基于粗糙集的化工行業(yè)損害警兆指標的選取

[摘要] 當前國內(nèi)學者已先后提出了許多行業(yè)損害預警體系，但體系中指標的選取基本建立在統(tǒng)計分析方法上，沒考慮指標間的非線性相關(guān)性；且指標選取主觀性較強，數(shù)量較多，使預警體系的實用性和準確性不高。本文旨在通過我國對外發(fā)起的化工行業(yè)反傾銷調(diào)查案例的收集和整理，用收集到的31個相關(guān)樣本建立決策表，利用粗糙集理論對指標進行約簡，從而找出關(guān)鍵預警指標。

[關(guān)鍵詞] 化工行業(yè) 損害 警兆指標 粗糙集

一、文章背景

從1979年到2005年底全球起訴我國傾銷案件共有663起，我國連續(xù)十年成為世界上遭受反傾銷案件最多的國家，每年造成300億～400億美元的損失。而我國對國外發(fā)起的反傾銷案件很少，據(jù)統(tǒng)計從1997年以來我國累計發(fā)起了41起反傾銷、涉案金額64億美元；涉及到全國的23個省市和電子、化工、造紙、輕工業(yè)和冶金5個行業(yè)。其中化工案件就有29起，2005年各項過度性非關(guān)稅措施都將取消，化工產(chǎn)品平均關(guān)稅必須降到6.9%，進口關(guān)稅的下調(diào)將使化工進口產(chǎn)品以更低的成本進入我國市場，從而影響到我國國內(nèi)相關(guān)化工產(chǎn)品的產(chǎn)品競爭力。這就需要我們加強反傾銷研究，建立反傾銷預警機制，而預警系統(tǒng)中警兆指標的選取至關(guān)重要，直接影響預警系統(tǒng)的預警效果。

二、指標的初步選取

筆者以經(jīng)濟因素是進口國企業(yè)提起反傾銷申請的主要原因， 經(jīng)濟、政治和社會等多種因素共同影響進口國政府的反傾銷裁決結(jié)果這一理論為基礎(chǔ)，初步選出的指標有：產(chǎn)量增長率、銷量增長率、產(chǎn)能增長率、銷售價格增長率、市場份額變化幅度、開工率變化幅度、就業(yè)率變化幅度、人均工資增長率、庫存增長率、勞動生產(chǎn)率變化幅度、投資收益變化幅度、利潤增長率、銷售收入增長率、進口產(chǎn)品國內(nèi)市場份額變化幅度、進口數(shù)量增長率、進口產(chǎn)品價格增長率等16項指標。顯然不能用這么多指標都作為預警系統(tǒng)的警兆指標，否則會影響系統(tǒng)的預測能力和可操作性。這就需對指標進行簡化，傳統(tǒng)統(tǒng)計方法不適合一些指標間存在相關(guān)性，一些指標由于采集的困難導致數(shù)據(jù)不準確的情況，因此，本文引入粗糙集理論對指標進行約簡，能克服以往方法的不足。

三、數(shù)據(jù)離散化

因為粗糙集只能對離散化的數(shù)據(jù)進行處理，因此要首先對樣本集的指標數(shù)據(jù)進行離散化處理。本文采用的離散方法是利用競爭學習神經(jīng)網(wǎng)絡(luò)進行離散。用Matlab的圖形用戶界面GUI來設(shè)計競爭學習網(wǎng)絡(luò)對各指標數(shù)據(jù)離散化，本文將數(shù)據(jù)離散為四類。

將每個屬性的各個連續(xù)值組成的向量(如a的連續(xù)屬性向量為: [147.91-16.18-58.51 41.47 49.43 57.5-46.94 5.14 10.42-9.92 27.18 7.31 9.41 18.53-6.88-10.51-8.8-7.68 2.55 6.17-30.03-50.33 296.64 10.59-17.41-4.75-15.61 2.71-3.68 12.73-40.41 ])作為網(wǎng)絡(luò)的輸入，設(shè)定神經(jīng)網(wǎng)絡(luò)神經(jīng)元的個數(shù)為4;Kohonen學習率取0.O1;閥值學習率取0.001。根據(jù)訓練以后神經(jīng)網(wǎng)絡(luò)的輸出可得到各屬性離散結(jié)果。如a=[3 1 1 4 4 4 1 2 2 2 4 2 2 2 2 2 2 2 2 2 1 1 3 2 1 2 1 2 2 2 1]。其他屬性的離散化處理方法與之相同，可得到數(shù)據(jù)離散化后的決策表。

四、屬性約簡

利用知識約簡可以客觀、科學的降低樣本的指標個數(shù)。本文知識約簡的方法采用差別矩陣法。由于差別矩陣是對稱矩陣，因此，只需要計算矩陣的一半元素，即只考慮區(qū)分矩陣的下三角(或上三角)部分就可以了。基于區(qū)分矩陣的決策表屬性約簡的方法，可以通過以下步驟進行:

第一步:計算決策表的分明矩陣；第二步:建立每一列相應(yīng)析取邏輯表達式：Lij=Vai (ai∈cij)；第三步:將所有列的析取邏輯表達式L，進行合取運算，得到一個合取范式：L=∧Lij (cij≠0)；第四步:將合取范式轉(zhuǎn)換為析取范式的形式，得 L’=∨Lij;第五步:輸出屬性約簡的結(jié)果。析取式中的每一個合取項就對應(yīng)一個屬性約簡的結(jié)果，每個合取項中所包含的屬性組成約簡后的條件屬性。現(xiàn)舉例如下：

由于區(qū)分矩陣是對稱矩陣，故我們僅需計算矩陣的一半元素。上表對應(yīng)的區(qū)分矩陣函數(shù)為

因此，此知識表達系統(tǒng)有兩個約簡{a，b}和{b，d}，核是{b}.

本文的屬性約簡應(yīng)用粗糙集工程軟件ROSETTA來完成。最后可得到區(qū)分函數(shù)為:

由上式可知，本文的決策表有兩個約簡，分別是{b，d，e，g，k，l，m，o，p}和{a，b，d，e，k，l，m，o，p}所以該決策表的核是{b，d，e，k，l，m，o，p}。

五、結(jié)論

本文把粗糙集理論用在化工行業(yè)損害的預警指標的提取上，通過案例收集整理建立決策表，數(shù)據(jù)離散化，屬性指標約簡，最后提取出八個警兆指標:國內(nèi)化工行業(yè)銷量增長率、銷售價格增長率、市場份額變化幅度、進口產(chǎn)品國內(nèi)市場份額變化幅度、進口數(shù)量增長率、進口產(chǎn)品價格增長率、利潤增長率、銷售收入增長率。這樣大大簡化了指標體系，可增強以后建立的預警系統(tǒng)的預測能力和可操作性。

本文中所涉及到的圖表、注解、公式等內(nèi)容請以PDF格式閱讀原文。