报废汽车蓄电池逆向物流可行性评价——基于改进的模糊神经网络

课题组

（上海第二工业大学，上海市201209）

一、引言

随着国民经济水平的不断提高，消费者对汽车的需求量呈显著上升趋势，机动车行业的规模逐步扩大，到2016年底全国汽车保有量已达到1.94亿辆，同比增长13%。与此同时，大量的报废汽车也相伴而生。据统计，2016年我国汽车报废量达到600万辆，预计2020年将突破1 200万辆[1]，报废汽车面临的回收及废弃处理等问题也日益严重。而蓄电池作为其中的主要危废产品，所面临的回收渠道少、回收规范性差、循环利用率低、拆解处理污染大等问题也越发突出，并逐步引起政府及相关企业的重视。2017年国务院办公厅印发的《生产者责任延伸制度推行方案》中明确提出：“引导铅酸蓄电池生产企业建立产品全生命周期追溯系统，采取自主回收、联合回收或委托回收模式，通过生产企业自有销售渠道或专业企业在消费末端建立的网络回收铅酸蓄电池”。

由于报废汽车蓄电池回收逆向物流在发生时间、地点及数量上存在不确定性，且较为分散，对生产企业或回收企业而言面临着运营效率和经济效益低下的问题，对政府和公众而言存在着潜在的环境污染风险，因此，本文以逆向物流与全生命周期供应链管理的“第五利润源”[2]理论为基础，尝试运用改进的模糊神经网络法构建逆向物流可行性评价结构模型，引导企业做出合理的逆向物流运营决策，为政府出台相关的逆向物流政策提供参考依据，为绿色循环可持续发展提供支撑。

二、文献综述

从国内外文献来看，现有关于报废汽车逆向物流的研究主要包括绿色度评价、绩效评价、风险评价、能耗评价、可行性评价等几个方面，通过结合循环经济与全生命周期理论，从其经济、环境、社会等角度着手构建评价指标体系。张满江[3]、赵丽莉[4]、代应等[5]根据我国报废汽车的回收、拆解及处理现状，融入绿色物流理念，从绿色环保的角度对汽车逆向物流系统展开评价研究。徐剑力[6]、曾佑新等[1，7]则从供应链的角度对汽车逆向物流进行绩效评价，为企业经营管理状况提供精确衡量的标准。孙赵鑫[8]基于生命周期评价（LCA）及环境风险评价（ERA）方法，运用GaBi6软件，对电动汽车的环境影响及其转型进行了风险评价研究。李飞龙等[9]基于能耗计算模型和GREET软件，对汽车材料轻量化进行了能耗评价研究。周志刚[10]基于资源和环境经济学，对报废汽车以及废弃电器电子产品资源再利用的可行性进行分析评价。席（Xi L）[11]等基于强化特性，对报废汽车零部件的剩余强度及剩余寿命进行预测和评价。

蓄电池作为报废汽车中的主要危险电子废弃物之一，也逐步引起国内外研究者的重视。我国目前对蓄电池逆向物流研究主要集中在对蓄电池的现状、环境污染防治、回收体系、管理政策、资源化处理等方面。席暄等[12]认为，建立以物联网和逆向物流为载体的生产者责任延伸制是解决废旧蓄电池回收体系现存问题的重要战略保障。拜冰阳等[13]则对废旧蓄电池回收、利用管理问题进行分析并提出政策建议。国外对蓄电池逆向物流的研究则侧重于开展对混合动力汽车的电池评价，迈斯（Matheys）[14]针对混合动力汽车中不同类型的牵引电池进行生命周期评价，为政策制定者提供依据。伍德（Wood）等[15]通过对插电式混合动力电动汽车（PHEV）电池寿命末期条件进行调查，并对其技术经济性进行了评价。

目前已有的评价方法达百余种，如何从众多方法中选出一种或几种最适合报废汽车逆向物流可行性评价的方法显得尤为重要。对报废汽车蓄电池逆向物流进行评估时，由于逆向物流本身具有较大的不确定性及繁杂性，且评价指标本身存在抽象、模糊、难以量化等问题，使得对其进行科学、有效的评估变得更加复杂。丁志刚等[16]基于熵权法，从企业资质、产品服务、业务运营、环保低碳与合作能力5个角度对供应链战略合作伙伴进行评价与选择；陈可嘉[17]将灰色关联度引入TOPSIS方法建立基于组合权重确定的GI-TOPSIS评价方法；梁晨[18]基于复合系统协调度模型和广义回归神经网络方法进行评价；方曦[19]运用粗糙集理论对不确定环境下报废汽车逆向物流的绿色绩效进行评估；周琳等[20]运用文献分析法和层次分析法，对无居民海岛土地资源的旅游开发可行性评价指标体系及方法进行了探索；张爱萍等[21]基于修正的比例二元语义表示模型，对我国军工技术成果转化的可行性进行了评价；易路等[22]对北京市猪场太阳能主动供暖节能减排及经济可行性进行了评价研究。

在众多评价方法中，模糊综合评判法与BP神经网络法在评价中的应用最为广泛。瞿群臻等[23]通过引入碳排放、能耗、污染等因素，构建基于模糊综合评价法的低碳供应链管理评价模型。陶经辉等[24]采用模糊综合评判法对风险进行评价，并通过主成分分析法对评价指标进行降维处理以选择出主要风险因素。李敬明等[25]在前者的基础上，利用信息熵与层次分析法分别计算其客观与主观权重，并将二者进行拟合得出综合权重，以此建立基于改进的模糊综合评价法进行分析。罗积善[26]、宋健[27]结合层次分析法和模糊评价法，建立起模糊层次分析评价模型。陈大川等[28]通过建立三层次两阶段的模糊综合评估模型，从环境保护评估、结构损伤评估以及费用评估三个部分对单层工业厂房搬迁的可行性进行研究。在主观因素较多的评判中，模糊综合评价法可以很好地发挥其优势，但人的主观性影响较大，BP神经网络则具有高速的自学习性、良好的自适应能力及容错性[29]，在一定程度上与模糊综合评价法形成良好的互补性。目前常用的建立模糊神经网络的方法有两种：一是建立基于模糊模型的模糊BP网络；二是将传统的BP神经网络模糊化。吴冲等[30]选用最陡下降和最小二乘估计（LSE）结合的混合算法构建模糊神经网络对风险进行评估。席一凡等[31]运用神经网络确定模糊综合评价中的权重值，建立基于模糊神经网络的供应链绩效评价方法。唐（Tang）等[32]基于高木关野（Takagi-Sugeno）模糊推理的模糊神经网络，采用改进的最小二乘估计来优化参数，采用自适应学习算法来更新隶属函数和规则库。刘（Liu）等[33]采用多种群自适应遗传算法对神经网络进行优化，并将BP神经网络应用于模糊理论，对火灾应急预案中的隶属度和不确定性问题进行评估。由于BP神经网络的收敛速度较慢，且易陷入局部极值，许多学者采用粒子群算法（PSO）对BP神经网络中的梯度下降法进行优化。吴（Wu）等[34]采用PSO与BP神经网络混合的算法对参数进行优化，并证明有良好的收敛性能。任（Ren）等[35]则在此基础上融入了输入参数选择（IS），构建了IS-PSO-BP模型。张（Zhang）等[36]通过PSO优化BP神经元的初始权值和阈值，并与遗传算法相融合，提高了模型预测的准确性。

综上所述，已有文献对报废汽车蓄电池逆向物流的研究多集中于回收现状、回收体系、绩效评价、绿色度评价等角度，且以采用模糊或精确信息的单一视角构建评价模型居多。本文侧重于对企业现状下蓄电池逆向物流计划能否顺利实施进行可行性评估，导入模糊综合评价法与PSO优化的BP神经网络的融合，为从事蓄电池回收处理的企业在实践过程中需重点关注及防控的影响因素提供理论依据，并协助其管理者做出合理的决策，减少一定的盲目性及风险性，同时还可以为政府对回收拆解报废汽车企业进行补贴等政策提供一定的参考依据。

三、报废汽车蓄电池逆向物流可行性评价指标体系

风险识别是对报废汽车蓄电池逆向物流进行可行性评价研究和风险控制的基础，结合主动式逆向物流管理理论，以降低蓄电池逆向物流风险、提高蓄电池回收效率及利润率为核心，遵循“PPTSIR”原则[37]，即预测（Predict）、预防（Precaution）、跟踪（Track）、快速（Speed）、识别（Identify）、矫正（Recovery），通过对风险因素进行识别，构建报废汽车蓄电池逆向物流可行性评价指标体系。

张晓华等[38]从财务评价、风险评价以及社会评价三方面对企业投资项目的可行性进行评价研究。刘宽[39]通过对建立逆向物流运作模式影响因素进行定量分析，从外部社会环境和政府政策，以及内部企业经济、技术、管理等方面入手，建立了企业逆向物流可行性评价指标体系与模型。蓄电池在回收处理等过程中面临的风险很大程度上来源于经济、生态环境、社会等诸多因素的影响，由于产品在逆向物流过程中大部分因素难以完全被定量化，且指标难以获得翔实的历史数据，针对以上特点，借鉴国内外相关研究成果，参考相关资料，结合企业实地调研及个人经验，初步设计出以经济效益及社会效益为准则的17个指标层，再根据现阶段蓄电池逆向物流自身的特点，添加以生态环境效益为准则的11个指标层。运用专家问卷调查法，基于评价指标体系的科学性、系统性、层次性、国情性等构建原则，设计出以报废汽车蓄电池逆向物流可行性为目标层，以经济效益、生态环境效益、社会效益为准则层，以28个影响因素为指标层的可行性评价指标体系，具体参见表1。

本文所称的经济效益可行性是指由蓄电池回收成本、运输成本、仓储成本、加工处理成本、废弃处理成本等蓄电池逆向物流过程中所涉及的经济支出项对企业能否顺利实施蓄电池逆向物流带来的风险影响；生态环境效益可行性是指在蓄电池拆解处理过程中产生的废气、废水、固废，以及资源循环利用程度、无害化处理程度等环境因素对企业能否顺利实施蓄电池逆向物流带来的风险影响；社会效益可行性是指执法力度、消费者环保意识、企业形象以及绿色文化等社会效益对企业能否顺利实施蓄电池逆向物流带来的风险影响。经济效益、生态环境效益、社会效益三个准则层较为通用，且通过支配相应的指标层能更加综合、完善地反映出蓄电池逆向物流的可行性，同时受上级目标层支配。

表1 报废汽车蓄电池逆向物流可行性评价指标体系

四、报废汽车蓄电池逆向物流可行性评价结构模型

在蓄电池逆向物流可行性评价过程中，存在一些具有模糊性的主观因素，因此本文建立基于粒子群算法优化的模糊神经网络法，将模糊化的数据输入BP神经网络中，通过神经网络良好的自我学习能力提取模糊规则，利用粒子群算法对BP神经网络中的权值和阈值进行优化，使得模型同时能处理模糊信息与精确信息，并可改善BP神经网络算法容易陷入局部极值和数据过度拟合的现象。

报废汽车蓄电池逆向物流可行性评价模型构造如图1所示。

（一）模糊综合评价法

第一步：建立评价因素U={u1,u2,… },un集，n为准则层影响因素的个数，对第i层评价因素ui可以进一步划分为ui={ui1,ui2,… },uim，其中m为指标层影响因素的个数。

第二步：建立评价等级论域V={v1,v2,…,}vn。本文采用李克特五级量表将评价指标按其对电子废弃物逆向物流影响程度大小从“影响极小”到“影响极大”划分为五个等级，被调查人员根据实际情况对表1中的31个指标进行打分，并将模糊语句进行量化处理。

第三步：确立准则层评价指标的权重A=(a1,a2,a3) ，进行单因素评价。

第四步：建立模糊关系矩阵R即判断矩阵。逐个对被评价事物从每个因素上进行量化，其中，rij表示第i个评价因素对第j个评价等级的隶属度。

第五步：确立指标层评价指标的综合权重，进行二级评价。二级指标的综合权重ωij为准则层指标ui的权重ri与该准则层中相应的二级指标uij的权重rij之积，模糊算子采用M(·,⊕) 。

图1 报废汽车蓄电池逆向物流可行性评价结构模型

第六步：根据最大隶属度原则，对评价指标进行总体排序。

（二）基于粒子群算法优化的BP神经网络算法

用粒子群算法优化BP神经网络，主要是通过粒子群的迭代取代BP神经网络的梯度下降法。具体运算步骤如图2所示：

第一步：初始化BP神经网络各层神经元的个数、隐含层的层数、粒子的位置向量、速度向量的维数、粒子群的规模、学习因子c1和c2、惯性权重ω、每个粒子的速度、个体极值pbest和全局最优值gbest、适应度函数。

第二步：使用训练样本对每一粒子进行前向传播计算训练误差，然后根据适应度函数计算粒子的适应度。

第三步：根据各粒子的适应度值更新个体极值、全局最优值、各粒子速度及位置。

第四步：判断粒子群的适应度是否达到预设的误差标准或最大迭代次数。

（三）报废汽车蓄电池逆向物流可行性评价

通过对影响因素的重要程度及其权重进行评估，进行定性和定量分析，确定因素主次顺序。根据数学模型仿真结果判断不同等级状态，生成预警预报，并针对不同等级提出相应的控制策略。

1.可行性评估及警报判别

根据模糊神经网络运算的结果，结合最大隶属度原则，可直接得出各因素对实施蓄电池逆向物流的影响程度，由于本文构建的指标体系中包含积极与消极指标，此处做出区分，其中u101～u109、u201～u204为消极指标，其影响程度越大，企业实施蓄电池逆向物流的可行性越差；u205～u211、u301～u308为积极指标，其影响程度越大，企业实施蓄电池逆向物流的可行性越好（参见表2）。

2.可行性控制策略

图2 粒子群算法优化BP神经网络算法流程

（1）白色警报说明企业蓄电池逆向物流项目可行性很好，内外部各个环节运行环境良好，注意预防即可。

（2）蓝色警报说明企业蓄电池逆向物流项目可行性较好，内外部运行环境尚可，指标层中的个别环节可能存在信息异常等问题，需引起重视并进行有效分析，尽可能规避该指标造成的不良影响。

表2 可行性评估及警报判别

（3）黄色警报说明企业蓄电池逆向物流项目可行性一般，内外部运行环境中存在一定程度的风险，可能造成一定的损失，建议对高影响因子进行详细分析和诊断，采取预先制定的控制措施，防止和减少损失。

（4）橙色警报说明企业蓄电池逆向物流项目可行性较差，某些环节可能导致较为严重的损失，需引起管理者的高度重视，对该流程中的高影响因素进行详尽的分析，根据来源采取深度防御，以达到减少损失的目的。

（5）红色警报说明企业蓄电池逆向物流项目可行性很差，处于高度危机状态，意味着企业将可能承担巨大损失，企业管理人员需全面应对，详细分析其机理，找出危机的要害，采用针对性危机处理措施来控制损失。

五、实证研究

（一）数据收集

本文将改进的模糊神经网络法与调查问卷法相结合，以实际访问及网上填写问卷两种形式为主，调查对象主要是蓄电池、电子废弃物、汽车行业、逆向物流、逆向供应链、全生命周期等领域的专家学者，同时包含从事相关领域的企业部门经理及以上级别的专业人士。共发放问卷33份，实际回收33份，有效回收率100%。专家为各指标对企业实施报废汽车蓄电池逆向物流的影响程度打分情况如表3所示。

（二）数据信度效度分析

本文采用SPSS Statistics 25.0版本软件对该问卷进行信度及效度分析，其可靠性分析克隆巴哈α系数结果为0.932，该问卷可信度较好。

对预测试过程中认为有效的33份数据，分别从经济效益、生态环境效益、社会效益三个分量表进行了KMO检验和巴特利特球形检验，结果见表4、表5和表6，各项指标显示可以进行因子分析，该问卷的效度良好。

（三）基于模糊评价法的报废汽车蓄电池逆向物流可行性评价

1.评价因素集的确定

U={经济效益,生态环境效益,社会效益}

表3 专家对各项指标影响程度的评分汇总

表4 经济效益的KMO和Bartlett检验

表5 生态环境效益的KMO和Bartlett检验

表6 社会效益的KMO和Bartlett检验

u1={环保设备使用成本，信息成本，回收成本，运输成本，仓储成本，加工处理成本，废弃处理成本，再销售成本，服务成本}，u2、u3以此类推。具体参见表7。

2.评价等级论域的确定

3.建立二级指标的评判矩阵

表7 可行性评价体系各指标权重及组合权重

4.二级评判指标权重的确定

uij表示对该指标33份有效问卷的得分之和，表示所有指标33份有效问卷的得分总和。

5.二级指标模糊综合评价结果

B1=[0.358,0.421,0.187,0.025,0.009]

B2=[0.288,0.504,0.157,0.052,0.000]

B3=[0.348,0.476,0.132,0.018,0.026]

6.一级指标模糊综合评价结果

以此类推，一级指标的模糊综合评价结果为：

B=[0.455,0.364,0.152,0.020,0.010]

7.可行性判断

根据最大隶属度原则可判断，企业实施报废汽车蓄电池逆向物流受经济效益、生态环境效益、社会效益的影响均较大，其中受生态环境效益影响最大，社会效益次之，经济效益最小。其中，经济效益均为消极指标，发出橙色警报，可行性较差；社会效益均为积极指标，发出蓝色警报，可行性较好；生态环境效益中有4个消极指标，其余均为积极指标，故总体确定为积极指标，发出蓝色警报，可行性较好，但具体情况仍需进行三级指标模糊综合评价以确认生态环境中各影响因素的可行性，此处不再赘述。根据模糊综合一级指标评价结果，总体认为企业实施蓄电池逆向物流的可行性极好。

（四）模糊神经网络自我学习

通过C语言对基于PSO优化的模糊神经网络算法进行编程，并于MATLAB R2018a版本上运行进行仿真模拟。

本文以经济效益的9个指标层的隶属度矩阵R1作为训练样本的输入，以其评价结果B1作为训练样本的输出，从生态环境效益的隶属度矩阵R2中抽取9个指标层作为验证样本的输入，对神经网络进行训练，训练完成后通过检查神经网络输出的模拟评价目标值和实际评价目标值之间的误差，可以检验蓄电池逆向物流风险评价模型的科学性和有效性，运算结果如表8所示。

从表8可知，根据最大隶属度原则，模糊神经网络运算的仿真结果表明，生态环境效益对报废汽车蓄电池逆向物流的影响程度评价为“影响较大”，与模糊综合评价法的结论一致，且二者运算误差较小、精度较高，证明该模型具有良好的评判性、自学习性、自适应性及稳健性，可实现对其他具有类似特征的电子废弃物拆解企业可行性的智能化评价。

六、结论

报废汽车蓄电池逆向物流的可行性研究较为复杂，需要从各个方面对影响该项目可行性的诸多因素进行全面系统的分析论证。首先，以逆向物流风险控制、“第五利润源”等理论为基础，以经济效益、社会效益、生态环境效益为评价准则，构建报废汽车蓄电池逆向物流可行性评价指标体系。其次，采用模糊综合评价与PSO优化的BP神经网络结合的改进模糊神经网络方法，构建报废汽车蓄电池逆向物流可行性评价结构模型，一方面改善了BP神经网络算法容易陷入局部极值及数据过度拟合的缺陷，另一方面模型具有一定的自适应及自学习能力，网络训练完善后可广泛运用于对其他具有相似特征企业的可行性评价，具有一定的稳健性。最后，以专家调研数据进行实证研究，通过区分积极指标和消极指标，结合最大隶属度原则，根据影响程度判断蓄电池逆向物流可行性大小，按照等级状态生成预警警报，并针对不同等级提出相应的控制策略，引导企业做出合理的逆向物流运营决策，为政府出台相关的逆向物流政策提供参考依据，为绿色循环可持续发展提供支撑。

表8 模糊神经网络与模糊综合评价结果对比分析

本文建立的评价指标体系以及评价结构模型难免有所缺陷，今后可进一步对此不断优化和完善。报废汽车蓄电池逆向物流回收体系中所涉及的参与主体间各方的利益分配、合作协调机制等问题也可作为今后的研究方向。

＊特别感谢课题组主要成员上海第二工业大学研究生张骞在模糊神经网络模型构建以及实证研究分析方面所做的工作。

[1]曾佑新，王斌，陈凡.基于GA-BP的报废汽车企业逆向物流绩效评价研究[J].青岛科技大学学报（社会科学版），2017，33（2）：13-19.

[2]郝皓，王治国，林慧丹，等.第五利润源：我国逆向物流的商业价值及模式[J].物流技术，2017（8）：47-50.

[3]张满江.基于绿色度的汽车逆向物流绩效评价研究[D].西安：长安大学，2011.

[4]赵丽莉.汽车逆向物流体系及其绿色度评价研究[D].成都：西南交通大学，2007.

[5]代应，蒋长兵.汽车逆向物流系统绿色度评价研究[J].计算机工程与应用，2009，45（35）：220-222.

[6]徐剑力.报废汽车逆向物流绩效模糊综合评价分析[J].汽车工业研究，2009（6）：26-28.

[7]曾佑新，王斌.基于绿色供应链的报废汽车企业绩效评价研究[J].工业技术经济，2017，36（4）：98-106.

[8]孙赵鑫.基于生命周期分析的电动汽车环境影响及其转型风险评价方法研究[D].北京：中国科学院大学，2015.

[9]李飞龙，郭孔辉，杨沿平，等.基于GREET模型的汽车材料轻量化能耗评价研究[J].中国机械工程，2013，24（5）：681-685.

[10]周志刚.WR公司报废汽车及废弃电器电子产品处理与资源化利用工程项目建设可行性研究[D].湘潭：湘潭大学，2011.

[11]XI L，YU W，LI S.Assessment of the reused components of an end-of-life vehicle based on strengthening characteris⁃tic[J].Journal of computational&theoretical nanoscience，2011，4（4）：1643-1647.

[12]席暄，安克杰，陈志雪.基于物联网的废铅蓄电池逆向物流回收体系的建立[J].蓄电池，2017，54（2）：55-59.

[13]拜冰阳，李艳萍，扈学文，等.关于废铅蓄电池回收、利用的管理问题分析和政策建议[J].环境保护，2015，43（24）：65-69.

[14]MATHEYS J.Life-cycle assessment of batteries in the con⁃text of the EU directive on end-of-life vehicles[J].Interna⁃tional journal of vehicle design，2008，46（2）：189-203.

[15]WOOD E，ALEXANDER M，BRADLEY T H.Investigation of battery end-of-life conditions for plug-in hybrid electric vehicles[J].Journal of power sources，2011，196（11）：5 147-5 154.

[16]丁志刚，徐琪.低碳供应链战略合作伙伴的评价与选择[J].中国流通经济，2013，27（7）：102-106.

[17]陈可嘉.GI-TOPSIS方法在逆向物流供应商选择中的应用[J].中国流通经济，2014，28（3）：39-48.

[18]梁晨.CSCD-GRNN模型在城市配送资源整合水平评价中的应用——以北京市为例[J].中国流通经济，2016，30（11）：33-41.

[19]方曦.不确定环境下报废汽车逆向物流绿色绩效评估[J].中国商论，2012（6）：154-155.

[20]周琳，吴克宁.无居民海岛旅游开发可行性评价[J].资源与产业，2006，8（3）：61-64.

[21]张爱萍，彭张林.军工技术成果转化可行性评价：基于修正的比例二元语义表示模型[J].中国管理科学，2016（s1）：29-37.

[22]易路，吴中红，刘继军，等.北京市猪场太阳能主动供暖节能减排及经济可行性评价[J].家畜生态学报，2017，38（10）：71-79.

[23]瞿群臻，王明新.低碳供应链管理绩效评价模型的构建[J].中国流通经济，2012，26（3）：39-44.

[24]陶经辉，王丹.物流园区转型升级风险评价及对策[J].运筹与管理，2017，26（3）：157-164.

[25]李敬明，阮素梅，刘奎户.基于改进模糊综合评价法的小微企业金融风险分析模型研究[J].运筹与管理，2015，24（6）：217-224.

[26]罗积善.汽车闭环供应链整体绩效评价研究——基于层次分析法和模糊综合评价法[D].南京：南京农业大学，2013.

[27]宋健.基于模糊层次分析法的电子商务风险评价[J].中国流通经济，2011，25（7）：107-110.

[28]陈大川，周一帆，颜胜蓝，等.基于模糊评价的单层工业厂房搬迁可行性研究[J].建筑科学与工程学报，2016，33（1）：38-45.

[29]朱庆锋，徐中平，王力.基于模糊综合评价法和BP神经网络法的企业控制活动评价及比较分析[J].管理评论，2013，25（8）：113-123.

[30]吴冲，张晓东，田海霞，等.基于模糊神经网络的商业银行信用风险评估模型研究[J].系统工程理论与实践，2004，24（11）：1-8.

[31]席一凡，王超，聂兴信.基于模糊神经网络的供应链绩效评价方法研究[J].情报杂志，2007，26（9）：77-79.

[32]TANG J，LIU F，ZHANG W，et al.Lane-changes predic⁃tion based on adaptive fuzzy neural network[J].Expert sys⁃tems with applications，2018，91.

[33]LIU T，LI X Q，WANG Y L，et al.Assessment of artillery fire application plan based on improved fuzzy BP neural network[J].Command control&simulation，2017.

[34]WU D，GAO H.A BP and switching PSO based optimiza⁃tion approach for engine optimization[J].National academy science letters，2016，40（1）：1-5.

[35]REN C，AN N，WANG J，et al.Optimal parameters selec⁃tion for BP neural network based on particle swarm optimi⁃zation：A case study of wind speed forecasting[J].Knowl⁃edge-based systems，2014，56（3）：226-239.

[36]ZHANG E，HOU L，SHEN C，et al.Sound quality predic⁃tion of vehicle interior noise and mathematical modeling us⁃ing a back propagation neural network（BPNN）based on particle swarm optimization（PSO）[J].Measurement sci⁃ence&technology，2016，27（1）：015801.

[37]郝皓，黄敏，李培鸿，等.基于产品风险控制的主动式逆向物流运作模型RLOM[J].物流技术，2015（9）：9-11.

[38]张晓华，井超.企业投资项目的可行性评价[J].机械管理开发，2008，23（6）：139-140.

[39]刘宽.煤炭企业实施逆向物流可行性评价与运作模式选择[D].青岛：山东科技大学，2014.