基于改进的RBF神经网络算法在东丰县企业管理的应用研究

发布时间：2020-03-20 18:10

【摘要】：企业是构成开发区的基本元素,开发区如何健康发展取决于企业的绿色发展,企业的经济发展、绿色发展、科技发展成为开发区可持续发展的重要基石。以往对于企业的评估中,企业经济发展作为评估企业的重中之重,然后系统分析企业经济总值、纳税值等情况,根据单一的经济数据决定企业在园区内的帮扶力度和去留等工作,然而企业的规模、发展都不是均一的,是随着社会因素的总体影响的,使用单一的帮扶企业政策既不能满足多数企业的需求,易出现高能耗、高污染的企业密集进驻开发区。于是,各地开发区纷纷提出了绿色企业,根据企业多种变量来确定最适合区内发展的企业,目标是在降低能耗、提高科技的前提下,企业经济展情况最佳。随着科技在不同领域的延伸,数据挖掘逐步被广泛应用到企业发展中,利用数据挖掘技术可以提高开发区管理,神经网络是数据挖掘算法最广泛使用的分类方法之一,已经在模式识别、智能机器人、预测评估、经济等领域广泛的领域解决了实际问题,主要应用在对非线性数据的处理工作中,其具有联想储存、自学习、高速寻找优化解等功能,目前典型算法有:BP神经网络、RBF神经网络等几种算法。本研究根据东丰县开发区企业的多样性和差异性,利用数据挖掘中的BP神经网络,对研究区域的人员投入、经济产出、能源消耗3种主要影响开发区进行了分别研究,并对试验结果进行分析研究,以期为开发区的企业绿色发展情况划分提供技术支持。主要研究内容和结果:(1)运用BP神经网络对企业管理等级划分上的研究。BP神经网络对2015年、2016年、2017年东丰县开发区企业绿色发展情况等级域划分运用,通过实验结果证明准确度分别为86.3%、80.90%、86.36%。BP神经网络算法能够对开发区企业进行初步划分,说明BP神经网络算法对开发区企业划分具有可行性。(2)提出改进的RBF神经网络。利用粗糙集和RBF神经网络的互补性,对数据属性权值因子的提取和确定,通过对各属性权重的综合测定,确定该基层开发区企业发展管理数据的综合权重为0.55、0.25、0.2,将该权重结合RBF神经网络算法进行应用,避免BP神经网络在计算过程中容易出现产生极小值现象。(3)进行了粗糙集RBF与BP神经网络的对比实验,对2015年东丰县开发区企业绿色发展情况等级划分,粗糙集RBF神经网络和BP神经网络准确度分别为96.45%、86.3%,说明粗糙集RBF比BP神经网络在适用开发区企业等级划分准确度更高。(4)将粗糙集RBF应用于开发区企业管理分级管理。进行了粗糙集RBF神经网络算法在东丰县开发区企业绿色发展情况等级划分的的应用,粗糙集RBF神经网络算法能够高效、精准实现开发区企业绿色发展情况预测分析,与当地实际企业管理情况相对吻合。研究表明,运用神经网络算法等数据挖掘算法能够实现对企业管理数据的分析,能够科学合理的利用开发区人力资源,并实现提高土地使用率、加强企业绿色发展分级的高效手段,这将为各国研究新型开发区模式的方向。
【图文】：

东丰县,开发区,辽源市

图 3-1 东丰县开发区部分区域al map of development zone 200 户以上，其中工业企业分企业的生产总值、能耗情工作提供基础数据。辽源市东丰县开发区15年

数据,数据分类,三类企业,企业

（3） 3.2.2015 年数据（1）、2016 年数据（2）、2017 年数据（3）数据分类结果ta classification results of data in 2015 (1), 2016 (2) and 2017 据对然后运用该算法对开发区企业分级数据进行分类处理，其中类数为 22 条，，孤立点数为０条。结果如表所示。由表 3-2 可知经网络所得的分类结果中一类企业、二类企业、三类企业、四类企11 个、6 个。2016 年 BP 神经网络所得的分类结果中一类企业、二类企业分别为 3 个、 1 个、 11 个、 7 个。2017 年 BP 神经网络所业、二类企业、三类企业、四类企业分别是 4 个、4 个、 10 个、属性数据基本都能得到基础的划分，各类别误划率不大，对企业分性。横坐标为企业数目，竖坐标为发展得分情况，蓝色孤立点为目标值络算法自主学习能力、非线性映射等优点，2015 年样本分类精度达类精度达到 80.90，2017 年分类精度达到 86.36%
【学位授予单位】：吉林农业大学
【学位级别】：硕士
【学位授予年份】：2019
【分类号】：F279.27;TP183

【相似文献】