遗传神经网络在煤炭企业物资分类中的应用*

刘　蕾， 卢建军， 卫　晨， 刘志鹏

(1.西安邮电大学 通信与信息工程学院,陕西 西安 710121;2.西安邮电大学 经济与管理学院,陕西 西安 710121)



遗传神经网络在煤炭企业物资分类中的应用*

刘蕾1， 卢建军1， 卫晨2， 刘志鹏2

(1.西安邮电大学 通信与信息工程学院,陕西 西安 710121;2.西安邮电大学 经济与管理学院,陕西 西安 710121)

在快速变化的市场和越发剧烈的行业竞争中，煤炭企业原有人工物资分类方法暴露出越来越多的缺陷。以供求度、价值度以及供应效率三个指标为输入提出了基于遗传优化的BP神经网络的分类方法，对企业物资分类管理策略进行了优化研究。通过Matlab仿真，验证了该模型的科学性与准确性。

煤炭企业； 物资分类； 遗传算法； 神经网络

0　引　言

煤炭行业作为典型的劳动密集型生产行业有着大多数第二产业企业对物资需求的共性，这些企业所管理的物资一般具有数量大、种类多、重要性各异、供应效率不同的特点。而物资管理直接影响到煤炭企业的生产安全与资金占用及去库存压力的众多方面[1]。煤炭企业按照生产活动对不同物资的依赖程度，对种类繁多的物资进行科学分级分类对企业管理十分重要。当下我国煤炭企业常见的物资分类方式有用途分类法、物资属性分类法、ABC分类法及其他统计学方法[2，3]。

本文提出了一种基于遗传神经组合网络的改进煤炭企业物资分类预测的算法。提高了煤炭企业在物资管理中的智能化水平与科学性。

1　遗传神经网络的基本原理和方法

1.1神经网络

反向传播(BP)神经网络是目前应用十分有效的网络模型之一[4]，其基本思想是对输入进行正向传播，对求得误差反向传播用以修正网络权值，并通过梯度下降法反复训练使网络误差符合要求。一个典型的N输入L输出M个中间层的BP神经网络的结构如图1所示。

图1　BP神经网络基本结构Fig 1　Basic structure of BP neural network

数学模型是求解如下函数的最优解

(1)

式中阈值包含于权值矩阵中，x与o矩阵分别为输入与输出，y矩阵为中间层输出，d矩阵为教师信号，w与v矩阵为各层权值，f(x)为转移函数。

BP神经网络缺点：1)梯度下降法的实质是一种单点搜索算法，易形成局部极小值而得不到全局最优解；2)网络参数初始值是随机分配的，而网络对初始值敏感，结果存在随机性；3)收敛速度慢并且训练次数过多。

1.2遗传算法

遗传算法(geneticalgorithm,GA)对于不同问题，设计不同的编码方法，来表示问题的解，不同编码方式与不同的遗传算子就构成了各种不同的GA。基本GA选定算子与编码方式及适应度函数初始化参数，随机产生初代群体，计算种群个体适应度，执行选择交叉变异产生新一代种群并计算适应度，当结束条件未满足时,重复遗传操作;结束条件满足或达到极限进化代数时,停止。

1.3遗传神经网络

GA是全局搜索算法，具有良好的全局搜索能力，BP神经网络具较强的局部搜索能力且可以进行学习。结合这两种网络的特点，充分发挥二者优势，使网络既有全局搜索能力又不失局部搜索能力，并且继承了神经网络良好的鲁棒性[5]。

采用GA优化神经网络的实质是将网络训练分为两个步骤，先用GA优化网络的初始权值，把经过优化的初始权值赋予神经网络后,再进行BP算法训练得到最终的网络。基本流程：

1)将BP网络的初始权值与阈值按照一定的顺序连接起来产生若干数目的染色体；

2)选用均方误差函数的倒数作为适应度函数，计算每个染色体的适应度；

3)执行选择、交叉、变异过程产生新的个体再计算适应度；

4)判断是否符合结束标准或到达指定进化代数，否则,返回步骤(3),继续执行；

5)结束遗传算法，比较种群选择最佳个体；

6)解码最佳个体作为BP网络初始权值；

7)通过BP算法训练得到最终网络。

2　物资分类建模

本文以当前我国煤炭企业普遍的物资管理状况为基础，使用供求度、价值度、供求效率三个重要属性为输入，建立遗传神经网络进行学习训练。实际中各企业可以选取其关注的属性作为输入。

2.1供求度

供求度指标代表着煤炭企业物资物流中心和位于各地的各个物资仓库的物资供应能力，反映了物资能否及时供应到生产企业。某物资供求度指标过大提示企业应采购更多该物资以维持生产，该指标较小时说明此物质需求不紧张,即

(2)

式中dk为第k月所需生产物资；sk为k月库存物资；n为共采集月份数。

2.2价值度

此项指标具体体现了某项煤炭企业生产所需物资的价值高低，指标高低正比于物资的价值，指标越高说明物质价值越大，低指标物资相对廉价，企业应重视占用较高资金的高指标物资的管理

P=v/k

(3)

式中v为某项物资占用资金总额；k为其数量。

2.3供应效率

此项指标反映了煤炭企业物资中心及各个仓库能否及时供应某项物资，当某项物资不能及时供应到生产企业时，有影响正常生产的风险，企业应加强此类物资的关注程度

(4)

式中bn为第n个月订购此类物资的日期，an为第n个月的物资的到货日期。

3　遗传神经网络模型建立

3.1数据采集

本文将某煤炭企业采集到的40种生产所需物资数据分为2组分别作为训练样本和测试样本，提取计算出每项物资的属性作为网络输入，并将物资通过专家评估，划分为4种重要等级，从1级到4级，等级数字越小代表该类物资对生产影响越大[6]，该项物质越重要。将专家划分的等级作为学习信号用以训练网络。

表1　样本数据

3.2遗传神经网络的建立

4　结果与分析

使用Matlab软件进行仿真，将30种物资数据作为训练样本，10种作为测试样本分别对简单BP神经网络和遗传优化GA—BP神经网络进行学习训练并比较预测结果。基本BP神经网络预测结果如图2所示。

图2　BP神经网络预测结果Fig 2　Prediction results of BP neural network

遗传优化神经网络预测结果如图3所示。

图3　GA—BP遗传神经网络预测结果Fig 3　Prediction results of GA—BP genetic neural network

由两图比较可知：遗传神经网络相比传统BP网络具有较高的准确性与可靠性。GA—BP学习算法能对解空间进行多点遗传优选，得到初试优化权值后再按BP梯度下降法方向搜索，既可以跳过传统前馈网络中局部最小点的陷阱，又能避免GA后期类似随机的穷举过程，提高了网络收敛速度，在达到相同误差范围时，遗传神经网络收敛更快，GA—BP算法较传统BP算法预测结果正确率明显提高，网络性能有很大提升。

将两种网络预测结果得到的均方误差(meansquareerror,MSE)、均方根误差(rootmeansquareerror,RMSE)及平均绝对误差(meanabsoluteerror,MAE)进行比较，对比结果如表2所示。

表2　误差比较

从表中可以看出，在使用遗传神经网络之后，网络预测误差有明显下降。

5　结　论

煤炭企业属于重资产行业，生产物资占用企业大量资金，库存过少将影响生产，物资过多影响企业资金周转，企业运营管理的技术和方法在当下显得尤为重要。如何高效管理生产物资是其关键。本文使用GA—BP遗传神经网络对企业物资管理进行优化，对比传统神经网络在效率和准确度上都有更好的表现。利于煤炭企业在营运管理中做出更好的计划。

[1]王文良.煤炭企业生态竞争力评价及实证研究[D].北京:中国地质大学,2013:29-30.

[2]徐佳.钢铁集团生产物资供应管理系统研究及应用[D].大连:大连理工大学，2008:9-10.

[3]郭海湘,杨娟.基于改进的ABC模糊分类法煤矿物资分类[J].辽宁工程技术大学学报：自然科学版,2010,29(5):2-3.

[4]丛爽.面向Matlab工具箱的神经网络理论与应用[M].合肥:中国科学技术大学出版社,2009:29-30.

[5]王崇骏,于汶滌.一种基于遗传算法的BP神经网络算法及其应用[J].南京大学学报:自然科学版,2003,39(5):461-462.

[6]韩赛,卢建军,卫晨,等.基于概率神经网络的煤炭企业物资分类方法研究[J].工矿自动化,2014,40(4):28-41.

卫晨，通讯作者,E—mail:342607544@qq.com。

Application of genetic neural network in material classification of coal enterprise*

LIU Lei1， LU Jian-jun1， WEI Chen2， LIU Zhi-peng2

(1.School of Communication and Information Engineering,Xi’an University of Posts and Telecommunications,Xi’an 710121,China;2.School of Economics and Management,Xi’an University of Posts and Telecommunications,Xi’an 710121,China)

The competition of coal enterprise is more and more intense in a rapidly changing market.The old manually material classification method of this industry exposes an increasing number of defects.The classification method of BP neural network based on genetic optimization is proposed based on three indexes of degree of supply and demand,value degree and supply efficiency.The scientific and accuracy of the model is verified by Matlab simulation.

coal enterprise; material classification; genetic algorithm; neural network

2015—11—04

西安邮电大学青年教师科研基金资助项目(ZL2014—49)

TP 183

A

1000—9787(2016)08—0155—03

刘蕾(1989-)，男，陕西西安人，硕士研究生，研究方向为物联网技术与应用。

DOI:10.13873/J.1000—9787(2016)08—0155—03