基于模糊c-均值聚类评价城市工业企业发展水平

刘家保，汪田田，包启鹏，刘一同，蒋 炎，李月洲

(1.安徽建筑大学，安徽 合肥 230601；2.海南师范大学，海南 海口 570100)

基于模糊c-均值聚类评价城市工业企业发展水平

刘家保1，汪田田1，包启鹏1，刘一同1，蒋 炎2，李月洲1

(1.安徽建筑大学，安徽 合肥 230601；2.海南师范大学，海南 海口 570100)

目的针对城市工业企业的能源消耗，建立数学模型对城市的产业结构及能源消费特征进行定量分析，并给出能源合理分配的建议。方法以C市为研究对象，通过建模竞赛组委会提供的真实数据，由产业结构等得出衡量工业企业发展水平的主要因素：员工数和单位GDP能耗。运用模糊c-均值聚类分析，将工业企业分成3大类，然后用3种贴近度函数判定样本均值的类别。结果最后得出C城市工业企业大多为人数少、能耗高的技术集中型产业。结论C市虽然有巨大的发展潜力，但没有顺应可持续发展战略，短时间内收益高，长此以往，不仅会损坏当地的经济和资源，还会产生劳动力过剩等社会问题。

工业企业发展水平；模糊C均值聚类；贴近度函数；MATLAB

0 引 言

根据国内外学者的研究文献，能源效率研究主要在于指标的选取和计算这两方面。一方面选取指标必然涉及能源效率的概念从而确定其决定因素，另一方面测算的方式不同得到的结果及其意义也可能不同。所以选取指标也就决定了计算方式。宏观上可将能源效率研究分为单要素能源效率研究和全要素能源效率研究。较早期的学者大多采用前者进行能源效率问题的分析，因此产生的分歧和争议较多。目前国内关于城市工业企业能源效率评价的研究主要是使用电子设计自动化(electronics design automation,EDA)的方法。

能源是国民经济的重要物质基础,是工业企业发展的动力，但是过度的能耗，不利于经济的可持续发展[1]。目前中国正处于经济转型的关键时期，经济的发展离不开能源，国家“十三五”发展规划中明确提出要控制能源的消耗。对工业企业而言，能源消耗对其产值、利税等有直接的影响[2]。能源的合理使用也与社会的稳定发展息息相关[3]。本文通过对C城市的产业结构及能源消费特征的定量分析，建立数学模型对C市的工业企业发展水平进行综合评价。为了分析该市的产业结构和能源消费特征，对其进行定量、赋予具体的值来比较。

1 模型的建立与求解

要评价C城市的工业企业发展水平，首先要抓住评价的重点：产业结构和能源消费特征分析[4]。

产业结构有许多的分类方法，如两大领域、两大部类分类法、三次产业分类法、资源密集程度分类法。前两种分类方法都将工业归为同一类：按两大领域、两大部类分类法，工业属于物质资料生产部门；按三次产业分类法，工业属于第二产业[5]。只有按资源密集程度分类才能反映出工业企业的产业结构[6]。通过观察相关数据得到企业的人数与这种分类方法有密切的联系，选取工业企业的人数Pe作为研究产业结构的重要指标。

在中国，能源消费特征主要体现在4个方面。第一，消费模式：数量大、品种多、质量好；第二，地区差异突出：山东最多、海南最少；第三，利用效率：弹性系数从大于1到小于1；第四，未来趋势：集约节约利用[7]。一般情况下，在工业化进程中，一个国家的单位GDP能耗会呈现出一种先快速上升然后缓慢下降的过程。由此可见，单位GDP能耗(产值能耗)是研究能源消费特征的主要参量。定义产值能耗的计算式为

其中，Eu(i)代表第i个企业的产值能耗，Ec(i)代表第i个企业的综合能耗，Pr为企业的现价产值。以企业人数Pe和单位GDP能耗Eu作为主要依据，利用模糊C均值聚类[8]对C城市的工业企业进行分类。模糊c-均值聚类的实现步骤如下：

(2)

其中，dik=‖xk-vi‖为第k个序列到第i类中心的欧式距离，N为样本数，C为聚类中心个数，u为隶属度，Uik为k个样本属于第i类的隶属度，V为聚类中心,Vi为第i类的聚类中心,m为系数,本文取m=2。

步骤2：令迭代步数l=0，按照如下公式计算聚类中心：

步骤3：再根据以下公式对U进行修正：

分类之后，利用3种不同的贴近度将企业人数和产值能耗的均值Pe、Eu作为样本进行判断，再根据最大隶属度原则确定其符合哪一种聚类中心。下面给出3种贴近度函数。

(1)海明贴近度[9]：

(2)欧几里得贴近度[10]：

(3)最大最小贴近度[11]：

表1 聚类结果和类别特点

表2 贴近度判别结果

其中“∨”、“∧”分别为取大、取小运算。首先，根据(1)式算出产值能耗Eu，将企业人数Pe和产值能耗作为X矩阵，利用模糊c-均值聚类[12]将其分为3类，见表1。

接着，算出企业人数和产值能耗的均值，并利用3种贴近度进行判断得到的结果(表2)。

由表2可知，3种贴近度的判断结果一致，均认为该城市的工业水平属于第1类，其主要特点是人数较少、耗能较高。

然后，统计出每种类别企业人数和产值能耗总数，并计算出其所占的比例(表3、图1)。

图1 分类统计比例

类别人数产值耗能总数所占比例(%)总数所占比例(%)175203E+07735042087E+058933212702E+07124146066E+04978314405E+07140842080E+03089总和10231E+081000047114E+0510000

2 结果分析

通过对不同类别的企业进行统计分析，结果表明，城市C的大部分工业企业已经发展到相对较高的阶段：对劳动力的使用较少，而对能源的消耗较大，属于技术密集型的高耗能企业。

3 结论与建议

从工业企业发展这一方面来看，该市具有无穷大的潜力，但并不能够顺应国家可持续发展政策，在短时间内可能会获得较高的收益，但长此以往，不仅会在经济、资源等方面缺失，还会出现劳动力过剩。在能源总量控制的前提下，对城市工业企业进行合理的能源分配，以提高能源利用效率和质量是十分重要的。由此提出以下几点建议[13]。

第一，实行企业转型。鼓励大企业进行企业转型，同时带动小企业一起加大对技术工作的要求，实行社会主义工业企业技术化改革。

第二，合理安排劳动力。本文认为合理安排该市的劳动力资源，应该进行其他产业劳动力分配，使各个行业的劳动力分配均匀，防止由于该市实行企业转型导致员工下岗失业。

第三，发展创新型产业。因为该城市的劳动力多，能源依赖过大，所以可适当引进外资，提高企业对外输出力和品牌影响力，同时加强企业的创新能力，使企业获得更多更环保的发展方式。

[1] 周德群，查冬兰，周鹏.中国能源效率研究[M].北京：科学出版社，2012.

[2] 袁菲菲.我国产业结构调整对能源消费影响的研究[D].济南：山东财经大学,2012.

[3] 赵燕敏.从能源消费角度看中国产业结构的调整[D].北京：复旦大学,2010.

[4] 王峰光.基于产业结构视角的湖南省经济增长与能源消费关系研究[D].衡阳：南华大学,2014.

[5] 莫山农.基于资本效率分析视角的产业结构调整探讨[J].湖南社会科学,2010(04):199-201.

[6] 赵燕敏.从能源消费角度看中国产业结构的调整[D].北京：复旦大学,2010.

[7] 杨昭.基于能源视角的产业结构调整[D].杭州：浙江大学,2008.

[8] 于洋.模糊聚类分析中模糊c-均值聚类计算方法研究[D].沈阳：沈阳工业大学,2009.

[9] 韩守杰,王玉雅.基于海明贴近度的城市供水方案模糊物元优选模型[J].水电能源科学,2016(08):161-164+203.

[10] 王建涛,顾立志,杜伟文,等.采用欧几里得贴近度的精密车削误差源模糊诊断方法[J].华侨大学学报(自然科学版),2014(04):367-372.

[11] 袁宏俊,杨桂元.基于最大-最小贴近度的最优组合预测模型[J].运筹与管理,2010(02):116-122+128.

[12] ASKARI S,MONTAZERIN N,ZARANDI M H F.Generalized possibilistic fuzzy c-means with novel cluster validity indices for clustering noisy data[J].Elsevier Science,2017(53):262-283.

[13] 刘璇.能源消费视角下北京市产业结构调整的政策建议[D].北京：首都经济贸易大学,2015.

[责任编辑：刘志媛英文编辑：刘彦哲]

EvaluationofUrbanIndustrialEnterprise’sDevelopmentLevelBasedonFuzzyC-MeansClustering

LIUJia-bao1,WANGTian-tian1，BAOQi-peng1，LIUYi-tong1,JIANGYan2,LIYue-zhou1

(1.Anhui Jianzhu University，Hefei,Anhui 230601, China;2.Hainan Normol University,Haikou,Hainan 570100,China)

ObjectiveAiming at the energy consumption of urban industrial enterprises,the mathematical model is established to quantitatively analyze the urban industrial structure and energy consumption characteristics and give the reasonable allocation of energy.MethodsBased on the C city as the research object and the real data provided by the organizing committee of the competition,the main factors measuring the development level of the industrial enterprises were obtained from the industrial structure. They were the number of employees and the energy consumption per unit of GDP.By using fuzzy c-means clustering analysis,industrial enterprises were divided into three categories,and then the three close-degree function was used to determine the sample mean category.ResultsThe C city industrial enterprises were mostly small-sized,high energy consumption and high-tech industries.ConclusionAlthough the city has a huge potential for development,it does not conform to the sustainable development strategy.They can bring high income in a short term,but in the long run,not only will they damage the local economy and resources,but also produce surplus labor and other social problems.

industrial enterprise’s development level;fuzzy c-means clustering;close-degree function;MATLAB

来稿日期：2016-11-16

刘家保(1982-)，男，安徽六安人，安徽建筑大学教师，博士。研究方向为复杂网络、国论及其应用。

TP 391

A

10.3969/j.issn.1673-1492.2017.11.010