基于BA-BP網絡構建的企業升級與創新指標參數預測分析

謝 娜,吳蘇朋

(1.咸陽職業技術學院,陜西 咸陽 712000;2.陜西科技大學,陜西 西安 710021)

膠粘劑企業要樹立開拓創新意識,以技術創新為核心,不斷學習優秀創新模式,這樣才能夠有效地實現新常態下的轉型升級[1]。將現代信息技術融入到化工企業創新創業中,有效解決了化工產業聚集過程中所面臨的人才、技術、資源短板問題,為化工企業創新創業的精準布局與發展提供多層次支撐[2]。對全球經濟背景下膠粘劑企業技術創新和轉型升級進行了分析,指出高效、環保、安全是膠粘劑企業未來發展的新方向,要通過創新創業管理能力的提升來為企業的轉型升級打下堅實的基礎[3]。創新創業是社會發展的必然,對工科大學生創新創業能力評價指標體系構建進行研究,采用層次分析法最終構建了包含4個一級指標、9個二級指標、35個三級指標的大學生創新創業能力評價指標體系,對提升大學生的創新創業能力提供了參考[4]。對產業集群內企業創新能力提升管理進行了研究,指出企業創新能力的提升應該有效借助區域高校人才培養優勢,強化自身品牌與市場定位,加強企業內部互動交流,注重創新文化培育[5]。對新時期大學生農村創新創業實踐進行了分析,指出當代大學生應該不斷地提升自身的創新創業能力,才能更好地確保自身未來的健康發展[6]。化工膠粘企業實施創新創業既是自身發展的要求,同時也是社會發展的要求,要持續提升企業的創新創業管理能力。基于此,采用蝙蝠優化算法(BA)對反向傳播(BP)神經網絡的初始權重與偏差進行優化,提出BA-BP網絡的化工膠粘企業創新創業管理能力預測模型,并應用于實際的企業中,驗證預測模型的有效性。

1 化工膠粘企業創新創業管理能力評價體系

影響企業創新創業管理能力的因素是多方面的,結合相關參考文獻,從創新創業意識、創新創業能力、創新創業水平、創新創業制度4個角度來構建評價指標,具體如圖1所示。

圖1 創新創業管理能力評價指標

由圖1可知,創新創業意識包括意愿和動力2個方面,通過強有力的意愿和強大的動力支持,才能夠使得企業的創新創業意識得到持續增強。創新創業能力包括機會、定位、實踐3個方面,企業在開展創新創業的過程中必須抓住機會、準確定位,積極投入實踐中,才能夠擁有更為強大的創新創業能力。創新創業水平包括自我管理、相關知識、復雜環境處理3個方面,要持續提升企業員工的自我管理能力,確保員工具有豐富的知識以及處理復雜環境的水平,這樣才能夠更好地開展創新創業。創新創業制度包括團隊建設水平、企業規章制度、企業人事管理3個方面,通過建設高水平的創新創業團隊,完善的規章制度和高水平的人事管理,從而為企業創新創業的開展提供制度保障。

2 化工膠粘企業創新創業管理能力預測模型

2.1 反向傳播神經網絡

反向傳播(BP)神經網絡是結合誤差逆傳播算法來訓練的多層前饋網絡,也常常被稱之為誤差逆傳播神經網絡[7]。典型的BP神經網絡結構包括3層,分別為輸入層、輸出層和隱含層,具體如圖2所示。

圖2 典型BP神經網絡結構

BP神經網絡采用的是誤差逆向傳播算法,通過誤差的逆向傳播來進行反復迭代訓練,最終確保網絡輸出值和實際輸出值之間的誤差滿足設定的誤差要求為止。BP神經網絡訓練的過程:

Step1:將訓練數據集輸入到網絡的輸入層,然后經過隱含層,最后到達輸出層,輸出結果,這是數據前向傳播的過程;

Step2:網絡輸出值和實際值之間存在誤差,那么計算輸出值和實際值的誤差,同時將該誤差由輸出層進行反向傳播,最后到達輸入層;

Step3:數據反向傳播的過程中對隱含層和輸出層、輸入層和隱含層之間的連接參數進行動態調整,使得網絡輸出值和實際值之間的誤差不斷減少;

Step4:通過反復迭代,直到滿足設定的誤差要求或達到最大的迭代次數,迭代終止,完成網絡的訓練。

考慮到不同指標輸入數據之間數值差別比較大,這將影響到網絡的訓練,往往在輸入之前對數據進行歸一化處理。常用的歸一化方法有最小最大歸一化、零均值歸一化,其中最小最大歸一化是對原始數據進行線性變換,數據被映射到[0,1]。不妨設原始數據為X,那么最小最大歸一化計算公式[8]:

(1)

式中:x為歸一化數據;Xmin為原始數據最小值;Xmax為原始數據最大值。

對原始數據采用最小最大歸一化方法進行歸一化處理后得到歸一化數據集合,不妨設x1、x2、x3、x4為歸一化的輸入數據;y為歸一化的輸出數據,那么輸入數據和輸出數據之間有如下關系,即[9]

y=f2(w2·f1(w1x+b1)+b2)

(2)

式中:w、b、f分別為權重、偏差、神經元傳輸函數;下標1為輸入層到隱含層;下標2為隱含層到輸出層。

很明顯,BP神經網絡的初始權重和偏差直接影響到網絡的訓練效率和精度,選擇不科學很可能導致網絡訓練陷入局部最優的狀態,采用智能優化算法對BP神經網絡初始權重、偏差進行優化能夠達到提升訓練效率和精度的目的[10]。

2.2 蝙蝠算法

采用BA對BP神經網絡的初始權值和偏差優化,達到提升BP神經網絡收斂速度和精度的目的。BA中的蝙蝠個體采用理想化方式進行回聲定位,做出如下假設[11]:

(1)蝙蝠群體中個體均是采用回聲定位去感知距離;

(2)蝙蝠群體中的每一個個體均是隨機飛行,飛行過程中頻率保持不變,個體將通過和獵物間的距離大小來對波長(λ)、脈沖響度(A0)自適應調整;

(3)脈沖響度是動態調整的,設定上限值為Amax,下限值為Amin。

設NP為種群規模,對種群中的個體位置初始化,記為Xi;同時蝙蝠個體搜索脈沖對應的頻率范圍為[fmin,fmax];脈沖速率為r0;最大聲音值為A0;脈沖速率增強系數為γ;聲音響應衰減系數為α。在計算蝙蝠個體適應度值之后,如果沒有達到設定的最大迭代次數,那么對脈沖頻率、蝙蝠速率及位置進行更新,其數學模型[12]:

(3)

式中:t為當前迭代次數;β為區間[0,1]上的隨機數;X*為當前全局最優解位置。

產生隨機數rand,同時判斷其與ri的大小。如果滿足rand>Ai,那么選擇最優解集合中任意值;同時,在所選擇的值附近產生局部最優解[13]:

Xnew=Xold+εAt

(4)

式中:Xnew為最新解;Xold為原始解;ε為(-1,+1)的隨機數;At為經過t次迭代之后響應平均值。

如果滿足rand

(5)

式中:μ和τ均為常量,取值范圍為0<μ<1,τ>1。

3 實例分析

3.1 數據來源

化工膠粘企業要通過持續提升創新創業管理水平,實現企業的綠色可持續發展。具體選擇某省400家化工膠粘企業作為案例,對其創新創業管理能力進行評價,評價結果作為原始數據。對原始數據采用最小最大歸一化公式進行歸一化處理,歸一化處理后的數據作為分析數據。將歸一化后的數據集按照8∶2的比例劃分為訓練集和測試集,其中訓練集數據為320項,測試集數據為80項。

3.2 結果分析

BA參數直接影響到BP參數優化的結果,通過仿真試驗最終確定參數的數值,結果如表1所示。

表1 BA參數設置Tab.1 BA parameter setting

采用相對誤差(Re)與總體平均誤差(Ae)來評價模型對企業創新創業管理能力的預測精度,Re和Ae的計算公式[15]

(6)

采用BA對BP神經網絡的初始權重和偏差進行優化,得到迭代次數和適應度關系曲線,結果如圖3所示。

由圖3可知,BA對BP神經網絡的初始權重及偏差優化收斂速度非常快,在迭代18次之后就可以獲得最優解。采用BA-BP模型對企業創新創業管理能力進行預測,預測結果表明對企業創新創業管理能力預測的最小相對誤差為0.18%,最大相對誤差為10.62%,總體平均誤差為4.68%。

3.3 不同預測模型對比

采用不同的智能優化算法對BP神經網絡初始權值及偏差進行優化,可以得到不同的化工企業創新創業管理能力預測模型[16]。遺傳算法(GA)、粒子群算法(PSO)是常用的智能優化算法,分別采用GA、PSO對BP神經網絡初始權值及偏差進行優化,同時與BA進行對比,結果如圖4所示。

圖4 3種優化算法迭代曲線對比

由圖4可知,GA對BP神經網絡初始權值及偏差優化的收斂速度最慢,在迭代41次后才收斂獲最優解。相對于GA,PSO對BP神經網絡初始權值及偏差優化的收斂速度比較快,在迭代20次后就收斂獲最優解。相對于GA、PSO,BA的收斂速度更快,在迭代18次后就收斂獲最優解。對比最優解可知,盡管GA相對于PSO收斂速度比較慢,但獲得的最優解優于PSO;而PSO在優化求解時陷入了局部最優。通過3種優化算法的對比可知,BA不僅收斂速度比較快,同時也避免了算法陷入局部最優。

分別采用BP模型、GA-BP模型[17]、PSO-BP模型[18]對化工企業創新創業管理能力進行預測,同時與BA-BP模型進行對比,結果如表2所示。

表2 不同模型預測性能對比Tab.2 Comparison of prediction performance of different models

由表2可知,采用智能優化算法對BP神經網絡模型的初始權值及偏差進行優化,所得到的改進BP神經網絡模型對化工企業創新創業管理能力的預測精度均有比較大的提升。對比GA-BP模型、PSO-BP模型以及BA-BP模型,BA-BP模型的預測精度最高,其次為GA-BP模型,PSO-BP模型的預測精度最低。

4 結語

化工膠粘企業轉型升級離不開創新創業水平的提升,精準預測企業創新創業管理能力,為化工膠粘企業的發展規劃提供參考。構建了化工膠粘企業創新創業管理能力評價指標體系,采用BA對BP神經網絡初始權值與偏差優化,提出了化工膠粘企業創新創業管理能力預測的BA-BP模型。將該模型和BP模型、GA-BP模型、PSO-BP模型進行對比,BA-BP模型對化工膠粘企業創新創業管理能力預測的精度明顯優于其他3種模型,這對促進化工膠粘企業轉型升級具有一定的參考價值。