導語：如何才能寫好一篇神經(jīng)網(wǎng)絡就業(yè)方向，這就需要搜集整理更多的資料和文獻，歡迎閱讀由公務員之家整理的十篇范文，供你借鑒。

篇1

關鍵詞：心理學；效度；一般能力傾向成套測驗（GATB）；人工神經(jīng)網(wǎng)絡（ANN）模型；大學生

一、問題提出

一般能力傾向成套測驗（General Aptitude Test Battery，GATB）是美國勞工部就業(yè)保險局歷時50年，耗資數(shù)億美元，研究了美國上萬種職業(yè)后編制而成的著名測驗。這套測驗應用較廣，已被大量研究證明具有良好的信效度，能夠很好地預測職業(yè)成功和學術成就。GATB是適用于初三以上年級的中學生及成年人的團體測驗，包含15種分測驗（11種紙筆測驗，4種操作測驗），可在120～130分鐘內(nèi)測量9種與職業(yè)關系密切并有代表性的能力因素。這9種能力傾向因素為：一般智力、言語能力、數(shù)理能力、空間關系理解力、形狀知覺能力、文書知覺能力、動作協(xié)調(diào)能力、手指靈活性及手部靈巧性。Hammond1984年對GATB的結(jié)構(gòu)進行因素分析發(fā)現(xiàn)，GATB測量的其實是4種更普遍、更高層次的能力：言語能力、數(shù)理能力、工具組合能力和空間能力[1]。GATB在國外應用廣泛，是升學、就業(yè)指導以及人員選擇與安置的重要工具。而Droege等研究發(fā)現(xiàn)：GATB的一般智力、言語能力、數(shù)理能力和書寫知覺測驗可以作為預測學業(yè)成績的良好工具[2]。R.L.Thorndike和E.P.Hagen報告，用GATB預測工程學校學生的專業(yè)成績的R2最低0.46，最高0.58[3]。

個體在大學期間的專業(yè)學習將奠定他們一生職業(yè)生涯的基礎。在美國，大學生入學之初，要進行一項學術能力測驗（SAT），通過這種學術能力測驗，可以預測大學生在大學期間的專業(yè)學習成績。也有研究者應用一般能力傾向成套測驗（GATB）來預測大學生的專業(yè)成績。在預測方法方面，以前的研究大都是運用傳統(tǒng)的多元回歸算法。如果應用神經(jīng)網(wǎng)絡模型新技術，效度是否會有提高呢？這值得我們來探索一番。

人工神經(jīng)網(wǎng)絡（Artificial Neural Network， ANN）是近年來發(fā)展起來的一門新興學科、新技術。它應用了一種信息處理系統(tǒng)或計算機模仿大腦的結(jié)構(gòu)和功能，可稱之為人腦處理信息方式的簡化模型[4]。ANN今天已經(jīng)成為世界關注的熱點，引起各國政府與軍界的高度重視。

目前人工神經(jīng)網(wǎng)絡（ANN）的算法基本成熟。人工神經(jīng)網(wǎng)絡包括三部分：輸入層（input layer），隱藏層（hidden layer），輸出層（output layer）。輸入的數(shù)據(jù)顯示在第一層，其值從每個神經(jīng)元傳播到下一層的每個神經(jīng)元，最終從輸出層輸出結(jié)果。ANN是功能強大的函數(shù)估計器，只需基本的統(tǒng)計或數(shù)學知識就能夠進行訓練，并加以應用[4]。特別值得注意的是，它是一種非線性系統(tǒng)，具有一個隱藏層的神經(jīng)網(wǎng)絡算法，可以擬合輸入和輸出之間的任意非線性關系，而不要求資料滿足正態(tài)分布或其他特殊分布，可以自由估計模型（即非參數(shù)模型）。因此，神經(jīng)網(wǎng)絡具有很強的綜合能力，輸入和輸出間的聯(lián)系可由訓練習得，再運用于計算中[5]。

BP（back propagation）神經(jīng)網(wǎng)絡是ANN的一種，由James McClelland和David Rumelhart在1986年提出[6]。它是一種典型的前饋神經(jīng)網(wǎng)絡，其權重的調(diào)整采用反向傳播的學習算法，神經(jīng)元的變換函數(shù)是S型函數(shù)，輸出量是0～1之間的連續(xù)量，可以實現(xiàn)從輸入到輸出的任意非線性映射[7]。通過對網(wǎng)絡參數(shù)的選取，在確定了網(wǎng)絡層數(shù)、隱含層神經(jīng)元數(shù)、初始權重、學習速率、期望誤差及最大步長后，構(gòu)建神經(jīng)網(wǎng)絡模型。確定網(wǎng)絡的結(jié)構(gòu)后，利用輸入輸出樣本進行訓練，也就是對網(wǎng)絡進行調(diào)整，多次反復，直到樣本收斂，使網(wǎng)絡實現(xiàn)給定的輸入輸出映射關系，從而獲知最重要的影響因素。

從ANN誕生之日起，它與心理學就有著千絲萬縷的聯(lián)系。神經(jīng)網(wǎng)絡的靈感來自于神經(jīng)元的信息處理功能，神經(jīng)網(wǎng)絡的訓練則可以反映感覺、記憶、學習等認知過程[8]。ANN已被研究者廣泛應用于視知覺識別[9]、技能培養(yǎng)[10]、語言發(fā)展[11]等認知領域。研究者發(fā)現(xiàn)，ANN對于內(nèi)隱記憶、內(nèi)隱學習等無意識認知過程有著極強的適應性[12，13]，對神經(jīng)網(wǎng)絡來說，外界環(huán)境的每一次輸入都可能會引起網(wǎng)絡結(jié)構(gòu)的重新調(diào)整（權重變化），從而改變該網(wǎng)絡下一次的加工模式。

社會認知與ANN有著類似的信息加工過程。社會認知過程中，人們會按照某種規(guī)則對所經(jīng)驗的事件進行組織，從而影響他們在類似環(huán)境下對待相似對象的印象與態(tài)度。因此，許多研究者針對印象形成[14]、歸因[15]、認知矛盾[16]、群體印象[17]等建立了各具特色的神經(jīng)網(wǎng)絡模型。

由于ANN的模仿對象是人腦神經(jīng)系統(tǒng)的處理方式，因此，它在功能上也具有某些智能的特點。神經(jīng)網(wǎng)絡主要有以下幾個基本功能：非線性映射、分類識別、知識處理。目前，神經(jīng)網(wǎng)絡已經(jīng)廣泛應用于信息領域、自動化領域、工程領域、醫(yī)學領域、經(jīng)濟學領域等各知識領域中，其智能化的特征解決了許多傳統(tǒng)信息處理方法無法解決的問題[18]。目前，學術界已經(jīng)普遍認同，人工神經(jīng)網(wǎng)絡方法是一種有效的研究工具，能夠代替?zhèn)鹘y(tǒng)的回歸分析方法，并可以在不同的領域進行廣泛應用。然而，心理測量學領域內(nèi)運用人工神經(jīng)網(wǎng)絡方法的研究還相當少見。

本研究將使用神經(jīng)網(wǎng)絡算法，取代傳統(tǒng)的回歸分析，嘗試檢驗一般能力傾向成套測驗預測不同學科大學生的專業(yè)成績的效度。

二、研究方法與研究過程

1.研究工具

以戴忠恒等修訂的一般能力傾向成套測驗（GATB）為研究工具，該測驗共包括15種分測驗，其中11種為筆試，分別為： 圓內(nèi)打點測驗、記號記入測驗、形狀相配測驗、名稱比較測驗、圖案相配測驗、平面圖判斷測驗、計算測驗、詞義測驗、立體圖判斷測驗、句子完成測驗、算術應用測驗；4種為器具測驗：插入測驗、轉(zhuǎn)動測驗、組裝測驗、拆卸測驗。

本研究采用團體施測方式，每次施測有2名以上熟悉本測驗所有項目的主試，最多對38名被試同時施測。首先由主試朗讀指導語，在所有被試明白測驗的要求和具體做法后開始測驗。因11項紙筆分測驗均為速度測驗，所以由主試使用秒表準確計時。

2.研究對象

在江蘇、安徽、上海等省市的7所院校對在校大學生進行團體施測。共施測1022人。其中男生521人（51.0%），女生501人（49.0%）；“211工程”院校569人（55.7%），普通本科院校453人（44.3%）；大一464人（45.4%），大二104人（10.2%），大三321人（31.4%），大四133人（13.0%）；文科446人（43.7%），理科221人（21.6%），工科355人（34.7%）。

3.數(shù)據(jù)收集

隨機選取其中652名大學生，對他們期末考試中的專業(yè)課成績求出平均分并以班級為單位進行標準化，以此標準分作為衡量其專業(yè)成績的標準。在652名大學生中，文科專業(yè)268人，占41.1%；理科專業(yè)218人，占33.4%；工科專業(yè)166人，占25.5%；年齡17～24歲，平均20±1歲；男生320人，占46.3%，女生371人，占53.7%。

三、構(gòu)建神經(jīng)網(wǎng)絡模型

使用專業(yè)軟件Clementine12.0構(gòu)建神經(jīng)網(wǎng)絡模型。首先對樣本數(shù)據(jù)進行歸一化處理，以便更好地對數(shù)據(jù)關系進行映射，從而使其參數(shù)都落在（0，1）之間。歸一化選用以下公式：

P=（p-pmin）/（pmax-pmin）

公式中，pmin，pmax分別表示歸一化之前的最小值和最大值，P為歸一化值，p為歸一化之前的值。經(jīng)過歸一化轉(zhuǎn)換的結(jié)果在本研究中以P表示，例如P專業(yè)課均分。

經(jīng)過歸一化處理后，開始正式建模。在Clementine中應用神經(jīng)網(wǎng)絡進行能力傾向?qū)I(yè)成績預測的過程如下：首先選擇數(shù)據(jù)源，將GATB的7項能力傾向數(shù)據(jù)選為輸入變量，將標記專業(yè)課均分項選為輸出變量。然后在字段選項中選擇其中的分區(qū)節(jié)點，設置訓練、測試、驗證區(qū)域樣本比例，這是構(gòu)建神經(jīng)網(wǎng)絡模型所需要的一個設置。總體挖掘過程如圖1 所示。

圖1 數(shù)據(jù)挖掘過程

接著在模型里選擇神經(jīng)網(wǎng)絡模型的訓練方法。Clementine提供了快速、動態(tài)、多重、修剪、RBFN和窮舉型修剪六種用于構(gòu)建神經(jīng)網(wǎng)絡模型的訓練方法（Silverston，數(shù)據(jù)模型資源手冊）。選擇快速的訓練方法，即使用數(shù)據(jù)的簡明規(guī)則和特征來選擇適合的網(wǎng)絡形狀（拓撲）。

此后在模型中設置預防過度訓練，將數(shù)據(jù)隨機分割為訓練集合和檢驗集合兩部分，設置70%的樣本為訓練集合，并將隨機種子設置為18。特定的隨機種子通常會生成相同的隨機值序列，產(chǎn)生相同的生成模型，從而使結(jié)果模型具有精確的可再現(xiàn)性。本研究中的預防過度訓練與隨機種子設置見圖2。

圖2 模型設置結(jié)果

四、結(jié)果分析

1.文科大學生一般能力傾向?qū)I(yè)成績的預測模型

本模型顯示出模型在生成前的選項和生成后的統(tǒng)計情況。結(jié)果顯示模型對建模數(shù)據(jù)估計的準確率達90.247%，其中輸入層有7個神經(jīng)元，隱藏層有1∶3個神經(jīng)元，輸出層有1個神經(jīng)元。

對各輸入點的敏感度進行分析顯示，各輸入字段的相對重要性參數(shù)，按重要性排序為言語能力、一般智力、形狀知覺、運動協(xié)調(diào)、數(shù)理能力、書寫知覺、空間判斷能力，其敏感性系數(shù)依次為0.523、0.191、0.09、0.053、0.05、0.047、0.045。

將Neural Net結(jié)果結(jié)點連接在數(shù)據(jù)流中的分區(qū)結(jié)點后，向數(shù)據(jù)流中增加分析節(jié)點，模型分析結(jié)果見圖3，由圖可知，文科學生一般能力傾向?qū)I(yè)成績模型的平均預測誤差在-0.004到0.036之間，絕對平均誤差在0.103到0.105之間，該模型的預測誤差在可以接受的范圍之內(nèi)。

圖3 文科大學生一般能力傾向?qū)I(yè)成績的預測模型分析結(jié)果

再向數(shù)據(jù)流中增加導出結(jié)點。將導出結(jié)點連接到Neural Net結(jié)果結(jié)點。設置該結(jié)點屬性，將增添的字段的值設置為【abs（P專業(yè)課均分 - '$N- P專業(yè)課均分'） / P專業(yè)課均分】 * 100，其中$N- P專業(yè)課均分是由神經(jīng)網(wǎng)絡生成的預測結(jié)果，如圖4所示。該圖形的橫坐標為導出值，縱坐標表示一共有多少個樣本的導出值落在相對應的橫坐標上。由導出的定義公式可知，導出值越小，則表明預測值與實際值的差別越小。由輸出圖形可以看出，該模型已達到一定的精度。

圖4 文科大學生一般能力傾向?qū)I(yè)成績的預測模型精度直方圖

2.理科大學生能力傾向?qū)I(yè)成績的預測模型

理科大學生一般能力傾向?qū)I(yè)成績預測模型顯示模型對建模數(shù)據(jù)估計的準確率達90.979%，輸入層、隱藏層、輸出層的神經(jīng)元個數(shù)與文科大學生模型的數(shù)量相同，分別為7個、1∶3個、1個。

理科大學生一般能力傾向?qū)I(yè)成績預測的各輸入點的敏感度分析顯示：按重要性排序為數(shù)理能力、一般智力、空間判斷能力、書寫知覺、言語能力、形狀知覺、運動協(xié)調(diào)，其敏感性系數(shù)依次為0.471、0.233、0.132、0.073、0.046、0.042、0.003。

圖5 理科大學生一般能力傾向?qū)I(yè)成績的預測模型分析結(jié)果

模型分析結(jié)果見圖5，由圖可知，理科學生一般能力傾向?qū)I(yè)成績模型的平均預測誤差在-0.022到0.006之間，絕對平均誤差在0.091到0.097之間，結(jié)合圖6可知，模型達到了一定的精度。

圖6 理科大學生一般能力傾向?qū)I(yè)成績的預測模型精度直方圖

3.工科大學生能力傾向?qū)I(yè)成績的預測模型

工科大學生一般能力傾向?qū)I(yè)成績的預測模型顯示模型對建模數(shù)據(jù)估計的準確率達90.381%，輸入層、隱藏層、輸出層的神經(jīng)元個數(shù)與之前相同，分別為7個、1∶3個、1個。

工科大學生一般能力傾向?qū)I(yè)成績預測的各輸入點的敏感度分析結(jié)果顯示：按重要性排序為空間判斷能力、一般智力、言語能力、書寫知覺、形狀知覺、數(shù)理能力、運動協(xié)調(diào)，其敏感性系數(shù)依次為0.594、0.202、0.084、0.048、0.035、0.029、0.008。

模型分析結(jié)果（見圖7）顯示，工科學生一般能力傾向?qū)I(yè)成績模型的平均預測誤差在-0.044到0.008之間，絕對平均誤差在0.106到0.115之間。模型精度直方圖（見圖8）顯示，由圖可知，導出值集中在一個很小的范圍之內(nèi)，模型達到了一定的精度。

圖8 工科大學生一般能力傾向?qū)I(yè)成績的預測模型精度直方圖

五、討論

神經(jīng)網(wǎng)絡具有的非線性映射、自適應學習、并行性、知識分布存儲、逼近任意復雜連續(xù)函數(shù)等信息處理能力，克服了傳統(tǒng)預測方法對于數(shù)據(jù)處理方面的缺陷，使神經(jīng)網(wǎng)絡能夠在心理測量領域發(fā)揮重要作用。值得注意的是，回歸分析要求數(shù)據(jù)正態(tài)分布、線性，以及連續(xù)變量這些比較嚴苛的條件，在神經(jīng)網(wǎng)絡模型中卻不需要這些前提條件。也就是說，神經(jīng)網(wǎng)絡的算法具有非線性的特點。這可以大大彌補傳統(tǒng)統(tǒng)計方法的線性模型的局限。

本研究以人工神經(jīng)網(wǎng)絡建模為統(tǒng)計手段，分別建立文、理、工三類大學生一般能力傾向?qū)ζ鋵I(yè)成績的預測模型，由建網(wǎng)信息和模型分析結(jié)果可知，三個模型對建模數(shù)據(jù)估計的準確率均達到90%以上，預測的平均預測誤差在0.091到0.115之間，三個模型均達到了一定的精度。

首先， GATB的7項能力傾向?qū)ξ目茖I(yè)成績的影響按重要性排序依次為言語能力、一般智力、形狀知覺、運動協(xié)調(diào)、數(shù)理能力、書寫知覺、空間判斷能力，這一結(jié)果也可與文科專業(yè)大學生優(yōu)勢能力傾向互為佐證。言語能力的敏感性系數(shù)達到0.523，是影響文科專業(yè)成績表現(xiàn)的關鍵能力，這一結(jié)果也符合我們研究前的假設和實際情況。文科類專業(yè)的學生通常對文字、語言更有興趣，擁有較好的文字功底，將來所從事的職業(yè)多以文字工作為主，專業(yè)課程的設置與考核也是以此職業(yè)方向為導向，因而言語能力上得分突出的學生更有可能在文科專業(yè)的課程學習中達到優(yōu)秀水平。

其次，對理科大學生而言，數(shù)理能力、一般智力和空間判斷能力對其專業(yè)成績預測的敏感性系數(shù)分別為0.471、0.233和0.132。數(shù)理能力是利用算術知識解決實際問題的能力，一般智力則是需要根據(jù)原理進行推理和判斷的能力，而空間判斷能力是要求在心理空間進行圖形轉(zhuǎn)換進而進行推理、判斷的能力，這三類能力對學生的邏輯思維能力有較高要求，理科類專業(yè)側(cè)重于理論研究和科學培養(yǎng)，尤需學生的理性思維、邏輯思維能力，因此，數(shù)理能力、一般智力和空間判斷能力是理科學習關鍵之所在，理科專業(yè)要求報考者在這些能力上的發(fā)展達到一定的水平，而在這些能力傾向上得分較低的被試可能需要付出相當?shù)呐Σ拍軌騽偃卫砜茖I(yè)的學習。

最后，工科類專業(yè)學生的專業(yè)成績7項能力傾向按重要性排序依次為：空間判斷能力、一般智力、言語能力、書寫知覺、形狀知覺、數(shù)理能力、運動協(xié)調(diào)。另外，空間判斷能力也是工科類大學生的優(yōu)勢能力傾向，以往相關研究也表明，空間想象和空間思維能力對于工科學習是不可或缺的[19]，尤其是機械制圖等相關專業(yè)。工科專業(yè)側(cè)重技術應用，學生動手能力較強，心理空間的運動能力依賴于實際動手能力的發(fā)展，動手能力的鍛煉也會促進其空間想象能力的發(fā)展。值得注意的是，空間判斷能力對于工科學生專業(yè)成績的預測敏感性系數(shù)達到了0.594的水平――該項能力對工科學習十分重要，若發(fā)展良好，更可能在工科學習中脫穎而出。

縱觀三類專業(yè)大學生一般能力傾向?qū)ζ鋵I(yè)成績的預測情況，不難發(fā)現(xiàn)，一般智力對于任何一類專業(yè)來說都是基礎性的能力傾向。國外相關研究結(jié)果也發(fā)現(xiàn)，人們的智力和知識只要達到一定的水平，人們智力的高低差異對于工作效率不再有明顯的影響，然而與專業(yè)緊密相關的能力傾向與工作效率之間始終有顯著的正相關。本研究的結(jié)論在一定程度上驗證了這一觀點：對于不同的專業(yè)方向來說，每種專業(yè)類型都各有其關鍵的能力傾向。該專業(yè)的潛在報考者能否勝任該專業(yè)的學習和考核，關鍵能力傾向是至關重要之因素。

總而言之，人工神經(jīng)網(wǎng)絡模型對三類專業(yè)的專業(yè)成績預測都具有較高的準確性，說明本研究整體的技術路線可行，GATB所測得的7項能力傾向的不同組合可以用來預測不同專業(yè)學生的專業(yè)成績。通過人工神經(jīng)網(wǎng)絡模型，中學生可以根據(jù)自己在GATB的7項能力傾向上的得分情況預測自己報考三類專業(yè)的成績水平，從而判斷自己適合報考的專業(yè)方向。如能早日實現(xiàn)推廣，將是教育界及廣大學子喜聞樂見之事。

項目基金：全國教育規(guī)劃課題（DIA080131）

[1] Hammod， M.. An investigation into the factor structure of the General Aptitude Test Battery[J]. Journal of Occupational Psychology，1984，57（1）：4348.

[2] Droege， R. C.. GATB aptitude intercorrelations of ninth and twelfth garders： A study in organization of mental abilities[J]. Personnel & Guidance Journal， 1968，46（7）：668672.

[3] 桑代克， R.L.，哈根， E.P.. 心理與教育的測量與評價[M]. 葉佩華，等，譯. 北京：人民教育出版社，1985.

[4] 林耀斌，杜友福.基于Clementine神經(jīng)網(wǎng)絡的商品促銷效果預測模型應用[J].電腦知識與技術，2009，5（34）：90-92.

[5] 張菊英，韋健，楊樹勤.神經(jīng)網(wǎng)絡模型在住院費用影響因素分析中的應用[J].中華醫(yī)院管理雜志，2002，18（3）：143-145.

[6] 嚴武.基于BP算法的住院天數(shù)神經(jīng)網(wǎng)絡模型建模研究[J].中國病案， 2009，10（11）： 38-40.

[7] 易東，王文昌.回歸分析的人工神經(jīng)網(wǎng)絡算法模型研究[J].中國衛(wèi)生統(tǒng)計，1998，15（5）.

[8] 郭秀艷，朱磊，魏知超.內(nèi)隱學習的人工神經(jīng)網(wǎng)絡模型[J].心理科學進展，2006，14（6）：837-843.

[9] Martin， G. L.. Encoder： A connectionist models of how learning to visually encode fixated text images reading fluency[J]. Psychological Review， 2004，111（3）：617639.

[10] Berthier， N.E.， Rosenstein， M. T.， & Barto， A.G..Approximate optimal control as a model for motor learning[J]. Psychological Review， 2005，69（2）：329346.

[11] Seidenberg， M. S..Connectionist models of word reading[J]. Current Directions in Psychological Science， 2005，14（5）：12381242.

[12] 郭秀艷，鄒玉梅，李強，孫怡.中學生顏色內(nèi)隱學習特征的實驗研究[J].心理與行為研究， 2003，1（2）：122-127.

[13] 郭秀艷，朱磊.神經(jīng)網(wǎng)絡模型對內(nèi)隱學習的探索[J].心理科學，2006，29（2）：410-415.

[14] Kashima，Y.， Kerekes， & Andrew. R.Z.. A distributed memory model of averaging phenomena in person impression formation[J]. Journal of Experimental Social Psychology， 1994，30（5）：407-455.

[15] Read， S. J.， & Montoya， J. A.. An auto associative model of causal reasoning and causal learning： Reply to Van Overwalle’s critique of Read and Marcus-Newhall[J]. Journal of Personality and Social Psychology，1996， 76（5）：728742.

[16] Shultz， T.， & Lepper，M.. Cognitive dissonance reduction as constraint satisfaction[J]. Psychological Review，1996， 103（2）： 219240.

[17] Gureckis， T.M.， Love， B.C.. Common mechanisms in infant andcategory learning[J]. Infancy， 2004，5（2）：173198.

篇2

【關鍵詞】就業(yè)；AR模型；RBF模型；組合預測

隨著我國高等教育的飛速發(fā)展，國內(nèi)的許多大學不斷的擴招，但由于擴招的增速過大，超過了社會經(jīng)濟增長速度和市場對高水平人才的需求增長速度，致使近幾年的大學生就業(yè)形勢愈發(fā)嚴峻，大學畢業(yè)生的就業(yè)前景和就業(yè)趨勢成為近年來許多人關注的敏感話題。做好畢業(yè)生就業(yè)趨勢預測將對高校和大學生本人來說都是一個很有價值的信息。

在預測實踐中，經(jīng)常采用的預測方法有灰色預測法、ARMA模型法、神經(jīng)網(wǎng)絡算法等，這些預測算法對現(xiàn)實世界中的一些問題具有良好的預測效果，被廣泛的加以應用，比如，灰色預測法是一種對含有不確定因素的系統(tǒng)進行預測的方法，其模型通過對原始數(shù)據(jù)的整理來尋求變化規(guī)律，是一種就數(shù)據(jù)尋找數(shù)據(jù)規(guī)律的途徑，它不要求有大量的數(shù)據(jù)，數(shù)據(jù)也不需要具有典型的分布規(guī)律；ARMA模型法是一種時間預測序列，它通過對時間序列的具體分析，初步選定一個模型，然后用一系列統(tǒng)計方法來檢驗這個模型是否適用，它可用于各種類型的時間序列數(shù)據(jù)。但是由于單一模型的使用范圍和使用條件存在這樣或那樣的局限性，使用單一模型往往使一些有用的信息得不到有效的利用，這會造成信息浪費，為了避免使用單一信息的缺憾，綜合利用各種有效信息，來達到取長補短提高預測效果的目的，更加科學的做法是將不同的預測方法進行適當?shù)慕M合，從而形成組合預測方法，只要組合適當就能提高預測精度。

由于影響高校畢業(yè)生就業(yè)率的因素較多，不同地域、不同科類、不同類型學校的就業(yè)率皆不盡相同，即便是相同的專業(yè)就業(yè)率也不盡相同，影響畢業(yè)生就業(yè)的因素同就業(yè)率的關系是非線性的，而且很難用常規(guī)的函數(shù)關系去描述。從某高校部分專業(yè)歷年來畢業(yè)生就業(yè)數(shù)據(jù)為樣本，構(gòu)建AR模型和RBF模型相結(jié)合的組合預測模型，并使用遺傳算法求解模型的參數(shù)，對畢業(yè)生就業(yè)趨勢進行了預測。

1.預測模型算法簡介

1.1 AR模型

AR模型是將預測對象隨時間推移而形成的數(shù)據(jù)序列視為一個隨機序列，這組隨機變量所具有的依存關系或自相關性表征了預測對象發(fā)展的延續(xù)性，而把這種自相關性用模型描述出來，就可以用時間序列的過去值和現(xiàn)在值來預測其未來值。AR模型稱為n階自回歸模型，是ARMA（n，m）模型的一個特例。建立AR模型最常用的方法是最小二乘法，AR（n）模型為：

式中{}為給定過程中的n個觀測值{，，…，}，為模型的誤差序列，常被稱為模型殘差，（～NID（0，）），模型階次n和參數(shù){，，…，}的選取必須滿足某種最佳準則。

1.2 徑向基函數(shù)神經(jīng)網(wǎng)絡模型

徑向基函數(shù)神經(jīng)網(wǎng)絡模型簡稱RBF神經(jīng)網(wǎng)絡，是人工神經(jīng)網(wǎng)絡中應用較廣泛的一種網(wǎng)絡，RBF方法屬于在高維空間進行差值的一種技術，該網(wǎng)絡具有單隱層的三層前饋網(wǎng)絡，有輸入層、隱含層和輸出層，層間多為全互連方式，由輸入到輸出的映射是非線性的，而隱含層空間到輸出空間的映射是線性的，由于其結(jié)構(gòu)簡單可以保證快速的學習速度，并避免局部極小問題。RBF神經(jīng)網(wǎng)絡結(jié)構(gòu)如圖1所示：

為網(wǎng)絡第j個節(jié)點的中心向量；為節(jié)點j的基寬參數(shù)，且為大于零的數(shù)；為網(wǎng)絡的權向量，RBF網(wǎng)絡的輸出為。

RBF神經(jīng)網(wǎng)絡的訓練過程選用Matlab數(shù)學軟件所提供的神經(jīng)網(wǎng)絡工具箱函數(shù)，Matlab是美國mathworks公司推出的數(shù)學軟件，是一種強大的非線性分析和仿真軟件，具有強大的數(shù)值計算和可視化功能。利用它所提供的工具箱，能保證計算過程的準確性，使人們把主要精力放在需要解決的問題上，來提高工作效率。

1.3 遺傳算法

遺傳算法（簡寫為GA）是一種求解多參數(shù)、非線性優(yōu)化問題的有效方法，是現(xiàn)代有關智能計算中的關鍵技術之一。它仿照自然界的優(yōu)勝劣汰、適者生存的原則，利用其獨特的搜索方式來解決問題。它是由美國的J.Holland教授1975年首先提出，其主要特點是直接對結(jié)構(gòu)對象進行操作，不存在求導和函數(shù)連續(xù)性的限定；具有內(nèi)在的隱并行性和更好的全局尋優(yōu)能力；采用概率化的尋優(yōu)方法，能自動獲取和指導優(yōu)化的搜索空間，自適應地調(diào)整搜索方向，不需要確定的規(guī)則。遺傳算法的這些性質(zhì)，已被人們廣泛地應用于組合優(yōu)化、機器學習、信號處理、自適應控制和人工生命等領域。遺傳算法的主要步驟有：編碼、初始群體的生成、適應性值評估檢測、選擇、交換、變異。

1.4 組合預測模型

組合預測就是采用一定的手段，對多種預測進行合成，它能夠有效的利用多種有用信息，更為全面的反應系統(tǒng)的變化規(guī)律。采用廣義加權算術平均組合預測模型：令預測問題在某一時段的實際值為，對預測問題有種預測模型，預測值分別為（），設這m種預測模型的加權系數(shù)為，則有：

其中：時為簡單加權算術平均組合預測模型；時為簡單加權調(diào)和平均組合預測模型；時為加權平方和組合預測模型；時為簡單加權平方根和組合預測模型。在本文中采用遺傳算法來求解組合預測模型的權值和組合模型的模型參數(shù)。

1.5 組合預測效果評價原則

為了檢驗組合預測方法的有效性，根據(jù)一定的評價原則和評價指標對組合預測效果進行全方位的綜合衡量和評價。按照預測誤差最小的評價原則和慣例，常采用以下評價指標作為參考。其中為實際值，為預測值。

（1）平方和誤差：

（2）平方絕對誤差：

（3）均方誤差：

（4）平均絕對百分比誤差：

（5）均方百分比誤差：

2.模型應用于預測

畢業(yè)生就業(yè)系統(tǒng)是個復雜的系統(tǒng)，畢業(yè)生就業(yè)受宏觀和微觀多種因素的影響，在測試中選擇了兩組具有代表性的數(shù)據(jù)作為實驗的原始數(shù)據(jù)，數(shù)據(jù)資料來源于某高校1998年-2006年的本科生就業(yè)率，從歷史資料來看，畢業(yè)生就業(yè)趨勢是非平穩(wěn)的。

實驗設計：單項預測器采用AR模型和RBF預測，預測1998-2006年的就業(yè)率。組合預測模型為廣義加權平均模型，其中為組合模型中AR模型的權值；為組合預測效果最佳的模型參數(shù)，用遺傳算法求解。

求解結(jié)果見下表，其中：表1為專業(yè)一的原始數(shù)據(jù)和分別用三種預測方法測得的預測值；表2為三種預測方法對專業(yè)一進行預測的效果評價表；表3為專業(yè)二的原始數(shù)據(jù)和分別用三種預測方法測得的預測值；表4為三種預測方法對專業(yè)二進行預測的效果評價表。

3.預測結(jié)果分析

通過用三種模型分別對原始數(shù)據(jù)進行預測，根據(jù)誤差最小的原則，由表1和表2的預測結(jié)果來看，AR模型優(yōu)于RBF模型，由表3和表4的預測結(jié)果來看RBF模型優(yōu)于AR模型，但從整體來看組合預測結(jié)果更接近實際數(shù)據(jù)，在各項指標上結(jié)果都優(yōu)于單項預測。

4.結(jié)論

根據(jù)畢業(yè)生就業(yè)趨勢預測實驗的結(jié)果可知，單一的預測模型都沒有它們的組合預測模型有更好的預測精度。說明這一組合模型能聚集單一模型的優(yōu)點，適合于受多種因素影響的畢業(yè)生就業(yè)趨勢的預測問題。

當前，高校畢業(yè)生就業(yè)問題已經(jīng)成為困擾我國現(xiàn)代化教育的“基礎性屏障”，需要我們來理性的分析畢業(yè)生就業(yè)的影響因素，在這種情況下，能夠?qū)Ξ厴I(yè)生就業(yè)趨勢進行科學的預測和分析，將有助于尋找和探索解決畢業(yè)生就業(yè)問題的出路和對策。

參考文獻：

[1]William.H.Inmon.Building the Data Warehouse[M].北京：機械工業(yè)出版社，2006.

篇3

金融供應鏈的融資對象為供應鏈成員企業(yè)，本文根據(jù)國內(nèi)外流行的風險分類表對金融供應鏈涉及的風險重新界定和分類，探究風險識別的具體方法及其應用，并陳述了我國商業(yè)銀行的信貸風險識別體系，最后，基于人工神經(jīng)網(wǎng)絡提出金融供應鏈的風險識別方法。

【關鍵詞】

人工神經(jīng)網(wǎng)絡；金融供應鏈；風險識別

一、風險的分類

關于風險的分類，學術界尚無統(tǒng)一的說法。金融界依據(jù)巴塞爾協(xié)議常把風險分為：市場風險、信用風險、操作風險三類。2006年國資委的《中央企業(yè)全面風險管理指引》文件中把風險分為：戰(zhàn)略風險、市場風險、運營風險、財務風險、法律風險。國外比較流行的是安達信的風險分類表：一、市場風險；二、信用風險；三、流動性風險；四、作業(yè)風險；五、法律風險；六、會計風險；七、資訊風險；八、策略風險。而我們所研究的金融供應鏈的融資的對象為供應鏈成員企業(yè)，因此包括一些中小企業(yè)，所以信用風險將是其最主要的風險來源；其次，解決信用風險所大量采用的信息技術支持的審核、環(huán)節(jié)控制和監(jiān)管工作，必然帶來的操作風險、市場風險、匯率風險和法律風險等。

（一）市場風險

市場風險又稱系統(tǒng)風險，也稱不可分散風險。可以分為利率風險、匯率風險（包括黃金）、股票價格風險和商品價格風險，分別是指由于利率、匯率、股票價格和商品價格的不利變動所帶來的風險。對于出于金融供應鏈中的商業(yè)銀行來說，利率風險主要是指在利率出現(xiàn)波動時，商業(yè)銀行財務狀況可能面臨的收益和損失的不確定性。

按照來源的不同，可以分為重新定價風險、收益率曲線風險、基準風險和期權性風險。匯率風險又稱外匯風險、匯兌風險，是指貨幣匯率變動而導致經(jīng)濟主體在社會活動、經(jīng)濟活動和金融活動中以外幣衡量的資產(chǎn)與負債、收入與支出和未來的經(jīng)營活動可產(chǎn)生的現(xiàn)金流量以本幣表現(xiàn)得價值發(fā)生損失或產(chǎn)生額外收益的可能性。

（二）信用風險

信用風險又稱違約風險，是指交易對手未能履行約定契約中的義務而造成經(jīng)濟損失的風險，即受信人不能履行還本付息的責任而使授信人的預期收益與實際收益發(fā)生偏離的可能性，它是商業(yè)銀行金融風險的主要類型，也是金融供應鏈中銀行面臨的最為重要的風險類型。鑒于前幾年的局部的金融危機，2003年巴塞爾委員會頒布了《新巴塞爾協(xié)議》對信用風險提出了更為嚴格的內(nèi)部信用風險評價法。對于金融供應鏈融資的信用風險來說，包括系統(tǒng)性風險和非系統(tǒng)性風險。系統(tǒng)風險又稱市場風險，也稱不可分散風險。由于市場風險直接影響企業(yè)的還款能力和還款意愿的不確定，因而造成信用風險，所以在金融供應鏈融資過程中，一些較早開展供應鏈金融業(yè)務的商業(yè)銀行就認為市場風險作為信用風險的一部分來看。

（三）操作風險

操作風險是指由不完善或有問題的內(nèi)部程序、員工和信息科技系統(tǒng)，以及外部因素所造成財務損失或影響銀行聲譽、客戶和員工的操作事件，具體事件包括：內(nèi)部欺詐，外部欺詐，就業(yè)制度和工作場所安全，客戶、產(chǎn)品和業(yè)務活動，實物資產(chǎn)的損壞，營業(yè)中斷和信息技術系統(tǒng)癱瘓，執(zhí)行、交割和流程管理七種類型。而供應鏈融資中的操作風險涵蓋了信用調(diào)查、融資審批、出賬和授信后管理與操作等業(yè)務流程環(huán)節(jié)上由于操作不規(guī)范或操作中的道德風險所造成的損失。巴曙松認為操作風險可以劃分為：執(zhí)行風險、信息風險等6種。巴塞爾委員會在其2001年的新資本協(xié)議修改版中要求，金融機構(gòu)的實際自身實際狀況，可以提出更為詳細的操作風險的細分。

主要原因是操作風險較之其他風險存在明顯的特點：（1）與信用風險和市場風險不同的是，操作風險中的風險因素是內(nèi)在于銀行的業(yè)務操作，而且單個操作風險因素與操作性損失之間不存在清晰的、可以用數(shù)量衡量的關系。（2）在交易量大、業(yè)務規(guī)模大、結(jié)構(gòu)變化迅速的領域，極易受到操作風險沖擊。

（四）法律風險

法律風險是商業(yè)銀行的日常經(jīng)營活動或各類交易應當遵守相關的商業(yè)準則和法律原則。在這個過程中，因為無法滿足或違反法律要求，導致商業(yè)銀行不能履行合同發(fā)生爭議、訴訟或其他法律糾紛，而可能給商業(yè)銀行造成經(jīng)濟損失的風險。但是它包括但不僅僅限于因監(jiān)管措施不到位和解決民商事爭議而支付的罰款、罰金或者懲罰性賠償所導致的風險。從狹義上講，法律風險主要是指商業(yè)銀行與授信企業(yè)所簽署的各類合同、承諾等文件的在法律許可范圍內(nèi)的有效性和可執(zhí)行性。從廣義上講，與法律風險相類似或密切相關的風險有外部合規(guī)風險和監(jiān)管風險。

外部合規(guī)風險是指由于商業(yè)銀行違反所在地法律、或行業(yè)監(jiān)管規(guī)定和原則，所導致的法律訴訟或監(jiān)管機構(gòu)給予的處罰，因此所產(chǎn)生得不利于商業(yè)銀行實現(xiàn)其商業(yè)目的的風險。監(jiān)管風險是指由于所在地現(xiàn)行的法律或規(guī)定的變化，影響商業(yè)銀行自身正常運營或消弱其競爭能力的風險。雖然根據(jù)《巴塞爾新資本協(xié)議》的規(guī)定，法律風險是屬于廣義操作風險的一部分，是一種特殊類型的操作風險。這種說法目前還存在爭議，又因為金融供應鏈融資的法律環(huán)境和傳統(tǒng)商業(yè)銀行業(yè)務有較大差別，所以我們單獨討論法律風險。

二、風險識別的方法

（一）現(xiàn)場調(diào)查法

現(xiàn)場調(diào)查是對企業(yè)進行全面的、細致的普查。主要步驟為：第一階段，準備階段。包括確定調(diào)查的起止時間、調(diào)查對象、企業(yè)所在行業(yè)現(xiàn)狀（資產(chǎn)報酬率、資產(chǎn)負債率和流動比率等）和被調(diào)查企業(yè)的不同階層員工對本企業(yè)自身狀況認識等。一般在實際調(diào)查前，會事先設計出所需要表格讓被調(diào)查企業(yè)員工填寫。第二階段，進行現(xiàn)場調(diào)查和訪問階段。需要被調(diào)查企業(yè)的管理層和員工的配合，調(diào)查內(nèi)容一般以填寫表格。現(xiàn)場調(diào)查法的優(yōu)點就是可獲得第一手資料，有助于掌握除財務報表外的資料，還有助于和一線員工建立良好關系。缺點是成本高，時間久，有時會引起員工因疲于應對調(diào)查，而對調(diào)查人員產(chǎn)生反感。

（二）財務狀況分析法

財務狀況分析法是商業(yè)銀行通過對信貸企業(yè)的資產(chǎn)負載表、營業(yè)報表和補充財務記錄等的財務分析來識別申請信貸的企業(yè)是否有信貸風險。這是商業(yè)銀行最主要的信貸依據(jù)，也是金融供應鏈融資的主要評價指標。通過財務狀況可以防范信貸企業(yè)破產(chǎn)風險、或是信貸企業(yè)目前面臨的系統(tǒng)風險和非系統(tǒng)風險等。

財務狀況分析法用于識別風險的有點事信息準確、客觀、清晰、扼要，容易被外部人員接受。缺點是反映不夠全面，企業(yè)容易在財務報表中作假，不容被發(fā)現(xiàn)。僅部分信息既能夠被從業(yè)多年的專業(yè)人士所利用，進而發(fā)現(xiàn)風險。而對于金融供應鏈企業(yè)來說，簡單的財務評價指標，不能夠完全反映出供應鏈上下游融資企業(yè)的狀況。因為供應鏈融資工具向供應鏈上下游延伸，風險也會隨著供應鏈融資范圍的擴大而相應得擴散。如果供應鏈的某一成員出現(xiàn)了融資方面的問題，那么其影響會非常迅速地蔓延到整條供應鏈。因此需要更為全面評價指標。

（三）信用評級指標體系

目前，絕大多數(shù)的商業(yè)銀行建立了信用評級指標體系，對申請信貸企業(yè)進行貸前風險識別。信用等級評價是對目標企業(yè)一定時期內(nèi)的信譽狀況、償還能力和發(fā)展前景進行定量和定性分析的方法。他是一個動態(tài)的風險管理過程，放貸前對信貸企業(yè)進行信用等級評價。在放貸過程中，根據(jù)客戶信用水平的變化，相應調(diào)整對信貸企業(yè)的信貸政策，把風險因素控制在最小的狀態(tài)。根據(jù)巴塞爾的《新資本協(xié)議》，要確定信貸企業(yè)的信用評價資產(chǎn)風險權重，從而使風險衡量更客觀。

三、我國商業(yè)銀行的信貸風險識別體系

目前，我國大部分商業(yè)銀行已經(jīng)建立了信用評級指標體系，對申請信貸企業(yè)進行貸前風險識別。主要步驟為：1.調(diào)查并獲得申請信貸企業(yè)的財務報表；2.信用等級評價，如信用等級評價過低，則否決申請；3.根據(jù)信用等級和申請企業(yè)的其他信息，核定授信的金額；4.審批人員或?qū)彶椴块T對申請進行審批；5.簽訂協(xié)議并發(fā)放貸款。

由于我國大部分商業(yè)銀行信用等級評價過多依賴財務報表，而財務報表又具有靜態(tài)性、滯后性和容易造假等缺點。銀行工作人員很難從中察覺到虛假信息和未來發(fā)展趨勢，從而導致銀行不能及時調(diào)整信貸政策，引發(fā)銀行壞賬增多。伴隨著人工智能在諸多領域的廣泛應用。

四、基于人工神經(jīng)網(wǎng)絡的金融供應鏈風險識別

（一）將原始數(shù)據(jù)中的評價指標標準化處理

因為上述各個指標屬于不同的數(shù)量級，沒有統(tǒng)一的度量標準，所以在進行主成分分析之前，需要對指標數(shù)據(jù)進行標準化處理，將各指標的屬性值統(tǒng)一到歸一化處理到[1，1]的區(qū)間里。

xij′=2×xijmax xi-min xi-1

由此，得到無量綱的各因素標準比值表。

（二）對評價指標進行主成分分析

利用主成分分析方法對影響銀行信貸風險因素的各個指標進行分析處理，在盡可能保持信息完整的情況下確立較少的輸入變量，進而減少預測模型的復雜性。

（三）建立BP神經(jīng)網(wǎng)絡，并對信貸風險進行預測

五、結(jié)語

對金融供應鏈面臨的潛在的金融風險進行歸類分析，從而對金融風險加以認識和辨別。根據(jù)金融供應鏈的指標多的特點，運用改進人工神經(jīng)網(wǎng)絡進行風險識別，取得比較好的效果。

參考文獻：

[1]吳沖，呂靜杰，潘啟樹，劉云燾.基于模糊神經(jīng)網(wǎng)絡的商業(yè)銀行信用風險評估模型研究[J].系統(tǒng)工程理論與實踐.2004，（11）：2431

[2]王春峰，萬海暉，張維.基于神經(jīng)網(wǎng)絡技術的商業(yè)銀行資信風險評估[J].系統(tǒng)工程理論與實踐.1999，（9）：2432

[3]王春峰，萬海暉，張維.組合預測在商業(yè)銀行資信風險評估中的應用[J].管理工程學報.1999，l（13）：58

篇4

關鍵詞：人工智能；高中生；職業(yè)規(guī)劃；建議

一、引言

人工智能的不斷發(fā)展與拓展促進了我國各個領域的發(fā)展，同時對各個行業(yè)產(chǎn)生巨大沖擊，很多需要人工機械作業(yè)的領域?qū)褂脵C器人，造成大量人員的失業(yè)。面對如此現(xiàn)狀，今后我們高中生如何做好職業(yè)生涯規(guī)劃成為當務之急，只有深刻把握社會發(fā)展趨勢，加強學習方向與時代潮流的匹配性，才能迎接挑戰(zhàn)、抓住機遇、趨利避害，做好職業(yè)選擇和規(guī)劃，更好地適應今后的社會發(fā)展。

二、人工智能的發(fā)展現(xiàn)狀和趨勢

（一）人工智能的發(fā)展現(xiàn)狀

“人工智能”一詞最初是在1956年Dartmouth學會上提出的。它是計算機科學、控制論、信息論、神經(jīng)生理學、心理學等多種學科互相滲透而發(fā)展起來的一門綜合性學科。從計算機應用系統(tǒng)的角度出發(fā)，人工智能是研究如何制造智能機器或智能系統(tǒng)，來模擬人類智能活動的能力，以延伸人們智能的科學。目前，人工智能技術在美國、歐洲和日本呈現(xiàn)飛速發(fā)展趨勢。隨著人工智能技術的快速發(fā)展，人工智能已經(jīng)在各個行業(yè)得到廣泛應用，其中比較典型應用主要包括符號計算、模式識別、機器翻譯、機器學習、問題求解、邏輯推理和定理證明、自然語言處理、智能信息檢索技術以及專家系統(tǒng)等，這些在計算機領域、化學領域、醫(yī)學領域以及礦物勘測領域等得到廣泛應用，并取得較好效果。

（二）人工智能的發(fā)展趨勢

技術的發(fā)展總是超乎人們的想象，要準確地預測人工智能的未來是不可能的。但是，從目前的一些前瞻性研究可以看出未來人工智能可能會綜合模糊處理、并行化、神經(jīng)網(wǎng)絡和機器情感等進行全方位發(fā)展。隨著全球化趨勢的不斷增強，今后人工智能會向著全球國際標準的方向發(fā)展。人工智能技術不斷地在就業(yè)領域應用及發(fā)展，因此高中階段就對自己的職業(yè)生涯有著規(guī)劃是未來發(fā)展的必然趨勢，并且美國、加拿大等先進國家早早的就把高中生職業(yè)規(guī)劃教育課程安排在了高中階段，相比之下安排職業(yè)規(guī)劃教育課程的高中畢業(yè)生，甚至大學畢業(yè)生對自己的規(guī)劃都有著明確的方向，我國目前某些地區(qū)高中階段已經(jīng)安排了職業(yè)規(guī)劃類型的課程，相信不久高中生職業(yè)規(guī)劃的課程也會出現(xiàn)在更多地區(qū)的校園。

（三）人工智能發(fā)展對就業(yè)的影響

隨著機器眼下正在取代的首當其沖的是那些簡單機械操作的勞動者，比如說我國工廠里的初級工人正在面臨自動化的威脅。還有美國福特公司，不僅大量裁減藍領工人，而且還要把工廠搬到別的州或國家去，那里稅收更低、政策環(huán)境更寬松、工會更友善的，在這些地方使用機器人不僅可以提高作業(yè)效率和質(zhì)量，而且能夠極大的降低各種成本，能夠為企業(yè)創(chuàng)造更多的效益。

隨著人工智能的快速發(fā)展，人工智能對各個領域的就業(yè)產(chǎn)生了重大影響，我國也在往這個方向發(fā)展，對于IT行業(yè)，今后會大量使用機器人進行工作，制造業(yè)也在逐漸增加使用機器人。技術的進步，使得個人的生產(chǎn)效率得到了巨大的提升。雖然就短期而言，機器是不會一下子取代大多數(shù)人，但我們必須未雨綢繆、防患于未然。有一些機械的、長時間集中精神的、固定套路的工作，比如流水線工、司機、配藥師等，機器比人還擅長，這些領域?qū)蕴罅康墓と?，導致很多人員失業(yè)。而很多工作需要人搭配機器做才最高效，這些工作是主流的新工作，但是需要注意的是，在人和機器協(xié)作的過程中，機器一定會不斷智能優(yōu)化的，在單一專業(yè)的工作內(nèi)容中，機器逐漸又會替代人，因此也會造成人員失業(yè)。對于人際溝通事務，由于需要人與人之間的交流，還是人比較擅長。審美是模糊的、社會性的，這個還是人比較擅長。

對于我們高中生而言，勤動腦，勤動手，不斷創(chuàng)新，是未來立足之本。因此不僅要埋頭學習知識，還要培養(yǎng)創(chuàng)新能力和實踐能力，以應對迎接人工智能的挑戰(zhàn)。

（四）高中生應該怎樣規(guī)劃職業(yè)生涯

面對人工智能的快速發(fā)展，今后我們高中生應當趨利避害，努力做好職業(yè)生涯規(guī)劃，實現(xiàn)自我價值的增值，具體來說應當從以下幾個方面入手：

1.增強職業(yè)規(guī)劃的意識

高中生要根據(jù)自身的主觀因素以及外界的環(huán)境因素，分析、歸納、選擇自己的職業(yè)發(fā)展方向，并且制定相應的學習、培養(yǎng)計劃，采取必要行動去實現(xiàn)目標。這種確定人生方向的規(guī)劃問題應該在高中階段每一個學生都應該對自己有著清醒的認識，并且得到自身的重視，對選考科目的選擇及大學志愿的填報就不會盲目、無頭緒，在高中階段有了明確的目標會使自己的學習方向更加準確，學習積極性更加強勁，同時在就業(yè)選擇上也可以盡量地少走彎路。

2.選擇高水平的職業(yè)指導教師

高中生實現(xiàn)從學校到社會或者更高層學校的過程中職業(yè)規(guī)劃具有重要的導向作用，因此在高中階段一個好的職業(yè)規(guī)劃指導教師對學生的影響有著重要的意義。首先我們選擇的職業(yè)規(guī)劃指導教師必須具備一定的任職條件，目前國家也一再的強調(diào)任職職業(yè)資格的嚴格性；其次就是指導教師要善于啟發(fā)式指導學生，增強學生的獨立思考能力，在教師的幫助下充分認識自己的天賦、特長、興趣、能力、心理等方，發(fā)現(xiàn)和挖掘自己多方面的潛能，學會正確利用各方面條件充分發(fā)展。同時，要注意避免指導教師的思想左右了我們的思想，只有準確的認識自己，才能促使我們帶著自己的職業(yè)規(guī)劃繼續(xù)努力進步。

3.自己的高中生涯規(guī)劃

高中的三年，對一個高中生的人生有著重要的意義，因此高中階段可以進行分階段的自我管理培養(yǎng)。高一階段：剛進入學校，通過學習了解學科特點，利用學校、教師、網(wǎng)絡、社會了解就業(yè)動向，自我優(yōu)勢結(jié)合人才需求，明確選考科目，初步制定職業(yè)發(fā)展意向。高二階段：正確處理選考科目學習與學考科目學習的關系，既突出專業(yè)知識又兼顧知識廣度。高三階段：更要處理好語文數(shù)學英語必考科目學習與選修科目深化拓展的關系，既要提高高考成績又要深化拓展專業(yè)素養(yǎng)；既要強化高考復習又要重視面試培訓，為參加高校自主招生考試或“三位一體”考試做好充分準備。因為近年來重點大學通過高考統(tǒng)一招生錄取的名額正在減少，而自主招生或“三位一體”的名額大量增加，有志于就讀名牌大學的學生要注意這方面的情況。同時高中生要根據(jù)自己的理想多去了解高校情況，多去了專業(yè)設置的情況，為報考適合自己的學校及專業(yè)做好信息準備。

4.積極參加選修課程，為今后的職業(yè)生涯做好基礎

按照教育部有關規(guī)定，高中學校要開設選修課程。我們可以根據(jù)自己的興趣愛好，選取自己喜歡的課程進行學習，這不僅可以及早的發(fā)現(xiàn)我們的喜好和特長，為我們的職業(yè)生涯做規(guī)劃有著重要的參考意義，同時對我們的基礎知識的培養(yǎng)也很重要，拓寬了我們的見識寬度，為今后的職業(yè)生涯奠定堅實的基礎。

參考文獻：

[1]劉界，黃冠，王冰潔.關于人工智能教育如何彌補當前教育缺陷的思考[J].內(nèi)蒙古民族大學學報，2006，12（3）：50-51.

[2]焦加麟，徐良賢，戴克昌.人工智能在智能教學系統(tǒng)中的應用[J].計算機仿真，2003.20（8）.

[3]劉春玲，張煥生，郝國芬.BP神經(jīng)網(wǎng)絡在教學評價中的應用[J].煤炭技術，2012，31（5）：231-232.

篇5

中圖分類號：F407.21

文獻標志碼：A

文章編號：1000-8772（2014）-036-02

經(jīng)濟危機來臨時，煤機行業(yè)首當其沖承受著最猛烈的沖擊。由此，“抱團取暖、聯(lián)合御寒”便成為煤炭企業(yè)和煤機行業(yè)的自覺選擇。以山西天地煤機裝備有限公司為例，近年來，通過和平煤集團、晉城煤業(yè)、潞安煤業(yè)等煤炭企業(yè)建立戰(zhàn)略合作關系；和江西直方、德國CFT建立產(chǎn)業(yè)發(fā)展伙伴關系，實現(xiàn)了煤機行業(yè)“以技術換市場”的目標。煤機制造企業(yè)以優(yōu)惠價格向合作方提供設備及配件；煤炭企業(yè)優(yōu)先采購合作方的煤機裝備；雙方亦或通過成立合資公司的方式，實現(xiàn)內(nèi)部采購。合作過程中，也存在一些經(jīng)營風險。為了進一步降低投資風險，提高收益，有必要對戰(zhàn)略合作的必要性、合作對象的選擇有個清醒的認識，并對投資項目后評價給予足夠重視。

1.明確合作的必要性

具備以下兩個最基本的條件，煤機行業(yè)才能進行投資。切記謹慎投資，避免盲目跟風。

1.1有利于實現(xiàn)優(yōu)勢互補

隨著煤炭市場下滑，大型煤業(yè)集團通過資源整合，對中小煤礦進行并購，對大型煤機裝備的需求量不斷增加。都將目光聚集到“煤機”這塊蛋糕上，大型煤業(yè)集團主要通過內(nèi)部建廠或者改造原有機修廠的方式進入煤機領域，但是苦于科研積淀薄弱，缺少技術，煤安標志辦理困難，質(zhì)量難以保證。便轉(zhuǎn)而尋求有技術、有產(chǎn)品、有資質(zhì)的煤機制造企業(yè)開展合作。

煤機制造企業(yè)面對日漸萎縮的市場，不再輕易進行批量投入，以產(chǎn)定銷的生產(chǎn)模式逐漸向以銷定產(chǎn)轉(zhuǎn)變。必須考慮庫存壓力、回款風險。老產(chǎn)品投入縮手縮腳，新產(chǎn)品研發(fā)遲遲不能推進，科研、技術、管理力量閑置，迫切需要尋求有保障的市場，降低經(jīng)營風險。

具備上述條件的雙方具有合作的切入點，能夠?qū)崿F(xiàn)優(yōu)勢互補，實現(xiàn)技術與市場的互換雙贏，投資具有可行性。

1.2有助于擴展行業(yè)視野

煤炭形勢好，對煤機需求旺盛。對煤機企業(yè)而言，只需要維護好定型產(chǎn)品市場，很少有精力去做非標設計；對于煤炭行業(yè)來說，只需根據(jù)現(xiàn)有煤機，制定相應的開采工藝。隨著煤炭形勢下滑，煤炭行業(yè)為了降低成本，必然從開采工藝等方面想辦法，需要適合工藝需求的量身定做的個性化煤機，標準煤機產(chǎn)品無法滿足市場需求。

通過合作有利于開闊煤機行業(yè)科研、技術、管理各類人員的視野，使設備的適應性跟上開采工藝的步伐，開發(fā)適銷對路的煤機裝備，投資具有可靠性。

2.謹慎選擇合作對方

戰(zhàn)略合作考察階段，只有選對合作對象，才能實現(xiàn)互惠雙贏。選擇時應該遵循以下原則。

2.1合作企業(yè)要有比較突出的行業(yè)地位

行業(yè)地位包括：準確的市場地位和穩(wěn)健的發(fā)展?jié)摿?。只有這樣，才能實現(xiàn)合資公司的可持續(xù)發(fā)展。

2.2合作企業(yè)必須具有一支優(yōu)勢團隊

合作企業(yè)必須具有一支優(yōu)勢團隊，具有很高的誠信度，具有較強的文化認同感[1]。投資企業(yè)的實質(zhì)是在投資人，選擇優(yōu)秀的企業(yè)家和優(yōu)秀的經(jīng)營者團隊非常關鍵，合適的團隊必須彼此認同對方的組織文化，才能保證合資公司運行中合規(guī)、合拍。

2.3合作企業(yè)要有較好的經(jīng)濟效益

合作企業(yè)的主要財務指標要比較優(yōu)秀。經(jīng)濟效益低下的企業(yè)不可能推動合資公司的良性循環(huán)，還會成為拖累，甚至使合資公司承擔連帶責任。

3.周密部署投資評價

投資后評價是服務于投資決策，對投資活動的效果進行監(jiān)管的重要手段，可為改善企業(yè)經(jīng)營管理水平提供幫助[2]。很多煤機企業(yè)在戰(zhàn)略合作過程中，虎頭蛇尾，重視前期調(diào)研、可行性研究，忽視后期投資監(jiān)管，忽略投資后評價。有些合資公司，運行若干年后所有業(yè)績僅限于能為合并報表做點貢獻，利潤為零甚至虧損，但因各種原因，還得勉強支撐，成了母公司的拖累。因此投資后評價意義重大。

3.1后評價工作重點

3.1.1建立后評價管理制度

建立科學的后評價管理制度，提供制度保障，是開展投資后評價工作的基礎[3]。煤機企業(yè)要在國家制度、行業(yè)政策、主管單位投資方向指導下，制定管理制度，對后評價工作進行管理、審查和考核。投資主體要嚴格按照后評價管理制度的要求組織實施；戰(zhàn)略投資部門負責對后評價工作執(zhí)行情況進行監(jiān)督和審查。

3.1.2明確后評價職責、期限、額度

首先，要明確投資后評價的組織機構(gòu)。

其次，明確投資后評價的投資數(shù)額及年限。通常在項目投產(chǎn)后一年之后，兩年之內(nèi)應該組織人員進行項目投資后評價工作。同時，根據(jù)項目的重要程度或社會影響程度，確定開展后評價項目的投資限額。

3.1.3確定后評價內(nèi)容

投資后評價涵蓋的內(nèi)容主要包括：

（1）項目概況。包括項目建設地點、開工、竣工期限；計劃、實際生產(chǎn)能力；投融資情況、資金到位狀況；運行及實際生產(chǎn)情況等。

（2）實施過程評價。包括立項、可行性研究報告；批復意見；項目設計、準備、招標、采購、征地拆遷等方面的總結(jié)和評價。

（3）建設過程評價。包括項目合同執(zhí)行情況、管理現(xiàn)狀、工程質(zhì)量、監(jiān)理及竣工驗收等情況的總結(jié)和評價。

（4）財務效益評價。包括項目的資產(chǎn)負債表、現(xiàn)金流量表、利潤表，并對具體財務指標進行分析和評價。

（5）環(huán)境和社會效益評價。包括環(huán)保設施的建設、環(huán)境制度執(zhí)行情況、環(huán)境和生態(tài)影響狀況，對當?shù)亟?jīng)濟發(fā)展影響狀況、人民生活和就業(yè)的影響，對于稅收財政收入的影響等。

（6）可持續(xù)性評價。結(jié)合投資的實際情況，從宏觀經(jīng)濟環(huán)境、資源條件、市場競爭力、內(nèi)外部條件對比等角度，對持續(xù)發(fā)展能力進行評價。

3.1.4建立指標體系

指標和指標體系是進行后評價工作的基石[4]。每個評價指標都從不同側(cè)面刻畫對象的某種特征，由指標名稱和指標數(shù)值兩部分構(gòu)成。指標體系是相互聯(lián)系的指標所構(gòu)成的整體，綜合反映對象的各方面情況。對指標體系中的不同指標賦以相應的權重，經(jīng)過模型優(yōu)化，來發(fā)現(xiàn)、認識復雜現(xiàn)象的特征及規(guī)律。

3.2設定后評價方法

項目后評價遵循定量與定性分析、對比與預測分析、動態(tài)與靜態(tài)分析相結(jié)合的原則。按照學科領域不同，可分為定性評價方法、經(jīng)濟分析法、運籌學方法、統(tǒng)計分析法和智能化評價方法。定性評價法包括Delphi法、專家打分法和邏輯框架法；經(jīng)濟分析最常用費用—效益分析法；運籌學方法包括多目標決策法、AHP分析法、模糊綜合評價方法等；統(tǒng)計分析法主要指主成分分析法、因子分析法、聚類分析和判別分析；智能化評價方法即在綜合評價中應用人工神經(jīng)網(wǎng)絡法。其中，BP神經(jīng)網(wǎng)絡算法(簡稱BP算法)應用廣泛[5]。

3.3根據(jù)后評價結(jié)果進行相應的資產(chǎn)處置

后評價結(jié)果可作為煤機行業(yè)制定戰(zhàn)略規(guī)劃、調(diào)整投資方向、新項目立項的重要參考，對于個別長期處于虧損狀態(tài)，無力扭轉(zhuǎn)局勢的項目應該果斷終止。

4、結(jié)語

在煤炭形勢緊張的關鍵時期，煤機行業(yè)必須謹慎選擇合作對象，利用國家及行業(yè)的各項優(yōu)惠政策，加強投資項目后評價工作，提高投資決策水平，完善項目的監(jiān)管機制，減少投資風險，最終實現(xiàn)企業(yè)經(jīng)濟效益的提高。

參考文獻：

[1]劉志鵬.投資并購的戰(zhàn)略選擇與管理[J].今日工程機械，2013，03:78-79.

[2]張敏，熊文正.淺談中央企業(yè)固定資產(chǎn)投資項目后評價[J].中國工程咨詢，2013，02:32-35.

[3]于云生.企業(yè)項目投資后評價探析[J].全國商情(理論研究)，2013，16:57-58.

[4]周善忠，于曉斐，趙勝躍.能源類國有企業(yè)投資項目后評價指標體系與程序設計[J].項目管理技術，2010，05:66-68.

[5]周善忠，于曉斐，趙勝躍.人工神經(jīng)網(wǎng)絡在投資項目后評價中的應用[J].項目管理技術，2010，09:70-74.

作者簡介：韓斌慧（1971-），男，山西晉城人，高級工程師，招標師，博士研究生，從事機械設計及理論研究。

篇6

關鍵詞：高職教育；個性化學習；數(shù)據(jù)挖掘；商業(yè)智能

中圖分類號：TP311.13

作為我國高等教育一支重要生力軍――高等職業(yè)教育近幾年來的發(fā)展可謂迅猛，無論是學校數(shù)還是學生人數(shù)，高職?？频囊?guī)模已是我國高等教育的半壁江山。高職教育對人才的培養(yǎng)目標是為國家和地方經(jīng)濟的發(fā)展輸送適應生產(chǎn)、建設服務等一線急需的應用型高素質(zhì)人才，《國務院關于大力發(fā)展職業(yè)教育的決定》中就提出了“堅持以就業(yè)為導向，深化職業(yè)教育教學改革”，要求加強職業(yè)院校對學生實踐能力和職業(yè)技能的培養(yǎng)。

1 現(xiàn)狀

目前，高職學生在學校完成系統(tǒng)的課程學習依然是高職教育教學的主要方式，在此過程中，由于學生個體特性、就業(yè)意向、專業(yè)方向等各種因素的影響，獲取的知識無論從方式方法、內(nèi)容結(jié)構(gòu)，還是真正掌握的程度來說都因人而異，而這其中有相當大的部分是學生主動性選擇的結(jié)果；此外，在高職教育教學改革的嘗試中，大類招生、拓展專業(yè)等多項措施在很多職業(yè)院校中已然試行，這就給予學生更多的自和選擇的機會。

然而，在自主選擇的過程中，由于沒有一個可參照的、適合自己的挑選標準，高職學生進行各項選擇時在很大程度上有著“扎堆隨大流”、“哪個課能混好過”的心理，這就導致主動選擇的課程，其學習過程并不順暢、學習效果也不理想，沒有提升自身知識結(jié)構(gòu)的質(zhì)量。這種高職教育中教與學環(huán)節(jié)的脫節(jié)會對高職學生的能力培養(yǎng)產(chǎn)生有著不可忽視的影響。

2 研究思路

隨著教育信息化的深入發(fā)展，先進的信息技術手段在教育教學的方方面面都得以有效利用，這也為學生綜合能力培養(yǎng)的探索與嘗試提供了新的途徑，數(shù)據(jù)挖掘技術就是其中很重要的一種。數(shù)據(jù)挖掘指的是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。在此過程中，數(shù)據(jù)源必須是真實的、大量的、含噪聲的，而從中發(fā)現(xiàn)的是用戶所感興趣的知識內(nèi)容，這些知識應該是可以接受和理解、并且能加以進一步運用的。

數(shù)據(jù)挖掘技術之所以在教育行業(yè)有更為廣泛、實際的應用，這是由于各個學校都會有自己的一整套數(shù)據(jù)庫系統(tǒng)，用于記錄學生的學籍信息、課程教學過程等歷史數(shù)據(jù)，這樣，就可以嘗試運用先進的數(shù)據(jù)挖掘技術和智能分析工具，通過對高職教育研究和教學過程中積累的海量數(shù)據(jù)進行采集分類、挖掘和分析，從多角度、多層次出發(fā)，構(gòu)建識別個體特點、知識構(gòu)成和獲取方式等要素之間關聯(lián)模式的數(shù)據(jù)模型。數(shù)據(jù)挖掘是一門交叉學科，其理論和方法有很多，包括K-最近鄰分類器、判別分析、人工神經(jīng)網(wǎng)絡和分類樹等，它把人們對數(shù)據(jù)的應用從低層次的簡單查詢，提升到從數(shù)據(jù)中挖掘知識，提供決策支持。在這里就是要將數(shù)據(jù)挖掘方法與高職教育教學研究相結(jié)合，設計實際的分析應用系統(tǒng)，具體來說：

（1）數(shù)據(jù)挖掘技術面向高職教育這一特定領域中的主體――高職學生，針對專門的指標，包括個體特性、專業(yè)要求、就業(yè)意向等，著眼于課程這個知識載體，對它們之間的關系進行深層次、智能化的挖掘、分析；

（2）數(shù)據(jù)挖掘的應用會具體到建模、變量篩選和導入等方面，而不只是一些抽象的挖掘算法的研究；

（3）數(shù)據(jù)分析采用先進的商業(yè)智能工具，同樣，數(shù)據(jù)的展現(xiàn)手段基于平臺，具有開放化、模塊化、網(wǎng)絡化特點。

3 系統(tǒng)框架

系統(tǒng)定位于個性化學習分析，其框架結(jié)構(gòu)參見圖1，主要由數(shù)據(jù)集成、數(shù)據(jù)建模、數(shù)據(jù)分析及展現(xiàn)等部分構(gòu)成。具體來說，數(shù)據(jù)集成模塊完成定義數(shù)據(jù)結(jié)構(gòu)、裝載、清洗、合并數(shù)據(jù)的功能；數(shù)據(jù)建模是指建立數(shù)據(jù)分析OLAP及數(shù)據(jù)挖掘模型；數(shù)據(jù)分析旨在分析和比較各種不同算法得出的結(jié)果，尋找最為匹配的算法，而數(shù)據(jù)展現(xiàn)的作用是根據(jù)分析結(jié)構(gòu)靈活創(chuàng)建數(shù)據(jù)報告。

圖1 系統(tǒng)框架結(jié)構(gòu)

在此架構(gòu)下，各個子系統(tǒng)的功能如下所述：

（1）數(shù)據(jù)集成。分析和歸納課程教學過程中產(chǎn)生的系列數(shù)據(jù)，根據(jù)其特征和行為設計及定義便于分析和挖掘的數(shù)據(jù)結(jié)構(gòu)，然后并進行數(shù)據(jù)集成。數(shù)據(jù)集成的工作包括從異構(gòu)數(shù)據(jù)源獲取數(shù)據(jù)，將其進行清洗、轉(zhuǎn)換、合并，然后加載到數(shù)據(jù)倉儲中。數(shù)據(jù)集成執(zhí)行的時間、相互的順序、成敗對將來的分析結(jié)果的有效性則至關重要。

（2）數(shù)據(jù)建模。典型的數(shù)據(jù)挖掘工具將在構(gòu)建了數(shù)據(jù)倉庫后進行分析并生成結(jié)果，一些工具也可以使用關系型數(shù)據(jù)進行分析，數(shù)據(jù)分析的結(jié)果獨立于數(shù)據(jù)倉庫中使用的數(shù)據(jù)。數(shù)據(jù)挖掘核心的部分就是選擇挖掘算法并建立數(shù)據(jù)模型，這樣就可以根據(jù)學生個體信息、學生成績等數(shù)據(jù)之間的關系將這些學生劃分成分析有意義的組群并預測他們的行為；當把這些組發(fā)送回分析過程時，數(shù)據(jù)挖掘引擎允許分析人員和用戶根據(jù)這些簇進行劃分和細化。

（3）數(shù)據(jù)分析與展示。以學生個體信息和課程數(shù)據(jù)為輸入，利用所篩選出的最佳建模方法，逐步提出一個可實現(xiàn)個性化學習分析的數(shù)據(jù)模型，以衡量及提高模型預測的準確度。將分析結(jié)果以特定的客戶端或Web方式進行展現(xiàn)，以建立的分析結(jié)果展示平臺，具有高度的開放性、通用性和可擴展性。通過建模創(chuàng)建了正確的模型，數(shù)據(jù)挖掘的重點就從分析轉(zhuǎn)到結(jié)果上，數(shù)據(jù)報告的展現(xiàn)方式有多種，可通過專業(yè)的報告工具，也可自行編寫Web網(wǎng)站進行。

4 結(jié)束語

在高職教育教學研究中運用先進的數(shù)據(jù)挖掘技術手段，針對各項課程教學、學生管理數(shù)據(jù)進行深度挖掘、分析，研究個性化學習模式，為學生的自我學習規(guī)劃提供具體化、智能化分析結(jié)果以供參照，在此情況下，先進技術手段的支持，對教與學都有著不可忽視的影響。同時，也為人才培養(yǎng)的探索與嘗試提供新途徑。

參考文獻：

[1]趙云鵬，石麗，劉瑩.基于數(shù)據(jù)挖掘的高校規(guī)模分析及應用研究.第九屆全國信息獲取與處理學術會議論文集[C].2011.

[2].數(shù)據(jù)挖掘在高職院校教學管理中的應用[J].清遠職業(yè)技術學院學報，2010（12）.

[3]干娟.基于決策樹算法的學生綜合測評系統(tǒng)的設計[J].安徽電子信息職業(yè)技術學院學報，2011（04）.

篇7

關鍵詞：最低生活保障線；擴展線性支出系統(tǒng)法；線性規(guī)劃法；多目標規(guī)劃

中圖分類號：D632.1 文獻標識碼：A 文章編號：1000-4149（2014）04-0103-06

DOI：10.3969/j.issn.1000-4149.2014.04.011

收稿日期：2013-11-20；修訂日期：2014-05-28

作者簡介：王桂勝，經(jīng)濟學博士，首都經(jīng)濟貿(mào)易大學勞動經(jīng)濟學院教授。

Formulating Methods of Programming Minimum Living Standard Guarantee

Line in China and Its Multiobjective Application

WANG Guisheng

（School of Labor Economics，Capital University of Economics and Business，Beijing 100070，China）

Abstract：Scheme of minimum living standard guarantee is an important part of social assistants. It ensures stability and harmony of our society. Definition of the minimum living standard guarantee line affects both the living level of the poverty and public fiscal payment. This paper reviews the existed defining methods of minimum living standard guarantee line and analyzes the internal mechanism of scheme of minimum living standard guarantee. Then it puts forward multiobjective programming method to define the minimum living standard guarantee line more effectively.

Keywords：minimum living standard guarantee line； the extended linear expenditure system method； linear programming method； multiobjective programming

一、引言

2013年10月30日，國務院總理主持召開國務院常務會議，討論建立健全社會救助制度，推進以法治方式織牢保障困難群眾基本生活的安全網(wǎng)。中國經(jīng)濟改革研究基金會國民經(jīng)濟研究所副所長王小魯2010年所做的《國民收入分配狀況與灰色收入》調(diào)研報告得出的結(jié)論是，中國收入最高的10%家庭與收入最低的10%家庭的人均收入相差65倍。2012年12月9日，由西南財經(jīng)大學與中國人民銀行金融研究所共同成立的中國家庭金融調(diào)查與研究中心公布的《中國家庭金融調(diào)查報告》顯示，2010年中國基尼系數(shù)達到0.61，遠高于全球0.44的平均水平，屬于聯(lián)合國定義的收入差距懸殊危險的社會。由此可見，提高低收入群體收入水平和最低保障水平、縮小居民收入分配差距是我國一項迫在眉睫的改革目標。

最低生活保障制度是我國城鄉(xiāng)社會保障制度改革過程中制定的新型保障制度，是為了維持城鄉(xiāng)貧困人群的基本生活、提高城鄉(xiāng)貧困群體生活福利水平的重要舉措。最低生活保障制度作為一項基本保障權利在我國已經(jīng)逐步深入人心。當然，我國的社會經(jīng)濟雖然獲得了巨大發(fā)展，但由于人口眾多、各地區(qū)發(fā)展水平參差不齊，要建立達到西方發(fā)達國家福利水平的最低生活保障制度還是心有余而力不足。因此，必須結(jié)合我國實際國情，建立切實有效的、可持續(xù)發(fā)展的最低生活保障制度，而這個制度的核心就是確定一條充分合理的最低生活保障線。

本文在評價現(xiàn)有幾種最低生活保障線制定方法不足的基礎上，結(jié)合最低生活保障線制定的內(nèi)在機理，提出運用多目標規(guī)劃法制定最低生活保障線的程序和原理。

二、現(xiàn)有最低生活保障線制定方法評述

最低生活保障線是最低生活保障制度中的核心內(nèi)容，直接關系到被救助人員的經(jīng)濟收益和生活水平。因此，最低生活保障線的確定不僅備受政府相關部門以及社會公眾的關注，同時也是學術界討論的熱點。關于最低生活保障線的制定方法，國內(nèi)外文獻均有大量論述，學者們先后提出了恩格爾系數(shù)法、市場菜籃法、生活形態(tài)法、國際貧困線標準法、馬丁法等方法。這些方法簡單易用，可以為最低生活保障線的制定提供有效計量手段。但這些方法主觀性相對較強，并且受一定的人文、社會背景約束。為保證最低生活保障線的制定客觀、合理和公正，學術界又不斷提出了其他建立在廣泛調(diào)查數(shù)據(jù)和實證分析基礎上的最低生活保障線制定法，下面選擇有代表性的幾種方法加以分析評述。

1.ELES法

ELES法即擴展線性支出系統(tǒng)法（Extended Linear Expenditure System），是美國學者路遲（Liuch）于1973年在線性支出系統(tǒng)（LES）基礎上提出來的需求函數(shù)模型。該法將人們在衣、食、住、行等方面的消費需求分為基本需求和超額需求，再根據(jù)樣本數(shù)據(jù)對各類消費需求方程建立線性回歸模型并進行參數(shù)估計，求得回歸變量系數(shù)，再對基本需求支出進行估計?；驹砣缦拢?/p>

依據(jù)上述基本需求量計算公式來確定最低生活保障線。封等人和王中昭均采用了ELES法分別估計我國陜西省農(nóng)村最低生活保障線和城鎮(zhèn)居民最低生活保障線[1～2]。從實際應用來看，ELES法具有一定的局限性。如樣本數(shù)據(jù)的有效性和完整性、截面的異方差性和物價的變動性等需要考察。此外，ELES法主要反映了貧困群體或低保申請人的需求方面的情況（這些需求范圍的設定本身具有主觀性），而不可能反映政府提供最低生活保障的支付能力。也就是說，最低生活保障線的可行性還需另外考察。

2.線性規(guī)劃法

汪泓等人首先采取了線性規(guī)劃法預測上海市食品基本支出水平，然后運用人工神經(jīng)網(wǎng)絡模型預測估計了非食品支出水平，最后將二者相加得到上海市最低基本支出水平即最低生活保障線[3]。按照營養(yǎng)學的規(guī)律，運用線性規(guī)劃法估計食品基本支出應該是較為客觀可行的方法。但這種方法過于細致，消費者的偏好不同，樣本食品的選擇較多，不同替代食品的價格也千差萬別。因此，若要一一考察，計算將過于繁瑣。此外，運用人工神經(jīng)網(wǎng)絡模型預測非食品支出過于復雜，難以理解，而且不同項目支出之間可能是替代關系，也可能是互補關系，學習效應是否有助于非食品支出的預測難以確定。因此，人工神經(jīng)網(wǎng)絡模型用于預測非食品基本支出不具有實用價值。當然，線性規(guī)劃法在預測食品基本支出上具有一定的參考價值，給定基本食品需求目錄，運用計算機軟件可以有效確定基本食品支出水平，再結(jié)合非食品基本支出水平估計，即可確定最低生活保障線。但是線性規(guī)劃法與ELES法一樣，并不能反映政府提供最低生活保障的可行度問題。

3.回歸分析法

童星等人運用一元線性回歸和多元線性回歸法分別對不同類型指標（平均指標、總量指標和百分比指標）展開了經(jīng)驗回歸分析，并進行了較為細致的統(tǒng)計分析[4]。從結(jié)果上看，回歸效果尚佳，統(tǒng)計檢驗指標有一定的顯著性。這反映了最低生活保障線與各類經(jīng)濟指標（如GDP、各級政府財政預算收入、城鎮(zhèn)居民儲蓄余額、平均工資、社會消費品零售總額等）之間有一定聯(lián)系，并受這些經(jīng)濟指標的影響。但是，該項研究以最低生活保障線為因變量，以其他經(jīng)濟指標或社會指標為解釋變量作回歸分析，本身違背了回歸分析的基本假設。因為最低生活保障線是政策變量指標，不是內(nèi)生變量或隨機變量，不能作因變量，只能選擇基本消費支出作為因變量――該研究中凡是以最低生活保障線為因變量的回歸模型所得判定系數(shù)很低即可說明問題。此外，由于該文獻使用數(shù)據(jù)為截面數(shù)據(jù)，還存在截面相關性等問題。總而言之，在估計和預測最低生活保障線時，線性回歸分析法要慎用。

三、最低生活保障線制定的目標替代（tradeoff）分析

政府的社會福利和救助政策主要為了改善全體人民的生活福利水平，促進社會公平的實現(xiàn)，但同時也會對效率產(chǎn)生不利影響。如社會救助政策中最低生活保障線的制定就體現(xiàn)了公平和效率的取舍問題。最低生活保障線越低，說明救助政策特別強調(diào)社會效率，但有損社會公平；最低生活保障線越高，社會公平程度越高，貧困群體福利水平越高，但會影響社會經(jīng)濟效率。下面通過博弈方法對這一現(xiàn)象進行分析（類似案例分析可見參考文獻[5]）。如圖1所示，政府有兩種行動，即“救助”和“不救助”；低保申請人員也有兩種行動，即“工作”和“不工作”。相對于政府和低保申請人員的每一對行動組合（或策略組合），雙方均會獲得一定的收益支付，具體收益組合可參見圖1。政府救助一個積極尋找工作或能工作即工作的低保申請人可獲得收益為x，低保申請人獲得收益為a；政府若救助一個偷懶不愿工作的人，可獲得收益為z，這個收益應為負數(shù)，因為政府救助一個能工作卻偷懶的人，就是獎懶罰勤，浪費公共資金并損害經(jīng)濟效率，而對于低保申請人員卻獲得高收益b；同樣，政府對一個不能工作或沒有條件工作的低保申請人不提供救助也得到一個負收益y，因為政府沒有實現(xiàn)社會公平，其聲譽必然受損，而低保申請人則會選擇積極尋找工作，艱難度日比什么都不做要好，因而獲得正收益c。根據(jù)以上收益分析，可以確定這些行動組合收益的關系如下：

x>0，a>0，b>0，c>0；z

根據(jù)這些收益之間關系的比較，可以發(fā)現(xiàn)：當政府選擇救助時，低保申請人選擇不工作（基于理性經(jīng)濟人假設）；當政府選擇不救助時，低保申請人選擇工作；當?shù)捅Ｉ暾埲诉x擇工作時，政府選擇救助；當?shù)捅Ｉ暾埲诉x擇不工作時，政府選擇不救助。因此，根據(jù)以上收益結(jié)果，不能得到一個純戰(zhàn)略均衡。為此，需要采用混合戰(zhàn)略博弈來分析。對以上收益結(jié)果賦以數(shù)字如下：

x=3，a=2，z=-1，b=4，y=-2，c=1

假設政府救助的概率為β，不救助的概率為1-β；低保申請人尋找工作的概率為α，不尋找工作的概率為1-α。則政府的期望收益ERg為：

ERg=β[3α+（-1）（1-α）]+（1-β）（0-2α）

=β（6α-1）-2α

這一博弈的均衡是混合戰(zhàn)略納什均衡：政府以1/3概率選擇救助，2/3概率選擇不救助；低保申請人以1/6概率尋找工作，5/6概率不尋找工作。顯然，政府救助的概率越高，低保申請人尋找工作的概率就越低。純戰(zhàn)略均衡是混合戰(zhàn)略均衡的特例，而混合戰(zhàn)略均衡則是純戰(zhàn)略均衡的擴展形式。在經(jīng)濟人理性假設前提下，上述政府救助博弈的均衡結(jié)果是混合戰(zhàn)略均衡而非純戰(zhàn)略均衡，這是由其收益結(jié)構(gòu)所決定的。也就是說，

雙方只要是理性的，其行動選擇必然是隨機的。由于這種隨機性，政府在制定救助政策時需要考慮政策受益人或救助對象的反應。

四、多目標規(guī)劃法在最低生活保障線制定中的應用

多目標規(guī)劃法（Multiobjective Programming）是在一定的約束條件下對多個目標函數(shù)同時求極值的一種最優(yōu)化方法?，F(xiàn)實中無論是資源優(yōu)化配置，還是社會政策設計等均存在多項目標實現(xiàn)問題。有些目標之間還有沖突，如確定某項工業(yè)投資計劃，就存在經(jīng)濟效益最大化和環(huán)境損害最小化及能源消耗最小化等矛盾。在社會救助政策設計中，也存在類似的問題，即政府提供救助或津貼實現(xiàn)人們福利的最大化和政府用于救助支出最小化的矛盾。政府提供的救助水平越高即最低生活保障線越高，對低收入群體或貧困人群越有利，而這會增加公共財政負擔，同時也可能會發(fā)生“過度保障”，使一些有謀生能力的人喪失求職欲望，寧愿吃“低?！倍辉敢饩蜆I(yè)。多目標規(guī)劃法正是可以兼顧多項目標的設計最低生活保障線的方法。

多目標規(guī)劃的基本形式可以表述如下：

可得如下結(jié)果：

k1=0.3941 ， k2=0.4236， f1=3960（萬元）， f2=6040（萬元）

上述某市的計算結(jié)果可以類推到其他近似條件的城市。假設北京市社會救助人口符合上述分層條件，北京市近年來月最低工資或基本生活費接近于1200元，根據(jù)上述最低生活保障線比例（k1=0.3941，k2=0.4236），計算得到北京市月最低生活保障金數(shù)額應該為472～508元。北京市政府2010年底出臺了一項民生政策，即為更好地保障本市城鄉(xiāng)困難群眾基本生活，按照市委、市政府的統(tǒng)一要求和部署，市民政局會同有關部門測算制定了2011年城鄉(xiāng)低保標準調(diào)整方案，并將從2011年1月1日起正式實施。北京城市戶口最低保障金標準由家庭月人均430元上調(diào)為480元，上調(diào)幅度為11.62%。北京市2011年月最低生活保障金由2008年的390元調(diào)整到480元，與前面估計結(jié)果基本一致，可見在上述假設下北京市2011年所定最低生活保障金水平是合理的。

運用多目標規(guī)劃法制定最低生活保障線的關鍵在于：一方面要了解最低生活保障的總體支出水平和財政支付能力；另一方面，就是要掌握貧困群體的結(jié)構(gòu)狀況，將其根據(jù)貧困程度劃分為若干層次（一般為兩層），這樣既能做到應保盡保，同時也能發(fā)揮貧困群體的積極性，減少最低生活保障支出。

五、結(jié)論與建議

最低生活保障制度是繼下崗生活補助、失業(yè)保險制度之后第三條重要的社會保障制度，是維護社會和諧、實現(xiàn)社會公平和縮小社會差距的不可缺少的社會政策。當前，我國社會經(jīng)濟得到了較大發(fā)展，但社會各階層收入差距仍然較大，基尼系數(shù)仍居高位。因此，提高社會保障水平、擴大社會保障覆蓋面是確定無疑的政策方向。最低生活保障線的制定一方面決定了社會救助程度，另一方面也受到政府公共財政的約束，因此，科學合理制定最低生活保障線是確保該項制度有效實施的前提。結(jié)合前面的分析，就最低生活保障線的制定提出以下幾點建議。

第一，確定最低生活保障線時，既要考慮到最低生活保障制度的福利目標和社會目標，也要考慮政府的財政支付能力和社會經(jīng)濟效率，不能顧此失彼，影響社會和諧、持續(xù)、平穩(wěn)發(fā)展。

第二，確定最低生活保障線的較為合理的方法應該是：首先根據(jù)充分有效的調(diào)查，搜集掌握各類基本消費數(shù)據(jù)，運用ELES法估計基本需求支出水平，在此基礎上，結(jié)合多目標規(guī)劃法來確定最低生活保障線。

第三，在確定最低生活保障線時，要根據(jù)低保申請人員的類別劃分，制定不同檔次的最低生活保障線，體現(xiàn)福利的差別待遇。所有這些不同類別的最低生活保障線均可通過多目標規(guī)劃一次性確定。

第四，運用本文所提方法估計確定最低生活保障線，關鍵是建立有效的數(shù)據(jù)庫，再結(jié)合MATLAB軟件編制規(guī)劃程序，設計好約束條件和目標函數(shù)，就能很快得到計算結(jié)果。因此，多目標規(guī)劃法是十分快捷有效的，同時也能直接反映政策目標?？梢詳嘌?，多目標規(guī)劃法也會在其他社會福利政策制定設計中得到廣泛運用。

參考文獻：

[1] 封，賈繼開.農(nóng)村最低生活保障線的模型構(gòu)建和應用[J].西安交通大學學報（社會科學版），2008，（3）.

[2] 王中昭. 我國城鎮(zhèn)居民最低生活保障線的動態(tài)測定[J].計劃與市場探索，2003，（3）.

[3] 汪泓，張伯生.上海市城鎮(zhèn)居民最低生活保障線的研究[J].東華大學學報（自然科學版），2001，（6）.

篇8

在對物流系統(tǒng)進行規(guī)劃時，只有綜合考慮各組成部分，合理配置，才能實現(xiàn)物流系統(tǒng)的整體功效。根據(jù)物流系統(tǒng)各個組成部分的特點和相關性，可以將物流系統(tǒng)分為“基礎設施系統(tǒng)”、“物流作業(yè)系統(tǒng)”和“物流信息系統(tǒng)”三大部分。物流系統(tǒng)的基礎設施是物流系統(tǒng)高效運作的基本前提和條件。雖然各組成部分的功能和作用不同，但就物流系統(tǒng)的整體最優(yōu)而言，各組成部分都具有不可或缺和相關性。物流作業(yè)系統(tǒng)包括運輸、儲存、包裝、裝卸搬運、配送和流通加工等。其中，運輸子系統(tǒng)在物流過程中具有非常重要的作用，因為物品的有效移動是物流系統(tǒng)最基本的職能。所以區(qū)域運輸線路網(wǎng)絡和網(wǎng)絡節(jié)點（物流園、配送中心）的規(guī)劃是物流作業(yè)系統(tǒng)優(yōu)化的基本前提和設施保障，也是本文討論的重點。

1.規(guī)劃總體框架

在研究國外物流規(guī)劃理論最新發(fā)展的基礎上，根據(jù)我國物流發(fā)展的現(xiàn)狀，將區(qū)域物流系統(tǒng)規(guī)劃分為兩大部分：區(qū)域物流網(wǎng)絡規(guī)劃和物流園規(guī)劃。如下圖1所示為物流規(guī)劃理論研究的內(nèi)容和方法構(gòu)成。

區(qū)域物流系統(tǒng)規(guī)劃分為網(wǎng)絡規(guī)劃和節(jié)點規(guī)劃兩部分，其中網(wǎng)絡規(guī)劃沿用傳統(tǒng)的運輸規(guī)劃程序（即“四階段法”）的思想，節(jié)點規(guī)劃則根據(jù)節(jié)點功能的不同劃分為：生產(chǎn)型配送、消費型配送和運輸轉(zhuǎn)運三類中心進行選址和規(guī)模的研究和規(guī)劃。物流園規(guī)劃主要包括物流園功能預測、物流園用地規(guī)劃、物流園交通影響分析和物流園微觀仿真評價四個部分。圖1中橢圓表示將區(qū)域物流系統(tǒng)及物流園規(guī)劃的理論方法用軟件工程理論進行設計，用計算機語言實現(xiàn)，形成實用的物流規(guī)劃設計軟件。

所以物流規(guī)劃理論應該囊括區(qū)域物流網(wǎng)絡、物流節(jié)點和物流園內(nèi)部規(guī)劃設計的方法的研究，從宏觀層面到微觀層面對構(gòu)成區(qū)域物流系統(tǒng)要素及其之間的關系進行深入、細致地論述和研究，才能使物流規(guī)劃理論的研究朝著正確的方向發(fā)展，并為物流建設提供科學的理論依據(jù)。以下將分節(jié)對物流規(guī)劃理論的主要部分進行闡述，和介紹國外在該領域的研究進展和應用，同時指出我國物流規(guī)劃理論研究存在的問題，并指出今后研究主要方向。

2.區(qū)域物流系統(tǒng)設計

區(qū)域物流系統(tǒng)設計分為網(wǎng)絡規(guī)劃和網(wǎng)絡節(jié)點規(guī)劃兩部分。

2.1網(wǎng)絡規(guī)劃

所謂物流網(wǎng)絡是指實現(xiàn)物流系統(tǒng)各項功能的要素之間所形成的網(wǎng)絡，包括物理層面上的網(wǎng)絡和信息網(wǎng)絡。本課題研究的范圍為物理層面上的物流網(wǎng)絡。

規(guī)劃是指在一個確定的目標下選擇的解決手段，廣義的規(guī)劃還包括目標的選定，即政策的擬定等。物流網(wǎng)絡規(guī)劃就是為了更加有效地進行物流活動，充分、合理地實現(xiàn)物流系統(tǒng)的各項功能，使物流網(wǎng)絡在一定外部和內(nèi)部條件下達到最優(yōu)化，而對影響物流系統(tǒng)內(nèi)部、外部各要素及其之間關系進行分析、權衡，確定物流網(wǎng)絡的設施數(shù)量、容量和用地等。

物流網(wǎng)絡長期規(guī)劃主要是解決物流基礎設施和大型物流設備的建設問題，按照物流需求制定建設方案、分析方案優(yōu)劣，并對規(guī)劃方案的實施進行指導，從而使物流網(wǎng)絡的建設滿足規(guī)劃年的需求的過程。

和客運規(guī)劃一樣，在貨運規(guī)劃的發(fā)展中也曾引入了很多方法和模型。但是至今為止，學者和專家還是認為交通四階段法是有效的，當然其中采用的模型有異于客運中采用的模型。貨運規(guī)劃和客運規(guī)劃最大的區(qū)別在于貨物運輸決策者的多樣化（貨主、托運人、運輸者等）、貨物量度的多樣化（有用噸、車、件等等度量單位描述的）和數(shù)據(jù)采集的困難（特別是非集計數(shù)據(jù)的采集），所以貨運規(guī)劃較之客運規(guī)劃更復雜。交通四階段法在貨運規(guī)劃中的應用和含義如下：

產(chǎn)生、吸引：對研究區(qū)域中各小區(qū)產(chǎn)生和吸引的貨運量進行預測，單位一般為噸（t），也可能以貨幣作為單位。

分布：預測各小區(qū)之間的貨物往來量，得到區(qū)域的貨運OD量。

貨運模式分擔：預測不同運輸方式所承擔的貨運量，得出不同運輸方式（公路、鐵路、航空、水路、管道和聯(lián)運方式等）所承擔的不同種類貨物的數(shù)量，即分貨種分模式的貨運OD量。

分配：在將貨運量（噸）轉(zhuǎn)換為運載工具輛之后，按照費用最小的原則將車輛分配到運輸網(wǎng)絡（道路、鐵路等等）之上。

如圖2所示為區(qū)域物流網(wǎng)絡戰(zhàn)略規(guī)劃的流程圖，其中右邊是模型，左邊是由模型輸出的數(shù)據(jù)及數(shù)據(jù)流向。基本思想是：首先預測區(qū)域產(chǎn)生、吸引的貨運量（包括進出貨運量、區(qū)域內(nèi)部的貨運量），再對不同運輸模型所承擔貨運量經(jīng)常預測，得到分貨種分模式的貨運量OD，進而轉(zhuǎn)換為不同種類貨車的OD，最后分配到不同的運輸網(wǎng)絡上，以到達優(yōu)化區(qū)域物流網(wǎng)絡的目的。從圖中可以看出，其基本思想沿用了傳統(tǒng)的運輸規(guī)劃程序，但是由于物流概念的引入和貨運本身的復雜性，所以除了傳統(tǒng)的“四階段法”采用的模型之外，規(guī)劃框架中引入了一些客運規(guī)劃所沒有的轉(zhuǎn)換模型，比如價值-重量模型、時間分布模型和貨物-車輛模型。

圖2網(wǎng)絡規(guī)劃流程圖

以下將對網(wǎng)絡規(guī)劃各步驟中所采用的模型、方法進行簡單地介紹，包括國外的發(fā)展和應用現(xiàn)狀。

(1)宏觀經(jīng)濟模型

主要用于預測規(guī)劃期區(qū)域的經(jīng)濟指標和區(qū)域內(nèi)各小區(qū)與研究區(qū)域外進行的不同貨物的貿(mào)易量（單位一般為貨幣），其中預測的經(jīng)濟指標一般包括GDP、人口、行業(yè)就業(yè)人口等。預測小區(qū)的進出口貿(mào)易量的模型（以下稱為貨運貿(mào)易模型）是傳統(tǒng)的“四階段法”中很少采用的，模型所采用的形式一般為重力模型，變量為GDP、人口和小區(qū)對外交易的阻抗等，有時也采用Input/Output模型，輸出為各小區(qū)對外貿(mào)易OD量（單位為貨幣），最終通過價值-重量模型轉(zhuǎn)換為小區(qū)對外貨運OD量（單位為噸）。

(2)區(qū)域貨運模型

區(qū)域貨運模型用于預測區(qū)域內(nèi)各小區(qū)發(fā)生、吸引的貨運量及在各小區(qū)之間的分布，即包括“四階段法”中的產(chǎn)生、吸引和分布兩個步驟的模型。貨運需求取決于區(qū)域的經(jīng)濟活動，而經(jīng)濟活動受很多因素的影響，所以區(qū)域貨運模型的主要目的是預測在經(jīng)濟正常發(fā)展水平的前提下，經(jīng)濟和政策的變化在中長期對該區(qū)域貨運需求的影響。因此區(qū)域貨運模型關注的不是短期的需求，也不僅僅是對貨運發(fā)生、吸引增長率的預測，而是在于描述未來產(chǎn)業(yè)結(jié)構(gòu)的變化與貨運需求的關系。

區(qū)域貨運發(fā)生、吸引量的預測方法一般有趨勢法、系統(tǒng)動態(tài)模型、Input/Output模型和增長率模型等。趨勢法有簡單的增長率法和復雜的自回歸法兩種，經(jīng)常選取的外部變量有GDP等，該方法由于需要的數(shù)據(jù)少、簡單易行，所以得到了廣泛的應用，但是趨勢法無法考慮政策因素對貨運量的影響，所以一般只用于短期的預測。系統(tǒng)動態(tài)模型主要對在一定時期內(nèi)經(jīng)濟、土地利用、環(huán)境與貨運量之間的關系進行模擬，同時可以對貨運量的分布、貨運模式分擔進行預測，該方法不需要大量的數(shù)據(jù)，而且模型中可以考慮諸如土地利用和政策因素等，但是該方法很難對參數(shù)進行統(tǒng)計檢驗。Input/Output模型（同時可以預測貨物的分布）是各國貨運規(guī)劃最常用的模型之一，可以考慮區(qū)域經(jīng)濟、政策因素等，但是需要Input-Output表（投入產(chǎn)出表）和嚴格的假設。從國外的理論研究和實際應用來看，對區(qū)域貨運發(fā)生、吸引量預測方法的研究并沒有多大的進展，主要集中在對Input/Output模型的改造上和對原有模型標定方法的改進上。而國內(nèi)這方面的研究很少，在發(fā)表的刊物上常見的研究多集中在增長率法、回歸模型和神經(jīng)網(wǎng)絡模型之上。

分布模型就是用于預測各小區(qū)之間的貨運量。使用得最廣泛的是重力模型，即兩小區(qū)之間的貨運量與小區(qū)的產(chǎn)生、吸引貨運量成正比，與小區(qū)間的阻抗（比如小區(qū)間的運輸費用等）成反比，關于重力模型應用的關鍵在于阻抗的確定，這點我們將在本文的其余部分進行介紹。

(3)價值-重量模型

建立不同種類貨物的重量和貨物價格之間的關系，將貿(mào)易量（貨幣）轉(zhuǎn)換為貨運量（噸）。預測貨物的價值是一件相當棘手的工作，到現(xiàn)在為止除了時間序列法之外還沒有研究出更合理的模型或者方法。國外在貨運規(guī)劃中對貨物價值-重量模型的研究始于上世紀80年代，如1983年的TPR模型、1994年的VTI模型等，而至今國內(nèi)還沒有關于這方面研究的報導。

(4)時間分布模型

預測不同貨種不同時段的產(chǎn)生、吸引量，輸出分貨種分時段的貨運OD量(單位為t)。應用該模型的主要目的是求出區(qū)域在規(guī)劃年間的貨運高峰量，根據(jù)規(guī)劃的需求可以是區(qū)域貨運的季度高峰、月高峰、日高峰和小時高峰貨運量等。隨著劃分的細化，模型也趨于復雜，所以至今無論是國外還是國內(nèi)還沒有研究人員就這一問題提出完備適用的研究成果。

篇9

>> 淺談過程控制及其應用 目前工程造價控制現(xiàn)狀及造價的全過程控制分析 淺談過程裝備與控制工程專業(yè)就業(yè)現(xiàn)狀 淺談過程裝備與控制工程專業(yè)發(fā)展趨勢 淺談過程教學 淺談過程教育 基于PLC的過程控制實驗裝置液位模糊PID控制 電氣自動化工程控制系統(tǒng)現(xiàn)狀及發(fā)展趨勢分析 電氣自動化工程控制系統(tǒng)的現(xiàn)狀及發(fā)展趨勢 電氣自動化工程控制系統(tǒng)的現(xiàn)狀及發(fā)展前景 淺談過程控制自動化系統(tǒng)在高速線材生產(chǎn)過程中的研究與應用 兩級網(wǎng)絡過程控制系統(tǒng)實驗裝置 解析電機保護控制節(jié)能裝置現(xiàn)狀及發(fā)展趨勢 淺談工程造價管理及過程控制 電氣自動化工程控制系統(tǒng)的現(xiàn)狀及發(fā)展趨勢研究 論電氣自動化工程控制系統(tǒng)的現(xiàn)狀及發(fā)展趨勢 120萬噸/年污水汽提裝置過程檢測及過程控制系統(tǒng)的設計 芳烴聯(lián)合裝置制造的過程控制 電氣自動化工程控制系統(tǒng)的現(xiàn)狀及其發(fā)展趨勢 探討電氣自動化工程控制系統(tǒng)的現(xiàn)狀及其發(fā)展 常見問題解答 當前所在位置：中國 > 政治 > 淺談過程控制實驗裝置現(xiàn)狀及發(fā)展 淺談過程控制實驗裝置現(xiàn)狀及發(fā)展 雜志之家、寫作服務和雜志訂閱支持對公帳戶付款！安全又可靠！ document.write("作者：未知 如您是作者，請告知我們")

申明:本網(wǎng)站內(nèi)容僅用于學術交流，如有侵犯您的權益，請及時告知我們，本站將立即刪除有關內(nèi)容。 摘要：本文針對目前高校自動化專業(yè)過程控制實驗裝置較簡單、功能單一的實際情況，分析了工業(yè)以太網(wǎng)的應用現(xiàn)狀及發(fā)展前景，提出了從網(wǎng)絡控制系統(tǒng)的基本思想出發(fā)，開發(fā)基于兩級網(wǎng)絡的過程控制系統(tǒng)實驗裝置的意義。 關鍵詞：過程控制，教學實驗裝置，現(xiàn)場總線

一、課題的研究意義

為使工科學生在校期間就受到良好的工程實踐鍛煉，建設具有實際工程環(huán)境的實驗室和實習基地一直是自動化專業(yè)實驗室建設的重要目標。過程控制是指對連續(xù)性工業(yè)生產(chǎn)過程中有關物理量（液位、壓力、溫度及流量等參數(shù)）的自動控制和管理?；诰W(wǎng)絡的控制系統(tǒng)實驗裝置是根據(jù)自動化專業(yè)及相關專業(yè)的實驗教學要求，結(jié)合實驗室建設項目，模擬生產(chǎn)現(xiàn)場實際應用的控制系統(tǒng)目前流行的結(jié)構(gòu)形式開發(fā)的，它集PLC技術、網(wǎng)絡技術和計算機監(jiān)控技術為一體，可以開設多個自動控制原理和自動控制系統(tǒng)的實驗，除包含常見的數(shù)字PID算法及其改進算法外，還增加了模糊控制、人工神經(jīng)網(wǎng)絡控制等先進的控制算法的實驗。

開發(fā)基于網(wǎng)絡的控制系統(tǒng)實驗裝置兼顧了教、學、研三方面的要求，旨在構(gòu)成一個基于以太網(wǎng)和Profibus現(xiàn)場總線的實驗模式，培養(yǎng)學生的實際動手能力，給學生提供一個接近生產(chǎn)現(xiàn)場的實驗環(huán)境，為有關教學實驗與研究人員提供一個良好的實驗平臺。基于網(wǎng)絡的控制系統(tǒng)軟件包含了廣泛的實驗內(nèi)容，每一個實驗環(huán)節(jié)都經(jīng)過精心設計，使學生對過程控制系統(tǒng)有比較全面的認識和理解，更重要的是能讓學生在過程控制領域的理論知識與工程實踐得到很好的結(jié)合。

二、工業(yè)控制系統(tǒng)的發(fā)展

隨著微電子技術、計算機技術以及通信技術的飛速發(fā)展，工業(yè)控制系統(tǒng)不斷發(fā)生變革。與此同時，作為控制系統(tǒng)的重要組成部分的工業(yè)控制網(wǎng)絡，也不斷地向前發(fā)展[1]。

1、工業(yè)控制系統(tǒng)的發(fā)展歷程

正如勞動工具反映了人類生產(chǎn)力的發(fā)展歷程，工業(yè)儀表設備也反映了工業(yè)控制系統(tǒng)的發(fā)展歷程。工業(yè)控制系統(tǒng)經(jīng)歷了以下幾個階段，并處于不斷發(fā)展過程之中。

1）集中式數(shù)字控制系統(tǒng)

模擬信號在信息傳遞、信息處理和抗擾動性等方面存在不足，而工業(yè)生產(chǎn)過程要求控制系統(tǒng)既能處理大量數(shù)據(jù)，又能實現(xiàn)高級控制，于是在20世紀70―80年代，出現(xiàn)了以數(shù)字信號代替模擬信號，用計算機代替模擬調(diào)節(jié)器的直接數(shù)字控制系統(tǒng)和監(jiān)督控制系統(tǒng)。由于當時的數(shù)字計算機技術不發(fā)達，價格昂貴，往往用一臺計算機取代控制室的幾乎所有的儀表盤，形成集中式的數(shù)字控制系統(tǒng)。這種系統(tǒng)可靠性低，風險高度集中。一旦計算機出現(xiàn)故障，控制、監(jiān)視和操作將無法正常進行，給生產(chǎn)帶來很大的影響，甚至會造成全局性的重大事故。

2）集散控制系統(tǒng)

20世紀80、90年代，隨著計算機可靠性的提高，成本的大幅降低，出現(xiàn)了數(shù)字調(diào)節(jié)器、可編程控制器，以及由多個計算機構(gòu)成的集中、分散相結(jié)合的集散控制系統(tǒng)DCS。DCS將生產(chǎn)系統(tǒng)的信息集中顯示和管理，而將控制功能適當分散，從而將危險分散，提高控制系統(tǒng)的可靠性。典型的DCS可分為操作站級、過程控制級和現(xiàn)場儀表3級。這種控制系統(tǒng)的特點是“集中管理，分散控制”。其基本控制功能在過程控制級中，工作站級的主要作用是監(jiān)督管理。分散控制使得系統(tǒng)由于某個局部的不可靠而造成對系統(tǒng)的損害降到很低的程度，加之各種軟硬件技術不斷走向成熟，極大地提高了整個系統(tǒng)的可靠性，因而迅速成為工業(yè)自動控制的主流[2]。

DCS的缺點也十分明顯的，首先其結(jié)構(gòu)是多級主從關系，底層相互間進行信息傳遞必須經(jīng)過主機，從而造成主機負荷過重，效率降低，并且主機一旦發(fā)生故障，整個系統(tǒng)就會“癱瘓”。其次它是一種數(shù)字與模擬混合系統(tǒng)，傳輸可靠性差，且成本較高。

進入20世紀90年代，隨著計算機、通信和網(wǎng)絡等技術的發(fā)展，實現(xiàn)底層現(xiàn)場設備信息通信的現(xiàn)場總線技術得到空前發(fā)展，這引起了自動化系統(tǒng)結(jié)構(gòu)與設備的深刻變革，又出現(xiàn)了現(xiàn)場總線控制系統(tǒng)和以太網(wǎng)控制系統(tǒng)。

2.現(xiàn)場總線控制系統(tǒng)

由于3C（Computer、Control、Communication）技術的發(fā)展，過程控制系統(tǒng)將由DCS向FCS（Fieldbus Control System）發(fā)展。現(xiàn)場總線實際上是連接現(xiàn)場智能設備和自動化控制設備的雙向串行、數(shù)字式、多節(jié)點通信網(wǎng)絡，也被稱為現(xiàn)場底層設備控制網(wǎng)絡（INFRANET）。和Internet、Intranet等類型的信息網(wǎng)絡不同，控制網(wǎng)絡直接面向生產(chǎn)過程，因此要求很高的實時性、可靠性、資料完整性和可用性。

為滿足這些特性，現(xiàn)場總線對標準的網(wǎng)絡協(xié)議作了簡化，省略了一些中間層，只包括ISO/OSI 7層模型中的3層：物理層、數(shù)據(jù)鏈路層和應用層[3]。現(xiàn)場總線控制系統(tǒng)（Fieldbus Control System VCS）綜合了數(shù)字通信技術、計算機技術、自動控制技術、網(wǎng)絡技術和智能儀表等多種技術手段，從根本上突破了傳統(tǒng)的“點對點”式的模擬信號或數(shù)字――模擬信號控制的局限性，構(gòu)成一種全分散、全數(shù)字化、智能、雙向、互連、多接點的通信與控制系統(tǒng)。相應的控制網(wǎng)絡結(jié)構(gòu)也發(fā)生了較大的變化[4]。

三、過程控制實驗室控制系統(tǒng)現(xiàn)狀及發(fā)展

過程控制系統(tǒng)（Process Control System，簡稱PCS）是模擬現(xiàn)代工業(yè)生產(chǎn)過程或?qū)B續(xù)性工業(yè)生產(chǎn)過程中的物理量，諸如溫度、壓力、流量、液位等參數(shù)，對其進行測量、控制、觀察過程參數(shù)變化，研究過程控制規(guī)律的一類系統(tǒng)。其任務是通過控制系統(tǒng)的設計和實現(xiàn)來完成的，大致包括：確定控制目標、選擇測量參數(shù)（被調(diào)量）、選擇操作量、控制方案的確定、選擇控制算法、選擇執(zhí)行器、設計報警和連鎖保護系統(tǒng)。在當前高校的過程控制系統(tǒng)教學中，過程設備是實現(xiàn)自動化的基礎。然而在實際工業(yè)生產(chǎn)中，過程設備一般都是比較大型的，而且是專用于某種控制來實現(xiàn)特殊生產(chǎn)目的的，不能適用于高校自動化專業(yè)的教學，過程控制實驗系統(tǒng)的設計與開發(fā)作為一個從理論到實踐的橋梁在這里就顯得尤為重要。傳統(tǒng)的過程控制實驗系統(tǒng)普遍存在著功能單一、開放性差等缺點，一般只能針對單一的被控參數(shù)如液位或溫度等進行過程控制實驗，并且不利于二次開發(fā)。目前過程控制實驗系統(tǒng)基本都是DCS（集散控制系統(tǒng)），學生很難接觸到日益流行的FCS（現(xiàn)場總線控制系統(tǒng)），這制約了高校教學水平和學生實踐能力的提高。

基于以上原因，若要控制系統(tǒng)能夠做到數(shù)據(jù)采集、數(shù)據(jù)記錄及通訊、實驗狀態(tài)監(jiān)視，實現(xiàn)數(shù)字P1D控制及各種智能控制算法的實驗教學，開發(fā)出一套基于以太網(wǎng)及現(xiàn)場總線的模擬工業(yè)生產(chǎn)過程現(xiàn)場實際應用的控制系統(tǒng)己迫在眉睫。

參考文獻：

[1]殷紅.工業(yè)生產(chǎn)過程自動化的發(fā)展概況和趨勢[J】內(nèi)蒙古科技與經(jīng)濟，2001（5）：73～74

[2]李好文，鄭崗，余健明，馮鑫.計算機多級網(wǎng)絡控制技術[J】.重型機械，2002（2）：16～18

[3]賈東耀，汪仁煌.工業(yè)控制網(wǎng)絡的發(fā)展趨勢[J】.工業(yè)儀表與自動化裝置，2002（5）：12～14

篇10

關鍵詞：核心競爭力；評價體系；評價指標；評價方法

中圖分類號：G64文獻標識碼：A文章編號：1009—0118（2012）11—0020—03



一、引言

近年來，各式各樣的高校排行榜炙熱著人們的視線，高校排名的提升也成了各個校長和領導的工作目標，很多高等教育研究者也將眼光放在了如何能增強高校競爭力研究的范疇上來。隨著研究的不斷深入和展開，高校核心競爭力研究作為高等教育研究的一個新領域和新方向為高校的積極的競爭發(fā)展帶來了新的思路和更明確的方向。它借鑒企業(yè)核心競爭力的理論結(jié)合高校特征、構(gòu)成要素和職責等高校屬性逐漸形成了其多樣的研究模式，評估方法也五花八門，為了促進研究的進一步深入，有必要對其評估過程與方法進行梳理和分析。本文首先分析了高校核心競爭力評價指標體系的特點、類型和結(jié)構(gòu)，接著對其進行分析，再探討了評價過程中評估方法的使用性問題，最后對高校核心競爭力的評價方法進行了展望。

二、研究樣本的選擇

本研究主要針對專著、學位論文和一般研究論文為研究對象。

主要有：《地方高校核心競爭力》（朱明，2005）；《贏得未來——高校核心競爭力研究》（成長春，2006）；《民辦高校發(fā)展戰(zhàn)略和政策需求研究——基于核心競爭力理論之視角》（楊樹兵，2009）；《企業(yè)視角的高校核心競爭力研究——基于地方性高校的分析》（徐和清，2010）；《民辦高校核心競爭力研究》（劉龍剛，2012）；《高等學校核心競爭力研究》（戴開富，2007）；《大學核心競爭力理論與實踐研究》（張衛(wèi)良，2005）；《高校核心競爭力分析模型研究》（成長春，2005）；《我國研究型大學核心競爭力評價與培育研究》（任喜峰，2007）；《知識管理視域中的高校核心競爭力提升策略》（徐學蘭，2006）；《中國高等學校核心競爭力評價研究》（金濤，2003）等。

三、高校核心競爭力指標體系的分析

通過對大量文獻的分析，我們發(fā)現(xiàn)高校核心競爭力評估體系的構(gòu)成和類型主要存在以下幾種類型：

（一）基于高校職能要素的評價體系

一類學者認為高校核心競爭力應該是圍繞著高校職能和構(gòu)成要素所展開的，所以構(gòu)成評價體系如表1所示。

（二）基于能力論的評價體系

該理論認為，高校核心競爭力由各種能力綜合、相互作用而成，正是其獨特的、不可模仿的能力水平?jīng)Q定了其核心競爭力。所以基于這種理論，高校核心競爭力可以分解為文化力、學習力和創(chuàng)新力，搭建的評價體系如表2。

高校核心競爭力評價體系學科建設全國重點學科比例；博士學科比例：一級學科比例、二級學科比例；重點實驗室比例；教師人均學科數(shù)。

學科梯隊專任教師學歷結(jié)構(gòu)；科研人員比例。

資金教學經(jīng)費占支出比例；收入支出差額占收入比；生均基建投資。

科研科研收入占總收入的比例；單位教師科研產(chǎn)出：單位教師出版專著、單位教師、單位教師取得科技成果、單位教師取得專利；單位教師科研經(jīng)費數(shù)。

人才培養(yǎng)研究生比例；留學生占研究生比例；畢業(yè)生就業(yè)率。

高校核心競爭力評價體系文化力核心價值觀辦學指導思想和原則；教師的育人理念；

學生的人生追求。

精神領導的辦學理念；辦學理念的認知程度；美譽度；辦學地位；教師的忠誠度；教師的道德素質(zhì)；管理制度的健全程度。

學習力學習精神領導者的學習精神；教師的學習精神。

學習機制鼓勵教師學習的機制；學習機制對有效學習的促進程度；師生間溝通程度。

創(chuàng)新力創(chuàng)新精神領導者的創(chuàng)新精神；教職員工創(chuàng)新精神；學生創(chuàng)新精神。

創(chuàng)新機制創(chuàng)新制度的有效度。

創(chuàng)新過程科研成果在教學中應用的程度。

（三）基于資源論的評價體系

該理論認為，高校核心競爭力是顯性資源和隱性資源共同作用的產(chǎn)物。顯性資源是指高校系統(tǒng)運行的工具，具體指學術生產(chǎn)水平和人才培養(yǎng)水平；隱性資源是指高校系統(tǒng)運行的體制和方法，或者說目標，具體指管理和校園文化?；谶@種觀點，評價體系如表3所示。

高校核心競爭力評價體系顯性資源學術生產(chǎn)水平教師學歷、職稱結(jié)構(gòu)；人均學術論文、專著數(shù)量；

特色學科數(shù)；國家級、省級部級重點科研項目數(shù)；人均科研經(jīng)費。

人才培養(yǎng)水平就業(yè)率；碩、博士比例；重點學科數(shù)、實驗室數(shù)；師生比例。

隱性資源管理素質(zhì)教育程度；科研和科技成果轉(zhuǎn)化力；辦學能力。

校園文化校風、校園精神；學術聲譽、知名度、形象、第一志愿報考率。

綜合以上三種評價體系，我們發(fā)現(xiàn)高校核心競爭力評價體系從指標類型上看有定量評價指標和定性評價指標，定量評價指標按照用途不同又有總量指標和比例指標，比如總量指標有專著數(shù)量、重點科研項目數(shù)等；比例指標有師生比例，就業(yè)率等。再比如校風，形象等就是定性指標。

評價體系從結(jié)構(gòu)上看，基于高校職能要素的評價體系是純定量指標評價體系；基于能力論的評價體系是定性指標評價體系；基于資源論的評價體系是定性和定量相結(jié)合的評價體系。

四、評價過程及方法研究

高校核心競爭力的評價方法不僅僅是構(gòu)造數(shù)學模型計算的過程，而是包括評價流程、定性指標的評價和綜合評價三個方面的內(nèi)容：

（一）評價流程研究

通過歸類分析，我們發(fā)現(xiàn)核心競爭力的內(nèi)在結(jié)構(gòu)要求我們將評估工作看成是一個層級性流程的整體評價工作。首先，從基層開始，逐層逐級進行，如果行進到某層存在問題則停止評價。以上文中的評價體系為例，評價先從最底層（三級指標）開始，逐步上升到二級指標，最后將二級指標匯總做綜合評價。

（二）定性指標的評價

我們發(fā)現(xiàn)高校核心競爭力評價體系中大量的用到了定性評價指標，因此評價的方法和評價者的能力、知識結(jié)構(gòu)、閱歷以及對評價對象信息的獲取量都直接影響定性指標的測評。所以，為了使得評價結(jié)果更接近事實，要在選擇評價小組的成員上制定一系列的標準，以找到最合適的專家、學者進行評估。評價方法主要采用專家評價法。具體的方法有：德爾菲法、專家會議法、頭腦風暴法、個人判斷法。

德爾菲法指根據(jù)有專門知識的人的直接經(jīng)驗，對研究的問題進行判斷、預測的一種方法；專家會議法指依靠一些專家，對預測對象的未來發(fā)展趨勢及狀況做出判斷而進行的一種集體研討形式；頭腦風暴法指通過專家間的相互交流，引起“思維共振”，產(chǎn)生組合效應，形成宏觀智能結(jié)構(gòu)，進行創(chuàng)造性思維的過程；個人判斷法指依靠個別專家對預測對象未來發(fā)展趨勢及狀況做出專家個人的判斷。

（四）綜合評價

影響高校核心競爭力的因素比較復雜，這就需要我們的評價體系是多層次、多元化的。有時我們需要用圖表的形式明顯的顯示出對比來，比如兩所性質(zhì)相同的高校如果想對比其師生數(shù)量的時候；有時我們又需要計算出每個指標的權重，以此來為眾多高校進行總的核心競爭力的排名。所以，為了滿足不同的需求，多元統(tǒng)計分析法就被大多數(shù)學者普遍使用。

高校核心競爭力評價方法匯總

推斷統(tǒng)計分析法

多元統(tǒng)計分析是研究客觀事物中多個變量之間相互依賴的統(tǒng)計規(guī)律性。隨著計算機技術的發(fā)展和普及，多元統(tǒng)計分析在醫(yī)學、生物、氣象、經(jīng)濟、教育上得到了廣泛的應用。人們越來越想通過更為全面的變量集合去評估某一項事物，并試圖用數(shù)學模型找到變量之間的關系。

縱觀研究文獻，一個全面的能體現(xiàn)核心競爭力的評價體系應該是分層次分目標的一個多指標評價體系?；谶@種評價體系，研究方法主要分兩類：描述統(tǒng)計法和推斷統(tǒng)計法。

描述統(tǒng)計法指通過各種圖形顯示，對數(shù)據(jù)的頻數(shù)分析、集中趨勢分析、離散程度分析以及分布分析。主要有5種圖形表示法：散點圖、折線圖、條形圖、雷達圖和星座圖。

推斷統(tǒng)計法指研究客觀事物中多個變量之間相互依賴的統(tǒng)計規(guī)律性。主要有聚類分析、主成分分析、因子分析、判別分析等，其主要是用來給指標體系確定權重的方法。

五、模糊數(shù)學在高校核心競爭力評估中的應用

模糊數(shù)學是1965年以后，在模糊集合、模糊邏輯的基礎上發(fā)展起來的模糊拓撲、模糊測度論等數(shù)學領域的統(tǒng)稱。是研究現(xiàn)實世界中許多界限不分明甚至是很模糊的問題的數(shù)學工具。在模式識別、人工智能等方面有廣泛的應用。它可以在無法判斷各評價指標與總排名的關系的情況下，且樣本數(shù)據(jù)有限的情況下進行評價，并通過模擬人類神經(jīng)系統(tǒng)的活動為系統(tǒng)管理帶來決策支持。目前，已有少數(shù)幾篇的論文使用了模糊數(shù)學的方法，比如《高等學校核心競爭力研究》（戴開富，2007）使用了BP算法的神經(jīng)網(wǎng)絡技術對13所高校進行了評估，并對其有效性進行了驗證。

方法是固定的，為了達到不同的使用目的，我們會選擇不同的方法，其目的是為了更貼切、真實的體現(xiàn)其高校核心競爭力水平，為我們的研究服務。

參考文獻：

[1]賴德勝，武向榮.論大學的核心競爭力[J].教育研究，2002，（7）：42—46.

[2]朱明.地方高校核心競爭力[M].北京：中國大百科全書出版社，2005：116—144.

[3]劉向兵.大學核心競爭力構(gòu)成要素辨析[J].中國人民大學學報，2007，（2）：143—148.

[4]任喜峰.我國研究型大學核心競爭力評價與培育研究[D].哈爾濱：哈爾濱工程大學，2007，（10）.

[5]成長春.贏得未來——高校核心競爭力研究[M].北京：人民出版社，2006：240，130.