福建省纺织业可持续发展预警研究*——基于遗传算法—支持向量机模型

■ 孟小璐 张宁 高大伟

1.福州外语外贸学院理工学院 福州 350202

2.中原工学院信息商务学院 郑州 450002

3.郑州轻工业大学经济与管理学院 郑州 450002

0 引言

纺织业作为福建国民经济的传统支柱产业，在满足人民物质文化需求、促进经济增长、扩大社会就业、实现国际贸易收支平衡、解决三农问题、维护社会稳定等方面发挥着举足轻重的作用。随着社会进步，科技发展，福建省纺织产业在经济效益和核心竞争力方面都得到明显的提升。据统计，从2000年到2017年，福建省纺织业的总产值增长了23.7%，截止2017年底，总产值达到2889亿元，仅此于浙江、江苏、广东、山东之后，位居全国第5。同时在技术创新、产业规模、行业结构、产能水平、产业集群分布等方面都发生了根本性的变化。

根据福建省发展和改革委员会发布的《建设现代产业体系培育千亿产业集群推进计划（2018～2020年）》，泉州、福州、蒲田等纺织产业集群将成为福建未来重点培育和发展的产业集群。除此之外，伴随着经济结构体制的改革优化、国际贸易的深入合作、科学技术的发展、创新能力的提升、生态文明建设力度加大等一系列举措，为福建省纺织行业创造了很多发展机会。但是，在面临机遇的同时也面临着挑战，原料价格高、能源消耗大、污染治理成本高、国际市场竞争激烈、技术更新等问题，也将为纺织行业的发展，平添多重不确定的发展风险。刘远芳（2017）[1]指出福建传统纺织业与现有的高新技术产业相比，低成本优势已不明显，产品缺乏创新，产业发展面临危机。姚炯辉（2019）[2]和程朋朋等（2016）[3]也指出信息技术的发展对福建省纺织业影响重大，要加强产业竞争力，需要加快产业创新。所以，创新对于纺织业来说是非常重要的，也是促进产业转型升级的关键因素。但是，作为传统制造产业，在创新、转型升级的过程中必然会面临着诸多的不确定性，如何让产业在这种情况下还能持续稳定发展，提升发展能力，预警就变得非常重要。通过产业警情预测，监控在发展过程中可能会遇到的影响，为产业相关部门和企业及时制定应对策略提供科学依据，也为产业朝着更有利于经济、社会和环境发展指引方向。

1 研究现状

社会发展，影响产业发展的因素越来越多，也受到众多学者的关注。Fujii等（2013）[4]探讨日本制造企业环境绩效与经济绩效之关系对企业可持续发展的影响。潘苏楠等（2019）[5]基于创新生态系统视角，构建新能源汽车产业创新生态系统的理论模型，对新能源汽车产业可持续发展水平进行测度，并构建障碍度模型分析我国新能源汽车产业可持续发展的关键制约因素。吴翟（2018）[6]分析纺织业生产经营模式、创新能力、劳动成本等方面对纺织业的发展影响。段文平（2010）[7]分析了影响纺织业可持续发展的基础性因素、动力性因素、主导性因素和决定性因素。陈李红等（2018）[8]从产业发展基础、产业协调能力和产业可持续性3 个方面构建了纺织服装产业可持续发展指标体系，通过网络层次分析法研究各项指标对产业发展的影响程度。Hong Zhao 等（2017）[9]建立了基于经济效益、生态效益和社会效益的评价模型，并运用层次分析法和数据包络分析法对纺织业可持续发展进行实证研究。

另外，对于产业预警研究方面：李雪萍（2019）[10]从产业竞争情报角度，探讨中国航空制造业面临的潜在危机，并对中国航空产业发展提出预警。Yang Xiuping 等（2013）[11]利用灰色神经网络构建旅游可持续性发展预警系统。张在旭和刘帅帅（2019）[12]基于石化产业产能利用状况的分析，构建了预警指标评价体系，并利用二元Logit 预警模型进行实证分析。刘春涛和刘馨阳（2019）[13]建立沈阳市旅游产业监测预警系统，解析旅游产业运行状态，预测旅游业发展态势。张鸾等（2020）[14]结合警兆信号法与人工神经网络，构建预警系统模型，利用预警模型预测中国输美光伏产品贸易摩擦警情。

图1 纺织业可持续发展与各因素的关系图

从学者们的研究可知，对于制造产业可持续发展的研究主要是关于相关因素如何影响产业的发展，而对产业未来发展预测较少，特别是预警研究方面。对于处在转型升级阶段的传统制造产业来说，面临着更多的不确定，要让产业在快速发展的社会中持续稳定发展，预警是非常重要的。因为预警研究有助于可持续发展计划的制定、可持续发展战略的实施、可持续发展进程的监控以及为科学决策和有效管理提供依据[15]；同时，也为产业朝着更有利于经济、社会和环境发展指引方向，为产业转变发展思路和发展模式提供借鉴。所以，本文主要是对福建省纺织业的可持续发展能力进行预警研究，通过建立可持续发展指标体系和预警模型，预测产业警情，发现警报，为产业相关人员提供有价值的信息，帮助他们及早采取措施应对。

2 纺织业可持续发展指标体系的构建

2.1 纺织业可持续发展的因素分析

可持续发展理论主要涵盖了社会学、经济学、系统学和生态学这个4 个方向[2]，强调了整体与局部、结构和功能、公平与效率等各方面的协调统一。可持续发展是一种注重长远发展的增长模式。企业想要持续性发展，就要全面深入的审视所处的环境，不管是经济环境，还是社会环境、生态环境，都要充分认识环境与自身之间的关系。因为企业在发展过程中，企业和其所处的环境之间存在相互供应的关系，环境为企业提供所需的资源，企业将资源转化成产品或服务，输送给环境消费。

经济的发展，可以提高人民的生活水平和消费水平，对于纺织业的可持续发展具有较大的推动作用。创新驱动产业的形成和发展，技术创新和人才创新有助于提升产业可持续发展竞争力。如何有效利用各项资源，如能源、水资源、土地资源、化纤原料等，提升资源的利用率，也是促进纺织业可持续发展的关键。同时，在可持续发展的进程中，社会环境和生态环境的稳定是产业可持续发展的有效保障。所以，经济、技术、资源和环境都会对产业的可持续发展产生一定的影响。图1为各因素对纺织业可持续发展的影响。

表1 纺织业可持续发展指标体系

2.2 建立纺织业可持续发展指标体系

基于可持续发展的内涵、纺织业可持续发展的因素分析及相关学者的研究[7,9,16-19]，将从经济发展水平、资源供应能力、科技投入力度和与社会、环境协调能力4个方面来建立指标体系。并遵循客观性、系统性、科学性、稳定性、可操作性等原则，选取具有代表性、可量化的指标进行构建体系。如表1。

3 可持续发展预警模型构建

3.1 数据无量纲化处理

鉴于纺织业可持续发展指标间量纲、属性和数量级别的不同，将对指标数据进行标准化处理，使得处理后的数据都在[0,1]区间。

如果指标为正向指标，即指标值越大对产业的可持续发展越有利，用以下方法处理：

如果指标为逆向指标，即指标值越小对产业的可持续发展越有利，用以下方法处理：

式中，xi¢j是指标处理后的数值，xij是指标的实际值。

3.2 可持续发展指标权重的确定

指标权重的确定是计算可持续发展度、获知纺织业可持续发展情况的关键，借助于灰关联度分析法（Grey Relational Analysis，GRA），对与纺织业可持续发展关联比较紧密的指标，赋予较大的权重；对关联不是很紧密的指标，赋予较小的权重。GRA的计算步骤如下：

第一步，确定参考序列和比较序列。

设参考序列y={y(j)|j= 1,2,...,m}，

比较序列xi={xi(j)|j= 1,2,...,m}，(i= 1,2,...,n)；

第二步，计算灰色关联系数δi(k)：

其中，ρ为分辨系数，一般取值为0.5[20]，主要是影响灰关联系数的分布。

第三步，计算关联度γi：

第四步，计算各指标权重wi：

3.3 基于GA-SVM预警模型构建

SVM 是由Vapnik[21]在1955年提出的一种机器学习方法，它的基本原理是：从输入到输出空间过程中找到1个非线性映射ϕ，通过它将训练样本集(xi,yi)（其中i=1,...,n；输入变量xi∈Rn；输出值yi∈R）映射到高维特征空间F，并在特征空间中用函数（6）进行线性回归，即

为了获取模型的拟合误差，设损失函数为：

其中ε为损失函数的不敏感系数。

然后，进行回归训练，寻找使损失函数达到最小的函数，则该函数可作为SVM 的回归方程，并获得最优w和b。即

其中，松弛变量ξi≥0和ξ*i≥0，C是惩罚因子。

引入Lagrange 函数，根据鞍点定理的逆定理，得到式（8）最优化问题的对偶形式：

其中，ai,a*i是样本点xi的拉格朗日乘子，也是公式（8）最优解。所以原问题的最优权重w*和b*分别为：

于是，计算得到回归函数为：

式（12）中ai、a*i对应的输入样本就是模型所要找的支持向量。

非线性SVM 回归是在线性回归的基础上加入了核函数k(xi,x)，利用核函数进行内积运算。则公式（9）变为：

然后，根据公式（14）和公式（15）计算最优权重w*和b*

式（15）中，xr和xs为任意向量，均满足不同的约束条件。于是，得到回归函数为：

除此之外，SVM 预测时间序列的性能对损失函数的系数、惩罚因子等参数的选择非常敏感，所以为了降低影响，利用GA 对SVM 进行参数优化。遗传方法是一种模拟生物进化的智能优化算法，具有广泛适用性、稳定性、全局最优性等优点，对提高预警模型的训练、检验和预测精度有很大帮助。

4 纺织业可持续发展预警研究

4.1 确定指标权重

将收集的2000～2017年指标数据进行无量纲化处理。数据均来源于的《福建统计年鉴》、《中国纺织工业年鉴》、《福建经济普查年鉴》、《中国科技统计年鉴》。然后基于灰关联分析法，选择纺织业主营业收入指标数据为参考序列，因为收入情况如何是决定企业是否持续经营的首要考虑因素。计算各比较序列指标与参考指标之间的关联度和权重，结果如表2：

表2 指标的关联度和权重

表3 纺织业可持续发展警限和警度的划分

表4 2000～2017年纺织业可持续发展情况

从表2可知，总产值、增加值、利税总额、纱产量、布产量、职工平均工资这6个指标的关联度较大，均在90%以上。其中，属于经济发展水平方面的指标占了3个，且经济发展水平中与可持续发展关联最小的指标，关联度为78.22%，都超过了其他因素中关联最小的指标，其他因素中关联最小的指标的关联度均在50%以下。所以，从总体上看，经济发展水平相关指标与纺织业可持续发展的关系最密切，对产业的可持续发展影响较大，其次是资源供应能力、科技发展投入力度和与社会、环境协调发展能力。

4.2 确定预警模型的警限和警度

警限和警度的确定是可持续发展预警研究关键，反映了警情危机程度，产业可持续发展能力的强弱。一般，警限确定和警度划分的方法有系统化法、对比判断法、专家确定法、综合评价法等[14]。本文将可持续发展能力分为五个级别：弱可持续发展能力、较弱可持续发展能力、一般可持续发展能力、较强可持续发展能力和强可持续发展能力，并分别以红灯、橙灯、黄灯、绿灯、蓝灯为预警信号。由于数据均已标准化，所以警限也在[0,1]区间进行划分，如表3所示。

图2 2000～2017年的可持续发展度

基于表2得到的各指标权重，根据公式（17）计算各年的可持续发展度sj，得到每年可持续发展警情，如下表4和图2。从中发现2005年开始，福建省纺织业的可持续发展能力逐步增强，呈上升趋势。主要是因为“十五”期间，纺织业在结构调整和产业升级方面有很大的推进，引进国内外最新技术设备、壮大研发力量、建立技术开发中心，使得产业规模扩大、产能提升、产业集群形成、创新能力增强、技术水平提高、产业链得到完善。在2013～2016年产业具有较强的可持续发展能力，处于绿灯区，2017年产业可持续能力进一步提升，位于蓝灯区。预计2018年纺织业的可持续发展能力将会继续上升。

4.3 基于GA-SVM模型预警研究

利用GA 对SVM 模型进行训练，得到参数c、g 和p的最优值分别为99.4714、0.01812 和0.0208，训练误差MSE为0.0169。图3为GA优化SVM的适应度曲线图。

然后，选择RBF 核函数进行预警模型训练、检验和预测。将2000～2014年数据样本、2001～2015 数据样本和2002～2016 数据样本分别作为模型的训练、测试和预测样本，得到2015年、2016年和2017年各指标数据，并通过计算得到表5的结果。

从表5的结果数据可知，所构建的GA-SVM 预警模型的预测误差较小，在可接受范围内，且其预测产业可持续发展能力与实际情况相符，能够较准确地反映2015～2017年纺织业可持续发展的警情及其可持续发展度，说明了该预警系统具有较好地预警效果，预测结果具有一定的参考价值，可辅助产业可持续发展的警情监测。

表5 预警模型的预测结果

5 结论

本文对福建省纺织业可持续发展进行预警研究，得出以下结论：

（1）纺织业的经济发展水平更能反映产业可持续发展强弱，其次是资源供应能力、科技发展投入力度和与社会、环境协调发展能力。通过关联度大小反映各指标与纺织业可持续发展的密切度，为产业相关企事业单位在监控产业可持续发展过程中选取哪些方面作为重点关注对象提供参考。

（2）通过GA-SVM预警模型的预测，发现2015～2017年福建省纺织业的可持续发展能力在不断增强，2017年更是提升了一个等级，达到了强的可持续发展，说明了福建省纺织业的在全国该产业中还是具有一定的竞争力的。但是，预测得到2017年的可持续发展度处在强等级的下限，说明了产业可持续能力虽强，但与浙江、江苏、山东、广东相比，还是存在一定的差距，在人才、技术、管理水平等方面还需要改进。

图3 GA优化SVM的适应度曲线图

（3）所构建的预警模型预测精度较高，预测结果与实际相符，说明了该预警模型具有较好的预警效果，能够为纺织业可持续发展警情监控提供有价值的信息，同时也为其他产业预警研究提供借鉴。但是，随着社会发展，技术进步，影响产业发展的因素也会越来越多，所以产业可持续发展预警指标体系未来需要做进一步地丰富和完善，以提升模型的预警效果。