摘要:煤炭工业是我国的基础能源产业,国有大型煤炭企业是我国煤炭能源的主要供应商,为保证国有大型煤炭企业的持续稳定发展,对国有大型煤矿企业经营状态就要有一个正确的预测。文章经过实地调研,对国有大型煤矿企业及其生产过程进行分析,比较了常用的预测方法,最终选取了遗传神经网络用于国有大型煤矿企业经营状态预测,并对其可行性进行了分析。
关键词:煤矿企业;经营状态;预测
一、国有大型煤矿企业及生产经营过程特点
国有大型煤矿企业主要是指由国家投资兴办,生产资料属于全民所有,由国家煤炭工业主管部门直接管理或为主管理、或与地方共管的煤矿。这类煤矿生产的煤炭绝大部分由国家统一分配,面向全国供冶金、电力、化工、建材等工业部门,交通运输部门和大中城市用煤,同时调剂弥补缺煤省(自治区、直辖市)的不足,只有极少部分由煤自销进入市场。近年来,随着改革开放的深入和社会主义市场经济的发展,自销比重正在逐步扩大。这类煤矿的生产规模较大,现代化程度较高,代表着国家煤炭工业的发展水平,是我国煤炭工业的主体,是保证国民经济持续、稳定、健康发展所需煤炭的主要来源。
作为国有大型国有企业,国有大型煤矿企业除具有国有大型国有共同的特点外还具有煤炭行业的特殊性。
(一)国家政策导向对国有大型煤矿企业影响很大
煤炭属于不可再生资源,我国是“富煤、贫油、少气”的国家,我国石油能源有限,对进口依赖较大,而且国际油价变幻莫测,因此在未来可以预见的时期内,这一特点决定了煤炭将在一次性能源生产和消费中占据主导地位且长期不会改变。
(二)自然环境对国有大型煤矿企业影响巨大
煤炭的生产过程,既是煤炭产品的生产过程,又是生态环境破坏、资源枯竭的过程。对于煤炭企业来讲,环境资源不仅是组织生产活动的潜在基础,而且是一种生产要素,因此煤炭生产活动的开展是以资源的减少和生态环境系统的结构发生变化为前提的。随着煤炭生产的发展,煤炭资源越来越少、大范围的地表塌陷、大量煤矸石的堆积,导致大量耕地的占用和破坏、大量废水废气的排放,引起周边耕地的劣化和空气污染。因此煤炭企业因资源环境破坏而付出的代价和保护资源环境而支付的费用与其他行业相比更高。
(三)与其他能源开采行业相比煤炭产业存在严重的安全问题
煤炭资源都是埋藏于地下,开采过程属于地下作业,生产环境恶劣,生产过程复杂,受到水、火、瓦斯、煤尘和冒顶等多种自然灾害的威胁,致使煤矿生产安全问题较其他行业更重要、更复杂、更难解决,以至于对于煤炭开采的安全建立了专门的评价指标——百万吨死亡率指标。
(四)国有企业管理滞后
国有企业管理有一套经营多年的现成规范,多年积累的经营数据,但传统数据整理方法是手工整理,数据时间延续性和准确性存在不足。
客观准确地反映我国国有大型煤矿企业的经营状态,一直以来都是企业和学术界十分关注的一个课题,因为只有准确客观地反映了企业的经营状态,才可能对其经营状态进行预测,这也为加强对煤矿企业的科学管理提供了前提条件。煤矿企业是通过月报表、季报表和年报表来体现其经营状况的,这也是领导者做计划和决策的依据。现在的科学管理和科学研究讲究通过数据说话,因此客观地反映国有大型煤矿企业的经营状态就要求能够客观地获取和识别反映这一经营状态的统计资料。虽然国有大型煤矿企业能够定期统计出反映经营状况的资料,但是这些资料是否足够准确,而现有的管理方法能否做出科学的计划和决策,都是目前面临的主要困难。
二、国有大型煤矿企业经营状态预测现状及面临的问题
统计预测的方法按性质来分,可以分为定性预测法和定量预测法。定性预测法是以逻辑判断为主的预测方法,主要是根据所掌握的资料并结合各因素对事物发展的影响做出判断,并将此种判断定量化,该方法适用于缺乏历史统计资料事件的预测。定量预测法是以数学模型为主的预测方法,一般有回归预测法、经济计量模型法和时间序列预测法。回归分析是研究变量与变量之间相互关系的一种数理统计方法,具体有一元线性回归、多元线性回归和非线性回归预测法。时间序列预测法是一种考虑变量随时间发展变化规律并用该变量的以往统计资料建立数学模型进行预测的方法,这类方法应用广泛,可以分为确定型和不确定型时间序列法。确定型时间序列法有移动平均法、指数平滑法、趋势外推法等。不确定型时间序列法有我们所熟悉的博克斯-詹金斯法。目前,国有大型煤矿企业经营状态预测面临的难题主要有以下方面。
(一)国有大型煤矿企业经营状态数据量大且存在噪声
首先,国有大型煤矿企业结构复杂,一般一个矿业集团由几个大型煤矿分公司组成,各分公司又由各矿组成。其次,国有大型煤矿企业产品种类繁多,既有主营项目,又有副产品,包括煤、煤气、煤焦油、焦炭、电、水泥、红砖、炸药等等。最后,煤炭企业存在严重的安全隐患,这是因为煤炭开采是在地下作业,而地质结构变化万千,在没有打开之前是不能够知道其结构的,因此在开采过程中存在安全隐患。由此可知国有大型煤矿企业经营数据量非常庞大,而矿业集团的产销量的确定是由各个矿的产销量叠加后计算出来的,中间一个环节数据出现问题都会影响最后的矿业集团数据准确度。某些数据可能会由于统计不准确以及出现安全事故而导致出现严重的噪声数据。
(二)经营状态预测的非线性特征
由于企业经营状态影响因素较多,可能任何一个环节都会影响到企业的经营状态,而对国有描述煤矿企业经营状态的指标数据由于受到诸多因素的影响,其变化规律并不是线性的,而大多情况是非线性的。例如,产量指标,由于受到回采煤量、准备煤量、开拓煤量的影响,或者由于其他因素导致短时间的停产,都会致使产量发生变化,与其联系的销售量、利润等指标也会发生变化。而一些线性方法只能在长期的预测中体现出较高的拟合能力,但是在短期的预测上有较大的出入。
(三)国有大型企业经营有很强的政策性
煤炭资源属于不可再生资源,开采过程中对当地环境也有很大影响,这些因素导致煤炭企业的经营受国家政策影响较大,要符合国家和谐发展、绿色发展的需要,因此其经营状态很难预测。
(四)预测结果要符合精度要求
一种解决问题的方法,一个好的模型,必须具有一定的理论基础,没有理论支持的模型,其可信度将会受到质疑,而且模型必须经得起实践检验,经不起实践检验的方法或模型,其实际价值将大打折扣。由于现在对非线性指标进行预测的方法比较多,但是它们所达到的精确度是不同的,有的精确度高,但有的精确度就比较低,即预测值要比实际统计真值相差很多。
三、遗传神经网络用于企业经营状态预测中的优势
由于传统预测方法在实际预测应用中遇到了很多难以逾越的鸿沟,需要新的方法来合理的解决这些难题,本文选取遗传神经网络模型作为建立国有大型煤矿企业经营状态预测模型的原因主要有以下几点:
第一,神经网络是一种比较成熟的理论和方法。它是作为对人脑最简单的一种抽象和模拟,是对人的大脑系统一定特性的描述。简单地讲,它是一个数学模型,可以用电子线路来实现或用计算机来模拟人的自然智能。近20年来,神经网络技术迅猛发展,已经在智能控制、模式识别、计算机视觉、非线性优化、信号处理等方面取得巨大的成功和进展,现在已经成为人工智能研究的重要领域之一。
第二,遗传神经网络在时间序列预测、非线性预测方面的运用相当成功。这方面的文献资料相对较多,如赵振勇的《基于遗传BP神经网络的股市预测》,柏熙的《神经网络与遗传算法在煤矿智能监控系统中的预测模型研究》等。比较详细地介绍了遗传算法和神经网络的基本原理和学习算法,建立了基于该原理的BP应用模型,并通过实例进行了验证。
第三,神经网络模型能够满足预测的需要。描述国有大型煤矿企业经营状态的指标数据量大且存在噪声,由于受到周围环境的影响,所呈现出的特征是非线性变化的,而遗传神经网络所具有的特征完全能够满足这种非线性变化的要求,个别的噪声数据不会影响到最终的预测结果,通过神经网络在其他领域的运用已经证明了神经网络模型能够满足预测的整体需要。
第四,由于遗传算法的特点是种群搜索和种群中个体之间交换信息,搜索不依赖于梯度信息和问题本身,具有的鲁棒性和全局搜索能力,利用遗传算法来优化BP神经网络的初始权值的方法解决了BP神经网络收敛速度慢,且常受局部极小点的困扰,可以使预测的精度更高,同时可以解决随即生成BP神经网络初始权值在运算过程中的稳定性差的问题。
四、结论
综上所述,遗传神经网络对于非线性高维、高阶问题神经网络能力会得到更好的发挥,同时可以解决传统方法在预测中对数据要求过于苛刻的问题,它能够在信息源不完整、不准确等复杂的数据环境下,通过其自身结构的调整过程,提取数据特性,并对未来做出有效的预测。遗传神经网络为解决非线性预测问题提供了较好的模型基础,根据以前学者在其他领域预测的结果,也可以得知其精确度要明显优于其他传统的非线性预测方法,适合用于国有大型煤矿企业经营状态预测。
参考文献:
1、唐万梅.几个预测方法及模型的研究[D].内蒙古大学理学院,2006.
2、赵振勇.基于遗传BP神经网络的股市预测[D].贵州大学,2007.
3、韩立群.人工神经网络理论、设计及应用(第二版)[M].化学工业出版社,2007.
4、王小平,曹立明.遗传算法——理论、应用与软件实现[M].西安交通大学出版社,2002.
5、王硕,唐小我.基于神经网络虚拟企业跟踪评价系统[J].中国工程科学,2003(4).
(作者单位:张延良,浙江嘉兴南洋职业技术学院;莫军,同济大学浙江学院)