【摘要】：企業(yè)是構(gòu)成開發(fā)區(qū)的基本元素,開發(fā)區(qū)如何健康發(fā)展取決于企業(yè)的綠色發(fā)展,企業(yè)的經(jīng)濟發(fā)展、綠色發(fā)展、科技發(fā)展成為開發(fā)區(qū)可持續(xù)發(fā)展的重要基石。以往對于企業(yè)的評估中,企業(yè)經(jīng)濟發(fā)展作為評估企業(yè)的重中之重,然后系統(tǒng)分析企業(yè)經(jīng)濟總值、納稅值等情況,根據(jù)單一的經(jīng)濟數(shù)據(jù)決定企業(yè)在園區(qū)內(nèi)的幫扶力度和去留等工作,然而企業(yè)的規(guī)模、發(fā)展都不是均一的,是隨著社會因素的總體影響的,使用單一的幫扶企業(yè)政策既不能滿足多數(shù)企業(yè)的需求,易出現(xiàn)高能耗、高污染的企業(yè)密集進(jìn)駐開發(fā)區(qū)。于是,各地開發(fā)區(qū)紛紛提出了綠色企業(yè),根據(jù)企業(yè)多種變量來確定最適合區(qū)內(nèi)發(fā)展的企業(yè),目標(biāo)是在降低能耗、提高科技的前提下,企業(yè)經(jīng)濟展情況最佳。隨著科技在不同領(lǐng)域的延伸,數(shù)據(jù)挖掘逐步被廣泛應(yīng)用到企業(yè)發(fā)展中,利用數(shù)據(jù)挖掘技術(shù)可以提高開發(fā)區(qū)管理,神經(jīng)網(wǎng)絡(luò)是數(shù)據(jù)挖掘算法最廣泛使用的分類方法之一,已經(jīng)在模式識別、智能機器人、預(yù)測評估、經(jīng)濟等領(lǐng)域廣泛的領(lǐng)域解決了實際問題,主要應(yīng)用在對非線性數(shù)據(jù)的處理工作中,其具有聯(lián)想儲存、自學(xué)習(xí)、高速尋找優(yōu)化解等功能,目前典型算法有:BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)等幾種算法。本研究根據(jù)東豐縣開發(fā)區(qū)企業(yè)的多樣性和差異性,利用數(shù)據(jù)挖掘中的BP神經(jīng)網(wǎng)絡(luò),對研究區(qū)域的人員投入、經(jīng)濟產(chǎn)出、能源消耗3種主要影響開發(fā)區(qū)進(jìn)行了分別研究,并對試驗結(jié)果進(jìn)行分析研究,以期為開發(fā)區(qū)的企業(yè)綠色發(fā)展情況劃分提供技術(shù)支持。主要研究內(nèi)容和結(jié)果:(1)運用BP神經(jīng)網(wǎng)絡(luò)對企業(yè)管理等級劃分上的研究。BP神經(jīng)網(wǎng)絡(luò)對2015年、2016年、2017年東豐縣開發(fā)區(qū)企業(yè)綠色發(fā)展情況等級域劃分運用,通過實驗結(jié)果證明準(zhǔn)確度分別為86.3%、80.90%、86.36%。BP神經(jīng)網(wǎng)絡(luò)算法能夠?qū)﹂_發(fā)區(qū)企業(yè)進(jìn)行初步劃分,說明BP神經(jīng)網(wǎng)絡(luò)算法對開發(fā)區(qū)企業(yè)劃分具有可行性。(2)提出改進(jìn)的RBF神經(jīng)網(wǎng)絡(luò)。利用粗糙集和RBF神經(jīng)網(wǎng)絡(luò)的互補性,對數(shù)據(jù)屬性權(quán)值因子的提取和確定,通過對各屬性權(quán)重的綜合測定,確定該基層開發(fā)區(qū)企業(yè)發(fā)展管理數(shù)據(jù)的綜合權(quán)重為0.55、0.25、0.2,將該權(quán)重結(jié)合RBF神經(jīng)網(wǎng)絡(luò)算法進(jìn)行應(yīng)用,避免BP神經(jīng)網(wǎng)絡(luò)在計算過程中容易出現(xiàn)產(chǎn)生極小值現(xiàn)象。(3)進(jìn)行了粗糙集RBF與BP神經(jīng)網(wǎng)絡(luò)的對比實驗,對2015年東豐縣開發(fā)區(qū)企業(yè)綠色發(fā)展情況等級劃分,粗糙集RBF神經(jīng)網(wǎng)絡(luò)和BP神經(jīng)網(wǎng)絡(luò)準(zhǔn)確度分別為96.45%、86.3%,說明粗糙集RBF比BP神經(jīng)網(wǎng)絡(luò)在適用開發(fā)區(qū)企業(yè)等級劃分準(zhǔn)確度更高。(4)將粗糙集RBF應(yīng)用于開發(fā)區(qū)企業(yè)管理分級管理。進(jìn)行了粗糙集RBF神經(jīng)網(wǎng)絡(luò)算法在東豐縣開發(fā)區(qū)企業(yè)綠色發(fā)展情況等級劃分的的應(yīng)用,粗糙集RBF神經(jīng)網(wǎng)絡(luò)算法能夠高效、精準(zhǔn)實現(xiàn)開發(fā)區(qū)企業(yè)綠色發(fā)展情況預(yù)測分析,與當(dāng)?shù)貙嶋H企業(yè)管理情況相對吻合。研究表明,運用神經(jīng)網(wǎng)絡(luò)算法等數(shù)據(jù)挖掘算法能夠?qū)崿F(xiàn)對企業(yè)管理數(shù)據(jù)的分析,能夠科學(xué)合理的利用開發(fā)區(qū)人力資源,并實現(xiàn)提高土地使用率、加強企業(yè)綠色發(fā)展分級的高效手段,這將為各國研究新型開發(fā)區(qū)模式的方向。
【圖文】：

圖 3-1 東豐縣開發(fā)區(qū)部分區(qū)域al map of development zone 200 戶以上，其中工業(yè)企業(yè)分企業(yè)的生產(chǎn)總值、能耗情工作提供基礎(chǔ)數(shù)據(jù)。遼源市東豐縣開發(fā)區(qū)15年

（3） 3.2.2015 年數(shù)據(jù)（1）、2016 年數(shù)據(jù)（2）、2017 年數(shù)據(jù)（3）數(shù)據(jù)分類結(jié)果ta classification results of data in 2015 (1), 2016 (2) and 2017 據(jù)對然后運用該算法對開發(fā)區(qū)企業(yè)分級數(shù)據(jù)進(jìn)行分類處理，其中類數(shù)為 22 條，，孤立點數(shù)為０條。結(jié)果如表所示。由表 3-2 可知經(jīng)網(wǎng)絡(luò)所得的分類結(jié)果中一類企業(yè)、二類企業(yè)、三類企業(yè)、四類企11 個、6 個。2016 年 BP 神經(jīng)網(wǎng)絡(luò)所得的分類結(jié)果中一類企業(yè)、二類企業(yè)分別為 3 個、 1 個、 11 個、 7 個。2017 年 BP 神經(jīng)網(wǎng)絡(luò)所業(yè)、二類企業(yè)、三類企業(yè)、四類企業(yè)分別是 4 個、4 個、 10 個、屬性數(shù)據(jù)基本都能得到基礎(chǔ)的劃分，各類別誤劃率不大，對企業(yè)分性。橫坐標(biāo)為企業(yè)數(shù)目，豎坐標(biāo)為發(fā)展得分情況，藍(lán)色孤立點為目標(biāo)值絡(luò)算法自主學(xué)習(xí)能力、非線性映射等優(yōu)點，2015 年樣本分類精度達(dá)類精度達(dá)到 80.90，2017 年分類精度達(dá)到 86.36%
【學(xué)位授予單位】：吉林農(nóng)業(yè)大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2019
【分類號】：F279.27;TP183

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李維斌;;神經(jīng)網(wǎng)絡(luò)算法在水泥生產(chǎn)線中的優(yōu)化分析[J];四川水泥;2018年08期

2 劉念;王楓;;深度神經(jīng)網(wǎng)絡(luò)算法研究及應(yīng)用[J];科技資訊;2017年27期

3 袁冬;林勇;;采用GA-BP神經(jīng)網(wǎng)絡(luò)算法改善壓力傳感器的穩(wěn)定性[J];化工自動化及儀表;2015年11期

4 謝清秀;;計算機網(wǎng)絡(luò)連接增強優(yōu)化中的均場神經(jīng)網(wǎng)絡(luò)算法[J];數(shù)碼世界;2017年02期

5 許炎駿;陳端端;;人工智能藝術(shù)領(lǐng)域階段性應(yīng)用調(diào)研報告[J];藝術(shù)學(xué)界;2017年01期

6 劉愛江;黃長慧;胡光俊;;基于改進(jìn)神經(jīng)網(wǎng)絡(luò)算法的木馬控制域名檢測方法[J];電信科學(xué);2014年07期

7 高堅;計算機網(wǎng)絡(luò)連接增強優(yōu)化中的均場神經(jīng)網(wǎng)絡(luò)算法[J];計算機工程;2003年09期

8 汪永元;;基于BP神經(jīng)網(wǎng)絡(luò)算法的超高電梯投資分析[J];鐵道勘測與設(shè)計;2017年02期

9 趙健;陶元芳;王愛紅;許增杰;;BP神經(jīng)網(wǎng)絡(luò)算法用于專業(yè)機械快速設(shè)計[J];機械設(shè)計與制造;2019年07期

10 李雪景;呂雁嵐;;基于神經(jīng)網(wǎng)絡(luò)算法的碼頭新型分縫結(jié)構(gòu)優(yōu)化研究[J];中國水運(下半月);2019年08期

相關(guān)會議論文 前10條

1 邱永紅;潘亞漢;;基于神經(jīng)網(wǎng)絡(luò)算法的自適應(yīng)數(shù)字波束形成技術(shù)[A];'99系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)交流會論文集[C];1999年

2 陳玉敏;萬幼川;;結(jié)合矢量的神經(jīng)網(wǎng)絡(luò)算法用于遙感影像分類研究[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 蔡冰清;徐思雅;亓峰;葛維春;周桂平;于波濤;;基于SA-BP神經(jīng)網(wǎng)絡(luò)算法的光接入網(wǎng)絡(luò)通道質(zhì)量評估方法[A];2017電力行業(yè)信息化年會論文集[C];2017年

4 熱合木江;艾尼瓦爾·吐爾地;尼加提·吐爾遜;古麗·吐爾遜;胡得來提;;一種遺傳神經(jīng)網(wǎng)絡(luò)算法及其在石油資源預(yù)測中的應(yīng)用[A];全國第十五屆計算機科學(xué)與技術(shù)應(yīng)用學(xué)術(shù)會議論文集[C];2003年

5 耿兆豐;吳永敢;;基于神經(jīng)網(wǎng)絡(luò)算法的路經(jīng)規(guī)劃[A];1992年中國控制與決策學(xué)術(shù)年會論文集[C];1992年

6 嚴(yán)雋薇;朱柳明;蕭蘊詩;;高階關(guān)聯(lián)神經(jīng)網(wǎng)絡(luò)算法研究[A];1996年中國智能自動化學(xué)術(shù)會議論文集（上冊）[C];1996年

7 李勇剛;桂衛(wèi)華;陽春華;蔡自興;;基于神經(jīng)網(wǎng)絡(luò)算法的鋅電解過程分時供電優(yōu)化調(diào)度系統(tǒng)的研究[A];第二十屆中國控制會議論文集（下）[C];2001年

8 朱喜林;孫海濱;;機械加工參數(shù)的模糊神經(jīng)網(wǎng)絡(luò)算法[A];面向制造業(yè)的自動化與信息化技術(shù)創(chuàng)新設(shè)計的基礎(chǔ)技術(shù)——2001年中國機械工程學(xué)會年會暨第九屆全國特種加工學(xué)術(shù)年會論文集[C];2001年

9 渠展展;王偉;劉峗甲;劉家亮;;改進(jìn)粒子群-神經(jīng)網(wǎng)絡(luò)算法在中長期電力負(fù)荷預(yù)測中的應(yīng)用[A];2017智能電網(wǎng)信息化建設(shè)研討會論文集[C];2017年

10 劉慧;許曉鳴;張鐘俊;;CMAC神經(jīng)網(wǎng)絡(luò)算法的研究[A];1995中國控制與決策學(xué)術(shù)年會論文集[C];1995年

相關(guān)重要報紙文章 前4條

1 科大訊飛股份有限公司市場部總經(jīng)理 任萍萍;人工智能將在三大領(lǐng)域替代人類[N];經(jīng)濟參考報;2016年

2 黃魚 遙歌 曉中 叢文 蘇曉;細(xì)數(shù)人工智能的“新身份”[N];人民郵電;2017年

3 王浩;為藥店追趕人工智能潮獻(xiàn)策[N];醫(yī)藥經(jīng)濟報;2017年

4 郝卡倫;如何用神經(jīng)網(wǎng)絡(luò)算法開發(fā)人工智能軟件[N];人民郵電;2019年

相關(guān)博士學(xué)位論文 前10條

1 馮芳;基于蒙特卡洛神經(jīng)網(wǎng)絡(luò)算法的不平衡數(shù)據(jù)分類研究[D];蘭州大學(xué);2019年

2 曾U喺

本文編號：2591996