基于BP神经网络的区域创新风险预测方法研究

周 琴

（莆田学院土木建筑工程学系，福建 莆田351100）

区域创新风险是指不同地域或区域的创新主体，创新活动因内外部条件制约而中止、撤消，或计划指标无法完成，造成项目损失甚至失败的可能性和后果。这些条件一般包括环境因素、项目因素以及创新主体能力因素等。但是目前国内外对区域创新风险［1］的研究，主要集中在从生命周期角度［2－3］、从风险管理学习角度［4］以及管理熵［5－6］、系统动力学［7］等角度，很少有人利用BP人工神经网络方法［8］进行研究。因此，笔者运用BP人工神经网络方法对区域创新风险进行研究，是一个大胆的运用和创新，力求为相关研究提供参考。

1 区域创新风险评价指标体系

任何创新活动都具有一定的风险性。针对区域创新风险评价指标的研究，比较集中的有：①外部环境；②技术项目；③企业实力。这些都存在研究的瓶颈。

在文献综述的基础上，结合相关的知识，对风险因素进行分类，建立以下区域创新风险评价指标体系，即主要从区域创新的内外部风险这两方面来进行研究，具体如下：

（1）内部风险。各指标风险主要包含：①技术风险。技术开发难度大，关键技术与复杂性预料不足（X1）；存在技术障碍和技术壁垒（X2）；原材料或零部件的技术性能要求达不到（X3）；企业科技人员实力弱（X4）；实验基地、生产设备和工具缺乏，新产品无法生产（X5）；技术不成熟，新产品的质量与性能差（X6）；可替代新技术的出现（X7）；知识产权保护不力，因竞争者的模仿创新，企业很多失去技术优胜（X8）；对竞争对手及国外厂家技术创新的信息了解不足（X9）。②管理风险。调研不充分，市场信息失真，技术创新项目投入定位错误（X10）；项目可行性论证与风险决策机制不健全、不科学，主观意识太强（X11）；组织协调不力，部门配合不好，人力资源安排不合理（X12）；项目进度控制不力，计划不科学，管理控制手段和技术滞后（X13）；缺乏对不利因素与突发事件的充分认识与应急处理能力（X14）；企业对技术创新及风险重视不够，缺乏对员工创新意识的培养（X15）。③财务风险。项目的资金需要量大（X16）；融资渠道不畅（X17）；信贷资金来源困难（X18）；项目开发资金供应不及时（X19）；债务与汇率、利率的风险（X20）；新产品成本过高，赢利能力估计过高（X21）。④文化风险。与某国、某地的社会文化、习俗、宗教等相抵触（X22）；不利于技术创新保守的企业文化的抵触（X23）；企业的社会形象不好，信誉与知名度不高（X24）；企业对员工的创新精神与创新热情的企业文化的培养与鼓励（X25）。

（2）外部风险。各指标风险主要包含：①市场风险。消费者多样化、个性化需求与市场的多边性（X26）；原材料及零部件供应困难（X27）；市场定位不准，营销策略，营销组合失误（X28）；新产品由于性能、稳定性或消费者惯性等因素一时难以被市场接受（X29）；新产品成本、价格过高导致市场需求不旺或增长缓慢（X30）；竞争对手实力过强与进口产品的冲击（X31）；竞争者的不正当行为与模仿、侵权行为的存在（X32）；新产品寿命短或开拓的市场被更新的产品代替（X33）；新产品对企业现有产品的替代与冲击（X34）。②政策风险。全球与本国政局及经济形式的变化（X35）；国家产业等政策、法律、法规的调整（X36）；主管部门或相关部门的制约（X37）；国家贸易壁垒与部门、地方保护主义（X38）；无法获得差评、原辅材料、设备、技术的进出口许可（X39）；国家、地区发展规划的调整（X40）。③资源风险。区域企业过多，造成创新资源拥挤效应（X41）；区域自然资源不足（X42）。

评价指标由42个风险因素构成，每个风险都有代码。上述指标中，有定性指标，例管理、政策风险等指标；也有定量指标，如技术、财务等风险指标。笔者基于区域经济创新风险评价的实际需要，根据指标内在要求，查找相关资料并进行了专题调研，在福建省内选择了15家有代表性的高新技术企业，对这些区域性创新的相关信息进行了采集。并结合相关资料及理论方法，对收集到的创新风险评价指标值先进行了测算，随后进行了无量纲化和规范化处理。

（1）有量纲向无量纲的转化，转化公式如下：

（2）无量纲指标的处理，转化公式如下：

根据以上2个公式，可以把上面经过测算后的42个定性指标，首先进行一个无量纲的转化，得到一组数值；其次对这组无量纲的数值进行一个规范化定量处理，使它们的取值都落在（0，1）区间内，而后根据下面专家系统的评分标准（见表1），进行风险分析。

表1 各风险指标权重的评分标准

2 区域创新风险分析的BP方法应用实例

有关BP算法的介绍，目前诸多文献都有介绍，笔者就不再赘述了。仅对笔者的研究成果进行相应的介绍。

结合表1的评价指标，用BP算法进行预测分析（见图1）。

图1 BP神经网络结构

如图1所示，神经网络结构包括3层，分别是输入层、隐含层和输出层。输入层由输入向量X ＝（x1，x2，…，x42）T构成。本模型评价指标共有42个，因此神经元有42个；隐含层包含30个神经元，为单层；输出层只有1个神经元。首先对42个指标分别进行归一化处理，其次进行反向传播，而后借由函数f运算后（注：此函数具有Sig moid型激活特性），把Yj传播到zk（见图1）。

根据在福建省选取的15家有代表性的高新技术企业的资料，整理出15组评价的基本数据，其中8组作为训练集，7组作为测试集，利用MATLAB软件编程，最后得出输出结果如图2、图3所示。

图2表示的是样本训练步数和误差之间的关系。其中纵坐标表示训练目标误差值，横坐标代表训练步长。

总训练步长设置为100步，误差显示步长为0.005步，训练目标误差为10－3，即当训练目标误差满足期望误差范围之内时，才开始训练。从图2中可以看出，大约在4.5步长时，误差就已经达到了期望训练误差值。即从第4.5步开始，目标测试值的误差就控制在期望值之内了，可以开始训练了。

图3为训练结果网络输出值，即满足图2误差控制在期望值之内后，进行训练，纵坐标为区域创新风险值，横坐标为训练目标集。总共有15个目标集，其中8个为训练集，7个为测试集，最终训练结果与实际结果非常接近。

图2 样本训练步数误差曲线

图3 训练后的网络输出

笔者截取了内外部风险指标7个测试集的模拟结果与实际结果（见表2）。根据表2结果显示，不仅仿真结果与实际非常接近，而且全部训练样本与实际结果非常接近。这进一步证明了BP算法在区域创新风险评价中的适用性。但由于样本选取的局限性，不同行业的训练结果会有不同幅度的变化，但利用BP方法预测出来的结果和实际值都能较大幅度的符合，这也再次验证了此法在这个领域中运用的可行性。

表2 实际结果与BP神经网络训练结果

3 结 语

运用BP人工神经网络方法，在福建省选取了15家有代表性的高新技术企业，对其创新风险模型进行了仿真。研究结果表明，运用BP预测算法来研究区域创新风险是可行的。但相对别的方法来说，存在着以下优点：①结果更加客观有效。由于不需要人为确定权重，只需将数据（经过归一化处理的）输入到网络中，经过激活运算就有结果产生。②样本目标之间的关系无特别的限制。由于该方法是一种非线性映射方法，逼近复杂的非线性关系的能力非常强，因此对样本目标之间的关系无特别的要求。

综述所述，BP算法的神经网络不需要人为的确定权重，较适合处理复杂的非线性关系模型；虽然对样本质量和数量有较高质量的要求，但由于其具有很强的自学能力，对于一些无规律性或信息不全的环境，具有其他方法无可比拟的优势，因此运用该方法来研究区域创新风险是完全可行的。

［1］Emmett J.Vaughan，Risk Management［M］.New Yor k：John Wiley ＆Sons Inc，1997.

［2］Stephensa J C，Wilson E J，Peterson T R.Technological Forecasting and Social Change［J］.Geoforum，2008，75（8）：1224－1246.

［3］Mac Leod G.The learning region in an age of austerity：capitalizing on knowledge，entrepreneurialism，and reflexive capitalism［J］.Geof orum，2000，31（2）：219－236.

［4］Gina Colarelli O’Connor，T.Ravichandran，Daniel Robeson.Risk management t hrough lear ning：Management practices f or radical innovation success［J］.The Journal of High Technology Management Research，2008，19（1）：70－82.

［5］贾晓霞，周溪召 .区域创新系统外生结构性风险的识别及其解耦分析［J］.科学学与科学技术管理，2006（5）：70－74.

［6］陈红川 .高新技术企业技术创新风险管理策略研究［J］.科技管理研究，2008（8）：200－202.

［7］管书华，刘介明，李平丽 .技术创新风险分析的人工神经网络预测方法［J］.科技与管理，2003，22（6）：125－127.

［8］陈志超，向刚，倪彪，等 .基于系统动力学的创新型企业产品持续创新法风险动态分析［J］.科技进步与对策，2012（10）：81－86.