黃新穎， 楊文麗

(江南大學(xué)法學(xué)院，江蘇無(wú)錫 214000)

20世紀(jì)90年代后期，世界經(jīng)濟(jì)衰退，主要發(fā)達(dá)國(guó)家經(jīng)濟(jì)增長(zhǎng)乏力，貿(mào)易保護(hù)主義抬頭，在各國(guó)關(guān)稅大幅度下降的情況下，技術(shù)性貿(mào)易壁壘(technicalbarrierstotrade，簡(jiǎn)稱(chēng)TBT)成為國(guó)際貿(mào)易壁壘的重要形式。所謂技術(shù)性貿(mào)易壁壘就是指在國(guó)際貿(mào)易中，一國(guó)以維護(hù)國(guó)家安全或保護(hù)人類(lèi)健康和安全、保護(hù)動(dòng)植物生命和健康、保護(hù)生態(tài)環(huán)境或防止欺詐行為、保證產(chǎn)品質(zhì)量為由，采取一些強(qiáng)制性或非強(qiáng)制性的技術(shù)性措施，如技術(shù)標(biāo)準(zhǔn)與法規(guī)、合格評(píng)定程序、綠色包裝和標(biāo)簽要求、動(dòng)植物衛(wèi)生檢疫措施、信息技術(shù)壁壘等，而這些措施成為其他國(guó)家商品自由進(jìn)入該國(guó)市場(chǎng)的障礙[1]。簡(jiǎn)言之，技術(shù)性貿(mào)易壁壘是對(duì)進(jìn)口產(chǎn)品實(shí)施不合理的技術(shù)法規(guī)標(biāo)準(zhǔn)，或者設(shè)置復(fù)雜的認(rèn)證認(rèn)可程序。從性質(zhì)上看，TBT具有雙重性，其積極的一面是適當(dāng)采取TBT可以合理有效地保護(hù)人類(lèi)健康和生態(tài)安全等；此外，TBT又具有歧視性和貿(mào)易保護(hù)的性質(zhì)，在客觀上限制產(chǎn)品進(jìn)口。另外TBT的量化困難，難以準(zhǔn)確判斷其是否超越合理程度，這就為一些國(guó)家借TBT的名義進(jìn)行貿(mào)易保護(hù)提供了廣泛的操作空間。且在具有技術(shù)水平差距的國(guó)家之間更容易實(shí)施這種隱蔽性貿(mào)易措施，其中農(nóng)產(chǎn)品是國(guó)際貿(mào)易中設(shè)置技術(shù)性貿(mào)易壁壘的傳統(tǒng)領(lǐng)域[2-3]。

近幾年，技術(shù)貿(mào)易壁壘發(fā)展迅速，中國(guó)遭遇世界TBT通報(bào)量大幅增加，2000—2006年，世界TBT通報(bào)量由88次增加到217次，2006年之后，TBT通報(bào)量更是每年都達(dá)到1 000次以上，到2014年高達(dá)2 144次，是2006年的10倍[數(shù)據(jù)來(lái)源于技術(shù)壁壘資源網(wǎng)(http：//www.tptmap.cn/portal/tandard_tbt/default.jsf?frame=tbt)]。其中機(jī)電產(chǎn)品、農(nóng)產(chǎn)品與食品是實(shí)施TBT的主要領(lǐng)域，美國(guó)、歐盟、加拿大、日本等發(fā)達(dá)國(guó)家和地區(qū)發(fā)布的通報(bào)總量占世界總通報(bào)量的50%以上。歐盟的化學(xué)品新政策、RECAH制度(即化學(xué)品注冊(cè)、評(píng)估、授權(quán)與限制制度)、2項(xiàng)電子電氣指令和日本的“肯定列表制度”成為近年國(guó)際技術(shù)性貿(mào)易措施領(lǐng)域的熱點(diǎn)問(wèn)題，且這一系列舉措在很大程度上影響我國(guó)產(chǎn)品的出口，因此，建立良好的出口貿(mào)易預(yù)警機(jī)制迫在眉睫[4]。

眾所周知，茶葉是我國(guó)主要的出口創(chuàng)匯農(nóng)產(chǎn)品，出口量長(zhǎng)期居世界前列，在我國(guó)農(nóng)產(chǎn)品出口中占有重要地位。茶葉出口對(duì)發(fā)展茶區(qū)經(jīng)濟(jì)促進(jìn)中國(guó)貧困山區(qū)的發(fā)展、增加茶農(nóng)收入、改善茶農(nóng)生活質(zhì)量發(fā)揮了重要的作用，而日本是我國(guó)茶葉出口的傳統(tǒng)主銷(xiāo)市場(chǎng)，對(duì)日茶葉出口關(guān)系到我國(guó)茶葉生產(chǎn)和出口的穩(wěn)定。本研究對(duì)中國(guó)出口日本的茶葉所遭受日本的技術(shù)性貿(mào)易壁壘進(jìn)行分析，通過(guò)構(gòu)建神經(jīng)網(wǎng)絡(luò)預(yù)警模型，利用當(dāng)年的出口貿(mào)易情況構(gòu)建警兆指標(biāo)，對(duì)下一年遭遇的技術(shù)壁壘進(jìn)行預(yù)測(cè)，給出相應(yīng)的警度，從而可以使有關(guān)部門(mén)迅速地采取預(yù)防措施以減少或避免損失[5]。

1 日本的技術(shù)性貿(mào)易壁壘對(duì)中日茶葉貿(mào)易的影響

1.1 日本技術(shù)性貿(mào)易壁壘的實(shí)施

長(zhǎng)期以來(lái)，日本是我國(guó)茶葉出口的主要國(guó)家之一，自2001年起，日本不斷提高進(jìn)口茶葉的農(nóng)藥殘留標(biāo)準(zhǔn)，成為影響中日兩國(guó)茶葉貿(mào)易發(fā)展的主要障礙。2005年11月日本政府發(fā)布通告并于2006年5月29日正式實(shí)施食品農(nóng)業(yè)化學(xué)殘留限量的“肯定列表制度”，其中規(guī)定了所有農(nóng)業(yè)化學(xué)品在茶葉中的殘留限量，檢測(cè)項(xiàng)目多，標(biāo)準(zhǔn)要求近乎苛刻，對(duì)全球797種農(nóng)藥、獸藥和添加劑設(shè)定新的殘留限量標(biāo)準(zhǔn)，比原來(lái)的食品安全規(guī)定增加了500多種，其中約有150種屬于我國(guó)常用農(nóng)藥，占我國(guó)農(nóng)藥種類(lèi)的比重超過(guò)55%[6-7]。而我國(guó)農(nóng)藥殘留限量在茶葉行業(yè)一直存在多重標(biāo)準(zhǔn)，并且殘留限量標(biāo)準(zhǔn)項(xiàng)目比較少，這與日本等發(fā)達(dá)國(guó)家的執(zhí)行標(biāo)準(zhǔn)相差甚遠(yuǎn)。如果茶企只是按照我國(guó)的標(biāo)準(zhǔn)生產(chǎn)和出口茶葉，則其出口日本的茶葉農(nóng)藥殘留限量超標(biāo)的可能性會(huì)很大[8]。

1.2 中國(guó)農(nóng)產(chǎn)品出口受阻情況

日本、美國(guó)、歐盟和韓國(guó)是我國(guó)農(nóng)產(chǎn)品出口的主要市場(chǎng)，也是我國(guó)遭遇農(nóng)產(chǎn)品技術(shù)性貿(mào)易壁壘最多的國(guó)家和地區(qū)。近年來(lái)，這四大市場(chǎng)在中國(guó)農(nóng)產(chǎn)品出口市場(chǎng)中所占的份額呈現(xiàn)下降趨勢(shì)，其中日本的下降趨勢(shì)最為明顯。在2008—2012年年間，我國(guó)農(nóng)產(chǎn)品出口日本的受阻批次為1 357次，其中日本共計(jì)扣留我國(guó)茶類(lèi)出口總數(shù)達(dá)到82次，僅因?yàn)椴枞~農(nóng)藥殘留不達(dá)標(biāo)而被扣留的次數(shù)約占90.25%[數(shù)據(jù)來(lái)源于技術(shù)壁壘資源網(wǎng)(http：//www.tptmap.cn/protal/tandard_tbt/default.jsf?frame=tbt)]。

1.3 中國(guó)出口日本茶葉的現(xiàn)狀

中國(guó)作為日本最大的茶葉進(jìn)口來(lái)源國(guó)，尤其是在2005年，中國(guó)茶葉在日本茶葉進(jìn)口總量中的比例高達(dá)75.8%。但隨著日本“肯定列表制度”的出臺(tái)，我國(guó)對(duì)日茶葉出口數(shù)量和金額持續(xù)下降。由圖1可知，在2002—2005年，中國(guó)出口至日本的茶葉量基本在3萬(wàn)t以上，出口額基本高于7 000萬(wàn)美元；2006年該技術(shù)性貿(mào)易措施實(shí)施以后，中國(guó)茶葉對(duì)日本的出口數(shù)量和金額快速下降，出口量從2006年的2.77萬(wàn)t下降至2013年的1.76萬(wàn)t，下降36.46%[數(shù)據(jù)來(lái)源于聯(lián)合國(guó)UNCOMTRADE數(shù)據(jù)庫(kù)(http：//comtrade.un.org/db/dqQuickQuery.aspx)]。

綜上所述，技術(shù)性貿(mào)易壁壘措施是新時(shí)期的一種貿(mào)易限制手段，深入了解日本在茶葉進(jìn)口領(lǐng)域的技術(shù)貿(mào)易壁壘措施，建立相應(yīng)的預(yù)警體系，避免和減少損失，具有現(xiàn)實(shí)的經(jīng)濟(jì)和社會(huì)意義。

2 預(yù)警的理論與方法

所謂預(yù)警指的是對(duì)某一警素的現(xiàn)狀和未來(lái)進(jìn)行測(cè)度，預(yù)報(bào)不正常的時(shí)空范圍和危害程度，并提出相應(yīng)的防范措施。不同于一般的預(yù)測(cè)，預(yù)警不僅要對(duì)未來(lái)的狀況做出預(yù)測(cè)，還要對(duì)所預(yù)測(cè)的結(jié)果進(jìn)行分析和處理，得到對(duì)策的直觀結(jié)論。經(jīng)濟(jì)預(yù)警的完整邏輯體系應(yīng)包括建立指標(biāo)體系、選擇預(yù)警方法、發(fā)現(xiàn)警兆、分析警情并采取相應(yīng)措施等[9]。在系統(tǒng)辨識(shí)和預(yù)測(cè)中，須要建立性能良好、穩(wěn)定的模型對(duì)系統(tǒng)進(jìn)行準(zhǔn)確的辨識(shí)和預(yù)測(cè)。事實(shí)上，經(jīng)濟(jì)不是直線式穩(wěn)步增長(zhǎng)的，而是在周期波動(dòng)中上升或者下降的，也就是在擴(kuò)張和收縮的交替中發(fā)展。經(jīng)濟(jì)波動(dòng)劇烈或者蕭條嚴(yán)重時(shí)，出現(xiàn)危機(jī)，給社會(huì)經(jīng)濟(jì)帶來(lái)嚴(yán)重的損失，甚至給全球造成巨大災(zāi)難。經(jīng)濟(jì)預(yù)警是指圍繞經(jīng)濟(jì)循環(huán)波動(dòng)這一特定經(jīng)濟(jì)現(xiàn)象所展開(kāi)的一整套經(jīng)濟(jì)監(jiān)測(cè)、評(píng)價(jià)、預(yù)測(cè)和政策選擇的理論和方法體系。通常采用傳統(tǒng)的定性分析就能解決線性問(wèn)題，但對(duì)于非線性問(wèn)題就顯得無(wú)能為力了。相比之下，神經(jīng)網(wǎng)絡(luò)顯示了明顯的優(yōu)越性[10-11]。

人工神經(jīng)網(wǎng)絡(luò)是一類(lèi)模擬生物神經(jīng)系統(tǒng)結(jié)構(gòu)，由大量處理單元組成的非線性自適應(yīng)動(dòng)態(tài)系統(tǒng)，具有學(xué)習(xí)能力、記憶能力、計(jì)算能力以及智能處理功能，在不同程度和層次上模仿大腦的信息處理機(jī)制。人工神經(jīng)網(wǎng)絡(luò)不須要構(gòu)建任何數(shù)學(xué)模型，只靠過(guò)去的經(jīng)驗(yàn)和專(zhuān)家的知識(shí)來(lái)學(xué)習(xí)，通過(guò)網(wǎng)絡(luò)學(xué)習(xí)達(dá)到其輸出與期望輸出相符的結(jié)果，目前主要用來(lái)處理模型的、非線性的、含有噪聲的數(shù)據(jù)[12]。其中BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)簡(jiǎn)單，訓(xùn)練與調(diào)控參數(shù)豐富，是神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的一種，在圖像語(yǔ)音識(shí)別、股市分析預(yù)測(cè)、管理問(wèn)題優(yōu)化與決策等方面得到大量實(shí)際應(yīng)用。

2.1 警情指標(biāo)的建立

警情指標(biāo)可反映茶葉出口遭遇技術(shù)性貿(mào)易壁壘直接產(chǎn)生的不正常情況，是區(qū)分警度的關(guān)鍵性指標(biāo)。本試驗(yàn)選取2004—2014年中國(guó)茶葉出口增長(zhǎng)率、中國(guó)對(duì)日本茶葉出口增長(zhǎng)率、日本茶葉進(jìn)口增長(zhǎng)率作為警情指標(biāo)，具體如表1所示。

表1 2004—2014年警情指標(biāo)統(tǒng)計(jì)情況[13]

表2 警情指標(biāo)的Minitab分析結(jié)果

表3 警情指標(biāo)的權(quán)重

2.1.2 警情指標(biāo)歸一化處理 由于警情指標(biāo)是綜合指標(biāo)體系而非單一指標(biāo)，因此須要建立一個(gè)警情指標(biāo)總指數(shù)，用R進(jìn)行定義，并定義其取值范圍為0～100。在預(yù)警指標(biāo)體系中有正、負(fù)2類(lèi)指標(biāo)，正指標(biāo)表示隨著國(guó)際貿(mào)易形勢(shì)的改善和政策的寬松，這一類(lèi)指標(biāo)朝著有利的方向變動(dòng)，與經(jīng)濟(jì)系統(tǒng)的良性循環(huán)成正比，而負(fù)指標(biāo)則與之相反。因此，也可以這樣來(lái)定義：正指標(biāo)越大，說(shuō)明遭遇技術(shù)壁壘的情況越輕；負(fù)指標(biāo)越大，說(shuō)明遭遇技術(shù)壁壘的情況越嚴(yán)重。

表4 警情指標(biāo)歸一化的結(jié)果

R1和R2分別是預(yù)警值發(fā)生變化的臨界點(diǎn)，R1右半部分是重度警報(bào)區(qū)間，R1、R2之間是由重度向輕度警報(bào)過(guò)渡的區(qū)間，R2左半部分是正常區(qū)間。而臨界值R1和R2的計(jì)算如下：按照統(tǒng)計(jì)學(xué)上μ-σ原則，μ=AVERAGE(R)=58.060 6，s=STDEV(R)=27.255 95，于是R1=μ+s=85.316 55，R2=μ-s=30.804 65。那么，當(dāng)R值大于85.316 55時(shí)，說(shuō)明技術(shù)壁壘已經(jīng)非常嚴(yán)重，容易引起重大損失，必須立刻采取有效措施；當(dāng)R值處于[30.804 65，85.316 55]區(qū)間時(shí)，說(shuō)明有一些技術(shù)壁壘措施已實(shí)施，須要引起重視；當(dāng)R值小于30.804 65時(shí)，說(shuō)明當(dāng)前的技術(shù)壁壘措施未有很大影響。按照這個(gè)標(biāo)準(zhǔn)就可以判斷哪些屬于嚴(yán)重紅燈警報(bào)級(jí)別，哪些屬于中度黃燈警報(bào)級(jí)別，還有一些是輕度綠燈警報(bào)級(jí)別。

為加快模型的收斂及BP神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)效率，將所有的輸入數(shù)據(jù)全部歸一化到[0，1]區(qū)間內(nèi)，同時(shí)按照總警情指數(shù)，設(shè)置相應(yīng)的輸出目標(biāo)值Y1、Y2、Y3，用布爾變量與報(bào)警信號(hào)燈聯(lián)系起來(lái)，則向量(1，0，0)、(0，1，0)、(0，0，1)就分別代表綠燈、黃燈、紅燈。經(jīng)過(guò)處理的輸出數(shù)據(jù)如表5所示。

表5 輸出目標(biāo)值

2.2 警兆指標(biāo)的建立

警兆指標(biāo)反映茶葉出口遭遇技術(shù)性貿(mào)易壁壘呈現(xiàn)出的先導(dǎo)性預(yù)兆，本試驗(yàn)選取3類(lèi)9種指標(biāo)，分別為(1)國(guó)內(nèi)產(chǎn)業(yè)指標(biāo)：X1，中國(guó)茶葉對(duì)日本出口增長(zhǎng)率/日本茶葉進(jìn)口增長(zhǎng)率、X2，中國(guó)對(duì)日茶葉出口價(jià)格/日本國(guó)內(nèi)茶葉價(jià)格、X3，中國(guó)對(duì)日本茶葉出口總額/日本茶葉進(jìn)口總額、X4，中國(guó)茶葉出口總量/中國(guó)出口貿(mào)易總量。(2)貿(mào)易對(duì)象指標(biāo)：X5，日本經(jīng)濟(jì)增長(zhǎng)率、X6，日本居民消費(fèi)價(jià)格指數(shù)、X7，日本貿(mào)易進(jìn)出口總額(億美元)、X8，失業(yè)率。(3)技術(shù)指標(biāo)：X9，技術(shù)性貿(mào)易壁壘通報(bào)量。所有指標(biāo)經(jīng)過(guò)歸一化處理，具體如表6所示。

表6 2004—2013年歸一化后警兆指標(biāo)的統(tǒng)計(jì)情況[14]

3 技術(shù)性貿(mào)易壁壘預(yù)警的BP神經(jīng)網(wǎng)絡(luò)模型

由圖2可知，BP網(wǎng)絡(luò)由輸入層、隱含層、輸出層組成。輸入層和輸出層的單元數(shù)是由具體問(wèn)題的輸入層參數(shù)和輸出層參數(shù)來(lái)確定的，而隱含層的單元數(shù)則由具體問(wèn)題的復(fù)雜程度、誤差下降情況等來(lái)確定。一般情況下，BP網(wǎng)絡(luò)隱含層的傳遞函數(shù)是S型函數(shù)，從而輸出層也逼近線性函數(shù)。BP網(wǎng)絡(luò)間的連接權(quán)在網(wǎng)絡(luò)的學(xué)習(xí)中不斷得到修正，使輸入層與隱含層之間、隱含層與輸出層之間的2組權(quán)所構(gòu)成的網(wǎng)絡(luò)能實(shí)現(xiàn)學(xué)習(xí)樣本中輸入?yún)?shù)與輸出參數(shù)間的特定映射關(guān)系，權(quán)的分布體現(xiàn)了各輸入分量在輸入矢量中所占特征強(qiáng)度的分布。把用來(lái)描述評(píng)價(jià)對(duì)象特點(diǎn)的信息作為神經(jīng)網(wǎng)絡(luò)的輸入向量，將代表響應(yīng)評(píng)價(jià)結(jié)果的向量作為神經(jīng)網(wǎng)絡(luò)的輸出，然后用足夠的樣本訓(xùn)練這個(gè)網(wǎng)絡(luò)，使不同的輸入向量得到相應(yīng)的輸出量值，這樣神經(jīng)網(wǎng)絡(luò)特有的那組權(quán)系數(shù)值(即閾值)便是網(wǎng)絡(luò)經(jīng)過(guò)自適應(yīng)學(xué)習(xí)得到的正確內(nèi)部表示，訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)可以作為一種有效的工具，對(duì)樣本模式以外的對(duì)象作出相應(yīng)的分析[15-18]。

基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)警模型就是將歷年警兆指標(biāo)和警情警度錯(cuò)位地組成樣本進(jìn)行網(wǎng)絡(luò)訓(xùn)練，得出警兆指標(biāo)和未來(lái)某一年警情之間的映射關(guān)系；在建立警兆指標(biāo)和警情之間映射關(guān)系的基礎(chǔ)上，輸入當(dāng)年的警兆指標(biāo)值，可以預(yù)報(bào)未來(lái)特定時(shí)間警情的警度。警兆指標(biāo)為輸入xi，而滯后警兆指標(biāo)一定時(shí)間的市場(chǎng)警情為輸出yi。

構(gòu)建BP神經(jīng)網(wǎng)絡(luò)的預(yù)警模型所要做的是將整理的樣本分為2個(gè)部分，一部分組成訓(xùn)練集，用以訓(xùn)練網(wǎng)絡(luò)；另一部分組成檢驗(yàn)集，用以檢驗(yàn)所建立模型的準(zhǔn)確性。也就是說(shuō)，先用訓(xùn)練集中的樣本訓(xùn)練網(wǎng)絡(luò)，得出警兆指標(biāo)和警情警度之間的映射關(guān)系，構(gòu)建預(yù)警模型；然后將檢測(cè)集中樣本的警兆指標(biāo)值輸入到訓(xùn)練完畢的BP網(wǎng)絡(luò)中，并將網(wǎng)絡(luò)的輸出和實(shí)際的警情警度進(jìn)行比較，判斷已完成訓(xùn)練預(yù)警模型的準(zhǔn)確性。本試驗(yàn)建立的模型就是要反映當(dāng)年警兆指標(biāo)和滯后1年警情指標(biāo)之間的映射關(guān)系，借助模型預(yù)測(cè)出滯后警兆指標(biāo)1年的警情程度，從而提出預(yù)報(bào)。

3.1 模型的訓(xùn)練

本試驗(yàn)收集了2004—2013年的10組數(shù)據(jù)，按照BP神經(jīng)網(wǎng)絡(luò)模型的學(xué)習(xí)訓(xùn)練和驗(yàn)證要求，將這10組數(shù)據(jù)分成2個(gè)部分：第1部分是訓(xùn)練樣本，共9組，用以訓(xùn)練網(wǎng)絡(luò)模型進(jìn)行自主學(xué)習(xí)；第2部分是驗(yàn)證樣本，共1組，用以驗(yàn)證已經(jīng)學(xué)習(xí)完畢的網(wǎng)絡(luò)正確性。采用S型函數(shù)作為激發(fā)函數(shù)，使用Matlab數(shù)據(jù)挖掘處理軟件中的人工神經(jīng)網(wǎng)絡(luò)工具箱模塊編寫(xiě)學(xué)習(xí)訓(xùn)練程序，利用計(jì)算機(jī)的自動(dòng)運(yùn)算功能，實(shí)現(xiàn)自動(dòng)迭代。

t=[0 1 0；0 1 0；0 1 0；0 1 0；0 0 1；0 1 0；0 1 0；0 1 0；0 1 0]

t=t′

net=newff(minmax(p)，[150，3]，{‘tansig’，‘logsig’}，‘traingdm’)；

inputWeights=net.IW{1，1}%輸入層與隱含層的連接權(quán)重；

inputbias=net.b{1}%輸入層與隱含層的閾值；

layerWeights=net.LW{2，1}%隱含層與輸出層的連接權(quán)重；

layerbias=net.b{2}%隱含層與輸出層的閾值；

net.trainparam.show=100；%每經(jīng)100次訓(xùn)練顯示有關(guān)信息；

net.trainparam.lr=0.2；%學(xué)習(xí)速率為0.2；

net.trainparam.epocbs=10 000；%最大迭代次數(shù)為 10 000 次；

net.trainparam.goal=0.001；%誤差為0.001；

net=train(net，p，t)；

T=sim(net，p)；

E=T-t；

MSE=mse(E)；

echo off；

p1=[0 0.760 4 0.451 3 0.336 3 0.728 3 0.125 0.792 1 0.083 3 0.575 8]；

p2=p1′；

t2=sim(net，p2)。

3.2 BP網(wǎng)絡(luò)模型的驗(yàn)證

按照BP神經(jīng)網(wǎng)絡(luò)的一般驗(yàn)證方法，將檢測(cè)樣本的警兆指標(biāo)輸入已經(jīng)建立的網(wǎng)絡(luò)模型中，可以得到網(wǎng)絡(luò)輸出值。將該輸出值與實(shí)際值進(jìn)行對(duì)比，如果兩者相當(dāng)接近則表明前面建立的網(wǎng)絡(luò)模型有較高的擬合度，可準(zhǔn)確反映輸入輸出函數(shù)的映射關(guān)系，從而作出有效的預(yù)警。將檢測(cè)樣本的輸入變量輸入到網(wǎng)絡(luò)模型中，得到的網(wǎng)絡(luò)輸出結(jié)果見(jiàn)表7。

表7 神經(jīng)網(wǎng)絡(luò)模型檢驗(yàn)結(jié)果對(duì)比

從神經(jīng)網(wǎng)絡(luò)的輸出結(jié)果來(lái)看，實(shí)際輸出與期待輸出雖然有微小的誤差，但是比較接近，可以較為真實(shí)地反映實(shí)際綠燈警情結(jié)果。具體誤差e可以用歐式范數(shù)來(lái)表征：

計(jì)算可得誤差值為0.817%。因此，本試驗(yàn)建立的基于BP神經(jīng)網(wǎng)絡(luò)的預(yù)警模型有很好的泛化性能，可以作為技術(shù)貿(mào)易壁壘預(yù)警體系的預(yù)警模型。

3.3 2015年中國(guó)茶葉出口日本遭遇技術(shù)貿(mào)易壁壘預(yù)警分析

建立技術(shù)貿(mào)易壁壘預(yù)警體系的作用是為了對(duì)尚未發(fā)生的下一年警情做出預(yù)報(bào)。收集2014年的相關(guān)指標(biāo)數(shù)據(jù)并進(jìn)行歸一化處理，以滿足BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型的輸出要求。結(jié)果見(jiàn)表8。

表8 2014年的警兆指標(biāo)及歸一化值

將經(jīng)過(guò)歸一化處理的各警兆指標(biāo)值作為BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型的輸入，經(jīng)過(guò)模型的內(nèi)部處理，得到預(yù)警模型的輸出。涉及到的Matlab程序如下：

P3=[0.798 80 0.905 861 0.331 169 0.256 529 0.689 655 0 2.263 605 0 0.454 546]

P_forecast=P3′

T_forecast=sim(net.P_forecast)

運(yùn)行結(jié)果如表9所示。

表9 神經(jīng)網(wǎng)絡(luò)模型預(yù)測(cè)結(jié)果

從BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型的實(shí)際輸出可以發(fā)現(xiàn)，網(wǎng)絡(luò)各結(jié)點(diǎn)的輸出近似于中警警度(0，1，0)情況下各結(jié)點(diǎn)的輸出。因此，經(jīng)過(guò)本試驗(yàn)所建立的基于BP神經(jīng)網(wǎng)絡(luò)預(yù)警模型的分析，2015年中國(guó)對(duì)日本出口茶葉面對(duì)的技術(shù)貿(mào)易壁壘將處于“中警”警度的警情狀況下。雖然還沒(méi)有達(dá)到非常嚴(yán)重的地步，但是存在一定程度的警報(bào)，仍然須要重視，并積極采取相關(guān)措施預(yù)防。

4 應(yīng)對(duì)策略

針對(duì)我國(guó)目前防御技術(shù)貿(mào)易壁壘的現(xiàn)狀，提出幾點(diǎn)應(yīng)對(duì)措施：(1)必須建立符合我國(guó)國(guó)情的技術(shù)標(biāo)準(zhǔn)體系，制定重點(diǎn)傾向生態(tài)環(huán)?；臉?biāo)準(zhǔn)，加強(qiáng)與國(guó)外檢測(cè)機(jī)構(gòu)的合作，積極爭(zhēng)取與國(guó)際知名檢測(cè)認(rèn)證機(jī)構(gòu)互通有無(wú)，以避免因與發(fā)達(dá)國(guó)家的標(biāo)準(zhǔn)差異太大而導(dǎo)致出口產(chǎn)品被退回現(xiàn)象的發(fā)生。(2)企業(yè)自身必須積極應(yīng)對(duì)，推進(jìn)技術(shù)改造和技術(shù)進(jìn)步。我國(guó)出口的茶葉多以未加工的天然茶葉為主，附加值比較低，相對(duì)容易受到發(fā)達(dá)國(guó)家技術(shù)性貿(mào)易措施的負(fù)面影響。所以，我國(guó)政府須要大力發(fā)展茶葉深加工，可以通過(guò)直接補(bǔ)貼、貸款資助等措施來(lái)支持茶葉加工行業(yè)的技術(shù)創(chuàng)新，研發(fā)附加值較高的加工產(chǎn)品。(3)最關(guān)鍵的是要建立健全技術(shù)性貿(mào)易措施預(yù)警機(jī)制，通過(guò)政府建立國(guó)外技術(shù)性貿(mào)易措施收集、處理機(jī)制，以及國(guó)內(nèi)技術(shù)檢驗(yàn)壓測(cè)網(wǎng)絡(luò)機(jī)制、信息風(fēng)險(xiǎn)評(píng)估及預(yù)警共享機(jī)制等，對(duì)國(guó)際茶葉市場(chǎng)，特別是發(fā)達(dá)國(guó)家茶業(yè)進(jìn)口的技術(shù)性貿(mào)易措施進(jìn)行監(jiān)控、評(píng)估和發(fā)布。通過(guò)構(gòu)建技術(shù)性貿(mào)易措施的預(yù)警機(jī)制，讓茶葉出口企業(yè)及時(shí)應(yīng)對(duì)發(fā)達(dá)國(guó)家相關(guān)貿(mào)易措施，降低可能產(chǎn)生的貿(mào)易風(fēng)險(xiǎn)和損失。(4)各相關(guān)部門(mén)也要引起重視，相關(guān)行業(yè)協(xié)會(huì)要積極參與政府談判，協(xié)助企業(yè)解決爭(zhēng)議，在技術(shù)壁壘的預(yù)警和識(shí)別上，努力實(shí)現(xiàn)政府機(jī)構(gòu)、行業(yè)協(xié)會(huì)、科研機(jī)構(gòu)、茶葉企業(yè)的全面協(xié)作、各司其職、聯(lián)動(dòng)應(yīng)對(duì)，形成良性互動(dòng)[19-21]。

5 結(jié)論

為應(yīng)對(duì)目前中國(guó)茶葉出口日本大量遭遇技術(shù)貿(mào)易壁壘的現(xiàn)狀，及時(shí)檢測(cè)預(yù)警并采取防御措施，本試驗(yàn)選用泛化能力強(qiáng)、擬合優(yōu)度高的BP神經(jīng)網(wǎng)絡(luò)系統(tǒng)研究茶葉出口技術(shù)壁壘的預(yù)警問(wèn)題，并且取得良好的試驗(yàn)效果，但由于訓(xùn)練和測(cè)試樣本數(shù)量較少，該預(yù)警模型的實(shí)際應(yīng)用價(jià)值還有待深入研究，使模型更加完善和逼近現(xiàn)實(shí)。

[1]孫敬水. 技術(shù)性貿(mào)易壁壘的經(jīng)濟(jì)分析[M]. 北京：中國(guó)物資出版社，2005：20.

[2]陳曉娟，穆月英. 技術(shù)性貿(mào)易壁壘對(duì)中國(guó)農(nóng)產(chǎn)品出口的影響研究——基于日本、美國(guó)、歐盟和韓國(guó)的實(shí)證研究[J]. 經(jīng)濟(jì)問(wèn)題探索，2014(1)：115-121.

[3]夏友富. 技術(shù)性貿(mào)易壁壘體系與當(dāng)代國(guó)際貿(mào)易[J]. 中國(guó)工業(yè)經(jīng)濟(jì)，2001(5)：14-20.

[4]高志前，黃冠勝. 技術(shù)性貿(mào)易措施戰(zhàn)略研究[M]. 北京：企業(yè)管理出版社，2012：50-60.

[5]江 凌. 技術(shù)性貿(mào)易壁壘國(guó)內(nèi)研究綜述[J]. 商業(yè)時(shí)代，2012(35)：53-54.

[6]顧國(guó)達(dá)，牛曉婧，張錢(qián)江. 技術(shù)壁壘對(duì)國(guó)際貿(mào)易影響的實(shí)證分析——以中日茶葉貿(mào)易為例[J]. 國(guó)際貿(mào)易問(wèn)題，2007(6)：74-80.

[7]肖新越，陳 微. 日本“肯定列表”制度對(duì)我國(guó)茶葉出口的影響[J]. 北方經(jīng)貿(mào)，2009(1)：40-42.

[8]王雅楠. 日本技術(shù)性貿(mào)易壁壘的現(xiàn)狀和發(fā)展趨勢(shì)[J]. 商業(yè)經(jīng)濟(jì)，2007(11)：75-76，80.

[9]陳 敏. 我國(guó)輸美紡織品服裝技術(shù)貿(mào)易壁壘預(yù)警系統(tǒng)研究[D]. 南京：南京理工大學(xué)，2013.

[10]杜 軍. 基于粗集-神經(jīng)網(wǎng)絡(luò)的宏觀經(jīng)濟(jì)預(yù)警研究[D]. 南京：河海大學(xué)，2003.

[11]黃繼鴻，雷戰(zhàn)波，凌 超. 經(jīng)濟(jì)預(yù)警方法研究綜述[J]. 系統(tǒng)工程，2003，21(2)：64-70.

[12]曹 巍. 中國(guó)出口紡織品應(yīng)對(duì)歐盟綠色貿(mào)易壁壘預(yù)警系統(tǒng)研究[D]. 保定：華北電力大學(xué)，2007.

[13]國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒(2004—2014)[M]. 北京：中國(guó)統(tǒng)計(jì)出版社，2004—2014.

[14]日本總務(wù)省統(tǒng)計(jì)局.日本統(tǒng)計(jì)年鑒(2004—2014)[M]. 東京：日本統(tǒng)計(jì)協(xié)會(huì)，每人新聞社，2004—2014.

[15]李 萍，曾令可，稅安澤，等. 基于MATLAB的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)系統(tǒng)的設(shè)計(jì)[J]. 計(jì)算機(jī)應(yīng)用與軟件，2008，25(4)：149-150，184.

[16]閆 妍，張?jiān)迄i，張一弛，等. 基于BP神經(jīng)網(wǎng)絡(luò)的食品價(jià)格的預(yù)測(cè)[J]. 電子設(shè)計(jì)工程，2014(15)：47-49.

[17]Szoplik J. Forecasting of natural gas consumption with artificial neural networks[J]. Energy，2015，85：208-220.

[18]Yang L N，Peng L，Zhang L M，et al. A prediction model for population occurrence of paddy stem borer(Scirpophagaincetulas)，based on Back Propagation Artificial Neural Network and Principal Components Analysis[J]. Computers & Electronics in Agiculture，2009，68(2)：200-206.

[19]李朝暉. 日本技術(shù)性貿(mào)易措施對(duì)中國(guó)茶葉出口的影響[J]. 世界農(nóng)業(yè)，2013(8)：33-37.

[20]張海東. 技術(shù)性貿(mào)易壁壘與中國(guó)對(duì)外貿(mào)易[M]. 北京：對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)出版社，2004：122-124.

[21]高志前，黃冠勝. 技術(shù)性貿(mào)易措施戰(zhàn)略研究[M]. 北京：企業(yè)管理出版社，2012：214-216.