賈肖月，崔元培，孫金生，盧秀茹

（河北農(nóng)業(yè)大學(xué)，河北保定071000）

基于BP神經(jīng)網(wǎng)絡(luò)模型的中國(guó)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警研究

賈肖月，崔元培，孫金生，盧秀茹*

（河北農(nóng)業(yè)大學(xué)，河北保定071000）

由于棉花種植面積減少、種植成本上升、質(zhì)量下滑、糧棉爭(zhēng)地嚴(yán)重、價(jià)格波動(dòng)頻繁、國(guó)外市場(chǎng)壓迫等諸多因素的影響，中國(guó)棉花產(chǎn)業(yè)出現(xiàn)高消耗和高庫(kù)存并存現(xiàn)象，供需結(jié)構(gòu)嚴(yán)重失衡。從供給、需求和國(guó)際市場(chǎng)3個(gè)角度出發(fā)，以棉花市場(chǎng)價(jià)格波動(dòng)率作為棉花產(chǎn)業(yè)風(fēng)險(xiǎn)的預(yù)警指標(biāo)，選取了12個(gè)指標(biāo)構(gòu)建了中國(guó)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警指標(biāo)體系。運(yùn)用反向傳輸神經(jīng)網(wǎng)絡(luò)分析了2005―2015年的樣本數(shù)據(jù)，并對(duì)2015年的樣本數(shù)據(jù)進(jìn)行擬合，擬合結(jié)果良好，從而將2016―2018年預(yù)測(cè)數(shù)據(jù)代入模型中進(jìn)行棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)測(cè)。結(jié)果表明，中國(guó)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警指數(shù)呈現(xiàn)上升趨勢(shì)，尤其2017年和2018年棉花產(chǎn)業(yè)存在高風(fēng)險(xiǎn)。

棉花；產(chǎn)業(yè)風(fēng)險(xiǎn)；風(fēng)險(xiǎn)預(yù)警；BP神經(jīng)網(wǎng)絡(luò)模型

1 研究概況

近年來(lái)，產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警已成為學(xué)者研究的熱點(diǎn)，多采用反向傳輸(Back propagation，簡(jiǎn)稱“BP”)神經(jīng)網(wǎng)絡(luò)[4]、自回歸移動(dòng)平均模型（Auto-regressive and moving average model，簡(jiǎn)稱“ARMA 模型”）[5]、層次分析法（Analytic hierarchy process，簡(jiǎn)稱“AHP”）[6]等，其中盧秀茹等設(shè)計(jì)了基于信息技術(shù)的棉花風(fēng)險(xiǎn)預(yù)警體系，并選擇棉花價(jià)格作為預(yù)警系統(tǒng)的關(guān)鍵控制變量，利用信息技術(shù)規(guī)避棉花生產(chǎn)和經(jīng)營(yíng)風(fēng)險(xiǎn)[3]。吳清華等以油菜籽收購(gòu)價(jià)格的波動(dòng)率作為油菜產(chǎn)業(yè)市場(chǎng)風(fēng)險(xiǎn)預(yù)警指標(biāo)，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行實(shí)證研究[7]。張淑榮等運(yùn)用主成分分析法構(gòu)建了我國(guó)棉花產(chǎn)業(yè)安全指標(biāo)體系和評(píng)價(jià)模型[8]。張利庠等利用協(xié)整檢驗(yàn)、Granger因果分析等方法對(duì)棉花產(chǎn)業(yè)鏈上的各項(xiàng)指標(biāo)進(jìn)行實(shí)證研究[9]。白燕飛等以中國(guó)乳制品進(jìn)口數(shù)量、進(jìn)口價(jià)格、國(guó)內(nèi)產(chǎn)業(yè)影響指數(shù)構(gòu)建了中國(guó)奶牛產(chǎn)業(yè)損害預(yù)警指標(biāo)體系，利用BP神經(jīng)網(wǎng)絡(luò)模型表明了奶牛產(chǎn)業(yè)損害預(yù)警指數(shù)呈下降趨勢(shì)[10]。眾多學(xué)者在一定程度上對(duì)中國(guó)棉花產(chǎn)業(yè)進(jìn)行深入研究和綜合評(píng)價(jià)，但并未量化棉花產(chǎn)業(yè)未來(lái)面臨的風(fēng)險(xiǎn)，也未對(duì)未來(lái)情況做出預(yù)警。李亞兵等利用BP神經(jīng)網(wǎng)絡(luò)模型對(duì)中國(guó)棉花生長(zhǎng)指數(shù)的6個(gè)特定向量進(jìn)行分析模擬，并對(duì)棉花單產(chǎn)進(jìn)行預(yù)測(cè)和評(píng)估[4]。王偉等采用2-6-1拓?fù)浣Y(jié)構(gòu)的BP神經(jīng)網(wǎng)絡(luò)對(duì)1種水分校正和溫度補(bǔ)償?shù)拿藁ㄋ謾z測(cè)裝置進(jìn)行分析，消除了溫度變化對(duì)水分測(cè)量值的影響[11]。王偉國(guó)等基于EMD的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)了我國(guó)棉花期貨價(jià)格[12]。BP神經(jīng)網(wǎng)絡(luò)模型是1種較為成熟的風(fēng)險(xiǎn)預(yù)警方法之一，在棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警的應(yīng)用仍處于起步階段。筆者從棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警體系的構(gòu)建、BP神經(jīng)網(wǎng)絡(luò)模型的擬合和預(yù)警分析3個(gè)方面進(jìn)行實(shí)證分析，并實(shí)現(xiàn)對(duì)2016―2018年中國(guó)棉花產(chǎn)業(yè)安全情況的預(yù)警，在此基礎(chǔ)上提出相應(yīng)的對(duì)策建議。

表1 2004－2016年中國(guó)棉花產(chǎn)業(yè)情況

2 中國(guó)棉花產(chǎn)業(yè)市場(chǎng)風(fēng)險(xiǎn)預(yù)警體系構(gòu)建

風(fēng)險(xiǎn)是人們因?qū)ξ磥?lái)為決策及客觀條件的不確定性而可能引起的后果與預(yù)定目標(biāo)發(fā)生負(fù)偏離的綜合[3]。在復(fù)雜的農(nóng)業(yè)生產(chǎn)經(jīng)營(yíng)活動(dòng)中，風(fēng)險(xiǎn)是普遍存在的，并起著重要的作用。風(fēng)險(xiǎn)預(yù)警是根據(jù)所研究對(duì)象的特點(diǎn)，通過(guò)收集相關(guān)的資料信息，監(jiān)控風(fēng)險(xiǎn)因素的變動(dòng)趨勢(shì)，并評(píng)價(jià)各種風(fēng)險(xiǎn)狀態(tài)偏離預(yù)警線的強(qiáng)弱程度，向決策層發(fā)出預(yù)警信號(hào)并提前采取預(yù)控對(duì)策。風(fēng)險(xiǎn)預(yù)警主要包括識(shí)別風(fēng)險(xiǎn)、分析風(fēng)險(xiǎn)、采取有效措施3個(gè)層面。根據(jù)棉花價(jià)格定價(jià)主體的不同，把棉花價(jià)格分為市場(chǎng)價(jià)格和政策價(jià)格。棉花的市場(chǎng)價(jià)格是指通過(guò)市場(chǎng)機(jī)制所形成的價(jià)格，受供求關(guān)系的影響；棉花政策價(jià)格一般指根據(jù)經(jīng)濟(jì)穩(wěn)定增長(zhǎng)的需要，政府制定的對(duì)棉花市場(chǎng)進(jìn)行干預(yù)的1種價(jià)格，如通過(guò)棉花的拋售或收購(gòu)來(lái)進(jìn)行價(jià)格調(diào)節(jié)。由于棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警最重要的表現(xiàn)形式就是由供需不平衡導(dǎo)致的棉花市場(chǎng)價(jià)格波動(dòng)，因此本研究選取棉花市場(chǎng)價(jià)格波動(dòng)率（表2）對(duì)棉花產(chǎn)業(yè)進(jìn)行風(fēng)險(xiǎn)預(yù)警，其中棉花市場(chǎng)價(jià)格數(shù)據(jù)來(lái)源于中國(guó)棉花網(wǎng)，棉花市場(chǎng)價(jià)格波動(dòng)率=（本期棉花市場(chǎng)價(jià)格－上期棉花市場(chǎng)價(jià)格）/上期棉花市場(chǎng)價(jià)格*100%。當(dāng)棉花市場(chǎng)價(jià)格波動(dòng)超過(guò)一定范圍時(shí)，認(rèn)為棉花市場(chǎng)存在風(fēng)險(xiǎn)，具體產(chǎn)業(yè)風(fēng)險(xiǎn)等級(jí)劃分標(biāo)準(zhǔn)見表3。

表2 中國(guó)棉花市場(chǎng)價(jià)格波動(dòng)情況 %

表3 中國(guó)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)等級(jí)的劃分標(biāo)準(zhǔn)

本研究從供給、需求、國(guó)際市場(chǎng)等影響棉花價(jià)格的因素出發(fā)，結(jié)合棉花產(chǎn)業(yè)自身特點(diǎn)和數(shù)據(jù)的可獲得性，最終選擇12個(gè)指標(biāo)研究棉花產(chǎn)業(yè)的風(fēng)險(xiǎn)預(yù)警（表4）。從供給角度，選取單產(chǎn)、種植面積、生產(chǎn)成本、成本利潤(rùn)率、受災(zāi)面積5個(gè)指標(biāo)作分析，其中生產(chǎn)成本和成本利潤(rùn)率數(shù)據(jù)來(lái)源于《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編》，單產(chǎn)、種植面積和受災(zāi)面積數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局，此處“受災(zāi)面積”指代“農(nóng)作物受災(zāi)面積”，這一指標(biāo)主要反映自然災(zāi)害對(duì)棉花的產(chǎn)量和質(zhì)量的影響，前人已有所探究[13]；從需求角度，選取國(guó)內(nèi)銷售量、商品率、庫(kù)存消費(fèi)比、紡織業(yè)銷售增長(zhǎng)率4個(gè)指標(biāo)作分析，其中國(guó)內(nèi)銷售量數(shù)據(jù)來(lái)源于國(guó)家統(tǒng)計(jì)局，商品率數(shù)據(jù)來(lái)源于《全國(guó)農(nóng)產(chǎn)品成本收益資料匯編》，庫(kù)存消費(fèi)比數(shù)據(jù)來(lái)源于美國(guó)農(nóng)業(yè)部，紡織業(yè)銷售增長(zhǎng)率數(shù)據(jù)來(lái)源于中國(guó)棉花網(wǎng)；從國(guó)外市場(chǎng)角度，選取進(jìn)口量、貿(mào)易競(jìng)爭(zhēng)指數(shù)、國(guó)際市場(chǎng)價(jià)格3個(gè)指標(biāo)作分析，其中進(jìn)口量和貿(mào)易競(jìng)爭(zhēng)指數(shù)數(shù)據(jù)來(lái)源于中國(guó)海關(guān)信息網(wǎng)，國(guó)際市場(chǎng)價(jià)格由國(guó)際棉花銷售平均單價(jià)代替，數(shù)據(jù)來(lái)源于中國(guó)棉花網(wǎng)。具體原始數(shù)據(jù)見表1和表5。

表4 中國(guó)棉花產(chǎn)業(yè)市場(chǎng)風(fēng)險(xiǎn)預(yù)警的警兆指標(biāo)

3 BP神經(jīng)網(wǎng)絡(luò)模型在中國(guó)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警中的應(yīng)用

3.1 模型選擇

BP神經(jīng)網(wǎng)絡(luò)模型是1986年由Rumelhart和McCelland為首的科學(xué)家小組提出，能學(xué)習(xí)和存貯大量的輸入－輸出模式映射關(guān)系，是1種按誤差逆?zhèn)鞑ニ惴ㄓ?xùn)練的多層前饋網(wǎng)絡(luò)。它的學(xué)習(xí)規(guī)則是使用最速下降法，通過(guò)反向傳播來(lái)不斷調(diào)整網(wǎng)絡(luò)的權(quán)值和閾值，使網(wǎng)絡(luò)的誤差平方和最小。本研究采用最基本的3層BP神經(jīng)網(wǎng)絡(luò)模型，可以分為輸入層、隱層和輸出層（圖1）。BP神經(jīng)網(wǎng)絡(luò)一般需要對(duì)數(shù)據(jù)進(jìn)行歸一化處理，使數(shù)據(jù)映射在[－1，1]內(nèi)，選取第k個(gè)輸入樣本和對(duì)應(yīng)的期望輸出，計(jì)算隱含層各神經(jīng)元的輸入和輸出，進(jìn)而對(duì)比網(wǎng)絡(luò)期望輸出和實(shí)際輸出，計(jì)算誤差函數(shù)對(duì)輸出層的各神經(jīng)元的偏導(dǎo)數(shù)，再進(jìn)行反向傳播，利用輸出層各神經(jīng)元的偏導(dǎo)數(shù)和隱含層各神經(jīng)元的輸出修正連接權(quán)，利用隱含層各神經(jīng)元的偏導(dǎo)數(shù)和輸入層各神經(jīng)元的輸入修正連接權(quán)，從而計(jì)算全局誤差判斷其是否達(dá)到預(yù)設(shè)精度（0.001）；若不滿足要求，選取下1個(gè)學(xué)習(xí)樣本及對(duì)應(yīng)的期望輸出進(jìn)入下1輪學(xué)習(xí)，如此反復(fù)，直至誤差小于預(yù)定值為止，經(jīng)處理輸出結(jié)果[4]。

表5 中國(guó)棉花產(chǎn)業(yè)市場(chǎng)風(fēng)險(xiǎn)預(yù)警基礎(chǔ)指標(biāo)的原始數(shù)據(jù)

圖1 三層BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

3.2 模型構(gòu)建

選取并計(jì)算了單產(chǎn)增長(zhǎng)率、總種植面積增長(zhǎng)率、生產(chǎn)成本增長(zhǎng)率、成本利潤(rùn)率變動(dòng)率、受災(zāi)面積變動(dòng)率、棉花銷售增長(zhǎng)率、商品率變動(dòng)率、庫(kù)存消費(fèi)比變動(dòng)率、紡織業(yè)銷售增長(zhǎng)率、進(jìn)口量變動(dòng)率、貿(mào)易競(jìng)爭(zhēng)指數(shù)變動(dòng)率、國(guó)際市場(chǎng)價(jià)格變動(dòng)率共12個(gè)指標(biāo)產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警指標(biāo)。計(jì)算公式：增長(zhǎng)率=（本期指標(biāo)數(shù)值－上期指標(biāo)數(shù)值）/上期指標(biāo)數(shù)值*100%。由于部分指標(biāo)無(wú)法獲得月度數(shù)據(jù)，所以本研究統(tǒng)計(jì)數(shù)據(jù)以年為單位，用2004―2015年的年度數(shù)據(jù)為樣本進(jìn)行實(shí)證分析，將收集的數(shù)據(jù)進(jìn)行匯總和變換，得到網(wǎng)絡(luò)輸入的12個(gè)神經(jīng)元（表6）。

表6 BP神經(jīng)網(wǎng)絡(luò)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警指標(biāo)值 %

表6 續(xù)

由于各指標(biāo)之間存在著數(shù)量級(jí)差異問(wèn)題，本研究利用Matlab 2013對(duì)原始數(shù)據(jù)進(jìn)行歸一化處理，使其結(jié)果變?yōu)閇－1，1]區(qū)間內(nèi)的數(shù)值[10]，具體變換公式為：Yi=（Pi－Pmin）－（Pmax－Pmin） ，式中Yi為預(yù)處理后的樣本，Pi為輸入的樣本，Pmin為輸入樣本中的最小值，Pmax為輸入樣本中的最大值。利用Matlab 2013和上式對(duì)輸入數(shù)據(jù)進(jìn)行歸一化處理，得到表7。

表7 BP神經(jīng)網(wǎng)絡(luò)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警歸一化后的數(shù)據(jù)

本研究設(shè)定輸入節(jié)點(diǎn)12個(gè)神經(jīng)元，輸出節(jié)點(diǎn)1個(gè)神經(jīng)元，棉花市場(chǎng)價(jià)格波動(dòng)率的期望輸出值已知，它可由查詢歷史數(shù)據(jù)和作者整理而得，并對(duì)棉花市場(chǎng)價(jià)格波動(dòng)率進(jìn)行歸一化處理，結(jié)果見表8。

表8 BP神經(jīng)網(wǎng)絡(luò)模型輸出值

3.3 模型擬合及預(yù)警分析

利用Matlab 2013軟件，對(duì)表6和表7中的數(shù)據(jù)進(jìn)行BP神經(jīng)網(wǎng)絡(luò)模型訓(xùn)練，經(jīng)過(guò)多次調(diào)試，最終選定隱層節(jié)點(diǎn)數(shù)為12個(gè)，樣本訓(xùn)練率為90%，學(xué)習(xí)速率為0.05，訓(xùn)練誤差為0.001。為檢驗(yàn)BP模型的有效性，利用上述已經(jīng)訓(xùn)練好的BP網(wǎng)絡(luò)模型，對(duì)2015年的棉花產(chǎn)業(yè)風(fēng)險(xiǎn)進(jìn)行預(yù)警分析。結(jié)果顯示2015年預(yù)警指數(shù)輸出值為0.136，棉花市場(chǎng)價(jià)格波動(dòng)率為－13%，處于負(fù)向低風(fēng)險(xiǎn)狀態(tài)，與2015年期望輸出值屬于同一風(fēng)險(xiǎn)范疇。由此認(rèn)為BP神經(jīng)網(wǎng)絡(luò)模型可以較好地對(duì)中國(guó)棉花產(chǎn)業(yè)作風(fēng)險(xiǎn)預(yù)警。以訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)對(duì)2016―2018年中國(guó)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)（2016―2018年原始數(shù)據(jù)為筆者通過(guò)ARMA模型所得的預(yù)測(cè)數(shù)據(jù)）進(jìn)行預(yù)測(cè)預(yù)警，將處理后的數(shù)據(jù)代入訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型中[10]，得到2016―2018年預(yù)警指數(shù)分別為0.147 7、0.588 8、0.596 3。根據(jù)變換公式，可知2016―2018年棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警指數(shù)為－11.65%、39.04%、39.90%。 2016年預(yù)警指數(shù)處于[－20%，－5%]，評(píng)價(jià)為“負(fù)向低風(fēng)險(xiǎn)”；2017年和2018年預(yù)警指數(shù)均在20%以上，評(píng)價(jià)為“正向高風(fēng)險(xiǎn)”。

4 結(jié)論

借助Matlab 2013軟件的運(yùn)算，利用BP神經(jīng)網(wǎng)絡(luò)構(gòu)建了2005―2015年的棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警模型，用訓(xùn)練好的BP神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)了2016―2018年的棉花市場(chǎng)價(jià)格波動(dòng)率，從而實(shí)現(xiàn)中國(guó)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警。然而，本研究收集數(shù)據(jù)有限，定性指標(biāo)也未能在模型中體現(xiàn)，所以風(fēng)險(xiǎn)預(yù)警模型的預(yù)測(cè)功能并未得到完全發(fā)掘。BP神經(jīng)網(wǎng)絡(luò)模型具有非線性映射能力和較強(qiáng)的信息處理能力，克服了時(shí)間序列分析在構(gòu)建過(guò)程中的線性問(wèn)題，將其應(yīng)用于棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警是中國(guó)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警方法中的新嘗試。因此，利用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行中國(guó)棉花產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警應(yīng)成為棉花產(chǎn)業(yè)研究的主攻方向之一。

[1]張杰，王力，趙新民.我國(guó)棉花產(chǎn)業(yè)的困境與出路[J].農(nóng)業(yè)經(jīng)濟(jì)問(wèn)題，2014(9)：28-34.

[2]魏曉文，雷亞平，劉志紅.論我國(guó)棉花收儲(chǔ)政策[C]//中國(guó)棉花學(xué)會(huì)2014年年會(huì)論文匯編.安陽(yáng)：中國(guó)棉花雜志社，2014：10-15.

[3]盧秀茹，代學(xué)鋼，王健.基于信息技術(shù)的棉花風(fēng)險(xiǎn)預(yù)警系統(tǒng)及應(yīng)用[J].農(nóng)業(yè)工程學(xué)報(bào)，2007，23(9)：59-163.

[4]李亞兵，毛樹春，王香河.中國(guó)棉花生長(zhǎng)指數(shù)基于BP神經(jīng)網(wǎng)絡(luò)的單產(chǎn)預(yù)測(cè)模型[J].中國(guó)棉花，2004，31(1)：8-9.

[5]王淑貞，魏華，賀靖峰.基于AR和模糊綜合評(píng)價(jià)的中國(guó)能源風(fēng)險(xiǎn)預(yù)警研究[J].上海管理科學(xué)，2011，33(3)：1-4.

[6]安珺.基于層次分析法的乳品質(zhì)量安全預(yù)警系統(tǒng)研究[D].哈爾濱：東北農(nóng)業(yè)大學(xué)，2012.

[7]吳清華，高峰，馮中朝.中國(guó)油菜產(chǎn)業(yè)風(fēng)險(xiǎn)預(yù)警研究——基于BP神經(jīng)網(wǎng)絡(luò)[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2015(2)：29-33.

[8]張淑榮，魏秀芬.我國(guó)棉花產(chǎn)業(yè)安全狀況評(píng)價(jià)[J].農(nóng)業(yè)技術(shù)經(jīng)濟(jì)，2011(2)：92-95.

[9]張利庠，周海川，卞秋實(shí).棉花產(chǎn)業(yè)鏈各環(huán)節(jié)相關(guān)性分析[J].山西大學(xué)學(xué)報(bào)，2012，35(5)：106-115.

[10]白燕飛，何忠偉，劉芳.基于BP神經(jīng)網(wǎng)絡(luò)模型的中國(guó)奶牛產(chǎn)業(yè)損害預(yù)警研究[J].世界農(nóng)業(yè)，2015(3)：45-49.

[11]王偉，宗望遠(yuǎn)，吳文福.基于BP神經(jīng)網(wǎng)絡(luò)的棉花水分檢測(cè)儀設(shè)計(jì)[J].華中農(nóng)業(yè)大學(xué)學(xué)報(bào)，2011(4)：533-536.

[12]王偉國(guó)，趙新民.基于EMD-BP神經(jīng)網(wǎng)絡(luò)的我國(guó)棉花期貨價(jià)格預(yù)測(cè)方法研究[J].石河子大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版)，2013(1)：78-80.

[13]盧秀茹，焦曉松，劉妍.提升河北省棉花產(chǎn)業(yè)競(jìng)爭(zhēng)力戰(zhàn)略研究[M].北京：中國(guó)質(zhì)檢出版社，2013：50.

Research on Early Warning of Risk in Chinese Cotton Industry Based on Back Propagation Neural Network Model

Jia Xiaoyue,Cui Yuanpei,Sun Jinsheng,Lu Xiuru*

F326.12：S562

A

1000-632X（2017）10-0001-06

10.11963/1000-632X.jxylxr.20171010

中國(guó)棉花產(chǎn)量約占世界總產(chǎn)量的1/4，消費(fèi)量所占份額超過(guò)40%，進(jìn)口量占40%左右[1]。棉花是中國(guó)種植業(yè)生產(chǎn)中產(chǎn)業(yè)鏈最長(zhǎng)的大田經(jīng)濟(jì)作物，商品率超過(guò)95%。據(jù)國(guó)家統(tǒng)計(jì)局?jǐn)?shù)據(jù)，1978年我國(guó)植棉面積為486.64萬(wàn)hm2，皮棉產(chǎn)量為216.70萬(wàn)t，皮棉單產(chǎn)為 445.30 kg·hm－2。1978―2007 年植棉面積跌宕起伏，自2007年以后呈現(xiàn)明顯遞減趨勢(shì)，2016年植棉面積僅為337.61萬(wàn)hm2，皮棉產(chǎn)量為534.3 萬(wàn) t，皮棉單產(chǎn)為 1 582.50 kg·hm－2（表 1）。 近10年來(lái)，隨著農(nóng)作物總種植面積逐年增加和棉花種植面積逐年遞減，棉花種植面積在全國(guó)農(nóng)作物總種植面積中所占比例不斷降低（表1）。

如表1所示，中國(guó)棉花平均出售價(jià)格波動(dòng)幅度較大，導(dǎo)致棉花種植成本利潤(rùn)率波動(dòng)異常，尤其在2008年全球金融危機(jī)的沖擊下，棉花消費(fèi)萎縮，價(jià)格下降。隨后國(guó)家相繼實(shí)施4次收儲(chǔ)，使得2009年5月至2010年10月之間棉花價(jià)格持續(xù)上漲，然而3次拋出后棉花價(jià)格在2010年11月至2011年4月仍隨國(guó)際價(jià)格更快速大幅上漲，而后由于出臺(tái)臨時(shí)收儲(chǔ)政策2011年5月棉價(jià)出現(xiàn)瘋狂的下跌[2]。2014年取消了棉花臨時(shí)收儲(chǔ)政策，以新疆為試點(diǎn)實(shí)行棉花目標(biāo)價(jià)格政策，而目標(biāo)價(jià)格政策的出臺(tái)并未改變棉價(jià)持續(xù)下降的態(tài)勢(shì)。由于棉花價(jià)格呈現(xiàn)波峰波谷的趨勢(shì)，導(dǎo)致棉農(nóng)的種植決策無(wú)從參考，加之自身的知識(shí)水平和決策水平有限，許多棉農(nóng)缺乏行情的預(yù)測(cè)預(yù)報(bào)[3]，陷入“價(jià)格高—多種植—產(chǎn)量高—需求彈性小—價(jià)格低—少種植—產(chǎn)量低—供不應(yīng)求—價(jià)格高”的惡性循環(huán)。如果可以在棉花市場(chǎng)價(jià)格波動(dòng)之前，做出預(yù)警并提前采取相應(yīng)的防范措施，就可以有效降低棉花產(chǎn)業(yè)風(fēng)險(xiǎn)帶來(lái)的損失。

2017-04-11 *通信作者：Luxr2006@126.com

河北省教育廳人文社科重大招標(biāo)課題（ZD201421）；河北省社科基金（HB16YJ056）；河北省科技廳課題（17456102D）