1、低碳經濟背景下基于“DS論文導讀:：證據理論自提出后。神經網絡的評價機理。以便能對鉛鋅企業低碳生產水平進行實證評價。迫切需要建立一套鉛鋅企業低碳化生產水平的評價模型。論文關鍵詞：DS證據理論，BP神經網絡，鉛鋅企業低碳生產水平，評價1引言自2003年英國政府首次提出建設低碳社會;之后，低碳經濟;、工業轉型;等與低碳開展模式有關的問題就開始成為理論界研究的熱點，特別是2021年9月爆發國際金融危機以后，人們對低碳開展模式的關注更是廣泛而深刻。復旦大學環境經濟研究中心李志青【1】認為低碳開展模式是后危機時代;的實體經濟開展模式的方向與出路，鮑健強【2】等也認為以低能耗、低排放、低污染為特征的低碳開

2、展模式是未來經濟開展模式的新選擇;。在2021年6月舉行的第十三屆中國北京國際科技產業博覽會中國高新企業開展國際論壇上，與會專家學者一致認為，后金融危機時代引導全球經濟走出低谷的是低碳經濟，低碳開展模式是企業未來開展的方向。除此以外，清華大學齊曄教授等【3】-也對低碳開展模式的實質、中國人均碳排放的影響因素、地區碳排放與經濟開展水平和能源消耗強度的關系及城市低碳經濟開展綜合評價指標體系等方面進行了比擬深入的研究。無可否認節能減排論文，在全球氣候變暖的背景下，以低能耗、低污染、低排放為根底的低碳開展模式成為全球熱點，這一場由歐美興旺國家掀起的低碳革命;已在全球悄然進行，低碳開展;也幾乎沖擊了全球

3、所有的企業，鉛鋅企業作為傳統的高碳;行業，其面臨的壓力更大。據我們課題組的實證調查，我國90左右的產品是用嚴重污染環境的燒結法工藝生產的，落后的豎罐煉鋅工藝不僅沒有淘汰，反而在西部地區還在進一步開展，鉛的生產過程對環境的破壞也十分嚴重。因此，在低碳經濟背景下，迫切需要建立一套鉛鋅企業低碳化生產水平的評價模型，以便能對鉛鋅企業低碳生產水平進行實證評價，從而發現鉛鋅企業低碳化開展過程中的缺乏，促進鉛鋅企業的低碳可持續開展。本文將首先分析了基于DS-BP;方法的評價機理，然后運用DS證據理論結合BP神經網絡法得出一個鉛鋅企業低碳生產水平的評價模型，最后對該模型進行實證研究。2 基于DS-BP;方法的

4、評價機理2.1傳統方法的挑戰-有效證據的融合和處理問題查閱相關的文獻可以看到，在一些比擬有效評價方法中，AHP法主要是基于一種比擬各因素的相對重要度的思想來進行評價的節能減排論文，它的最大的優點是可以處理定性和定量相結合的問題，可以將決策者的主觀判斷與政策經驗導入模型，并加以量化處理，但是AHP方法也同時也具有很大的局限性，例如過度依賴專家，同時需要數據源不能存在亦此亦彼;的模糊問題；在運用傳統AHP方法對不完全信息多屬性決策問題進行決策時,決策者給出的判斷矩陣常常含有殘缺元素(稱殘缺判斷矩陣)，AHP法不能解決稱殘缺判斷矩陣問題核心期刊目錄。對于第一個問題，uzzy方法通過引進因素集能較好地

5、解決各指標因素不能存在亦此亦彼;的模糊性問題，但對判斷矩陣含有殘缺元素的不完全信息多屬性決策問題依然無法解決，不能區分亦此亦彼;和不知道;的差異。DS證據理論那么在度量和合成不確定性信息方面有著獨特的優勢，DS證據理論自提出后，廣泛用于研究不確定性問題的求解。在實際的評價過程中，因為不同指標的權重也不相同，同時不同專家由于其專業知識和工作背景不同,對不同評價指標所賦予的權重具有差異，而且有時差異較大，因此必須尋求一種能對他們有價值信息進行融合的方法。不僅如此，作為被測變量的企業低碳生產水平的上下本身也是一個相對模糊的概念,其影響因素也同樣具有不準確性、不完整性和不確定性，這三性;使得AHP、F

6、uzzy等評價方法同時遇到挑戰，而證據理論和神經網絡理論確能很好地對這一問題加以改善。下面節能減排論文，具體分析一下證據理論和神經網絡理論對不準確性、不完整性和不確定性;問題改善的機理，從而為模型的構建奠定根底。2.2 DS證據理論融合證據的機理Dempster和Shafer在20世紀70年代提出的D-S證據理論是對概率論的擴展,他們一方面在證據理論中引入了一種能夠區分不確定和不知道之間差異的信任函數，以克服AHP、Fuzzy等的理論局限，另一方面，D-S證據理論通過放松貝葉斯方法對統一辨識框架、完整的先驗概率和條件概率等約束條件,使得該理論既可以對互相相容的命題進行證據融合,也可以對相互重疊

7、、非互不相容的命題進行證據融合,這樣，D-S證據理論在評價領域中的應用空間得到了極大的拓展。隨后，Strat T M.，Beynon M J，Curry B，MorganPH，Malcolm Beyond，Smets P等也對證據理論的研究作出了重要的奉獻。證據理論的評價機理主要有以下三個相關方面的內容。證據理論的三個根本函數是證據理論的根底，在證據融合中扮演著重要的角色。設有一個判決問題，對于該問題所能認識到的所有可能結果用有限集合表示,那么人們所關心的任一命題對應于的一個子集，所有這些子集的集合稱為判別框，它包括有限個互不相容的命題或者說元素,記為u1,u2,u3,ui。設U為判別框架，對

8、于U有2是的冪集，那么可定義U的根本概率賦值函數(Basic ProbabilityAssignment Function，簡寫為滿足：BPAFm:2U,滿足：命題U為U的非空子集節能減排論文，稱為焦元，m(A)稱為根本概率賦值，它表示對命題A的精確信任程度，表示對A的直接支持。根本概率賦值函數是一個之間的正數,它與支持某一假定的證據相聯系,其大小表示該證據支持或反對該假定的精確程度,通常用m(A)表示。m(A)表示提供應A的根本可信度,而不是對A的總信度。假設A,那么m(A)表示對A的信任程度,假設A=,那么m(A)表示m這個數沒有賦予任一子集上,沒有提供信息。對于判別框上的根本概率賦值函數

9、m，如果有函數Bel: 2滿足：那么稱所定義的函數Bel為上的信任函數 (Belief Function)，Bel(A)表示對命題A的總信任程度。設判別框上的函數Pl: 2 滿足：那么稱所定義的函數Pl(A)為似然度函數(Plausibility Function)，Pl(A)表示對不否認命題A的信任度，是所有與A相交的集合的根本概率賦值之和。信任函數可以理解為證據對A的總支持度,似然度函數pl(A)表示不否認的信任程度,是支持A的總的信任最大值。信任函數Bel與根本概率賦值函數BPAF是互相唯一確定的核心期刊目錄。似然度函數表示不否認A的信任度，并以PL(A)-Bel (A)表示對A未知即不

10、確定的程度。212證據理論中信息不確定性的表示DS證據理論最大的特點就是可以很好地表示未知信息的程度，在證據理論中，Bel(A)，Pl(A) 稱為命題A的信任度區間，0，Bel(A)表示命題A支持證據區間，0，Pl(A)表示命題A的擬信區間，Pl(A)，1表示命題A的拒絕證據區間，Pl(A)- Bel(A) 為命題A的不確定度節能減排論文，其值反映了對命題A 的未知;信息，該差值越小，那么說明未知;成分越小，證據對假設的支持越明確。對于同一判別框，根據不同的證據信息，會得到不同的信度函數，如果這些證據是相互獨立的，利用證據理論中證據的融合法那么就可以計算出一個信度函數作為這幾個證據聯合作用下產

11、生的信度函數，這樣就可以利用這些信息提高對事件的置信度。設Bel1, Bel2, ,Beln是同一判別框上由相互獨立的證據信息產生的信度函數，m1,m2,mn,是對應的根本概率賦值函數，如果，那么由下式定義的函數m:2是根本概率賦值函數：0()M(A) = K()-1其中K= 1 -證據融合后的信度函數為：Bel = m1(A1)m2(A2) m(An)證據合成法那么滿足可交換性,證據的作用不受其合并次序的影響，因此，可以用遞歸的方法,實現多個證據融合。這種融合證據的方法是證據理論的核心。2.3 BP神經網絡的評價機理BP 0.05 8 % + 無亂采濫挖、采富棄貧、采主棄富、采易棄難 0.2

12、0 5 - 采場穩定性監測 0.05 5 + 綜合 利用 016 廢石綜合利用率 0.63 30 % + 礦坑涌水利用率 0.37 80 % + 污染 物排 放 019 采場作業環境噪音 0.25 65 dBA - 允許廢石排放量 0.24 5 t/t 原礦 - 采場粉塵濃度綜合指標 0.22 8 mg/m3， - 污染物排放總量控制 0.29 5 - 低碳 理念 010 員工對環境的滿意率 0.25 95 % + 低碳教育的普及率 0.24 90 % + 低碳理念員工熟悉度 0.25 5 + 開展低碳生產審核 0.26 5 + 數據說明：表中標準化值的客觀數據來源于北京礦冶研究總院資料，而主

13、觀數據采用1-9等級法取中值5。第四步：BP神經網絡算法及數據轉換處理以(0-1)間的隨機數初始化神經網絡權值,確定學習精度為1E-5；確定學習樣本。對每一個學習樣本,都可以表示為一組輸入向量X，這組輸入向量X由鉛鋅企業低碳生產水平評價的19個二級指標值經趨同化處理后的值和由證據理論得到的權重值一級指標權重和二級指標權重融合后的值二者共同組成,并按固定次序構成。期望輸出Y那么根據表1給出,可以取所在區間的中值；用學習樣本依次訓練神經網絡,直到網絡到達穩定；根據鉛鋅企業低碳生產水平分析指標體系,待評價的企業的所有二級指標與用證據理論得到的權重所形成的向量,按照固定的次序,構成輸入向量X,其中的定

14、性指標依然由專家評分法量化；向經過訓練的神經網絡輸入向量X,得到網絡輸出值；根據表1,確定輸出值所在的區間,從而得出待評價鉛鋅企業的低碳生產水平。第五步：評價結果分析通過以上四步已經得到了一個標準的鉛鋅企業低碳生產水平評價的數據表，對于不同的鉛鋅企業，只要更換表中的最大值;、最小值;和標準趨同處理值;三項，其余值不變，這樣就可以重新得到不同待評鉛鋅企業的學習樣本;，向經過訓練的神經網絡輸入向量X,得到網絡輸出值，并據其確定待評價鉛鋅企業的低碳生產水平。4 模型實證檢驗專家組按照前面的步驟，在對企業1進行評價后，再依次分別對待評的其他4個鉛鋅企業企業2、企業3、企業4和企業5進行評價，并將神經網

15、絡實際輸出值與期望輸出值填入表3。表3神經網絡實際輸出與期望輸出的比照企業1 企業2 企業3 企業4 企業5分析結果 BBB AAB A BB期望結果 BBB AAB ABB由表3可知,所選5個待評價企業的輸出結果與期望結果比擬一致，這說明本模型對于鉛鋅企業正確識別自己的低碳生產水平具有有效和普適性。5 結論與建議通過以上理論模型的構建及其實證分析，得出如下幾點結論和建議：1既然低碳開展是企業開展的必然選擇，那么企業就應從戰略的高度制定低碳開展戰略規劃，特別是象鉛鋅行業這樣的傳統的高碳;行業，尋求低碳開展模式是其當務之急。作為鉛鋅企業，要有一套自己的低碳生產水平評價指標體系節能減排論文，以衡量

16、其低碳生產水平，從而發現問題、解決問題。(2)實證研究說明，該評價模型評價的輸出結果與期望結果根本一致，從而說明該指標體系和評估模型較好地解決了對鉛鋅企業的鉛鋅企業低碳生產水平進行綜合評價的問題,使企業能判別自己的鉛鋅企業低碳生產水平,從而能夠做出正確的決策。究其原因，一方面，本文所建立的低碳經濟背景下鉛鋅企業低碳生產水平評價指標體系具有較高的有效性和可操作性，另一方面，是因為DS方法通過引進信任函數Bel(A)實現信息融合，較好地改善了含有不知道;元素的殘缺矩陣的判決問題，在具體的評價過程中，再通過進一步引進BP模型，利用BP模型所具有得學習、聯想和容錯功能，及能進行大規模并行信息處理和對非

17、線性系統所具有很強的模擬能力，從而使得該評價模型的評價結果更能表達企業的真實情況。3但也應認識到,本文的研究還只是一個開始,由于鉛鋅企業低碳生產水平強弱,其中摻雜復雜多變的人、政策、環境等動態變化因素,同時BP神經網絡綜合評價模型最終以一個數據說明企業低碳生產水平的上下,難以全面準確地反映其開展的規律,因此還必須通過更多的理論研究和實證調查來進一步完善鉛鋅企業低碳生產水平綜合評價指標體系，進一步完善DS-BP;方法。參考文獻:【1】李志青后危機時代;與低碳經濟.文匯報,2021-07-02.【2】鮑健強，苗陽，陳鋒.低碳經濟:人類經濟開展方式的新變革.中國工業濟經，20214：153-160.

18、【4】徐國泉,劉那么淵,姜照華.中國碳排放的因素分解模型及實證分析:1995-2004.中國人口-資源與環境，2006,16(6 )：158-161.李曉燕，鄧玲.城市低碳經濟綜合評價探索-以直轄市為例.現代經濟探討,2021(2):82-85.GLENN SHAFER. Amathematical theory of evidence .Princeton NJ: Princeton University Pres,1976.STRAT T M. Decisionmaking using belief function .International Journal of Approx Reason, 2021:4(5/6):391-417.BEYNON M J，Curry B，Morgan P HThe Dempster-Shafer Theory ofEvidence: An Alternative Approach to Multi-criteria Decision Modeling.Omega, 2021(1):37-50.MALCOLM BEYOND. DS/AHPMethod: A Mathematical Analysis, Including An Understanding of Uncertainty European. Journal