基于DS-BP网络的低碳生产模式案例分析

鉴于工业生产行业的多样性、过程的复杂性以及评价的差异性，本文的实证分析案例基于电解铝行业的数据进行。为此，选取了五家电解铝生产企业（以符号A、B、C、D、E代替）进行低碳生产综合成本效益水平的评价，以A企业为例进行详细分析，B、C、D、E四个企业的分析过程与对A企业的分析过程相同。

第一步，构建电解铝低碳生产综合成本效益水平的评价指标体系。

从对我国电解铝企业发展水平的了解来看，我国电解铝低碳生产综合成本效益水平不一致。通过实地调查研究、咨询相关方面的专家，结合我国发改委颁布的《铝行业清洁生产评价指标体系（试行）》以及我国政府的低碳工作报告，在考虑到可操作性、代表性以及系统性等原则的基础上，构建电解铝低碳生产综合成本效益水平的评价指标体系，如图8-4所示。

由图8-4可知，电解铝低碳生产综合成本效益水平的评价指标体系由财务指标、能源指标、污染物指标、资源指标、综合利用指标和低碳理念这6个一级指标构成，并进一步详细体现在24个二级指标上。它们包含了主观指标和客观指标，同时它们还具有不确定性、不准确性和不完整性。

第二步，确定评价指标权重。

设W_5×6为五个专家对六项一级指标测评的矩阵，W_5×24为他们对24个二级指标权重进行评估的结果，W₁为这些专家们对六项以及指标评估后的调整矩阵，W₂是他们对24个二级指标权重采取评估后的调整矩阵，我们还假定这些专家的可信度是：α=[α₁，α₂，α₃，α₄，α₅]=[0.70，0.75，0.75，0.8，0.8]。

依据模型“第二步”，可得一级指标调整后的评价矩阵W₁=α⊗W_5×6，即

二级指标调整后的评价矩阵W₂=α⊗W_5×24，即

依据前述的证据联合下的信度函数的计算公式，针对一级指标和二级指标的权重，将5位专家权重信息进行融合，即

Bel₁=A_1×6⊗A_2×6⊗A_3×6⊗A_4×6⊗A_5×6，Bel_2n=A_1×24⊗A_2×24⊗A_3×24⊗A_4×24⊗A5×24

图8-4 我国电解铝低碳生产综合成本效益水平评价指标体系

Bel₁和Bel_2n就是融合了各个一、二级指标信息而得出的权重值。经过融合后的一、二级指标对应的权重值详见表8-3，如图8-5所示，同时还列出了各位专家评测矩阵的数据。

表8-3 电解铝企业低碳生产综合成本效益水平评价指标权重数据表

（续）

图8-5 电解铝企业低碳生产综合成本效益水平评价指标权重图

第三步，进行数据的标准化处理。

参照我国发改委公布的《铝行业清洁生产评价指标体系（试行）》，确定了本文的各指标标准化数据。根据实地调查研究和资料搜集，得到待评电解铝企业的内部统计报告和财务报告等，从而为选定指标的客观数据提供了部分来源。此外，根据待评企业的实际经营状况以及其内外部环境分析，确定了电解铝低碳生产综合成本效益水平各项评价指标的最小值和最大值，见表8-4。

表8-4 电解铝企业低碳生产综合成本效益水平评价数据表

(www.xing528.com)

注：从XX电解铝低碳生产项目的财务报表和内部统计报表中，结合实地调研、咨询专家，得出了上

述观测值；标准值主要来自我国发改委颁发的《铝行业清洁生产评价指标体系（试行）》。

第四步，利用BP神经网络算法对数据进行转换和处理。

将BP神经网络用于电解铝低碳生产综合成本效益水平的评价，能够建立起一个综合评价模型，使其接近于人类思维模式，能够将定性与定量信息相结合进行分析。使用者无需事前揭示描述这种映射关系的数学方程，该网络能学习和存储大量的输入-输出模式映射关系。

本文选择输入层神经元的个数为24个，第二层隐含神经元个数为9个，输出层神经元为1个。从而形成了“24-9-1”三层BP神经网络模型构成的基本结构。

这样，我们可以得出九个等级的输出层水平，见表8-5。

表8-5 电解铝企业低碳生产综合成本效益水平划分区间

根据表8-5，可以找出研究样本值对应的区间，从而确定该研究样本对应的低碳生产水平。

图8-6 训练过程的误差曲线

对上述评价指标数据进行了标准化、规范趋同处理，同时结合BP神经网络的算法进行转换和处理。用MATLAB神经网络工具箱中的newff和sim构建和仿真三层BP神经网络，将隐含层和输出层的传递函数分别设定为Tansig和Logsigmoid函数，因为通过Iogsigmoid函数可以将网络的输出限定在（0，1）区间上。然后用trainlm来训练BP神经网络，训练过程的误差曲线如图8-6所示。接下来向经过训练的神经网络net中输入数据，经过归一化处理后得到的测试样本，通过网络模拟函数y=sim（net，p）进行仿真，通过输入p，即获得测试样本经反归一化处理得到的一组在（0，1）区间上的数据y，y即为预测数据，用来确定待评电解铝低碳生产综合成本效益水平。

第五步，对结果进行评价与分析。

在对电解铝低碳生产项目1进行评价后，遵照相同的程序，分别评价另外四个电解铝低碳生产项目的综合成本效益水平，它们的期望输出值和神经网络实际输出值的对比结果见表8-6及如图8-7所示。

由表8-6和图8-7可见，所评估的五个电解铝低碳生产项目综合成本效益水平的输出结果与期望结果基本一致，表明该指标体系和评价模型适用而且有效，较好地解决了电解铝低碳生产综合成本效益水平的评价问题，有助于企业积极采取措施，提高自身的低碳生产以及综合成本效益水平。

表8-6 期望输出值与神经网络实际输出值的对比表

图8-7 神经网络实际输出与期望输出的对比

通过以上研究，得出以下几点结论：

1）由传统的线性模式、末端治理模式向低碳生产模式转变是对工业企业生产发展的客观要求。工业企业，特别是像电解铝这样的传统“高碳生产”企业，应该从战略的高度制定低碳生产规划，积极开展有关低碳生产状况的评估以及综合成本效益水平的综合评价，切实推进工业企业不断提高低碳生产的综合成本效益水平。

2）由于工业企业低碳生产的状况以及综合成本效益水平的高低难以界定、评价指标体系的选取因人而异、所赋权重也受到专家主观因素影响，从而使得评价结果具有不确定性。正是由于上述因素的存在，使得传统的评价模型变得不适用。而DS证据理论与BP网络理论的结合运用具有巨大的优势，特别是有效地解决了其他评价方法目前难以面对的“信息残缺”“信息模糊”和“信息容错”等问题，DS-BP的结合运用理应成为工业企业低碳生产的综合成本效益水平评价的主要方法。

3）鉴于工业生产行业的多样性、过程的复杂性以及评价的差异性，在对工业企业低碳生产的综合成本效益水平进行评价时，必须结合不同的行业特点、不同的生产工艺以及不同的组织方式构建科学、合理的评价指标体系，这是客观、全面地评价不同类型工业企业低碳生产综合成本效益水平的基础或前提。