神经网络研究现状大全11篇

神经网络研究现状篇（1）

李发枝教授，国家第4批名老中医，国家中医临床研究基地重点病种（艾滋病）首席专家，国家中医药防治艾滋病专家组成员，河南省中医药治疗艾滋病专家组组长。自2004年始，每周二下午定时在河南省尉氏县中医院对艾滋病人进行义诊，常年如一日，每次都有大量的病人就诊，疗效甚好。为继承和发扬其诊疗经验，本研究通过对临床信息数据化处理后，进行复杂网络模型分析，对李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的核心方药进行数据挖掘，解析其治疗思路，揭示隐藏在其中的规律。

1 材料与方法

1.1 病例纳入标准 艾滋病临床诊断标准：按照卫生部、中华医学会《艾滋病诊疗指南》[1]标准执行。艾滋病带状疱疹及其后遗神经痛诊断标准：①符合艾滋病临床诊断标准；②符合中华人民共和国中医药行业标准《中医病证诊断疗效标准》（ZY/T001.1-94）中带状疱疹及其后遗神经痛的诊断依据，并以带状疱疹及其后遗神经痛作为主症。

1.2 病例资料 选择在2007年10月—2011年7月期间在李发枝教授尉氏县中医院义诊门诊接受治疗的艾滋病带状疱疹及其后遗神经痛患者，符合上述诊断标准，全部患者共9人，包括多次复诊，共37例次，其中4例次首诊是正在发生的带状疱疹，其余33次均为带状疱疹后遗神经痛。

1.3 研究方法 病例资料收集方法：初诊、复诊病例格式经过专门科研设计，保留病历原始信息。收集资料基本齐全，9例共37例次的数据均纳入本次研究中。

数据库说明：本研究使用的数据库隶属于“名老中医临床信息采集系统”的数据库，该系统由北京市科技计划重大项目课题的“基于信息挖掘技术的名老中医临床诊疗经验研究”课题组建立。

1.4 资料处理 数据采集：确定研究的主要内容为分析李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的用药规律，为中医药治疗艾滋病带状疱疹及其后遗神经痛提供相应的用药参考依据。以上述研究目的为目标，采集了病例的文本信息[2]，对文本信息结构化处理[3]并录入，形成可分析的结构化数据，数据录入严格按照标准操作规程进行[4-5]。

建立规范数据库：数据前期整理及规范录入完成后，进行数据汇总，形成数据库。对各类数据进行进一步的规范，以利于数据挖掘。

复杂网络分析：本研究运用中医临床复杂网络分析系统常使用的EclipseRCP技术。复杂网络分析方法是复杂科学研究的热点之一，在社会、生物学、商业、通信和计算机网络等领域广泛应用[6]。根据节点度的分布情况，可以将复杂网络分为指数网络和无尺度网络2个大类。把具有幂律分布的网络称为无尺度网络（scale-free network）。这是基于关联规则的一种数理分析模型与方法，反映了复杂网络在一定驱动力的影响下动态的自组织过程宏观规律，据研究显示，中医理论指导下的复方配伍过程具有无尺度复杂网络现象，复杂网络分析为中医药理论如复方配伍、药物相互作用等的研究提供依据，通过对名老中医的基本处方配伍经验或是某一病症的药物配伍经验进行复杂网络分析，进而发现核心药物配伍特点及药对信息，由此能够总结名老中医某方面的学术思想[4]。

2 结果

2.1 治疗艾滋病带状疱疹及其后遗神经痛核心药物及配伍规律 全部患者共9人，包括多次复诊，共37例次，其中4例次首诊是正在发生的带状疱疹，其余33次均为带状疱疹后遗神经痛，临床治疗均有效。运用多维检索查询分析[7]得出，李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的高频药物，见表1。在37例次中，使用黄芩33次、甘草31次、红花25次、车前子24次、全瓜蒌23次、当归22次、龙胆草22次等。说明李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的核心药物主要为清热燥湿之黄芩，活血化瘀之红花，清热解毒、利尿渗湿之车前子，清肺化痰之全瓜蒌，养血活血之当归，清泄肝胆经湿热之龙胆草。

基于复杂网络图分析方法，根据处方中药物的使用频次及该药与其他药物配伍的频度，可以分析出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的常用药物即核心处方。李发枝教授治疗艾滋病带状疱疹的常用药物网络见图1。结合网络图能直观看出常用药物和使用较多药物。基于复杂网络图分析方法的可视化的处方配伍网络见图2，可以直观地看出黄芩、甘草、红花、车前子、全瓜蒌、当归、龙胆草处于处方配伍网络的核心节点。每一味药物与周围药物的边表示配伍关系。药物节点之间的连接边的权重即药物配伍次数在一定程度上表现了药物之间同时配伍应用的强度。与该网络相对应的药物配伍频度信息见表2，黄芩-甘草配伍频度最高，其次为红花-甘草，再其次为黄芩-红花、全瓜蒌-红花、黄芩-全瓜蒌、全瓜蒌-甘草。方剂疗效的基础不是单味中药功效的相加，而是中药之间的配伍作用[8]，药对是为达到某种疗效而组合使用的，是中医临床用药的经验总结，明确药对之理论，掌握在组方中的应用规律，更好的去应用药物的配伍理论，为中医药的治疗提高疗效。结合两部分信息，可提炼出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的处方特点为以清热、活血药物为核心药物，利于总结经验及指导临床应用。

2.2 李发枝教授治疗艾滋病带状疱疹及其后遗神经痛辨证特点及症状加减用药特点 复杂网络分析法对药物的进一步分析显示出相对独立的方药组团，复杂网络图2可示龙胆泻肝汤和瓜蒌红花甘草汤加减的方药组团。图2可示在龙胆泻肝汤基础上加入全瓜蒌、红花。这与李发枝教授治疗本病时若出现原疱疹处及其周围皮肤剧痛，而表现为余热（湿）未尽，络脉瘀阻证之后遗神经痛相一致。这一配伍特点反映了李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的辨证及治疗思路。

3 讨论

3.1 治疗艾滋病带状疱疹及其后遗神经痛核心药物及其基本病机的认识 本次研究揭示出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛常用药物为为清热燥湿之黄芩，活血化瘀之红花，清热解毒、利尿渗湿之车前子，清肺化痰之全瓜蒌，养血活血之当归，清泄肝胆经湿热之龙胆草。可提炼出李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的处方特点为以清热利湿及活血药物为核心药物。李发枝教授认为，艾滋病患者的基本病机以气血阴阳亏虚之正虚为主，但当出现带状疱疹时，则以邪实为主，乃肝胆湿热，外溢肌肤所致。因此，清泻肝胆湿热为其治疗大法，常选用龙胆泻肝汤加减；对于该病遗留之神经痛，李发枝教授认为乃肝胆湿热未尽，瘀阻皮肉之络，肺主皮毛，其治疗当清泻肝胆余热，兼清肺活血通络，故用龙胆泻肝汤加孙一奎《赤水玄珠》治疗胸痛之瓜蒌红花甘草汤，疗效颇佳。可见，从复杂网络分析得出的用药经验体现了李发枝教授对本病基本病机的认识。

3.2 核心处方组合及加减 复杂网络分析法对药物的进一步分析显示出相对独立的方药组团，复杂网络图图2可示龙胆泻肝汤加减和瓜蒌红花甘草汤加减。这一配伍特点反映了李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的辨证及治疗思路。若肝胆湿热重则用龙胆泻肝汤清泻肝胆湿热。若庖疹消退后，疼痛仍不止，影响睡眠及日常生活，舌质暗红，脉弦者，则加具有清肺化痰，活血通络之瓜蒌红花甘草汤。龙胆泻肝汤出自《医方集解》，其由龙胆草、黄芩、泽泻、当归、生地黄、车前子、等10味药组成，龙胆草因善泻肝胆之实火，并能清泄下焦之湿热而为君，柴胡、黄芩苦寒泻火，车前子、泽泻清利湿热且从小便而解，均为臣药；肝藏血，肝经有热则易伤阴血，故佐以生地黄、当归养血活血；甘草调和诸药为使，诸药同用，共奏泻肝胆实火，清肝经湿热之效。据报道，龙胆泻肝汤能激活不同类型的免疫细胞，如促进T细胞释放巨噬细胞活化因子，加强巨噬细胞的吞噬功能，或激活巨噬细胞释放淋巴激活因子，刺激淋巴细胞转化，调剂抗体产生，可以增强和调整机体的免疫功能。瓜萎红花甘草汤出自《赤水玄珠》，全瓜萎性味甘寒，润燥而不滞气机，清热而不伤阴，可疏理宣通气机、润肝缓急止痛，红花活血止痛，燥润互用，以增强全瓜萎活血止痛之功。两方共用共奏清热解毒、活血止痛之效。

通过复杂网络分析法对李发枝教授治疗艾滋病带状疱疹及其后遗神经痛的处方配伍结构进行上述分析，发现的核心药物及处方规律得到李发枝教授的高度认可，并充分反映了李教授对本病病机的认识，可揭示专家的治疗路径，且基本符合专家的辨证思路，这充分说明复杂网络分析法在对名老中医处方经验的分析中具有客观性、科学性。因此，运用此分析法对名老中医的经验进行挖掘有广泛的应用前景，且该方法将核心药物、处方及配伍以图的形式表现，具有图示化、直观化[9]的特点，便于理解与掌握，对全面、客观地继承名老中医专家的经验有积极的推动意义。

[参考文献]

[1] 中华医学会感染病学分会艾滋病学组.艾滋病诊疗指南（2011版）[J].中华传染病杂志，2011，4（6）：321.

[2] 王映辉， 刘保， 张润顺， 等.北京市名老中医诊疗信息基础数据仓库与挖掘平台的建立[C].广州：第2届著名中医药学家学术传承高层论坛，2006：612.

[3] 张润顺，王映辉.名老中医电子病历中病史动态结构化数据录入规范[J].中围中医药信息杂志，2007，14（3）：100.

[4] 周雪忠，刘保延，王映辉，等.复方药物配伍的复杂网络方法研究[J].中国中医药信息杂志，2008，15（11）：98.

[5] Xuezhong Zhou， Shibo Chen， Baoyan Liu，et al. Development of traditional Chinese medicine clinical data warehouse for medical knowledge discovery and decision support[J]. Artif Intell Med，2010（48）：139.

[6] 张润顺，周雪忠，姚乃礼，等.基于复杂网络分析的肝脾不调证的配伍特点研究[J].世界科学技术——中医药现代化，2010，12（6）：883.

[7] 张润顺，王映辉，周雪忠，等.名老中医经验要素研究及智能挖掘平台功能设计[J].世界科学技术——中医药现代化，2008，10（1）：45.

[8] Serrano M A， Boguá M， Vespignani A. Extracting the multiscale backbone of complex weighted networks[J]. Proc Natl Acad Sci USA，2009 ，106（16）：6483.

[9] 郝宏文，张润顺，周雪忠，等.王素梅治疗多发性抽动症方药配伍的复杂网络法分析初探[J].世界科学技术——中医药现代化，2012，14（1）：1297.

Data mining analysis of professor Li Fa-zhi AIDS herpes zoster medical record

WANG Dan-ni， LI Zhen， XU Li-ran， GUO Hui-jun*

（Clinical Research Center for AIDS， The First Affiliated Hospital of Henan University of

Traditional Chinese Medicine， Zhengzhou 450000， China）

神经网络研究现状篇（2）

中图分类号：F275.5 文献标识码：A 文章编号：1004-5937（2016）04-0055-04

一、引言

财务风险是每一个企业从初创、成熟直至衰退的整个过程都无法消除的，企业的存在始终伴随着财务风险。若企业长期存在过高的财务风险，不仅会增加企业的经营负担，也会使投资者失去信心，形成恶性循环，最终导致企业资金链断裂，财务危机爆发。因此，如何及早地发现企业的财务风险并合理应对，是企业良性运转的必要条件。

时下，新常态已是中国经济发展的现状与趋势。新常态下，中国经济增速放缓，企业面临转型升级，这一宏观环境可能会增加企业的财务风险。中小板上市公司是流通股本规模较小的公司，由于受到自身规模及管理水平的限制，对于经济新常态的宏观影响的反映更为敏感。因此，在经济新常态背景下建立适用于中小板企业的财务预警模型，使企业在财务危机到来之前预先察觉，并及时采取措施，是中小板上市公司健康发展过程中需要解决的重要问题。

二、概念界定及文献回顾

（一）经济新常态的含义和特点

经济新常态一词是主席2014年5月在河南考察时首次提出的，所谓“新”，就是有异于旧质；“常态”，就是时常发生的状态。新常态，就是一种不同于以往的、相对稳定的状态，经济新常态意味着中国经济已经进入了一个与过去三十多年高速增长期不同的新的阶段。

中国经济呈现新常态有以下主要特点，一是从高速增长转为中高速增长，经济增长更趋平稳；二是经济结构不断优化升级，发展前景更为稳定，第三产业消费需求正逐步成为主体，城乡区域差距逐渐缩小，居民收入占比上升，发展成果惠及更广民众；三是从要素驱动、投资驱动转向创新驱动。中国经济新常态揭示了中国经济增长率的新变化，体现了未来经济发展的新趋势。

（二）财务预警的含义

财务预警是指根据企业的经营状况和财务指标等因素的变化，对企业财务管理活动中存在的财务风险进行检测、诊断和报警的方法。具体而言，财务预警有广义和狭义之分。广义的财务预警是对所有可能引发企业财务风险的因素进行研究，只要发现企业存在潜在风险就会进行预警。而狭义的财务预警是企业财务危机预警，是对企业资金周转不利、出现经营亏损、甚至濒临破产等财务困境进行预警。本文采用广义的财务预警。

财务预警是企业的一种诊断工具，对企业的财务风险进行预测和诊断，防止潜在的财务风险演变成为财务危机，起防患未然的作用。企业的管理者可以通过财务预警及时发现企业财务管理活动中存在的风险隐患，从而及早采取措施，保障企业良性运转；企业的投资者可以通过财务预警了解企业的风险状况，合理做出投资决策；债权人可以利用财务预警对企业的风险状况进行判断，制定合理的信贷政策；政府监督部门可以通过财务预警有效地监督企业风险，从而对市场进行引导和控制；企业的关联方等其他利益相关者也可以通过财务预警来了解企业的财务风险，从而作出科学的决策。综上，有效的财务预警模型对于企业各利益相关者都具有重要的意义。

（三）财务预警模型

财务预警始于1932年Fitzpartrick的单变量破产预警研究，此后，Altman（1968）运用多元线性判定进行财务风险预警，建立了Z-Score模型，该模型对财务风险判断具有很高的准确率，至今仍有借鉴意义。多元线性判定模型要求破产和非破产两组企业样本自变量服从正态分布且协方差相等，为克服这些限制条件，Ohlson（1980）将多元逻辑回归模型应用于财务预警领域，通过条件概率来判断企业的财务风险。随着信息技术的发展，人工神经网络逐步被运用到企业财务预警中，Odom et al.（1990）运用神经网络对企业破产进行预测，结果发现利用神经网络构建的财务预警模型有较好的预测能力。人工神经网络模型克服了统计方法上的局限性，并且有较强的容错能力和纠错能力，因此被很多学者认可。

我国资本市场起步较晚，国内对于财务预警的研究也相对较晚，研究方法大多是从借鉴国外相关研究开始。周首华等（1996）最早对Altman的Z分数模型进行了改进，建立了F分数模型，此后，也有学者利用Z计分模型对我国不同行业的财务预警进行研究。朱洪婷（2015）、王宗胜等（2015）分别运用Logistic模型对我国制造业上市公司进行财务预警研究，具有较好的预测效果。在我国首次提出建立神经网络预警系统的是黄小原等（1995），研究结果表明基于神经网络的预警系统构造简洁，使用方便，具有广阔的应用前景。此后，一些学者分别将BP神经网络应用于我国不同行业上市公司的财务预警中，均得到了较高的预测准确率。

综上所述，国内外对财务预警的研究已经取得了不小的成果，而随着证券市场的不断发展和完善，对财务预警的研究也越来越受到国内外学者的重视。综合国内外学者的研究现状，目前研究主要存在着以下不足：一是相关研究主要集中在机械制造业、房地产行业等主板上市公司，而对于中小企业的研究较少；二是学者在财务预警的研究中，大多数将研究对象分为ST公司和非ST公司进行研究，而企业财务危机的形成是一个过程，简单地将企业分为此两类来表示其财务状况健康与否会略显粗糙，可能会降低预警效果。鉴于此，本文将中小板企业的财务风险作为研究对象，在新常态背景下利用神经网络对中小板企业的财务状况进行财务预警。

三、BP神经网络概述

根据以往学者的研究经验，利用BP神经网络进行财务预警不要求样本服从特定分布，克服了统计上的局限性，具有较强的容错性和纠错能力，并且对企业财务状况预测的准确率较高，具有较好的预警效果，因此本文采用BP神经网络进行财务预警。

BP神经网络是一种按照误差逆传播算法训练的多层前馈网络，是目前应用最为广泛的神经网络模型之一，由信息的正向传播和误差的反向传播两个过程组成。BP神经网络包括输入层、中间层和输出层，输入层的神经元负责接受外界的输入信息，并传递给中间层，中间层负责内部信息的处理，中间层的最后一个隐含层的信息经进一步处理后传递到输出层，完成一次信息的正向传播，由输出层向外界输出信息处理结果。当实际输出值与期望输出不符时，则进入误差的反向传播阶段。误差通过输出层，按照误差梯度下降的方式来修正各层的权值，向中间层、输入层逐层反向传播。如此循环往复的信息正向传播和误差的反向传播过程，是神经网络学习训练的过程，通过学习使各层权值不断调整，此循环过程一直进行到网络输出的误差减少到可以接受的水平，或者达到预先设定的学习次数为止。BP神经网络模型如图1所示。

四、实证研究

（一）样本选取与分类

1.样本的选择

财务风险预警的意义在于预测公司未来的财务风险，因此对于预警数据的选择既应当具有前瞻性，又要保证预测的准确度。鉴于此，本文利用2012年和2013年的财务指标分别来预测中小企业板上市公司2014年的财务状况。

本文研究的对象为中小企业板上市公司，截至2014年12月31日，在深圳证券交易所中小企业板块上市的公司共有732家。鉴于本文在构建模型时需要使用2012和2013年的数据，因此选择2012年12月31日及以前上市的公司，共计701家，剔除金融业（3家）和数据不完整的公司（3家），本文选取695家中小企业板上市公司作为研究样本。

2.样本的分类

在以往关于财务预警的研究中，研究者通常将研究对象分成两类，即根据公司是否被特殊处理来分类。这样的分类方式意味着研究中认为企业的财务状况只有健康和危机两种状态，而实际上企业财务风险的变化是一个渐变的过程。基于此，本文不采用将样本企业分为ST公司和非ST公司两类的配对分类方法，而是选择采用聚类分析方法对样本数据进行处理，将企业的财务状况分为从健康到重警五个等级。

根据中小板上市公司2014年的财务指标数据，运用SPSS软件进行两步聚类分析，将聚类数量分成五类，统计结果见表1。

本文将中小企业板上市公司的财务状况分成五个等级，分别为健康、良好、一般、轻警和重警，其中健康和良好状况下公司面临的财务风险较小，需要继续保持；处于一般状况下公司可能存在风险隐患，应给予适当的关注；处于轻警状况下公司存在一定的财务风险，公司应提高警惕，及时发现问题并采取适当措施；而处于重警状态下的公司可能即将面临或者已经面临财务危机，公司应当立即采取应对措施。

（二）指标确定

预警模型中选用哪些指标作为变量，对模型的预测效率和准确率有很大的影响，本文从企业的偿债能力、经营能力、盈利能力和发展能力四个方面来选取预警体系中的财务指标，构建财务预警指标体系，详见表2。

（三）参数确定

BP神经网络的参数影响了网络的运行效率和预测误差，不同性质的样本适用的函数也不尽相同。本文根据神经网络相关设计的理论经验和实际运行时的不断修正，最终选择以下参数构建适用于中小板上市公司财务预警的神经网络模型。本文构建的BP神经网络参数设置如表3所示。

（四）模型训练及检验

本文运用MATLAB程序对以上构建的BP神经网络进行训练和检验，将每一预测年度的695个样本分成学习样本和检验样本，其中由程序随机选择100个样本作为检验样本，而用其余的595个样本进行训练。

由于神经网络工具箱的自身特性，每一次初始化网络时都是随机的，并且在训练完成时的权值和阈值也不完全相同，网络的误差也会有所不同，因此每次运行网络得到的结果也会有所差异。为了避免网络运行结果的偶然性，本文将2012年和2013年两个预测年度的程序分别运行了20次，并对每一次的预测准确率进行了统计，统计结果见表4和表5。

根据表4及表5提供的神经网络模型运行结果统计可知，利用2012年的财务指标构建的预警模型，对检验样本检验的准确率基本上在64%至75%的区间浮动，20次运行的平均检验准确率为69.15%。利用2013年的财务指标构建的预警模型对检验样本财务状况预测的准确率在75%至82%的区间浮动，20次运行的平均检验准确率为78.2%。可见利用本文构建的BP神经网络对公司财务状况的预测具有较高的准确率，且利用2013年财务指标对2014年公司财务状况预测的准确率要高于利用2012年财务指标的预测准确率。

对比两个模型的预测情况，利用2013年财务指标预测的准确率高于2012年的预测准确率，在对公司的财务状况进行预测时，使用第（t-1）年的财务数据可以比使用第（t-2）年的财务数据得到更为准确的公司财务状况。而在实际运用该模型进行公司财务状况的预测时，可以分别使用预测年度前1年和前2年的财务指标来进行预测。即在提前2年时可以首先对公司2年后的财务状况进行预判，若预测出潜在风险可以提早予以关注，之后在提前1年时再次使用（t-1）年的预测模型对公司的预警进行修正，对公司财务状况进行更为准确的判断，因此两个模型结合使用可以达到更好的预警效果。

五、结论

本文运用BP神经网络对我国中小企业板上市公司财务状况预测的准确率较高，表明这一预测模型对中小板上市公司具有较好的预测效果，模型具备一定的预测能力。虽然每一次运行结果的准确率不尽相同，但是结果准确率的浮动水平基本维持在一个可以接受的区间内，因此该预测模型具有一定的稳定性。综上，本文构建的财务预警模型对企业的管理者、投资者和其他利益相关者都具有一定的参考意义。

在经济新常态背景下，我国中小板上市公司面临更多的机遇和挑战，管理者应当根据财务预警的结果，从以下方面防范企业的财务风险：第一，适应新常态的发展特征，重视企业的创新能力，逐步实现转型升级；第二，将对企业财务风险的检查和预警视为企业财务管理的常态化活动，提高中小板企业的财务管理水平；第三，完善中小板上市公司的治理结构，尽量避免家族式控股的状况，保证企业决策的科学性；第四，提高管理人员的风险意识，对于企业存在的潜在风险能够尽早发现，并及时采取应对措施。中小板上市公司只有科学地防范财务风险，才可以在经济新常态背景下实现健康、可持续的发展。

【参考文献】

[1] FITZPATRICK P. J. A Comparison of The Ratios of Successful Industrial Enterprises with Those of Failed Firms [J]. Certifies Public Accountant，1932（5）：46-51.

[2] ALTMAN E I. Financial Ratios， Discriminant Analysis and the Prediction of Corporate Bankruptcy[J]. The Journal of Finance， 1968，23（4）：589-609.

[3] OHLSON J A. Financial Ratios and the Probabilistic Prediction of Bankruptcy[J].Journal of Accounting Research，1980，18（1）： 109-131.

[4] ODOM M D， SHARDA R. A Neural Network Model for Bankruptcy Prediction[C]. International Joint Conference on Neural Networks. IEEE， 1990：163-168.

[5] 周首华，杨济华，王平.论财务危机的预警分析――F分数模式[J].会计研究，1996（8）：8-11.

[6] 朱洪婷. 基于Logistic模型的机械制造业上市公司财务预警应用与分析[J].时代金融，2015（2）：228-229.

[7] 王宗胜，尚姣姣.我国制造业上市公司财务困境预警分析[J].统计与决策，2015（3）：174-177.

[8] 黄小原，肖四汉，樊治平.神经网络预警系统及其应用[C].中国控制与决策学术年会，1995.

[9] 杨淑娥，黄礼.基于BP神经网络的上市公司财务预警模型[J].系统工程理论与实践，2005，25（1）：12-18.

神经网络研究现状篇（3）

当今社会，网络已渗透到人们生活的方方面面，几乎成了生活中必不可少的一部分。在更多人受益于互联网的同时，有些人则因沉迷于网络， 超出了正常限度而致使身体健康受损，学业中断，甚至导致各种心理障碍、行为异常等，其间也不乏违法犯罪等行为的出现，给个人、家庭、社会都带来了极其严重的影响，这就是网络成瘾。随着网络技术的迅猛发展，伴随着网民数量的增加，上网形式的多样化等特点，网络所带来的消极影响可能会更加明显。因此，对互联网使用过程中的有关心理进行研究，具有重要意义。

1 关于网络成瘾的概念

关于网络成瘾的概念可以说是仁者见仁，智者见智，并无统一的界定。围绕着互联网对人们产生的消极影响，不同的学者从不同角度提出了不同的看法，也就有了诸多不同的概念。Goldberg（1995）首先提出的是“网络成瘾障碍”（Internet Addiction Disorder，简称IAD）的概念；Young（1996）、Brenner（1997）等使用的是“互联网成瘾” （Internet Addiction ，简称IA）、“网络成瘾症” （Internet Addiction Disorder，简称IAD）这一称呼；Anderson（1998）则使用了“互联网依赖”（Internet Dependency）； Morahan-Martin 与 Schumacher（2000）、Davis（2001，2002）等人使用的是“问题性互联网使用”、 “病理性使用互联网”（Problematic Internet Use，简称PIU）的概念。

在以上众多概念中，使用较多的是“网络成瘾症”（IAD）和“病理性使用互联网”（PIU） 的概念，尤其以网络成瘾最为常见。这也是本研究之所以选择使用“网络成瘾”的原因。

“网络成瘾症”（IAD）的概念，即本文中所称的网络成瘾，最早是由Goldberg（1995）提出的。Young（1996）通过在线调查的方法最终证实了网络成瘾现象的存在。美国心理学会（APA）1997年正式承认其研究的学术价值并专门讨论它的诊断标准。

网络成瘾的概念受到了一些学者的质疑，因为传统意义上的成瘾必须以化学物质（如，药物、等）的摄入为依赖，而网络成瘾并不存在此类物质（梁朝云，2001；雷雳等，2006）。Suler（1999）认为，“成瘾”有可能对生活产生积极影响，在描述互联网对人们的生活带来消极影响的过程中使用的是互联网依赖或互联网成瘾有可能是缺乏科学根据的。由此，Davis（2001）提出用病理性互联网使用（PIU）来代替网络成瘾，用以说明是非理性的使用影响了人们的学习、工作和生活。

综上所述，对网络成瘾这一现象而言，相关研究者们并没有特别统一的称呼或界定。本人更倾向于将网络成瘾理解为在无成瘾物质的作用下，由于过度地使用互联网而最终导致个体的生理机能、心理功能等方面受到损害的行为。

2 网络成瘾有可能对青少年造成的危害

网络成瘾的危害大体有：交往方式错位；人性异化；自我迷失，网上网下适应能力减退；认知不协调；心理障碍现象日渐增多――品行障碍（说谎、出走、网恋、游戏成瘾）、人格障碍（对“网络人生”产生精神依赖）、情绪障碍（抑郁、孤僻）等（辛丽君，李娜，2008）。

3 网络成瘾的影响因素

对于网络成瘾相关因素的研究方面，有些学者认为其与外部环境因素（如家庭环境、社会生活事件）有关。有些学者则关注内部因素（如人格、应对方式）在其形成中的重要作用。

（一）人格特质对网络成瘾的影响

人格是稳定的行为方式和发生在个体身上的人际过程（Burger，2004）。奥尔波特认为人格特质是“在一个人的活动倾向中，稳定不变的那部分。”也就是说，人格特质是指一个人经常表现出来的稳定的心理和行为的特点。

国内外许多研究通过分析网络成瘾者的人格特质，发现网络成瘾与网络使用者的人格特质存在着显著相关的关系。Young（1996）的研究表明，网络使用者中倾向于独处以及倦怠社交的人更有可能会成为问题性或病理性互联网使用者。Young（1997）发现，互联网成瘾者具备特定的人格特质。网络成瘾者大多存在不同程度（轻度到中度）的抑郁，由此推断出抑郁（轻度到中度）可能是导致网络使用者成为网络成瘾者的极其重要的因素，甚至可能是主要因素。另外，Young和Rodgers（1998）通过研究互联网成瘾与人格特征之间的关系，结果显示具有某些抑郁有关的因素，如低自尊、孤独等的人，可能是网络成瘾者的高危险群。雷雳等（2006）发现神经质人格对IAD有显著的正向影响，神经质人格特征可以直接预测网络成瘾。张海涛等（2006）的研究发现网络成瘾和人格特点存在着密切的联系，人格特质能够预测网络成瘾的倾向。侯友（2007）发现精神质和神经质对网络成瘾产生正向影响。Davis（2001）认为，网络成瘾者自身在人格特质方面存在着一些先天特征，如社交恐惧、忧郁、物质成瘾等，在此基础上如果再遇到相关生活事件引发更大、更多生活压力，由此就有可能最终造成网络成瘾。

以上关于网络使用者的人格特质与网络成瘾之间关系的相关研究表明，网络使用者的人格特质与网络成瘾之间存在着密切的联系，孤独、抑郁等消极的人格特质在网络成瘾者身上表现更为普遍。

网络成瘾问题在青少年人群中的日益凸显，使人格特质在其中的影响越来越受关注。

（二）应对方式对网络成瘾的影响

应对是指个体在遭遇生活事件时， 对于应激事件和自己可以利用的资源先期进行评估， 之后不断做出认知和行为上的努力（Burger，2004）。不同的人格发展往往会伴随和产生不同的应对方式。良好的应对方式有益于精神健康，而缺乏良好的应对方式则会损害精神健康 （肖计划，1996；彭虎军等，2008）。

肖计划等人（1996）的研究表明， 使用“ 解决问题”应对方式较多的学生在整体精神健康状况方面存在较高水平， 不仅如此，他（她）们在人际交往方面也表现出了较好的状态，。使用消极应对方式较多的学生在整体精神健康状况方面存在较低水平，不仅如此，还常常伴随着 “ 焦虑”“ 抑郁” 以及一定程度的“？强迫症状” 。韦有华和汤盛钦（1997） 的研究发现：大学生面对压力时较多采取积极应对方式，较少采取消极应对方式，并且在年级、情境、性别方面呈现出了较大差异，而在城乡、专业、性格方面却呈现出的是较小差异。张建卫等人（2003）研究发现：大学生在3 种应对方式上均表现出了显著的年级差异，在大学生面对压力时的应对方式上呈现出的是独生与非独生子女之间以及男生与女生之间的显著差异。朱孔香等（2008）的研究发现男生是网络成瘾的危险因素，认为这可能与男生所承受的心理压力较大有关。

不少研究发现，人格特征与应对方式也存在密切的关系。如，梁宝勇等（2000）的研究发现，消极应对与神经质呈显著正相关；积极应对与外倾性呈显著正相关，与神经质则呈显著负相关。温岚等（2010）的研究表明，积极应对方式与抑郁呈现的是显著负相关，消极应对方式与抑郁则呈现的是显著正相关；积极应对方式会防御抑郁，消极应对方式则加促抑郁情绪。

Kraut（1998） 发现网络使用过度的人群有较高的忧郁感；Young 和Rogers（1998）认为抑郁与网络的过度使用存在显著的相关。

从以上一系列研究中可以看到，网络成瘾与消极应对方式、消极情感体验密切相关。消极应对方式与抑郁关系较为密切，而网络成瘾者普遍具有抑郁、焦虑等人格特质。具有某些人格特质的人一旦遭遇某种挫折，其需要得不到很好地满足， 可能更容易到网络上寻求支持，以至于网络成瘾。此时，网络成瘾便成了一种应付挫折与压力的手段。

（三）人口统计学变量对网络成瘾的影响

侯友（2007）的研究表明，上网游戏时间、生活事件可以直接预测网络成瘾倾向，成瘾组与非成瘾组在上网时间上有显著差异，上网时间可以直接预测网络成瘾的倾向。但林绚晖，阎巩固（2001）的研究表明在上网时间上，成瘾组与非成瘾组却并不存在显著差异。是不是可以通过上网时间来预测网络成瘾，相关研究的结论却并不一致。

Young（1996）、Morahan- Martin&Schumacher（2000）的研究发现，网络成瘾者比他人有更多的理由上网。姚建国等（2006）的研究发现，网络成瘾组使用网络目的以游戏居多，与正常组有显著差异。

国内外很多研究发现网络成瘾具有性别差异―男生比女生更容易沉溺于网络（Morahan- Martin &Schumacher，2000；欧居湖，2003）。但Brenner（1997）的研究却显示男性与女性的网络成瘾倾向没有差异。朱孔香等（2008）的研究结果显示网络成瘾量表得分与学生性别、所学专业相关， 男生和计算机专业的学生更容易出现网络成瘾。Morahan-Martin &Schumacher（2000）的研究表明，网络成瘾现象的出现与否与上网年龄无关。但欧居湖（2003）的研究表明，网络成瘾在不同年级学生中表现出了显著差异。张海涛等（2006）的研究发现独生子女比非独生子女网络成瘾程度大，差异性显著。李涛等（2004）的研究表明网络成瘾倾向和父母的教养方式密切相关。胡岚（2005）的研究表明生活事件可以直接预测网络成瘾的倾向。

由上述研究可知，对同一问题进行研究时，结论可能有所不同。这可能与所使用的测量工具、研究方法不同及问题本身的复杂程度有关。

4 网络成瘾的成因

（一）对网络成瘾成因的探讨

通过查阅文献发现，在对网络成瘾的成因进行探讨的问题上，相关研究大多是从以下三个角度进行的：有一类研究在分析可能造成网络成瘾的原因时主要侧重于从互联网角度入手，如互联网服务类型与网络成瘾的关系；有一类研究主要是从用户角度入手，探究可能导致互联网用户更容易沉溺于互联网从而成为网络成瘾的心理行为变量，如人格与网络成瘾的关系；还有一类研究是将个体因素与互联网特点两者结合起来研究，如神经质人格特征、互联网社交和娱乐服务偏好对PIU的影响雷雳等（2006）。

（二）对网络成瘾解释的探讨

在众多对网络成瘾进行的相关研究中，Young 的ACE 模型、Davis 的认知-行为模型、Grohol 的阶段模型和社会一生理一心理模型是对网络成瘾予以解释的几种比较常见的模型。

（1）Young的ACE模型

Young（1997）提出由于互联网具有三个特点：匿名性（Anonymity）、便利性（Convenience）、逃避现实（Escape）。正是因为网络存在以上这些特点才导致了网络使用者的成瘾行为，这一解释称之为ACE模型。

该模型是基于网络本身特点和网络行为而提出的，认为之所以出现网络成瘾首先是源于网络的特性。其特性使得网络使用者在网络上表现得更自由、更隐蔽，以至于引起过多的网络的过度使用，并最终导致了网络成瘾症状的出现。

（2）Grohol阶段模型

Grohol（1999）认为，网络使用可以分为三个阶段，要想实现由第一阶段跨越到第二阶段和第三阶段，必须要借助外界力量的帮助。即：网络成瘾是网络使用成熟发展中的一个阶段。

（3）Davis的认知行为模型

Davis（2001）认为影响网络成瘾的核心因素是非适应性认知。它位于病理性互联网使用病因链的近端，是病理性互联网使用能够产生的充分条件。而病理性互联网使用会受到不良倾向（个体的易患素质----个体具有的诸如抑郁、社会焦虑、物质依赖等素质）和生活事件（压力源----紧张性刺激， 在此是指不断发展的互联网技术）的影响，它们则位于病理性互联网使用病因链的远端，是病理性互联网使用产生的必要条件。个体易患素质与压力源的结合，对于网络使用者而言就更容易形成病态网络使用的行为。

该模型是基于网络使用者内在心理状态和行为而提出。

（4）社会一心理一生理模型

研究者们已经注意到网络成瘾是多因素共同作用的结果。刘树娟等（2004）认为网络成瘾受社会、心理和生理各方面因素的制约，应通过“社会一生理一心理”统一的模型，综合各种因素来解释。雷雳、李宏利（2004）认为不仅是人的生理、心理因素导致了PIU的出现，还有可能存在着社会环境因素对PIU的影响。网络成瘾往往受到多种因素的影响，并可显示出各种相关效应，综合各种因素予以解释可能会更加合理。

（三）网络成瘾的诊断与测量

虽然对网络成瘾现象的研究很多，但到目前为止仍没有一个公认的标准。对网络成瘾的准确界定和测量直接影响着对其的诊断、干预、治疗。

在众多研究者中，Young最早对网络成瘾进行了量化研究。Young（1996）通过对病态的诊断标准进行修改与订正，最终形成了网络成瘾的测量工具。被试对这一共包括8个题项的问卷进行作答后，如果其中有5项的作答是肯定的，那就属于网络成瘾。

Goldberg（1995）提出的网络成瘾的诊断标准包括突显性、耐受性、退瘾症状、戒断症状、冲突性、复发性、心境改变七种症状，无论一年中的任何阶段、时间，只要如果网络使用者有多于以上所列七种症状中的三种症状出现，那就可以被判断为网络成瘾。

Brenner（1997）编制了“互联网相关成瘾行为量表”（Internet Related addictive Behavior Inventory， 简称IRABI），一共包含了32 项内容。这一量表后经台湾学者Chou（2000）进行了翻译，并对其进行了修订，形成了中文版量表第二版（C- IRABI-II），一共有37 个项目。

Griffiths（1998）提出，要界定网络使用者的行为是否是网络成瘾必须要满足诸如：显著性、心境改变、耐受性、退瘾症状、冲突性、再发性共6项原则。

Suler（1999）认为有8个因素可以判断一个人对待互联网的热情到底是属于健康性的，还是属于病理性的，抑或者是介于健康性与病理性之间。

Morahan-Martin与Schumacher（2000）编制的病理性互联网使用问卷，共10个项目。

Davis（2002）编制的在线认知量表（ the Online Cognition Scale，简称OCS），是一个多维度判断网络成瘾的工具，包含5个因素，共36个题项。通过计算被测试者的总分或者计算被测试者在任一维度上的得分来确定被测试者是否属于网络成瘾。

陈淑惠（2003）在研究中提出对网络成瘾的测量，其量表必须包括四个症状维度：网络成瘾耐受性；强迫性上网行为；网络退瘾症状；网络成瘾相关问题。

欧居湖（2003）在研究中提出判定网络成瘾可以依据以下九个方面：智力受损、注意力缺失、动机冲突、双重人格、成瘾行为、适应不良、抑郁、孤独感、躯体症状等。

此外，雷雳等（2007）等也在调查、研究的基础上编制了网络成瘾量表。

现有对IAD测量的量表虽然很多，但其仍然只处于探索阶段，因为编制精良、信度和效度较高、适用广泛的量表依然处于缺乏状态。

生活中人们更多是受益于互联网使用的，网络成瘾只是对正常、健康使用互联网的偏离。因此，对网络成瘾相关问题的研究必须建立在网络使用可能带给用户积极影响的基础上。

总之，网络成瘾是多因素影响、作用的结果。面对网络成瘾需综合考虑多种因素进行分析。

神经网络研究现状篇（4）

中图分类号：R2－03　文献标识码：A 文章编号：1673－7717(2007)07－1450－03

证的研究一直是中医学界十分关注的研究热点。然而，过去几十年来证候研究的思路很大程度上受到现代医学的局限，大都集中于用实验指标来阐释证候机理。由于证候并不是机体局部的反应，而是涉及多个器官，多个系统，多个水平的整体反应。故某些实验指标虽然表现出与证候的相关性，但在解释证候的整体性问题时却遇到了矛盾。所以，中医证候“规范化”的内涵不应理解成简单的赋予分值或实验室指标化，更主要的是信息量的表达，尤其症状权值的确定是关键环节。传统研究方法用于中医证候规范化有两个局限性，即症状的权值不明确，主观性强。这种局限显然制约了中医证侯研究的进程，并成了阻碍中医现代化的瓶颈；同时，也急切地呼唤中医工作者进一步运用现代数理统计方法和信息处理技术，从中医整体调控的视角对证侯进行科学的研究。

人工神经网络(Artificial Neural Network，ANN)是多学科交叉的前沿高科技术领域，涉及生物、计算机、数学、物理等诸多学科，也是少数具有严格数学基础的与人工智能相关的数据挖掘技术之一。它有比较清楚的数学和统计学支持。经多年的研究发展，如今反过来正向多学科渗透，在医学领域中，已有用于疾病预报、疾病诊断分类、药物分析、中药质量评价、脉象智能分析系统的开发等多方面的相关文献报道。由于人工神经网络是一种将整体论与还原分析方法有机结合的研究复杂系统的方法，能够有效处理复杂系统中杂乱无章的海量数据，并能够在海量数据中寻找模式，寻找规律，归纳隐含的逻辑关系，发现多个信息单元之间相互关联规则，同时还能从数据的分析研究中进行学科发展预测性研究，因而在中医证候研究领域有着广阔的应用前景。

1 人工神经网络的原理

人工神经网络是由神经元结构模型、网络连接模型、网络学习算法等几个要素组成，是具有某些智能功能的系统，它是模拟神经元之间相互联系和作用而构建的。可以分为输入层、隐含层和输出层，每一层可以包含若干个节点(神经元Neuron)，层与层之间的节点互相联系，在训练过程中这些关联的权重随着训练过程的进行作不断的调整，以求使结果达到最优，亦即是使输出结果同实际情况的差异最小。一个成功的ANN的建立需要对网络进行训练，也就是让网络从外界(输入端)接受信息，不断调整内部的权重，这一过程所遵循的准则是通过学习使网络减少在下一次训练中犯同样错误的可能性。现今有多种类型的神经网络，如BP神经网络，Koho－nen神经网络，Hopfield神经网络等数十种。各种具体的网络由于其自身特征又有不同的工作方法，如医学中应用比较广泛的BP神经网络(BackPropagation)，也就是误差逆向传递网络，其特点是在训练过程中将输出值同实际值的差异(误差)不断的反传给网络，调整各层之间的权重大小，以求使理论值与实际值的误差最小。此外还有感知器模型(perceDtion)在医学中应用，主要用于一些分类问题的研究。

2　中医证候体系的非线性特征

2．1 人体是一个非线性的复杂系统人体是一个复杂系统，中医理论体系中以五脏为中心的功能结构系统也具有复杂系统的特征。人体系统的复杂性首先反映在结构的复杂性，人体是多层性、多形态的网络体系，同时也体现在不确定性和混沌状态，更重要的是个体具有自组织性和自适应性。人体系统自组织的动力主要来自内部子系统的竞争与协同造成的“涨落”。人体系统由极多互相关联的子系统构成，呈非线性的分形结构。基于生命系统的自相似性，可由局部映射整体。马建平研究发现，人体中物质代谢及调控形成的耗散结构由两种不同非线性的状态波偶联而成，状态波既是各种物质代谢及调控的表现，又反过来制约物质代谢及调控过程。

2．2 中医证候体系的非线性特征中医理论框架中的证候体系也同样具有非线性特征。人体是一个复杂的自适应系统，能够随内外环境变化而相应地调整内部运行机制，这种自适应性是生命得以繁衍生存的基本能力。当内外环境的变化超出机体的自适应能力时，机体就处于一种过度调整的病理状态，这种状态的总体概括就是证候。证候是机体在疾病发生发展过程中截取其某一个时间断面功能状态的综合反映，可分“证”和“候”两个方面，“证”是指对疾病所处的某一时点的病因、病机、病位、病性、病势的总体概括，反映该病理状态的实质；“候”是指这种病理状态表现在外的征象(症状、体征等)。这些反映于外的症状、体征所表达的就是人体各层级结构的逐级功能失调的结果。任何一个低层级的结构或功能失调，都有可能导致整体层次的功能失序状态，表现出各种外在的“候”。可见，证与候的关系是“以候为证”，证决定候，候表征证，证是实质，候是表象。实质与表象之间存在各层级涌现现象。因此，证候是非线性的复杂系统。同时，由于机体的病理状态会随自身抗病能力的调整、病程进展和药物干预的影响而发生不断的变化，所以，同一种疾病在不同时间断面上会表现出不同的证候，而不同的疾病在某一个时间断面上有时也可以呈现出相同的证候。另外，医者通过不同的角度、方法、环境进行观察时，证候也常呈现给观察者以不同的界面，从而表现出不同的证候。再者，每个个体的体质、性情、人格特征、生活习惯和生存环境以及医生的经验、直觉、感悟等不确定性因素也是导致证候多样性的重要原因。这表明证候是动态的、多变的、复杂的。辨证实际上就是通过观察外在的候来确定机体内存的证(病机状态)的过程，因此，中医证候体系是一个非线性的、多维多阶的、可以无限组合的复杂巨系统。

3　人工神经网络用于证候研究的可行性

中医证候体系的复杂性表明对于证候的研究不能单纯使用现代医学还原论的手段和方法。证候与致病因素之间、与理化指标之间、与方剂效应之间都存在着非线性关系，这些非线性关系是导致多年来证候研究出现矛盾和困惑的根源。证候的定位是整体性和亚整体性的，从系统论角度而言，是机体系统和功能子系统异常的外在表现，证候偏重于功能失调，是对机体整体功能反应状态的认识和把握。王永炎认为证候和辨证方法体系研究应遵循以象为素，以素为候，以候为证，病证结合，降维升阶，从系统复

杂性出发回归到清晰明了的规则，从非线性设计着手。

神经网络研究现状篇（5）

关键词:

人工神经网络；岩土工程；应用

岩土工程的研究对象分为两大类:其一为岩体;其二为土体。岩土工程涉及的介质存在两大特性，即模糊性和随机性，这两大特性又统称为不确定性。近年来，不少学者在岩土工程研究过程中，提出了人工神经网络这一概念，即利用人工神经网络，将其应用到岩土工程研究领域当中，从而为深入了解岩土工程的某些介质特征奠定有效基础［1］。从岩土工程研究的优化及完善角度考虑，本文对“人工神经网络在岩土工程中的应用”进行分析意义重大。

1人工神经网络分析

1．1人工神经网络概念

对于人工神经网络来说，是一种对人脑结构与功能进行反映的数学抽象模型;主要通过数理策略，经信息处理，进一步对人脑神经网络构建某种简化模型，进一步采取大量神经元节点互连，从而形成复杂网络，最终完成人类思维及储存知识的能力的模拟。神经网络无需构建反映系统物理规律的数学模型，与别的方法比较，在噪声容忍度方面更强［2］。与此同时，还拥有很强的非线性映射功能，对于大量非结构性以及非精准性规律存在自适应能力，具备超强的计算能力，可完成信息的记忆以及相关知识的推理，且其自身还具备自主学习能力;与常规算法相比，优势、特点突出。

1．2BP网络简述

从研究现状来看，基于实际应用过程中，人工神经网络模型大多数采取BP网络。BP网络即指的是多层前馈网络，因多层前馈网络的训练通常使用误差反向传播算法，所以将BP网络称之为属于一类误差反向传播的多层前馈网络。对于其网络而言，具备输入节点和输出节点，同时还具备一层隐层节点与多层隐层节点，基于同层节点当中不存在耦合状态。其中的输入信号从输出层节点依次传过各个隐层节点，进一步传输至输出节点，每一层节点的输出只对下一层的节点输出产生影响。

2人工神经网络在岩土工程中的应用分析

在上述分析过程中，对人工神经网络的概念有一定的了解，由于其模型算法的优越性，可将其应用到岩土工程研究领域当中，从而为解决岩土工程问题提供有效凭据。从现状来看，人工神经网络在岩土工程中的应用主要体现在以下几大方面。

2．1在岩石力学工程中的应用

岩石力学工程是岩土工程中尤为重要的一部分，将神经网络应用到岩石力学工程当中，主要对岩石非线性系统加以识别，同时还能够为工程岩体分类提供有效帮助，此外在爆破效应预测方面也具备一定的应用价值。对于人工神经网络来说，存在从有限数据中获取系统近似关系的优良特性，而岩石当中的各项参数之间又存在很复杂的关系，并且难以获取完整的参数集。在这样的情况下，使用人工神经网络技术，便能够使岩石非线性系统识别问题得到有效解决［3］。此外，有研究者将岩石抗压强度、抗拉强度以及弹性能量指数等作为岩爆预测的评判指标，进一步对岩爆预测的神经网络模型进行构建，然后预测了岩爆的发生与烈度。通过计算得出结论:采取人工神经网络方法进行岩爆预测行之有效，值得采纳借鉴。

2．2在边坡工程中的应用

对于岩土工程中的边坡工程来说，边坡失稳状况突出，且是由多因素造成的，比如边坡失稳的地质形成条件、诱发因素的复杂性以及随机性等。与此同时，由于边坡动态监测技术从目前来看尚且不够成熟，因此边坡失稳在岩土工程研究领域一直视为是一项难以解决的工程项目。而对于神经网络方法来说，因其具备非常好的预测功能，因此相关岩土工程研究工作者通常会采取人工神经网络对岩土工程中的边坡工程问题进行求解。并且，从现有研究成果来看，将人工神经网络应用于岩土工程的成果突出。有学者对影响岩质边坡的稳定性的相关因素进行了分析，包括地形因素、岩体因素以及外部环境因素等，并构建了边坡稳定性分析的BP网络模型［4］。此外，还有学者将大量水电边坡工程的稳定状况作为学习训练样本及预测样本，对以人工神经网络技术的边坡岩体的稳定性进行了研究，结果显示，采取人工神经网络对边坡岩体的稳定状况进行预测可行性高。

2．3在基坑工程中的应用

采取人工神经网络对基坑变形进行预测主要分为两种情况:其一，对会影响基坑变形的各大因素及位移的神经网络模型加以构建;其二，把变形监测数据作为一个时间序列，以历史数据为依据，将系统演变规律查找出来，进一步完成系统未来发展趋势的分析及预测。有学者针对基坑变形利用了人工神经网络方法进行预测，结果表明:对前期实测结果加以应用，使用此方法能够对后续阶段的基坑变形实时预测出来，并且预测结果和实测结果保持一致性。此外，还有学者根据具体工程项目，采取人工神经网络，对深基坑施工中地下连续墙的位移进行了深入分析及预测，结果显示:使用人工神经网络方法进行分析及预测，在精准度上非常高，值得在深基坑工程相关预测项目中使用［5］。

2．4在地铁隧道工程中的应用

在地铁隧道施工过程中，存在地表变形和隧道围岩变形等状况，为了深入了解这些状况，可将人工神经网络应用其中。有学者在对地层的影响因素进行分析过程中，列出了可能的影响因素:盾构施工参数、盾构物理参数以及地质环境条件，进一步利用人工神经网络，构建了人工神经网络模型，进一步针对盾构施工期间的地层移动进行实时动态预测，最终得到了不错的预测成果。此外，还有学者对BP网络算法进行改进，然后对某地铁工程中隧道上方的地表变形进行了未来趋势预测，结果表明:和其他地表变形预测方法相比，人工神经网络预测方法的应用价值更为显著。

3结语

通过本文的探究，认识到基于人工神经网络模型的算法具备很高的优越性，由于岩土工程地质条件复杂，为了深入研究岩土工程，可将人工神经网络应用其中。结合现状研究成果可知，人工神经网络在岩石力学工程、边坡工程、基坑工程以及地铁隧道工程中均具备显著应用价值。例如:将人工神经网络应用于岩石力学工程当中，能够预测岩爆的发生与烈度;应用于边坡工程当中，能够边坡工程的稳定性进行精准预测;应用于基坑工程当中，实现对基坑工程变形的实时动态监测;应用于地铁隧道工程当中，能够进一步了解地铁工程中隧道上方的地表变形情况。

总而言之，人工神经网络在岩土工程中的应用价值高，值得相关工作者采纳应用。

作者：张洪飞 单位：山东正元建设工程有限责任公司

参考文献

［1］郑惠娜．章超桦．秦小明．肖秀春，等．人工神经网络在食品生物工程中的应用［J］．食品工程，2012(01):16－19．

［2］邹义怀．江成玉．李春辉，等．人工神经网络在边坡稳定性预测中的应用［J］．矿冶，2011(04):38－41．

神经网络研究现状篇（6）

水资源是人类生存和发展不可或缺的重要自然资源，随着人口持续增长、经济社会快速发展，出现了水环境污染、水资源短缺等问题。研究区域水资源安全状况，对于优化配置水资源、缓解水资源供需矛盾以及实现水资源与经济社会和谐发展具有重要意义。由于水资源系统是一个包含社会、经济、生态环境等互相关联的复合系统，它们之间呈现复杂的非线性关系，而人工神经网络模型在处理非线性问题上有着无可比拟的优势，它通过对历史数据的学习处理，最大程度上保留了数据之间的客观联系，具有良好的应用前景。Elman-NN由于网络结构特点对历史状态数据具有敏感性，多应用于预测分析，而在水资源安全评价方面的应用很少。现根据某市实际情况构建水资源安全评价指标体系，尝试选用El⁃man-NN评价分析某市水资源安全状况，验证Elman-NN的适用性，以期推广Elman-NN在水资源安全评价方面的应用。

1.水资源安全分级评价指标体系的构建

水资源评价指标体系的建立是进行水资源安全评价的基础，由于不同地域水资源状况不同，因此评价指标的选取就有所区别。现结合研究区域水资源特点和经济社会发展实际状况，同时参考关于研究区域和相似地区的城市水资源安全评价的相关研究成果，并遵循指标的代表性、科学性、可量化性，数据的易获取性原则，将水资源安全划分为本底安全、利用安全、生态安全3个准则层，然后针对这3个准则层共选取11个评价指标来构建了某市水资源安全综合评价指标体系，评价标准优先选用国际、国内或地方水资源安全标准，其次参考相关研究成果、规划目标，再次寻求专家经验值。具体水资源安全评价指标等级划分标准详见表1。评价指标确定后，收集2009年—2018年研究区域的相关数据，数据主要来源于经济统计年鉴、水资源公报以及政府的官方网站等。

2.基于Elman-NN的水资源安全评价模型的建立

2.1Elman-NN模型网络结构基本情况

Elman-NN模型是一种典型的局部回归动态反馈型神经网络模型，最早是由J.L.Elman在1990年针对语音处理问题提出来。Elman-NN是在BP-NN的基础上，通过增加承接层使网络具备延迟与存储功能，从而使系统具备处理动态信息的能力，增强了网络的稳定性和模型的准确度。该模型结构一般分为4层：输入层、隐含层、承接层和输出层。信号经输入层传递到隐含层，在隐含层经过传递函数（有线性函数和非线性函数两类函数）的计算再传递给承接层，承接层和隐含层节点一一对应，它将记忆的上一时刻的隐含层状态和当前时刻的输入一同作为隐含层的输入，起到了延时记忆的功能。承接层和输出层传递函数均为线性函数，输出层起到线性加权作用。当隐含层神经元足够多的时候，Elman-NN可以保证网络以任意精度逼近任意非线性函数。

2.2水资源安全评价模型的建立和训练

水资源安全评价模型建模的构建和训练均是利用MATLAB（R2016a）软件完成。训练样本的确定。评价指标体系确立后，将选定的11个指标所对应的标准值作为输入项，而与之对应的水资源安全等级作为输出项。为了模型具有良好的适用性，需要有充足的训练样本，此文采用MATLAB软件中的uni⁃frnd函数在评价指标相应级别随机生成的200个样本值，共生成1000组的标准的输入样本。同样生成1000组与之对应的水资源安全等级作为理论输出值。将生成的1000组样本随机抽取800组数据作为训练样本，剩余200组数据作为验证样本。网络结构的设计与训练。应用newelm函数创建评价模型的网络结构，网络结构采用输入层、隐含层、承接层、输出层的4层网络结构。依照构建的水资源评价指标体系可确定输入层为11个神经元，输出层为1个神经元。隐含层和输出层的传递函数分别选用tansig正切函数和purelin线性函数，训练函数选用L-M优化算法的trainlm函数。隐层神经元个数的先通过经验公式：N=+e确定大概范围，式中N为隐层神经元数，p为输入层节点数，t为输出层节点数，e为调节常数，取值1～10。然后编写程序，从确定的隐含层神经元范围的最小值开始，逐一增加进行网络训练，选取训练误差最小时的隐含层神经元数，最终确定为7。为消除不同量纲的影响，应用mapminmax函数将训练样本和验证样本标准化到[0,1]区间。最大终止训练步数设置为1000步，学习速率设置为0.01，设定期望误差为1.0×10-4，其他参数均选用默认值。经过67次迭代训练，训练误差达到8.4887×10-5，达到设定阈值，训练终止，训练误差变化曲线见图1。模型训练完成后，导入验证样本进行网络预测性能的验证，最终验证误差为6.4144×10-5，与训练误差很接近，说明网络没有出现过拟合。Elman-NN模型拟合值和目标值对比见图2，由图2可以看出，验证输出与期望输出非常吻合，由此可以证明此模型的泛化能力很强，完全满足水资源安全评价的要求。

2.3结果评价与分析

水资源安全评价模型网络训练完成后，将研究区域2009年—2018年各评价指标值带入到保存的Elman-NN和BP-NN网络里进行计算，可得到研究区域2009年—2018年的水资源安全综合评价等级，水资源安全综合评价结果见表2。由表2可知，两种神经网络得出的评价结果是一致的，2009年—2015年（除2012年水资源安全程度为临界安全外），研究区域的水资源安全等级为均为不安全，2016年—2018年，水资源安全等级均为临界安全。由2009年—2018年的整体趋势看研究区域的水资源安全状况有向好的变化趋势。但从现状看，研究区域的水资源安全状况处于临界安全状态，形势仍是不容乐观的，需进一步提高水资源安全状况。

神经网络研究现状篇（7）

【关键词】数字图像处理 图像分割 灰色系统 神经网络

近几年，图像处理已经在社会中广泛应用，图像分割技术在图像处理上面的重要性越加显著。图像分割技术是图像处理中的基础性技术之一，图像分割技术质量直接影响着图像识别及分析质量，因此图像分割技术已经成为识别系统中的关键性因素。

1 图像分割发展现状及应用领域

1.1 发展现状及存在的问题

在图像分割中使用统一方法，是现在很多研究人员的主要研究方向，所以图像分割还是困扰视觉领域上的主要问题，还有很多问题没有得到很好的处理，现如今图像分割还存在以下几个问题：

1.1.1 与人类视觉机理相脱节

伴随着研究人员对于视觉机理不断深入性研究，人们对于视觉认识也越加深入，现在图像分割上面所使用的方法已经与视觉机理研究成果之间存在一定差异，难以提高图像分割精准性。提高图像分割精准性，积极探索先进分割方法，就必然将人类视觉特点考虑在内，让图像分割与人类视觉特点相结合，满足人工神经网络理论。

1.1.2 知识的利用问题

图像分割在实际利用作用主要表现在，对于灰度及空间信息分割，这种分割方式所产生的效果与人类视觉分割之间的效果之间存在较大差异。在图像分割中应该积极与人类视觉相结合，了解更多知识，这充分认识到分割图像上面知识重要性，同时在视觉上面，人们在研究中经常将已经掌握图像分析，这样就解决了知识所存在的不确定因素，提高图像分割重要性。

1.2 应用领域

图像处理中的重要技术就是图像分割技术，伴随着图像处理在个领域内的广泛应用，现在图像分割技术所应用的范围也越加广泛。到现在为止，图像分割技术已经在工业、产品生产等等领域内应用。

2 灰色系统理论

2.1 灰色理论的主要内容及特点

灰色系统理论一共包含两个部分的理论体系，分别是灰色系统理论与灰色系统分析方法，整个理论体系主要内容就是灰色朦胧集，将灰色序列作为重要的方法。灰色理论系统所涉及知识范围十分广泛，在短时间内已经取得了快速发展，应用广泛，主要是由于灰色理论系统在实际应用具有三个特点，分别是系统性、联系性及动态性。

2.2 灰色关联分析

灰色系统分析理论的重要组成内容就是灰色关联分析，核心思想就是将几个曲线之间所具有的几何形状进行对比分析，也就是不同几何形状之间越相似，关联度也就越高，发展拜年话形式越加贴近。灰色关联度主要是从定量角度对于系统之间各各因素关系变化分析，通过大小、方向、速度等等因素判断不同因素之间的关联性。现在在灰色关联计算中，所使用的方法较多，例如绝对关联度、点关联度等等。

3 基于灰色关联和神经网络的图像分割

3.1 人工神经网络

人工神经网络就是根据人脑处理方式所形成的智能信息处理理论，模拟人脑学习方式。近几年，人工神经网络研究工作在取得了较大的成果，其中最为显著特点表现在信息分布及储存上面，与人类视觉系统越加吻合，具有较高的自学习性及兼容性，发展快速，已经在信息领域上面应用较大的市场前景。

3.2 神经元模型与数字描述

在对于神经网络神经元与生物神经元对比中发现，生物神经元主要由三个部分构成，分别是细胞体、树突和轴突，这些部分别承担着信息处理到传输等工作。

在神经元数学模型描述中，第i个神经元能够接受到其他神经元所传输的信号x，突触强度主要应w表示，这称之为权系数。这种神经元数学方程式为：

方程式中的θ表示的是阙值，f表示的是激励函数。

3.3 基于灰色-BP网络的图像分割

在图像分割中已经开始广泛应用神经网络，其中主要应用的是神经网络中的BP网络，同时应用已经十分成熟。在图像处理过程中具有较多的隐藏层数及节点缺陷，隐藏层数及节点个数对于网络泛化能力具有一定影响，如果要是应用BP网络，那么最后输出样本结果才是最合适的。网络节点要是过多，主要就是将网络训练结果考虑在内，其中包含噪声的影响，网络泛化能力在不断降低，节点个数要是过少，网络就不能够有效整合数据信息，网络泛化能力也会受到影响，最后对于网络整体运行造成影响。在网络结构优化上面，很多研究人员也根据实际情况提出了一些计算方式，希望能够简化网络结构，例如敏感计算法等等，但是研究人员所提出的计算方法在实际应用中取得的效果并不是十分显著。笔者所提出的灰色系统和BP网络结合，能够有效解决BP网络所存在的节点问题，提高图像分割精准度，与传统BP算法相比较，泛化能力更加显著，网络运行更加稳定，分割效果更为显著。

在BP神经网络具有代表性结构，拓扑结构为三层，也就是一个输入层，一个隐含层，一个输出层。为了能够提升网络运行性能，经常使用修改学习效率及优化方法等等方式。

设一个具有Q层的人工神经网络，其中第一层为输入层，第Q层为输出层，那么该网络的输入输出变换关系为：

i=1，2，…，nq 其中η为系统的学习效率，

w为修正权系数，

该式表示第q层第i个节点与第j个节点在t次学习后的值

4 结论

图像分割质量对于数字图像处理算法工作具有重要作用，因此图像分割已经成为理解系统与识别系统在研究中十分重要的因素。本文基于灰色系统理论的数字图像处理算法简单研究，还存在一定不足，仅供参考。

参考文献

[1]陈志国，傅毅，孙俊.群体智能算法的遥感图像处理研究[J].计算机应用研究，2013（08）：2538-2540.

[2]王伟，王辉，张潇.基于免疫和灰色系统理论的网络认知研究[J].微电子学与计算机，2013（06）：117-121.

[3]李晓峰，刘光中.人工神经网络BP算法的改进及其应用[J].四川大学学报（二程科学版），2015（03）.

[4]邵虹，徐全生，崔文成.基于BP神经网络的人脸图像识别方法的研究[J].沈阳工业大学学报，2014，2（04）：346-348.

[5]匡锦俞，丁俊民，陈十禄.图像的小波系数神经网络预测编码[J].北京师范大学学报，2015，35（04）：464-467.

作者简介

神经网络研究现状篇（8）

神经网络是近年来得到广泛关注的一种非线性建模预报技术。它具有自组织、自学习、自适应和非线性处理、并行处理、信息分布存储、容错能力强等特性，对传统方法效果欠佳的预报领域有很强的吸引力。基于神经网络的非线性信息处理方法已应用于军事信息处理及现代武器装备系统的各个方面，并有可能成为未来集成智能化的军事电子信息处理系统的支撑技术。该技术在一些先进国家已部分形成了现实的战斗力。

船舶在波浪中航行，会受到风、浪和流的影响，因而将不可避免地发生摇荡运动。严重的摇荡会使船员工作效率下降、物品损坏、军舰的战斗力下降。如果能够预知未来一段时间船舶的运动情况，不仅有利于尽早采用先进控制算法控制舰载武器平台隔离船舶运动的影响，使其始终稳定瞄准目标，而且还可获得未来一个海浪周期内的船舶运动情况，以研究船载武器上层的控制策略，从而提高火力密度，因此，有必要研究在海浪中具有一定精度的海浪中船舶运动的短期预报。此外，如能有效准确地预报船舶的横摇运动，对于提高船舶的耐波性和适航性也有重要意义。

国内外学者也将神经网络用于船舶运动预报研究，但往往没有考虑实时性等实现问题，因而不能实用化。神经网络实现技术是神经网络研究的一个重要方面。神经网络实现可分为全硬件实现和软件实现两种。目前神经网络的实现还主要以软件模拟为主，由于现行的冯诺曼计算机体系结构不能实现并行计算，因而神经网络软件的实时应用还受到一定限制。

目前，一些著名集成电路制造公司如Intel、Mo-torola、松下、日立、富士通等均已推出自己的模拟或数字神经网络芯片，这些芯片无论在网络规模还是运行速度上都已接近实用化的程度，因而给神经网络应用的发展以极大的推动。由于舰载武器系统，需选用具有在片学习功能的神经网络芯片，即将网络训练所需的反馈电路及权值存储、计算和修正电路都集成在了一个芯片，因而可实现全硬件的、具有自学习能力的神经网络系统，也可以说，这是一种具有自适应能力的神经网络。

2 ZISC78的功能及工作原理

ZISC78是由IBM公司和Sillicon联合研制的一种低成本、在线学习、33MHz主频、CMOS型100脚LQFP封装的VLSI芯片，图1所示是ZISC78的引脚排列图。ZISC78的特点如下：

内含78个神经元；

采用并行结构，运行速度与神经元数量无关；

支持RBF／KNN算法；

内部可分为若干独立子网络；

采用链连接，扩展不受限制；

具有64字节宽度向量；

L1或LSUP范数可用于距离计算；

具有同步／异步工作模式。

2．1 ZISC78神经元结构

ZISC78采用的神经元结构如图2所示，该神经元有以下几种状态：

(1)休眠状态：神经网络初始化时，通常处于这种状态。

(2)准备学习状态：任何时侯，神经网络中的神经元都处于这种状态。

(3)委托状态：一个包含有原型和类型的神经元处于委托状态。

(4)激活状态：一个处于委托状态的神经元，通过评估，其输入矢量处于其影响域时，神经元就被激活而处于激活状态。

(5)退化状态：当一个神经元的原型处于其它神经元类型空间内，而大部分被其他神经元类型空间重叠时，这个神经元被宣布处于退化状态。

2．2 ZISC78神经网络结构

从图3所示的ZISC78神经网络结构可以看出，所有神经元均通过“片内通信总线”进行通信，以实现网络内所有神经元的“真正” 并行操作。“片内通信总线”允许若干个ZISC78芯片进行连接以扩大神经网络的规模，而这种操作不影响网络性能。

ZISC78片内有6 bit地址总线和16 bit数据总线，其中数据总线用于传输矢量数据、矢量类型、距离值和其它数据。

2．3 ZISC78的寄存器组

ZISC78使用两种寄存器：全局寄存器和神经元寄存器。全局寄存器用于存储与所有神经元有关的信息，每片仅有一组全局寄存器。全局寄存器组中的信息可被传送到所有处于准备学习状态和委托状态的神经元。神经元寄存器用于存储所属神经元的信息，该信息在训练学习操作中写入，在识别操作中读出。

2．4 ZISC78的操作

ZISC78的操作包括初始化、矢量数据传播、识别和分类等三部分。

初始化包括复位过程和清除过程。

矢量数据传播包括矢量数据输入过程和神经元距离计算过程。神经元距离就是输入矢量和神经元中存储的原型之间的范数。通常可选L1范数或Lsup范数：

其中，Xi为输入矢量数据，Xs为存贮的原型数据。

对于识别和分类，ZISC78提供有两种可选择的学习算法RBF和KNN。其中RBF是典型的径向基函数神经网络。在该RBF模式下，可输出识别、不确定或不认识的状态；KNN模式是RBF模式的限制形式，即在KNN模式下，新原型的影响域总被设为1，输出的是输入向量和存储原型之间的距离。需要指出的是，ZISC78具有自动增加或减小神经元个数以适应输入信号的分类和识别功能，神经元个数的最大值和最小值在全局寄存器组中设定。

2．5 ZISC78的组网

一个ZISC78芯片内可以通过寄存器操作定义若干个独立的网络。若干个ZISC78芯片通过层叠可以组成一个更大的神经网络，组网芯片数量没有限制，小于10个ZISC78组网时，甚至连电源中继器件也不需要。所以，ZISC78具有最大的灵活性，能够满足不同的需要。

3　仿真实例

为了验证ZISC78用于船舶运动实时预报的精度，本文对径向基函数神经网络预报进行了仿真，图4给出了基于径向基函数神经网络和船舶运动惯导实测信号预报的0．3秒（15步）误差曲线图。

通过以惯导实测数据ZHX＿lg．dat为例预报0．3秒（15步）以后的船舶运动，作者运用相空间重构理论已经判断出本数据为非线性信号。

该仿真的最大预报误差方差为6．4666e－004，该数据可以满足战技指标。

神经网络研究现状篇（9）

中图分类号：TP182；S435 文献标识码：A 文章编号：0439-8114（2013）17-4224-04

Research on vegetables Disease Diagnosis Model Based on Fuzzy Neural Network

WEI Qing-feng，LUO Chang-shou，CAO Cheng-zhong，GUO Qiang

（Institute of Agriculture Science and Technology Information， Beijing Academy of Agriculture and Forestry Sciences， Beijing， 100097）

Abstract： To explore the effective method for the diagnosis of vegetables diseases， through reasonable division of symptoms， using input vector construction method which contained characteristics of symptoms and membership grade， a vegetables disease diagnosis of fuzzy neural network model was constructed. The experimental results showed that the input vector construction method had effectively expressed the disease diagnosis rule， the model had strong fault tolerant ability， and the average diagnostic accuracy was 85.5%.

Key words： fuzzy neural network； vegetable； disease； diagnosis

收稿日期：2013-01-30

基金项目：国家现代农业科技城综合信息“三农”服务平台建设项目（PT01）；北京市自然科学基金项目（9093019）；北京农业科学院信息所

创新基金项目（SJJ201203）

作者简介：魏清凤（1983-），女，湖北武汉人，助理研究员，硕士，主要从事农业信息技术的研究工作，（电话）13439026360（电子信箱）

；通讯作者，罗长寿，副研究员，（电话）010-51503387（电子信箱）。

病害是影响蔬菜优质生产的重要制约因素之一。我国农村基层还相对缺乏有经验的病害诊断专家，对蔬菜病害不能正确判断，不但延误了防治最佳时机，还严重降低了蔬菜品质。

当前农业病害诊断技术方法主要有图像分析诊断[1-4]、专家系统诊断[5-7]以及人工神经网络诊断[8]等。基于图像分析的病害诊断方法其图像的获取受环境光照的影响较大，且需要专业人员在室内进行数据分析和识别，时效性差，无法实时满足具体生产实践的要求。基于专家系统的诊断方法，采用 IF-THEN产生式推理，存在诊断知识获取有瓶颈、推理规则更新难、容错能力差、串行搜索运行效率低等不足。近年基于人工神经网络的方法无需建立推理规则，具有自学习及并行处理能力，较引人注目，但存在对病害症状的典型性、非典型性模糊特点无法区分度量，样本诊断规律学习不充分等问题。模糊神经网络可以将不确定的症状信息通过模糊隶属集来表示，能解决诊断系统中的不确定性知识表示、并行推理等问题，对具有模糊性复杂性的蔬菜病害诊断非常适用。此文利用模糊系统和神经网络相结合的方法，在对病害特征模糊量化方法研究的基础上，建立能够实际应用的蔬菜病害模糊神经网络诊断模型，为蔬菜病虫害防治提供依据。

1 蔬菜病害诊断知识整理

一般研究中，将植株的发病部位划分为根、茎、叶、花、果5个部分[9]。由于部分蔬菜病害（如猝倒病）在苗期即表现出典型症状，因此，为提高诊断的全面性和准确性，将蔬菜植株发病表现最终划分为根、茎蔓、叶、花、果、苗6个部分。表示如下：

S={Si | i=1，2，3，4，5，6}

式中，Si表示根、茎蔓、叶、花、果、苗6个部分中的1个。

以“北京农业数字资源中心”中蔬菜病害数据库的知识为基础，结合文献资料、植保专家咨询及案例分析，对病害特征知识根据根、茎蔓、叶、花、果、苗6个部分进行分别提取，建立二维知识表。

2 病害症状重要性划分及隶属函数

不同症状对病害诊断的贡献程度不同，一些特征明显的症状表现往往是确定某种病害的重要依据。通常用模糊的自然语言来描述症状对于病害识别的重要程度，这里将其划分为典型症状、主要症状、一般症状3个层次（表1）。

将症状重要性隶属函数定义为模糊语言值，根据专家经验法，确定不同层次的隶属度如下：

L（Si）=1.0 Si∈a0.7 Si∈b0.4 Si∈c i={1，2，3，4，5，6}

L为Si的隶属度，a、b、c为症状类型。

3 基于术语统一描述的病害症状向量构建

一般方法中，直接利用诊断资料的原始文本，以症状表现部位为单元赋权值（或隶属度）作为样本分量构建输入向量[10]，不仅存在向量携带信息量少、向量模长短不一、诊断规律体现不明显等问题，还容易产生相同的样本向量对应不同病害种类的错误情况，不能较好地对病害原因进行区分，这也势必影响到诊断的准确性。对此，本方法将原始资料的自然语言样本映射到共同语义空间中，统一利用病状病症的相关术语对症状资料的原始文本进行描述，并根据术语的定义值以及症状重要性隶属度来确定语义样本的样本值，从而构建输入向量，能有效丰富向量信息承载量，充分表达诊断规律，具体如下。

3.1 自然语言症状的术语映射

本环节即是对原始自然语言病害症状资料在共同语义空间中利用相关术语进行统一描述。根据植物学知识，感病植株的外观病态表现可分为病状和病征两大类。共同语义空间的病害症状术语如表2所示。

根据病害症状表，症状的自然语言描述转化为术语描述。如辣椒枯萎病茎蔓部自然语言症状={水浸状腐烂，后全株枯萎，病部白色霉状物}，经语义空间映射后，S2={湿腐，枯死，霉状物}，其样本定义值D（S2）为{0，0，2，2，0，1}。

3.2 输入向量的构建

综合样本定义值和症状重要性隶属度，形成具有症状特征和症状重要性信息的向量。为了降低输入向量维度，对矩阵中同列均为0值的列进行简约，形成最终输入向量矩阵。输入向量表示为：

Xi={D（S1）×L（S1），D（S2）×L（S2），……，D（Si）×L（Si）}

其中，D（Si）为Si症状的样本定义值，L（Si）为Si症状的重要性隶属度。

4 蔬菜病害诊断模型建立

蔬菜病害诊断神经网络模型采用模糊BP神经网络构建（图1）。模糊系统和神经网络按串联方式连接，用模糊系统对原始知识进行前处理，用神经网络进行病害诊断。

第一层为输入层，其每一个节点代表一个输入变量，它将样本定义值传递到模糊层。

第二层为模糊层，基于症状样本定义值和症状隶属度构建输入向量。

第三层为隐含层，实现输入变量模糊值到输出变量模糊值映射。隐含层节点数确定方法如下：

l=■+a 0

式中，l为隐含层神经元个数，n为输入层神经元个数，m为输出层神经元个数，a为取值0～10之间的常数。

第四层为输出层，输出向量采用“n中取1”的二进制编码法。其中n为编码长度，即病害总数。每组编码中仅有1位为1，其余n-1位为0，表示某一种病害。诊断过程中，最大向元值对应着可疑病害。该最大值若接近0， 则表示发生相对应病害的可能性很小；若接近1，则表明发生相对应病害的可能性极大。

5 诊断测试分析

以番茄白绢病、番茄猝倒病、番茄根霉果腐病、番茄青枯病等19种病害为例，经上文方法构建20维输入向量（部分输入如表3），19维输出向量（部分输出向量如表4）。设隐层单元15个，目标误差0.000 1，循环1 000次，采用Levenberg-Marquardt 算法进行训练，并开发系统界面，对训练好的模型从诊断容错性和诊断准确性两个角度进行分析。

5.1 模型诊断容错性测试

在实际应用过程中，用户提供的病害症状无法与样本完全一致，病害典型症状被选的可能性最大，但部分主要症状和一般症状存在A-误选（提供症状与样本症状不一致）、B-多选（提供症状多于样本症状）、C-少选（提供症状少于样本症状）、A+B-多选及误选、A+C-少选及误选的情况，据此选取用户5组具有代表性测试数据（表5），以番茄溃疡病为例来检验模型的容错性，输出结果如表6。

样本输出向量中第17位为向元最大值，则表明该输出结果为番茄溃疡病。在5组具有代表性的用户测试数据中，输出向量的向元最大值始终在第17位，说明诊断模型具有较强的容错能力。同时，当用户“误选”、“多选”，以及“多选+误选”时，输出向量第17位向元值分别为0.999 9、0.987 6、0.921 6，接近样本模拟值1；当用户“少选”以及“少选+误选”时，输出向量第17位向元值分别为0.778 6、0.594 6，较之其他组测试数据，较远离样本模拟值1，说明用户提供的病害症状信息越多，进行正确诊断的可能性越大。

5.2 模型诊断准确性测试

将本研究与一般方法中直接利用症状权值作为输入向量的一般神经网络诊断模型进行准确性比较。测试数据包括两类，即实验室根据田间数据资料生成的数据，以及涉农用户根据实际生产情况进行症状选择操作生成的数据。经植保专家验证，获得测试结果平均值见表7。

统计结果显示，室内室外测试中，基于模糊神经网络的诊断方法较一般神经网络在正确率方面均有所提高，说明本研究的思路方案是有效的。其中，实验室所利用的田间数据资料测试结果好于农户实际应用。其原因在于，实验室所使用的田间数据资料较接近文献资料中的诊断知识，且基于模糊神经网络的蔬菜病害模型具有较好的容错性，因此诊断正确率较高。外部基层农户则完全按照自己在生产中见到的症状表现进行选择操作而形成测试数据，更为真实地反映了模型的实际应用情况。由于实际生产中存在多个病害夹杂同时表现的复杂情况，这一定程度上影响了诊断正确率，因此也说明在该方面努力能进一步提高模型的实用性。

6 小结

利用基于术语统一描述的病害症状量化方法，能构建既能描述症状特征又能反映症状重要性的输入向量，更能有效地体现病害诊断规律。经过误选、多选、少选、多选+误选、少选+误选的5组测试中，诊断结果仍然能指向正确的病害，模型容错推理能力较强。将模糊数学方法引入神经网络中，结合基于术语统一描述的病害症状量化方法，建立基于模糊神经网络的蔬菜病害诊断模型，较之一般基于神经网络的病害模型，诊断准确性得到了有效提高。

由于农业生产中病害作用的复杂性，今后将在多个病害同时作用的诊断方面进一步努力探索，以提高模型的生产实用性。同时，随着移动网络技术的迅猛发展以及移动设备终端的日益普及，将进行蔬菜病害诊断系统的研究，以期为蔬菜病虫害防治咨询提供更加便捷、灵活、有效的服务。

参考文献：

[1] LAI J C， MING B， LI S K， et al. An image-based diagnostic expert system for corn diseases[J]. Agricultural Sciences in China，2010（8）：1221-1229.

[2] 李 旺，唐少先.基于图像处理的农作物病害识别研究现状[J].湖南农机（学术版），2012，39（1）：176-178.

[3] 刘连忠，张 武，朱 诚. 基于改进颜色特征的小麦病害图像识别技术研究[J]. 安徽农业科学，2010，40（26）：12877-12879.

[4] 邹修国. 基于计算机视觉的农作物病虫害识别研究现状[J]. 计算机系统应用，2011，20（6）：238-242.

[5] MANSINGH G， REICHGELT H， BRYSON K O. CPEST： An expert system for the management of pests and diseases in the Jamaican coffee industry[J]. Expert Systems with Applications，2007，32（1）：184-192.

[6] 林 潇，李绍稳，张友华，等.基于本体的水稻病害诊断专家系统研究[J].数字技术与应用，2010（11）：109-111.

[7] GHOSH I， SAMANTA R K. Teapest：An expert system for insect pest management in tea[J].Applied Engineering in Agriculture，2003，19（5）：619-625.

神经网络研究现状篇（10）

中图分类号：R749.9 文献标识码：A DOI：10.16400/ki.kjdkx.2016.11.088

Abstract Today， the network and people's lives are inseparable， but the network for the people to bring the advantages of resources， but also for the people's life has brought great confusion， and even lead to serious Internet addiction. Of course， the secondary vocational school students' study and life are also affected by the network. In this paper， based on the vocational school students' personality traits， coping style and Internet addiction in the relationship between research， found that： （1） personality traits and Internet addiction was significantly related to secondary vocational school students： from correlation analysis， we can see that， constitute the six factors of Internet addiction are subject to personality characteristics of the respondents. The Internet Addiction of the secondary vocational school students is positively related to the mental and the mental quality， and the neurotic trait can directly predict the Internet addiction disorder of the secondary vocational school students. （2） the coping style of the secondary vocational school students is significantly related to Internet addiction： from the perspective of the data， there is a significant correlation between the use of the Internet and the coping style. There was a significant positive correlation between negative coping style and Internet Addiction of respondents， respondents more negative coping style， more prone to Internet addiction. （3） the mediating effect of coping style on personality traits and Internet addiction was significant： the relationship between negative coping style and Internet addiction was mediated by negative coping.

Keywords secondary vocational students； personality traits， coping style； internet addiction

如今，网络与人们的生活已经密不可分，但网络为人们带来优势资源的同时，也为人们的生活带来了极大的困惑，严重时甚至会导致网络成瘾。中职生作为在校生的一部分，他们的学习、生活也同样受到了网络的影响。本文通过对中职生人格特质、应对方式与网络成瘾的关系进行研究，希望能够对从事中职教育的工作者以及家长提供一定参考，以培养中职生健全的人格及积极、合理的应对方式，更科学地使用网络，最终达到健康成长的目的。

1 研究对象

采取整群抽样的方法，选取宁夏工商职业技术学院一、二年级在校中职生为研究对象，

共收集有效问卷701份。

2 研究工具

2.1 中职生网络使用情况调查表

主要包括性别、是否独生子女、网龄、上网次数、上网时间等网络行为的调查。

2.2 艾森克人格问卷简式量表中国版

北京大学心理学系钱铭怡教授修订的中国版EPQ-RSC有48个项目。让被试根据自己的情况回答是否，按P，E，N，L四个量表记分。P维度测验精神质或倔强性，E维度测人的内外倾向，N维度测情绪性，L维度测试被试的掩饰或自身隐瞒的程度。

2.3 青少年网络成瘾测量问卷

采用雷雳、杨洋2006 年编制的“青少年病理性互联网使用量表”（Adolescent Pathological Internet Use Scale， APIUS）。问卷共38项，采用5点计分，包含六个维度―― 突显性、耐受性、强迫性、心境改变、社交抚慰和消极后果。计算六个维度的总量表得分，分数越高表明病理性互联网使用水平越高。将项目平均得分大于等于3.15分者界定为“APIUS群体”（也可以理解为“网络成瘾群体”），大于等于3分小于3.15分者界定为“APIUS边缘群体”，小于3分者界定为“APIUS正常群体”。

2.4 简易应对方式问卷

使用由解亚宁在国外应对方式量表基础上根据我国人群的特点编制而成的简易应对方式问卷。该问卷由积极应对和消极应对两个维度组成，共20个条目。积极应对包含12个条目，消极应对由8个条目组成。平均分越高，代表采用相应应对方式越频繁。

3 研究结果

3.1 中职生网络成瘾状况

为了解中职生网络使用状况，对不同网络使用程度群体进行了分类（见表1）。

通过对青少年病理性互联网使用量表总得分的计算，在本研究所调查的701名中职生中，属于“APIUS正常群体”的个案共553人，占总数的78.9%。也就是说，超过一半的被访者网络使用状况表现为正常；属于“APIUS群体”（网络成瘾群体）的个案共109名，占调查总数的15.5%；属于“APIUS边缘群体”的个案共39名，占总数的5.6%。

3.2 中职生人格特质、应对方式与网络成瘾的关系

3.2.1 中职生人格特质、应对方式、网络成瘾各维度相关检验

对中职生人格特质、应对方式、网络成瘾各维度进行相关检验，见表2。

（1）中职生人格特质与应对方式的相关分析。从数据结果看，中职生人格特质各维度均受到应对方式的影响。积极应对方式对人格特质的影响主要表现在精神质和内外倾上，消极应对对人格特质的影响主要表现在精神质、神经质和说谎上。消极应对方式与中职生人格特质显著相关，尤其是消极应对与中职生神经质实际得分显著正相关。外倾性与积极应对呈显著正相关。

（2）中职生人格特质与网络成瘾的相关分析。整体来看，构成网络成瘾的六个因素均受到被访者人格特征的影响。精神质与网络成瘾显著相关，主要表现在耐受性、强迫上网、社会抚慰、消极后果方面；内外倾与网络成瘾的相关，主要表现在消极后果上；神经质与网络成瘾的六个因素均显著相关；掩饰性与网络成瘾显著相关，主要表现在突显性、耐受性、强迫上网和消极后果方面。

从数据结果看，网络成瘾与人格特质显著相关。中职生人格特质越鲜明，其网络成瘾的可能性越大。相反，中职生人格特质越不鲜明，其网络成瘾的可能性则越小。即，中职生人格特质与网络成瘾正相关。

就具体数据而言，除内外倾与网络成瘾没有显著相关外，精神质、神经质、掩饰性都与网络成瘾显著相关。人格特征中的精神质和神经质两个要素对中职生网络成瘾的影响较大，尤其是神经质对网络成瘾的影响最大。精神质和神经质特征越明显，则网络成瘾的可能性越大。相反，精神质和神经质特征越不明显，则网络成瘾的可能性越小。此结果证明了中职生精神质和神经质特征与网络成瘾的正相关关系，尤其是神经质特征与网络成瘾呈显著正相关，可以预测网络成瘾。

（3）中职生应对方式与网络成瘾的相关分析。从中职生应对方式与网络成瘾的相关数据看，构成网络成瘾的六个因素，均受到被访者应对方式较明显的影响。 “突显性”、“耐受性”、“强迫上网”、“心境改变”“社会抚慰”及“消极后果”这六个因素都与被访者的消极应对方式呈显著的正相关关系，即中职生网络成瘾越突出，越容易采用消极的应对方式。整体来看，被访者的应对方式越消极，越容易网络成瘾。说明中职生互网使用状况与应对方式（尤其是消极应对方式）之间存在显著的相关关系。

本调查显示积极应对方式与网络成瘾的相关关系不显著，而消极应对方式与网络成瘾存在显著性相关关系，说明消极应对方式对中职生网络成瘾的影响比积极应对方式的影响更明显。

相关数据可以说明，中职生人格特质、应对方式（尤其是消极应对方式）与网络成瘾之间存在显著的相关关系。

从数据结果看，中职生人格特质各维度均受到应对方式的影响。积极应对方式对人格特质的影响主要表现在精神质和内外倾上，消极应对对人格特质的影响主要表现在精神质、神经质和掩饰性上。消极应对方式与中职生人格特质显著相关，尤其是消极应对与中职生神经质特质显著正相关。外倾性与积极应对呈显著正相关。

3.2.2 中职生应对方式对人格特质与网络成瘾的中介效应检验

通过人格特质与网络成瘾的相关分析、应对方式与网络成瘾的相关分析及人格特质与应对方式的相关分析可知，应对方式和网络成瘾显著相关，人格特质与网络成瘾显著相关，人格特质与应对方式也显著相关，这一数据结果预示着应对方式对人格特质和网络成瘾可能存在中介作用。

以中职生人格特质为自变量，应对方式为中介变量，网络成瘾总分为因变量进行回归分析，从而对应对方式的中介效应进行检验。结果如表3所示：

结果发现：精神质和神经质与网络成瘾的回归系数显著；精神质对积极应对的回归系数显著，积极应对对网络成瘾的回归却不显著，即积极应对没有对精神质与网络成瘾产生中介效应；神经质对积极应对的回归系数不显著，积极应对对网络成瘾的回归同样不显著，因此不存在积极应对对神经质与网络成瘾的中介效应；精神质与消极应对的回归系数不显著，消极应对与网络成瘾的回归系数显著，即消极应对没有对精神质与网络成瘾产生中介效应；神经质与消极应对的回归系数显著，消极应对与网络成瘾的回归系数也显著，因此消极应对对神经质人格与网络成瘾的关系起着中介效应。 因为神经质对消极应对、网络成瘾中的回归系数显著，因而证明了应对方式（消极应对）对人格特质（神经质）与网络成瘾的中介效应。

由以上检验可得：消极应对方式作为人格特质（尤其是神经质）影响网络成瘾的中间变量存在。这与部分相关研究结果一致，如肖计划等人（1996）的研究发现，较多使用消极应对方式的学生，精神健康水平较低外且常伴有“抑郁”、“焦虑”和某些“强迫症状”。由此说明，影响中职生网络成瘾的因素尽管很多，但网络成瘾者的神经质、精神质等人格特质，以及遇到压力、挫折时大量地使用消极应对方式，可能是其网络成瘾的直接原因。

同时也说明，应对方式作为一种重要的个体差异变量，其影响既表现在网络成瘾上，也反映到人格特质方面。

4 结论

通过对中职生人格特质、应对方式与网络成瘾的关系进行调查、研究，得出以下结论：

中职生人格特质对网络成瘾有显著影响：网络成瘾群体中职生在人格特质上更倾向于精神质和神经质特质；中职生应对方式对网络有显著影响：网络成瘾群体的中职生明显倾向于使用消极应对方式；中职生人格特质与网络成瘾显著相关：中职生的网络成瘾与精神质和神经质特质正相关，神经质特质可以直接预测中职生网络成瘾；中职生应对方式与网络成瘾显著相关：网络成瘾与被访者的消极应对方式呈显著的正相关关系，被访者的应对方式越消极，越容易网络成瘾；应对方式对人格特质与网络成瘾的中介效应显著：消极应对对神经质人格与网络成瘾的关系起着中介效应。说明应对方式对个人的影响既表现在网络成瘾上，也反映到人格特质方面。

参考文献

[1] 雷雳，杨洋.青少年病理性互联网使用量表的编制与验证.心理学报，2007.39（4）：688-696.

[2] X铭怡，武国城，朱荣春等.艾森克人格问卷简式量表中国版（EPQ-RSC）的修订.心理学报，2000.32（3）：317-323.

神经网络研究现状篇（11）

中图分类号：F23

文献标识码：A

文章编号：1672―3198（2014）10―0134―01

1引言

随着我国的经济技术的不断发展，对于企业的财务预警也得到了更多人的重视，为了加强对企业的财务监管，做好内部控制工作，出现了大量的财务预警模型。根据国内已有的文献资料研究表明，迄今为止，财务预警模型研究涉及的模型类型极为丰富，经历了从单变量到多变量、从统计方法到非统计方法、从单一模式到混合模式的发展过程。基于上述考虑，本文运用灰系统理论中Verhulst模型结合BP神经网络模型构建出的预测模型，对四川省矿产资源类企业的财务状况作出及时有效的预警。

2模型建立

2.1指标选取

本文对以上16个指标中选取变量指标进行t检验和相关性检验相关性检验，以0.05作为t检验标准，去掉大于005的指标，以0.7作为各变量指标间多重共线性评估的标准，去掉具有高度共线的变量指标。

综合各种分析，本文最终选取每股净资产、每股收益、每股现金含量以及流动比率作为预警模型采用指标。

2.2样本的选取

为了更好的获取数据，本文选取两类样本，一类是用于训练BP神经网络的训练样本，这类样本选取了全国20家上市公司（其中20家为st企业，20家为非st）。另一类是预测样本，选取的是四川省6家矿产资源型上市公司（3家st公司和3家非st公司）。所有训练样本中st公司选择其被特殊处理的前一年的数据，即t-1年的数据。而预测样本中st公司的数据为其被特殊处理前一年即t-1年的前四个季度的数据，若数据缺失则向前顺延。

2.3Verhulst与BP神经网络预测模型

本文构建Verhulst与BP神经网络预测模型具体步骤如下：

建立一个三层BP神经网络模型模型，其中由于指标为四个，则输入层神经元个数由财务预警指标确定为4个，输出层神经元只有1个即企业财务状况的综合评分，由于输入神经元是4个，本文选取了9个节点。对于传递函数，其中中间层本文采用S型正切函数tansig，而输出层本文则采用了S型对数函数logsig，目的是满足输出值映射到0，1之间。对于BP神经网络的训练函数，本文采用trainlm函数，设置训练次数为1000次，训练目标为0.01。为了更好，更方便的实现其预警能力，本文利用训练样本训练BP神经网络。其中网络训练样本的输入即建模样本中上市公司的4种财务预警指标数据，目标输出即当前上市公司的实际财务状况。由于本文所选的上市公司分为ST与非ST两大类别，因此将其分为两个判别组，即安全与危机。为了便于建模，需要对安全与危机概念进行量化处理，建设各训练样本的目标输出为y，则有：当y=0，输入样本为ST公司；当y=1，输入样本为非ST公司。

利用灰系统理论中Verhulst模型对四川省6家矿产资源型企业的t-1年财务指标做动态预测。

将灰色系统模型动态预测的结果作为训练完毕的BP神经网络的输入，获得企业的综合评分，完成对企业的财务预警。如果输出值越接近0，表示财务危机程度越严重，即财务状况越危机；如果输出值越接近1，表示财务危机程度越轻微，即财务状况越健康。

3实证分析

3.1训练好的BP神经网络模型

通过训练样本训练出的BP神经网络。

建立一个三层BP神经网络模型模型，让训练样本训练这个网络，得出训练好的神经网络模型。通过Matlab 7.0 得出图1所示的结果。

从图1可以看出训练到第6步时，网络的目标误差达到要求。

3.2灰系统Verhulst模型的预测结果

利用灰系统理论中Verhulst模型对四川省6家矿产资源型企业的t-1年财务指标做动态预测。表2为预测的结果。

3.3预测样本的预警结果

将灰色模型的动态预测结果作为训练好的BP神经网络模型的输入，从而建立企业财务危机的动态预警模型，模型所得预测结果如表所示。

从结果可以看出，ST公司财务状况都被判定为危机，而非ST公司的财务状况都被判定为健康，无一错判。因此本文多建立的财务危机预警模型是有效的，可以对上市公司财务状况进行动态预警。

4结束语

Verhulst与BP神经网络预测模型可以实现财务指标的趋势预测实现财务危机的动态预警。实证分析显示该方法具有良好的预警效果，能够在实践中加以利用。

参考文献

[1]张玲.财务危机预警分析判别模型及其应用[J].预测，2000，（6）.

[2]李帆，杜志涛，李玲娟.企业财务预警模型：理论回顾及其评论[J].管理评论，2011.