基于變異系數(shù)法與神經(jīng)網(wǎng)絡(luò)算法的電力營(yíng)銷工作質(zhì)量評(píng)估優(yōu)化方法

湯津行　陳敬紅　潘煒　謝昭群　賈佳

摘 要：本文以某供電局電力營(yíng)銷工作質(zhì)量評(píng)估框架及其指標(biāo)數(shù)據(jù)為基礎(chǔ)，提出了一套基于變異系數(shù)法與神經(jīng)網(wǎng)絡(luò)算法的營(yíng)銷工作質(zhì)量評(píng)估優(yōu)化方法，對(duì)原有的工作質(zhì)量評(píng)估方法進(jìn)行優(yōu)化。其中，應(yīng)用變異系數(shù)法對(duì)平行指標(biāo)間的權(quán)重進(jìn)行科學(xué)計(jì)算，最大程度消除原先主觀設(shè)定的權(quán)重帶來(lái)的影響；神經(jīng)網(wǎng)絡(luò)算法對(duì)不同層級(jí)指標(biāo)間的關(guān)系進(jìn)行擬合，挖掘上下層級(jí)指標(biāo)間的關(guān)系，實(shí)現(xiàn)不同層級(jí)指標(biāo)間的聯(lián)動(dòng)，對(duì)營(yíng)銷工作進(jìn)行更細(xì)致的指導(dǎo)，量化管理。

關(guān)鍵詞：變異系數(shù)法；神經(jīng)網(wǎng)絡(luò)；電力營(yíng)銷工作質(zhì)量評(píng)估；指標(biāo)權(quán)重；數(shù)據(jù)挖掘

中圖分類號(hào)：FM416.2 文獻(xiàn)標(biāo)識(shí)碼：A 文章編號(hào)：1671-2064（2018）04-0159-02

工作質(zhì)量評(píng)估起著對(duì)企業(yè)各業(yè)務(wù)進(jìn)行工作質(zhì)量檢查，進(jìn)而對(duì)下一階段的企業(yè)工作進(jìn)行指導(dǎo)與改進(jìn)的作用。

本文研究的電力營(yíng)銷工作質(zhì)量評(píng)估體系中存在的客觀性問題在于各指標(biāo)的權(quán)重設(shè)置，目前的權(quán)重完全憑主觀經(jīng)驗(yàn)設(shè)置，一定程度上缺乏客觀性，難以對(duì)評(píng)價(jià)對(duì)象進(jìn)行客觀評(píng)價(jià)。同時(shí)，評(píng)估時(shí)也未科學(xué)分析指標(biāo)間的相互關(guān)系及影響程度。

針對(duì)指標(biāo)體系權(quán)重主觀化的缺陷，變異系數(shù)法作為一種設(shè)置權(quán)重方法已經(jīng)運(yùn)用到各類指標(biāo)評(píng)價(jià)系統(tǒng)中；神經(jīng)網(wǎng)絡(luò)由于有著幾乎可以擬合任何復(fù)雜關(guān)系的優(yōu)點(diǎn)，也在不同場(chǎng)合用于變量相關(guān)關(guān)系的挖掘。

針對(duì)評(píng)估體系當(dāng)中出現(xiàn)的問題，本文提出了：（1）通過變異系數(shù)法對(duì)工作質(zhì)量評(píng)估體系當(dāng)中的指標(biāo)權(quán)重進(jìn)行優(yōu)化，通過數(shù)據(jù)本身的統(tǒng)計(jì)特征對(duì)權(quán)重進(jìn)行設(shè)置，代替以往的人為主觀設(shè)置，最大程度排除權(quán)重的主觀性；（2）通過神經(jīng)網(wǎng)絡(luò)算法對(duì)不同層級(jí)指標(biāo)間的關(guān)系進(jìn)行擬合，挖掘上下層級(jí)指標(biāo)間的關(guān)系，實(shí)現(xiàn)不同層級(jí)指標(biāo)間的聯(lián)動(dòng)，進(jìn)一步對(duì)工作進(jìn)行更細(xì)致的指導(dǎo)，量化管理。

1 工作質(zhì)量評(píng)估體系

現(xiàn)有的工作質(zhì)量評(píng)估體系中存在的主要問題在于各指標(biāo)的權(quán)重設(shè)置完全憑主觀設(shè)置，頂層指標(biāo)憑工作經(jīng)驗(yàn)及主觀上的重視程度設(shè)置，底層指標(biāo)權(quán)重均等化。

除了評(píng)估體系指標(biāo)權(quán)重設(shè)置主觀問題之外，還存在著另一個(gè)問題：對(duì)于存在間接影響的指標(biāo)，未科學(xué)分析指標(biāo)間的其相互關(guān)系及影響程度。

營(yíng)銷工作中所使用的營(yíng)銷管理信息系統(tǒng)、計(jì)量自動(dòng)化系統(tǒng)、客戶服務(wù)系統(tǒng)三大系統(tǒng)中，存在著許多過程指標(biāo)、這些數(shù)據(jù)是對(duì)客觀工作最直接的反映。這些指標(biāo)若全部囊括到工作質(zhì)量評(píng)估體系當(dāng)中是不現(xiàn)實(shí)的。因此，這些過程指標(biāo)需要與現(xiàn)有的工作質(zhì)量評(píng)估體系建立起一定的聯(lián)系，才能夠?qū)崿F(xiàn)各級(jí)指標(biāo)的聯(lián)動(dòng)考核，通過上層的工作質(zhì)量評(píng)估體系對(duì)下層相應(yīng)的過程指標(biāo)對(duì)應(yīng)的工作進(jìn)行更細(xì)致的指導(dǎo)，量化管理，更大程度發(fā)揮評(píng)估體系的作用。目前，大量的過程指標(biāo)還沒有與現(xiàn)有的工作質(zhì)量評(píng)估體系指標(biāo)建立聯(lián)系，難以起到指導(dǎo)企業(yè)量化管理的作用。

2 變異系數(shù)法

正如前文所提到的，指標(biāo)與指標(biāo)之間有難易程度之分，并且體現(xiàn)在得分的分散程度和得分水平上。若評(píng)估對(duì)象在該指標(biāo)的得分較為集中，說明該指標(biāo)對(duì)評(píng)估對(duì)象的區(qū)分度較低，是一個(gè)價(jià)值較低的評(píng)估指標(biāo)，相應(yīng)的權(quán)重應(yīng)該較低。對(duì)于得分水平，若各評(píng)估對(duì)象得分經(jīng)常處于高分段，則說明指標(biāo)較易完成，相應(yīng)的權(quán)重也應(yīng)該較低。反之，若某個(gè)指標(biāo)得分分散，且均在較低的分段，說明該指標(biāo)區(qū)分度大，且難度較大，是一個(gè)較有評(píng)估價(jià)值的指標(biāo)，相應(yīng)的權(quán)重應(yīng)該較高。按照這樣的原則，本文采用“變異系數(shù)法”對(duì)權(quán)重進(jìn)行設(shè)置。

變異系數(shù)是一種統(tǒng)計(jì)指標(biāo)，如式所示：

其中為各個(gè)單位在該指標(biāo)得分的標(biāo)準(zhǔn)差，反映的是得分的分散程度，體現(xiàn)數(shù)據(jù)的差異程度，標(biāo)準(zhǔn)差越大，說明數(shù)據(jù)上下波動(dòng)更大，或者說相應(yīng)的指標(biāo)更具區(qū)分度。為得分均值，一方面可對(duì)各區(qū)局指標(biāo)表現(xiàn)進(jìn)行標(biāo)準(zhǔn)化處理，使得數(shù)據(jù)之間具有可比性，另一方面也體現(xiàn)了指標(biāo)的難易程度。因此，可以根據(jù)各指標(biāo)的變異系數(shù)進(jìn)一步獲得各指標(biāo)的權(quán)重，如式所示：

3 神經(jīng)網(wǎng)絡(luò)算法

針對(duì)挖掘指標(biāo)間相關(guān)關(guān)系這一問題，采用神經(jīng)網(wǎng)絡(luò)算法。神經(jīng)網(wǎng)絡(luò)可以求得上下層級(jí)指標(biāo)間的關(guān)系，有著幾乎能對(duì)任何復(fù)雜關(guān)系進(jìn)行擬合的優(yōu)點(diǎn)。

通過神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練之后可以得到輸出層參數(shù)，這些參數(shù)即描述了兩類指標(biāo)之間的關(guān)系。進(jìn)一步通過Garson算法計(jì)算輸入層1對(duì)輸入層2的敏感度，將神經(jīng)網(wǎng)絡(luò)的非線性關(guān)系轉(zhuǎn)換為總體上指標(biāo)輸入對(duì)輸出影響的線性關(guān)系，也就是下層指標(biāo)對(duì)上層指標(biāo)的影響程度。從而實(shí)現(xiàn)對(duì)上下層指標(biāo)關(guān)系的挖掘，一方面通過下層指標(biāo)反映上層指標(biāo)的狀態(tài)，另一方面通過上層指標(biāo)對(duì)下層相應(yīng)的過程指標(biāo)、管理指標(biāo)對(duì)應(yīng)的工作進(jìn)行更細(xì)致的指導(dǎo)，量化管理。

4 應(yīng)用成果與分析

4.1 變異系數(shù)法確定權(quán)重

通過變異系數(shù)法能夠求得了六大業(yè)務(wù)對(duì)應(yīng)指標(biāo)的權(quán)重。根據(jù)得到的新權(quán)重可以求得各局在在各業(yè)務(wù)上的得分，以業(yè)擴(kuò)報(bào)裝業(yè)務(wù)為例，新舊權(quán)重下總分。新權(quán)重下，各單位得分的趨勢(shì)與排名與舊權(quán)重相近，但得分波動(dòng)加大，更有區(qū)分度，這一點(diǎn)也可以從數(shù)據(jù)上反映，新權(quán)重各局得分的標(biāo)準(zhǔn)差為10.42，明顯大于原先權(quán)重下的得分標(biāo)準(zhǔn)差6.55。并且，整體來(lái)看，新權(quán)重下，各單位分?jǐn)?shù)均有所下降，下降幅度最大的為局5，下降最小的為局7，從指標(biāo)得分上看，局7在權(quán)重較高的中壓指標(biāo)得分均較高，反之，局5在這些指標(biāo)的得分均較低，導(dǎo)致總分下降嚴(yán)重。

4.2 神經(jīng)網(wǎng)絡(luò)算法確定權(quán)重

上下層指標(biāo)分別選取抄核收業(yè)務(wù)種的電費(fèi)回收率，繳費(fèi)方式及賬單差錯(cuò)率。

神經(jīng)網(wǎng)絡(luò)隱藏層數(shù)設(shè)置為2，神經(jīng)元數(shù)分別為5、6。擬合后通過Garson算法得到電費(fèi)回收率、繳費(fèi)方式、賬單差錯(cuò)率的敏感度分別為1.4256、1.1232、0.9504、0.864。現(xiàn)金繳費(fèi)比率的敏感度最高，也就是說現(xiàn)金繳費(fèi)比率對(duì)于電費(fèi)回收率的影響在這幾個(gè)指標(biāo)中是最高的，因此對(duì)這幾個(gè)指標(biāo)求評(píng)價(jià)總分時(shí)可以根據(jù)敏感度大小對(duì)這幾個(gè)指標(biāo)的權(quán)重進(jìn)行分配，實(shí)現(xiàn)通過上層評(píng)價(jià)指標(biāo)對(duì)下層指標(biāo)對(duì)應(yīng)的具體操作進(jìn)行指導(dǎo)的作用。

5 結(jié)語(yǔ)

本文應(yīng)用變異系數(shù)法與神經(jīng)網(wǎng)絡(luò)算法對(duì)工作質(zhì)量評(píng)估體系進(jìn)行優(yōu)化，通過變異系數(shù)法確定指標(biāo)權(quán)重，并通過神經(jīng)網(wǎng)絡(luò)算法挖掘不同層級(jí)指標(biāo)的相關(guān)關(guān)系。以某供電局營(yíng)銷工作質(zhì)量評(píng)估體系的指標(biāo)架構(gòu)和數(shù)據(jù)進(jìn)行分析，對(duì)該質(zhì)量評(píng)估體系評(píng)估方法進(jìn)行優(yōu)化，使指標(biāo)權(quán)重更遵循客觀歷史事實(shí)，排除人為設(shè)置權(quán)重的主觀判斷因素，并對(duì)相關(guān)聯(lián)的指標(biāo)結(jié)構(gòu)進(jìn)行解析。該分析方法不僅適用于電力營(yíng)銷業(yè)務(wù)，還可應(yīng)用于該行業(yè)的其他業(yè)務(wù)以及其他領(lǐng)域等與指標(biāo)評(píng)價(jià)有關(guān)的體系當(dāng)中。

參考文獻(xiàn)

[1]張文朝，顧雪平.應(yīng)用變異系數(shù)法和逼近理想解排序法的風(fēng)電場(chǎng)綜合評(píng)價(jià)[J].電網(wǎng)技術(shù)，2014，（10）：2741-2746.

[2]趙微，林健，王樹芳，劉記來(lái)，陳忠榮，寇文杰.變異系數(shù)法評(píng)價(jià)人類活動(dòng)對(duì)地下水環(huán)境的影響[J].環(huán)境科學(xué)，2013，（04）：1277-1283.

[3]胡翠萍.基于AHP-變異系數(shù)法的我國(guó)副省級(jí)城市科技競(jìng)爭(zhēng)力評(píng)價(jià)研究[J].科技管理研究，2012，（20）：77-80.

[4]戴小青.電力系統(tǒng)概率潮流新算法及其應(yīng)用[D].華北電力大學(xué)，2006.

[5]莊平，李延喜.基于G1-變異系數(shù)法的企業(yè)投資風(fēng)險(xiǎn)評(píng)價(jià)模型與實(shí)證研究[J].軟科學(xué)，2011，（10）：107-112+120.

[6]儲(chǔ)莎，陳來(lái).基于變異系數(shù)法的安徽省節(jié)能減排評(píng)價(jià)研究[J].中國(guó)人口.資源與環(huán)境，2011，（S1）：512-516.

[7]孫凱，鞠曉峰，李煜華.基于變異系數(shù)法的企業(yè)孵化器運(yùn)行績(jī)效評(píng)價(jià)[J].哈爾濱理工大學(xué)學(xué)報(bào)，2007，（03）：165-167+172.

[8]馮旭剛，錢家俊，章家?guī)r.基于遺傳神經(jīng)網(wǎng)絡(luò)敏感度分析的飛灰含碳量測(cè)量方法[J].電子測(cè)量與儀器學(xué)報(bào)，2016，（07）：1083-1089.

[9]楊一，高社生，胡高歌.基于敏感度方差重要性的RBF神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)優(yōu)化算法[J].控制與決策，2015，（08）：1393-1398.

[10]米湘成，馬克平，鄒應(yīng)斌.人工神經(jīng)網(wǎng)絡(luò)模型及其在農(nóng)業(yè)和生態(tài)學(xué)研究中的應(yīng)用[J].植物生態(tài)學(xué)報(bào)，2005，（05）：863-870.