第三节 预警的主要方法
一、常见预警方法
随着计算机技术的普及以及对预警方法研究的不断深入，目前比较先进实用的预警方法主要有：
1．人工神经网络
人工神经网络（Artificial Neural Networks，ANN）是对生物神经网络系统的模拟，其信息处理功能是由网络单元的输入输出特性、网络的拓扑结构所决定的。人工神经网络对问题的求解方式与传统方法不同，它是经过训练来解答问题的。训练一个人工神经网络是把同一系列的输入案例和理想的输出作为训练的样本，根据一定的训练算法对网络进行足够的训练，使得人工神经网络能够学会包含在解中的基本原理。当训练完成后，该模型便可以用于求解相似的问题。
从模式识别、映射关系、处理方式的角度，可将预警看作一个函数逼进、两次映射、最优化处理的模式分类过程，即警兆指标一警情指标一警度之间的映射优化过程。而模式识别、函数逼进、最优化处理正是人工神经网络最擅长的应用领域。基于ANN（BP网络）的预警分析是一种前向三层BP网络示意图，它由输入层、中间层、输出层组成。中间层位于输入层和输出层之间，作为输入模式的内部表示，对一类输入模式所包含的区别于其他类别的输入模式的特征进行抽取，并将抽取的特征传递给输入层，由输出层对输入模式的类别做最后的判别。因此，也可以把中间层称为特征抽取层。中间层对输入模式进行特征抽取的过程，实际上就是对输入层与中间层之间的连接权进行“自组织化”的过程。在网络的训练过程中，各层之间的连接权起着“传递特征”的作用。各连接权从初始的随机值逐渐演变，最终达到能够表征输入模式特征的过程，就是“自组织化”过程。
人工神经网络是一种平行分散处理模式，除具有较好的模式识别能力外，还可以克服统计预警等方法的限制，因为它具有容错能力，对数据的分布要求不严格，具备处理资料遗漏或是错误的能力。最可贵的是它具有学习能力，可随时依据新准备的数据资料进行自我学习、训练，调整其内部的储存权重参数以对应多变的经济环境。因此，ANN的分类正确率高于判别分析法，它可作为解决经济预警的一个重要工具。人工神经网络预警方法有两种方式：一种是通过ANN方法预测，再与事先由专家根据一定标准确定的参考值进行比较，确定警度；另一种是增加一个报警模块，经过一定处理之后直接给出预警结果。ANN预警方法的实质是利用神经网络的预测功能实现经济预警。
人工神经网络在经济预警系统中的应用，无论从思想上还是从技术上都是对传统EW的一种拓宽和突破，解决了传统EW模型的局限性，如难以处理高度非线性模型，偏重定量指标，难以处理定性指标；预警指标的警限、警区采用确定方式，不具备时变特性，缺少自适应、自学习能力；EW信息和知识获取是间接的，费时、效率低等，从而为预警走向实用化奠定了基础。从模式识别的角度看，经济预警是一个模式分类过程；从警兆指标一警情指标一警度之间的映射关系来看，经济预警是一个函数逼近过程；从警兆指标一警情指标一警度之间的噪声与报警准确度处理方式来看，经济预警又是一个最优化过程。模式识别、函数逼近、最优化处理是ANN最擅长的应用领域，因此，ANN运用于经济预警是非常适合的。
……
展开
