基于熵权TOPSIS-PSO-ELM的制造企业绿色创新能力评价模型及实证研究

发布时间：2020-12-15 07:28

　　为客观和准确地评价制造企业绿色创新能力,本文构建了制造企业绿色创新能力评价指标体系,提出了基于熵权TOPSIS的粒子群（PSO）优化极限学习机（ELM）集成学习算法的制造企业绿色创新能力评价模型。首先运用熵权法客观确定指标权重,结合TOPSIS测度并综合评价制造企业绿色创新能力,然后将评价值作为先验样本进行极限学习机的训练与测试,训练过程中利用PSO优化极限学习机的网络结构与连接权值,从而对绿色创新能力进行全面的分析和评价。最后以60家制造企业为例进行实证分析,并将熵权TOPSIS-PSO-ELM算法与极限学习机回归拟合算法对比,结果表明:基于熵权TOPSIS-PSO-ELM模型所得评价结果较已有方法更为准确可靠。此外,为进一步提高我国制造企业绿色创新发展能力提出了理论建议。 

【文章来源】：运筹与管理. 2020年01期 北大核心CSSCI

【文章页数】：10 页

【部分图文】：

ELM的网络拓扑结构图

其中,MSEPi,MSEPib,MSEPG分别表示第i个粒子相对应的均平方误差,第i个粒子的最优均平方误差和粒子群体中的最优均平方误差。PSO-ELM的基本思想为:种群中每个粒子Pi由ELM中的输入权值wi和阈值bi组成,根据粒子的迭代寻优找出参数的最优值,同时,利用MP广义逆矩阵分析确定输出权重,从而达到降低预测误差。

PSO-ELM网络的输入层神经元个数m与评价指标个数相同为16个,PSO-ELM网络的输出是对企业绿色创新能力的评价,所以输出层神经元个数为n=1。(2)确定隐含层神经元数量

【参考文献】：
期刊论文
[1]PCA-PSO-ELM配网供电可靠性预测模型[J]. 许爱东,李昊飞,程乐峰,余涛.  哈尔滨工程大学学报. 2018(06)
[2]绿色发展与环境治理有效性的评价方法研究——两阶段非径向方向距离函数法[J]. 葛虹,郭玉伟,韩伟一.  运筹与管理. 2017(05)
[3]基于二元语义组合赋权的制造企业绿色创新能力评价模型及实证研究[J]. 徐建中,贯君.  运筹与管理. 2017(04)
[4]资源型城市绿色增长能力评价研究[J]. 吕晓菲,卢小丽.  科研管理. 2016(09)
[5]基于熵权TOPSIS法的京津冀生态产业系统发展环境评价研究[J]. 孙丽文,杜娟.  天津大学学报(社会科学版). 2016(05)
[6]我国省级绿色创新能力评价及实证[J]. 曹慧,石宝峰,赵凯.  管理学报. 2016(08)
[7]基于粒子群优化极限学习机的水质评价新模型[J]. 张颖,李梅.  环境科学与技术. 2016(05)
[8]研发投入对绿色创新效率的异质门槛效应——基于中国高技术产业的经验研究[J]. 王惠,王树乔,苗壮,李小聪.  科研管理. 2016(02)
[9]制造业绿色创新系统创新绩效影响因素——基于跨国公司技术转移视角的研究[J]. 隋俊,毕克新,杨朝均,刘刚.  科学学研究. 2015(03)
[10]中国绿色工艺创新绩效的地区差异及影响因素研究[J]. 毕克新,杨朝均,黄平.  中国工业经济. 2013 (10)



本文编号：2917901