhǔn)確性，將表2中有代表性的測(cè)試數(shù)據(jù)通過神經(jīng)網(wǎng)〖HJ*3〗絡(luò)預(yù)測(cè)獲得最終的期望值輸出。第一個(gè)石油項(xiàng)目?jī)衄F(xiàn)值大于0，成本低，投資回收期短，投資回報(bào)率高，是一個(gè)非常好的投資項(xiàng)目，與其輸出值含義相符合。相反，第二個(gè)項(xiàng)目?jī)衄F(xiàn)值小于0，收益率低，完全符合輸出值0.5，是一個(gè)不可行項(xiàng)目。項(xiàng)目3雖然凈現(xiàn)值大于0，不會(huì)虧本，但是投資大，資本回收期長(zhǎng)，并且回報(bào)率低，這并不是一個(gè)好的項(xiàng)目，故該系統(tǒng)判定為不可行項(xiàng)目。

4結(jié)語(yǔ) 本文通過模擬實(shí)驗(yàn)驗(yàn)證將BP神經(jīng)網(wǎng)絡(luò)應(yīng)用于石油項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)的有效性，克服傳統(tǒng)評(píng)價(jià)的缺陷和局限性。

結(jié)果表明經(jīng)過大量真實(shí)數(shù)據(jù)訓(xùn)練的神經(jīng)網(wǎng)絡(luò)能更準(zhǔn)確地為用戶提供基于項(xiàng)目數(shù)據(jù)的判斷，能準(zhǔn)確描述代表石油項(xiàng)目經(jīng)濟(jì)效益的6個(gè)指標(biāo)與項(xiàng)目可行性之間的非線性關(guān)系。當(dāng)然BP神經(jīng)網(wǎng)絡(luò)也有其缺陷，對(duì)于隱藏層數(shù)及其節(jié)點(diǎn)數(shù)的確認(rèn)并沒有完整的理論指導(dǎo)，后期將引入深度學(xué)習(xí)對(duì)其進(jìn)行經(jīng)濟(jì)效益預(yù)測(cè)，以使預(yù)測(cè)更加精確。

參考文獻(xiàn)：[1]蔡自興，徐光祐.人工智能極其應(yīng)用[M].第四版.北京：清華大學(xué)出版社，2011.

[2]C M BISHOP.Neural network and theirapplications[J].Revi.Scie.Instr，1994（156）：18031832.

[3]胡金濱，唐旭清.人工神經(jīng)網(wǎng)絡(luò)的BP算法及其應(yīng)用[J].信息技術(shù)，2004 （4）：14.

[4]L K HANSEN，P SALAMON.Neural network ensembles[J].IEEE trans pattern analysis and machine intelligence，1990（12）：9931001.

[5]WANG P，ZHAO T，F(xiàn)AN Y，et al.Study of Chinese farmers income forecast model based on BP neural network[J].Computer and Applications，2014（56）：508511.

[6]董蔚凱，單守會(huì).未開發(fā)石油儲(chǔ)量評(píng)價(jià)及經(jīng)濟(jì)分類方法[J].石油與天然氣地質(zhì)，1993，14（3）：251256.

[7]李敏杰.海外石油投資經(jīng)理評(píng)價(jià)指標(biāo)淺析[J].西安財(cái)經(jīng)學(xué)院學(xué)報(bào)，2007，20（1）：7619.

[8]游達(dá)明，劉亞錚.技術(shù)經(jīng)濟(jì)與項(xiàng)目經(jīng)濟(jì)評(píng)價(jià)[M].北京：清華大學(xué)出版社，2009：6290.

[9]Q SONG，Q JIANG，Z SONG.Economic evaluation of CO2EOR industry chain in refineries[J].Shiyou Xuebao Shiyou Jiagong/acta Petrolei Sinica，2015.

[10]L XIAOKE.Analysis of the misunderstanding in investment project economic appraisal theory[C].Business Management and Electronic Information （BMEI），2011：196198.

[11]楊偉，倪黔東，吳軍基.BP神經(jīng)網(wǎng)絡(luò)權(quán)值初始值與收斂性問題研究[J].電力系統(tǒng)及自動(dòng)化學(xué)報(bào)，2002，14（1）：2022.

[12]趙峰.基于神經(jīng)網(wǎng)絡(luò)的項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)[J].建筑經(jīng)濟(jì)，2006，10（288）：6264.

[13]K SHINIKE.A two phase method for determining the number of neurons in the hidden layer of a 3layer neural network[C].SICE Annual Conference，2010：238242.

（責(zé)任編輯：陳福時(shí)）