亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于WOA-BPNN的電力企業(yè)審計風(fēng)險評估模型

        2023-11-27 07:37:58王正陽
        中國新技術(shù)新產(chǎn)品 2023年20期
        關(guān)鍵詞:電力企業(yè)

        王正陽

        (國網(wǎng)江蘇省電力有限公司連云港供電分公司,江蘇 連云港 222000)

        隨著我國綜合國力和經(jīng)濟實力的提升,電力企業(yè)作為國家發(fā)展的經(jīng)濟命脈,其健康發(fā)展是國民經(jīng)濟穩(wěn)定發(fā)展的重要基礎(chǔ),對電力企業(yè)進行審計工作有利于企業(yè)正常運營[1-2],因此研究電力企業(yè)審計風(fēng)險評估,對提高審計效率和提升企業(yè)競爭力具有重要意義[3]。

        賬項基礎(chǔ)、制度基礎(chǔ)和風(fēng)險導(dǎo)向是企業(yè)審計工作的三要素,其中風(fēng)險導(dǎo)向是審計工作規(guī)避風(fēng)險的有效措施。通過分析電力企業(yè)審計風(fēng)險因素,能夠有效避免企業(yè)經(jīng)營中潛在的財務(wù)危機[4]。王鑫根[5]采用層次分析法確定電力企業(yè)風(fēng)險評估指標(biāo),采用天牛須搜索算法對BP神經(jīng)網(wǎng)絡(luò)的參數(shù)進行優(yōu)化,深入挖掘?qū)徲嬶L(fēng)險與影響因素間的關(guān)系,提出一種基于數(shù)據(jù)挖掘的電力企業(yè)審計風(fēng)險評估模型,但天牛須搜索算法在尋優(yōu)過程中易陷入局部極值[6]。

        該文采用鯨魚優(yōu)化算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化,建立基于鯨魚算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電力企業(yè)風(fēng)險評估模型,用該模型對電力企業(yè)審計風(fēng)險進行準(zhǔn)確評估,通過實際算例對所提模型的正確性和實用性進行驗證。

        1 鯨魚優(yōu)化算法

        鯨魚優(yōu)化算法[7](Whale Optimization Algorithm,WOA)是數(shù)學(xué)家Mirjalili等根據(jù)鯨魚捕食過程提出的一種群體智能算法。鯨魚是一種群居生活的大型哺乳動物,通過相互合作驅(qū)趕和圍捕獵物。鯨魚發(fā)現(xiàn)獵物后,會制造螺旋狀上升的泡泡,獵物隨著泡泡不斷地收縮,最終被鯨魚捕獲,因此鯨魚捕食獵物的過程主要包括包圍獵物、氣泡攻擊和搜索獵物3個階段。

        1.1 包圍獵物階段

        當(dāng)鯨魚種群中有個體發(fā)現(xiàn)獵物所在位置時,獵物位置信息會在鯨魚種群中共享,鯨魚獲得信息后向獵物靠攏,并不斷縮小搜索范圍,假設(shè)獵物位置為鯨魚種群中適應(yīng)度值最好的個體,鯨魚個體的位置更新如公式(1)和公式(2)所示。

        式中:k為算法當(dāng)前迭代次數(shù);X(k)為鯨魚個體在第k次迭代時的位置;X(k+1)為鯨魚個體在第k+1次迭代時的位置;Xp(k)為獵物位置;A、C均為鯨魚位置調(diào)整系數(shù),計算如公式(3)和公式(4)所示。

        式中:r1、r2為取值在[0,1]的隨機數(shù);a為控制因子,控制因子的取值與算法迭代次數(shù)有關(guān),如公式(5)所示。

        式中:kmax為算法最大迭代次數(shù)。

        1.2 氣泡攻擊階段

        當(dāng)圍捕獵物時,鯨魚通過制造螺旋狀上升的泡泡,包圍獵物并不斷搜索,最終捕獲獵物,計算過程如公式(6)所示。

        式中:b為常數(shù),可以控制螺旋形狀;l為隨機數(shù),取值區(qū)間均為[0,1]。

        1.3 搜索獵物階段

        為找到全局最優(yōu)解,鯨魚搜索獵物的階段的策略為隨機搜索。該階段與包圍獵物階段不同,為便于區(qū)分,用|A|值判斷,如果|A|≥1,則表明鯨魚在隨機搜索的同時不斷縮小搜索區(qū)域,其好處是算法能夠及時跳出局部最優(yōu)解,能全局尋優(yōu),從而提高尋優(yōu)精度。搜索獵物階段鯨魚位置更新如公式(7)和公式(8)所示。

        式中:Xrand(k)為鯨魚在第k次迭代時隨機選擇的位置。

        與遺傳算法和粒子群算法等傳統(tǒng)優(yōu)化算法相比,WOA算法在尋優(yōu)過程中不易陷入局部極值,優(yōu)化效果更好,目前被廣泛應(yīng)用于參數(shù)尋優(yōu)和目標(biāo)尋優(yōu)等相關(guān)領(lǐng)域。WOA算法的偽代碼見表1。

        2 反向傳播神經(jīng)網(wǎng)絡(luò)

        反向傳播神經(jīng)網(wǎng)絡(luò)(Back Propagation Neural Network,BPNN)是一種前饋監(jiān)督學(xué)習(xí)算法[8]。BPNN主要由輸入層、隱含層和輸出層組成,各層間采用多個神經(jīng)元節(jié)點進行連接,具有較強的非線性擬合能力,BPNN的網(wǎng)絡(luò)結(jié)構(gòu)如圖1所示。

        BPNN的訓(xùn)練過程包括正向傳播和反向傳播,在訓(xùn)練過程中不斷更新BPNN的權(quán)值和閾值,使輸出結(jié)果與實際值的誤差最小,從而完成網(wǎng)絡(luò)訓(xùn)練。

        2.1 正向傳播過程

        正向傳播過程的傳輸方向是從輸入層到輸出層,通過輸入與輸出的映射關(guān)系完成數(shù)據(jù)正向傳播。在傳播過程中,輸入層和相關(guān)網(wǎng)絡(luò)參數(shù)都需要線性調(diào)整,并采用激活函數(shù)完成線性到非線性轉(zhuǎn)換,得到輸出值。各層神經(jīng)元的正向計算如公式(9)和公式(10)所示。

        式中:i、j分別為BP神經(jīng)網(wǎng)絡(luò)的神經(jīng)元節(jié)點;ωij為節(jié)點i和節(jié)點j間的權(quán)值;bj為節(jié)點j的閾值;xi為節(jié)點i的輸入值;f為激活函數(shù);yj為節(jié)點的輸出值。

        2.2 反向傳播過程

        反向傳播過程是誤差傳播,從輸出層開始反向計算每層神經(jīng)元的計算誤差,并更新參數(shù)。令輸出層結(jié)果為yj,損失函數(shù)的計算如公式(11)所示。

        損失函數(shù)反映實際值與BP神經(jīng)網(wǎng)絡(luò)擬合值間的差異,為使二者更接近,采用梯度下降法更新BPNN的權(quán)值和閾值,如公式(12)和公式(13)所示。

        式中:η為學(xué)習(xí)率,其值決定權(quán)值和閾值的調(diào)整幅度。

        常用的激活函數(shù)為Sigmoid函數(shù)和tanh函數(shù),該文采用Sigmoid函數(shù)進行計算,如公式(14)所示。

        對公式(14)進行求導(dǎo)后,如公式(15)所示。

        由此可以分析權(quán)值和閾值的導(dǎo)數(shù)的表達式,如公式(16)~公式(18)所示。

        綜上所述,可以得到BPNN的權(quán)值和閾值更新公式,如公式(19)~和公式(20)所示。

        BPNN結(jié)構(gòu)簡單,適合解決非線性分類和回歸等問題,目前廣泛應(yīng)用于交通、能源和醫(yī)療等領(lǐng)域中。

        3 基于PSO-BPNN的電力通信網(wǎng)故障診斷模型

        審計工作對電力企業(yè)的發(fā)展有很大影響,正確評估審計風(fēng)險有利于保障電力企業(yè)的資產(chǎn)安全,提升企業(yè)管理水平。因此,該文采用WOA算法對BPNN的權(quán)值和閾值進行優(yōu)化,建立基于WOA-BPNN的電力企業(yè)風(fēng)險評估模型,WOABPNN模型的建模流程如圖2所示。

        輸入電力企業(yè)審計數(shù)據(jù),組成樣本數(shù)并進行歸一化處理,如公式(21)所示。

        式中:xi為某特征值;xmax為某特征值的最大值;xmin為某特征值的最小值。

        確定BPNN的網(wǎng)絡(luò)結(jié)構(gòu),設(shè)置傳遞函數(shù),并根據(jù)建模需要確定輸入層、隱含層和輸出層神經(jīng)元的數(shù)量。初始化WOA算法,并設(shè)置相關(guān)參數(shù),包括鯨魚種群數(shù)量、算法最大迭代次數(shù)和收斂因子等。

        采用WOA算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行尋優(yōu),并根據(jù)適應(yīng)度函數(shù)計算鯨魚個體適應(yīng)度值,適應(yīng)度函數(shù)采用訓(xùn)練結(jié)果的均方根誤差,計算如公式(22)所示。

        通過迭代不斷更新BPNN的權(quán)值和閾值,當(dāng)訓(xùn)練結(jié)果的均方根誤差最小時,終止迭代,將最優(yōu)權(quán)值和閾值賦給BPNN。采用BPNN對電力企業(yè)審計風(fēng)險進行評估。

        4 算例分析

        以某大型電網(wǎng)企業(yè)的12家省級電力企業(yè)審計風(fēng)險數(shù)據(jù)作為樣本數(shù)據(jù)進行仿真分析。利用Matlab軟件作為仿真平臺,采用Tansig函數(shù)作為BPNN輸入層與隱含層間的連接函數(shù),隱含層和輸出層間采用Logsig函數(shù),訓(xùn)練目標(biāo)精度為10-4。WOA算法的參數(shù)設(shè)置如下[9]:鯨魚種群數(shù)量N=30、算法最大迭代次數(shù)kmax=1000、收斂因子a=30。

        電力企業(yè)審計風(fēng)險共分為5個等級,見表2。

        表2 電力企業(yè)審計風(fēng)險劃分

        用Matlab軟件編制WOA-BPNN的計算程序,WOA-BPNN的收斂曲線如圖3所示。

        圖3 WOA-BPNN的收斂曲線

        從圖3可以看出,當(dāng)?shù)嬎愕?00次時,WOA-BPNN模型的收斂精度已經(jīng)達到目標(biāo)精度,采用完成訓(xùn)練的WOABPNN模型對12家電力企業(yè)審計風(fēng)險進行評估,評估結(jié)果見表3。

        表3 電力通信網(wǎng)故障編碼

        由表3可知,在12家電力企業(yè)中,2家企業(yè)審計風(fēng)險為高風(fēng)險,4家企業(yè)審計風(fēng)險為較高風(fēng)險,2家企業(yè)審計風(fēng)險為中風(fēng)險,1家企業(yè)審計風(fēng)險為較低風(fēng)險,1家企業(yè)審計風(fēng)險為低風(fēng)險,評估結(jié)果與12家電力企業(yè)實際審計風(fēng)險一致,由此驗證該文基于WOA-BPNN的電力企業(yè)風(fēng)險等級評估方法的正確性和實用性。

        5 結(jié)論

        該文采用鯨魚優(yōu)化算法對BP神經(jīng)網(wǎng)絡(luò)的權(quán)值和閾值進行優(yōu)化,建立基于鯨魚算法優(yōu)化BP神經(jīng)網(wǎng)絡(luò)的電力企業(yè)風(fēng)險評估模型,采用該模型對電力企業(yè)審計風(fēng)險進行準(zhǔn)確評估,評估結(jié)果與12家電力企業(yè)實際審計風(fēng)險一致,驗證了該文基于WOA-BPNN的電力企業(yè)風(fēng)險等級評估方法的正確性和實用性。

        猜你喜歡
        電力企業(yè)
        基于Canopy-Kmeans算法的電力企業(yè)流量數(shù)據(jù)分析研究
        黨員在電力企業(yè)精神文明建設(shè)中的推進作用
        新時期做好電力企業(yè)工會工作的思考
        基于新形勢下電力企業(yè)人力資源的開發(fā)與管理
        電力企業(yè)物資管理模式探討
        電力企業(yè)財務(wù)管理模式創(chuàng)新研究
        電力企業(yè)基層員工激勵機制的思考
        中國電力企業(yè)的海外投資熱潮
        能源(2017年9期)2017-10-18 00:48:25
        關(guān)于電力企業(yè)生產(chǎn)管理信息系統(tǒng)的設(shè)計與實現(xiàn)應(yīng)用
        對電力企業(yè)管理信息化的探討
        河南科技(2014年11期)2014-02-27 14:17:45
        日韩av精品视频在线观看| 久久久久久免费播放一级毛片| 国产一级片内射在线视频| 亚洲精品一区二区三区在线观| 中文区中文字幕免费看| 国产亚洲精品aaaaaaa片| 综合无码综合网站| 国产自拍在线视频观看| 亚洲精品乱码久久久久久| 久久和欧洲码一码二码三码| 亚洲一级无码片一区二区三区| 青青草免费在线视频导航| 国产人成精品免费久久久| 国产性生大片免费观看性| 欧美二区视频| 大岛优香中文av在线字幕| av高清在线不卡直播| 无码精品日韩中文字幕| 99久久国内精品成人免费| 国产av一区二区三区天美| 成人精品一区二区三区电影| 日韩精品人妻系列无码专区免费 | 999精品全免费观看视频| 高清少妇一区二区三区| 久久99精品久久久久久清纯| 国产成人精品日本亚洲| 国产av无码专区亚洲草草| 亚洲av第一区国产精品| 久久人妻少妇嫩草av无码专区| 欧美精品在线一区| 日本熟妇视频在线中出| 脱了老师内裤猛烈进入| 竹菊影视欧美日韩一区二区三区四区五区| 人妻系列无码专区久久五月天 | 中文天堂国产最新| 大香视频伊人精品75| 国内精品久久人妻性色av| 最新国产精品拍自在线观看| 国产女女精品视频久热视频| 久久亚洲精彩无码天堂| 一区二区三区日韩亚洲中文视频|