曹永斌 張曉龍 安 鑫 劉偉姮 劉 慧

(1.首都機(jī)場(chǎng)出入境檢驗(yàn)檢疫局 北京 101300;2.北京林業(yè)大學(xué))

1 前言

近年來(lái),隨著改革開(kāi)放的不斷深入,我國(guó)經(jīng)濟(jì)高速增長(zhǎng),對(duì)外貿(mào)易進(jìn)出口量迅猛增加,尤其是原材料、能源和經(jīng)濟(jì)發(fā)展需求物質(zhì)、設(shè)備的進(jìn)口量大幅度上升。雖然國(guó)家出臺(tái)了一系列的法律法規(guī)政策來(lái)保證進(jìn)口貨物的質(zhì)量,但是還是存在一定數(shù)量的魚(yú)目混珠和良莠不齊現(xiàn)象,這嚴(yán)重?fù)p害了國(guó)家和人民的利益,因此,保證進(jìn)口貨物檢驗(yàn)檢疫工作的高效性、科學(xué)性和準(zhǔn)確性,意義重大[1]。

目前我國(guó)口岸檢驗(yàn)檢疫機(jī)構(gòu)對(duì)進(jìn)口貨物實(shí)行檢驗(yàn)檢疫監(jiān)管,都是針對(duì)不同種類(lèi)貨物,人工設(shè)定各種抽查比例,系統(tǒng)按設(shè)定的比例在貨物中隨機(jī)抽取,發(fā)出查驗(yàn)指令。該種方式并未引入風(fēng)險(xiǎn)管理的概念,只是對(duì)同種類(lèi)的貨物一視同仁,隨機(jī)按比例查驗(yàn),人為性大,存在一定的不合理因素。

2 Delphi法和模糊神經(jīng)網(wǎng)絡(luò)算法簡(jiǎn)介

2.1 Delphi法

Delphi法——專(zhuān)家調(diào)查法,以專(zhuān)家作為采集信息的對(duì)象,依靠專(zhuān)家的知識(shí)和經(jīng)驗(yàn),由專(zhuān)家對(duì)問(wèn)題做出判斷,從而得到科學(xué)的解決方案。具體流程如圖 1所示。

2.2 模糊合成推理法

模糊推理是不確定性推理方法之一,其基礎(chǔ)是模糊數(shù)學(xué)。它是一種以模糊判斷為前提,運(yùn)行模糊語(yǔ)言規(guī)則,推理出一個(gè)新的、近似的模糊判斷結(jié)論的方法。

圖 1 Delphi法流程圖

模糊推理的關(guān)鍵表現(xiàn)是推理規(guī)則是否為模糊的。通常用到的模糊條件語(yǔ)句:

(1)“如 A則 B ”,“ IF A THEN B ”

(2)“如 A則 B否則 C ”,“ IF A THEN B ELSE C”

(3)“如 A且 B則 C”,“ IF A AND B THEN C”

2.3 神經(jīng)網(wǎng)絡(luò)

人工神經(jīng)網(wǎng)絡(luò)模型是以人腦結(jié)構(gòu)為參考模型,試圖通過(guò)簡(jiǎn)單計(jì)算單元的高速互連,來(lái)實(shí)現(xiàn)類(lèi)似于人類(lèi)在語(yǔ)言和圖象處理等方面的行為。它以工程技術(shù)手段模擬人腦神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)與功能,即用大量的非線(xiàn)性并行處理器 (計(jì)算單元)來(lái)模擬人腦神經(jīng)細(xì)胞間的突觸行為。

目前,在人工神經(jīng)網(wǎng)絡(luò)的實(shí)際應(yīng)用中,絕大部分的神經(jīng)網(wǎng)絡(luò)模型都采用 BP網(wǎng)絡(luò)及其變化形式,它也是前向網(wǎng)絡(luò)的核心部分,體現(xiàn)了人工神經(jīng)網(wǎng)絡(luò)的精華,拓?fù)浣Y(jié)構(gòu)如圖 2所示。

圖 2 BP網(wǎng)絡(luò)結(jié)構(gòu)拓?fù)鋱D

3 進(jìn)口貨物風(fēng)險(xiǎn)查驗(yàn)系統(tǒng)的研究過(guò)程——算法原理說(shuō)明

①本文旨在運(yùn)用先進(jìn)的數(shù)據(jù)挖掘技術(shù),建立一套科學(xué)有效的進(jìn)口貨物風(fēng)險(xiǎn)查驗(yàn)系統(tǒng)的風(fēng)險(xiǎn)指標(biāo)體系;②考慮到貨物風(fēng)險(xiǎn)因子即具體貨物的風(fēng)險(xiǎn)指標(biāo),例如報(bào)檢單位誠(chéng)信度、HS編碼的安全等級(jí)等都是模糊概念,因此要利用模糊合成推理法對(duì)系統(tǒng)中風(fēng)險(xiǎn)因子進(jìn)行處理;③風(fēng)險(xiǎn)因子與評(píng)判結(jié)果 (貨物風(fēng)險(xiǎn)合格與否)是貨物模型的輸入與輸出,它們之間存在著高度非線(xiàn)性映射,且無(wú)法用精確的數(shù)學(xué)模型表示出來(lái),因此本研究利用神經(jīng)網(wǎng)絡(luò)建立風(fēng)險(xiǎn)模型,即利用神經(jīng)網(wǎng)絡(luò)模擬專(zhuān)家思維,對(duì)進(jìn)口的一批貨物進(jìn)行風(fēng)險(xiǎn)評(píng)估?？紤]到采集樣本 (即歷史樣本數(shù)據(jù))時(shí),檢驗(yàn)檢疫結(jié)果只有“合格”、“不合格”,因此神經(jīng)網(wǎng)絡(luò)模型的輸出 (即評(píng)價(jià)結(jié)果)由向量 (0,1)與 (1,0)表示。

檢驗(yàn)檢疫機(jī)構(gòu)對(duì)口岸進(jìn)口貨物的監(jiān)管范圍很廣,包括動(dòng)植物及其產(chǎn)品、工業(yè)產(chǎn)品、食品、化妝品、木質(zhì)包裝等,而每一類(lèi)貨物在查驗(yàn)時(shí)側(cè)重點(diǎn)不同,這也就決定了每一類(lèi)貨物都有各自的風(fēng)險(xiǎn)指標(biāo)體系。本文以中國(guó)強(qiáng)制性認(rèn)證 (3C)類(lèi)貨物的口岸監(jiān)管為實(shí)例,重點(diǎn)講述利用專(zhuān)家調(diào)查法、模糊合成推理法和 BP神經(jīng)網(wǎng)絡(luò)模型對(duì)進(jìn)口 3C類(lèi)貨物進(jìn)行風(fēng)險(xiǎn)評(píng)價(jià)的步驟。

4 進(jìn)口 3C類(lèi)貨物的風(fēng)險(xiǎn)評(píng)價(jià)實(shí)例

4.1 建立 3C類(lèi)貨物的風(fēng)險(xiǎn)指標(biāo)體系——Delphi法

進(jìn)行 Delphi法問(wèn)卷調(diào)查時(shí),研究人員從某口岸檢驗(yàn)檢疫機(jī)構(gòu)的貨物查驗(yàn)部門(mén)、檢務(wù)審單布控部門(mén)、通關(guān)業(yè)務(wù)管理部門(mén)等相關(guān)領(lǐng)域挑選專(zhuān)家 21名組成評(píng)價(jià)小組,選擇的專(zhuān)家都具有豐富的經(jīng)驗(yàn),對(duì)貨物風(fēng)險(xiǎn)具有很高的判定能力,能滿(mǎn)足專(zhuān)家的權(quán)威性和代表性。

通過(guò) SPSS16.0[2]對(duì)反饋的問(wèn)卷進(jìn)行數(shù)據(jù)統(tǒng)計(jì)分析,主要考慮如下幾個(gè)指標(biāo),見(jiàn)表 1。

表 1 調(diào)查問(wèn)卷統(tǒng)計(jì)分析指標(biāo)

當(dāng)變異系數(shù) CV≥0.25,則專(zhuān)家們對(duì)該指標(biāo)重要性程度評(píng)價(jià)有很大波動(dòng)性,該指標(biāo)不可取;Kendall系數(shù)通常要進(jìn)行 T檢驗(yàn),并且當(dāng) T-test具有顯著性,表示專(zhuān)家的協(xié)調(diào)性好,本輪專(zhuān)家的評(píng)價(jià)結(jié)果均可取。

表 2為 2輪調(diào)查問(wèn)卷的指標(biāo)體系。第 1輪調(diào)查問(wèn)卷有 8個(gè)指標(biāo);第 2輪調(diào)查問(wèn)卷根據(jù) CV系數(shù)去掉了問(wèn)題 6,添加了問(wèn)題 9(貨物的單件重量);最后再根據(jù) CV系數(shù)去掉了問(wèn)題 8和問(wèn)題 9,得到最終的指標(biāo)體系,見(jiàn)表 3。表 4為 2輪調(diào)查結(jié)果 SPSS指標(biāo)分析表。

表 2 2輪調(diào)查問(wèn)卷的指標(biāo)體系

表 3 最終的指標(biāo)體系

表 4 2輪調(diào)查結(jié)果 SPSS指標(biāo)分析

根據(jù)指標(biāo)因子,采集了該口岸檢驗(yàn)檢疫機(jī)構(gòu)2011年 3月 1日到 2011年 3月 20日的入境貨物報(bào)檢信息及其查驗(yàn)結(jié)果作為樣本。

4.2 樣本數(shù)據(jù)的模糊歸一化

因?yàn)椴杉臄?shù)據(jù)樣本要作為后續(xù) BP神經(jīng)網(wǎng)絡(luò)的輸入,而神經(jīng)網(wǎng)絡(luò)輸入的樣本通常都是 (0,1)之間的數(shù)據(jù),因此有必要對(duì)數(shù)據(jù)進(jìn)行模糊歸一化。

以報(bào)檢單位誠(chéng)信度為例,講述一下風(fēng)險(xiǎn)因子的模糊歸一化。取報(bào)檢單位一段時(shí)間內(nèi)的總批次和不合格比例作為模糊模型的 2個(gè)輸入,報(bào)檢誠(chéng)信度為輸出,利用 Matlab的模糊控制器建立起模糊模型,其步驟如下:

(2)對(duì)輸入進(jìn)行模糊化,隸屬函數(shù)采用不對(duì)稱(chēng)梯形隸屬函數(shù),如圖 3所示。

(3)由專(zhuān)家提取模糊規(guī)則,并將其輸入模糊規(guī)則編輯器,如圖 4所示。

(4)對(duì)輸出等級(jí)進(jìn)行解模糊化,隸屬函數(shù)為梯形隸屬函數(shù)。例如根據(jù)其中一條規(guī)則就是:當(dāng)總批次多,不合格比例較低時(shí),推理得到應(yīng)該屬于風(fēng)險(xiǎn) B級(jí),0.2-0.4,如圖 5所示,最后結(jié)果為 0.355,正確。

圖 3 模糊控制器

圖 4 模糊規(guī)則編輯界面

圖 5 模糊規(guī)則顯示界面

4 .3 BP神經(jīng)網(wǎng)絡(luò)的建模以及仿真

BP神經(jīng)網(wǎng)絡(luò)建模的關(guān)鍵步驟包括系統(tǒng)建模、網(wǎng)絡(luò)訓(xùn)練和網(wǎng)絡(luò)測(cè)試[3],具體流程如圖 6所示。

4.3.1 確定 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)

根據(jù)系統(tǒng)的輸入輸出特點(diǎn)確定了網(wǎng)絡(luò)的輸入層節(jié)點(diǎn)數(shù)為 6維,輸出層節(jié)點(diǎn)數(shù)為 2維[4]。最佳隱含層節(jié)點(diǎn)數(shù)目采用了參考公式法 +經(jīng)驗(yàn)嘗試法,參考公式如下:

本研究中 L=1:15,然后設(shè)計(jì)一個(gè)隱含層數(shù)目可變的BP網(wǎng)絡(luò)。對(duì)比不同隱含層節(jié)點(diǎn)數(shù)對(duì)應(yīng)分類(lèi)的均方誤差 (如表 5),來(lái)確定出隱節(jié)點(diǎn)數(shù)。

“我們兩個(gè)老的，邊走邊看吧。那四個(gè)孩子，能不能爬出一行和尚與司徒一一設(shè)下的迷宮一般的隧道，還是未定之天。就是由隧道里爬過(guò)去，進(jìn)入了萬(wàn)花谷，憑他們四個(gè)新人，真的能將萬(wàn)花谷攪動(dòng)起來(lái)？”

圖 6 BP神經(jīng)網(wǎng)絡(luò)建模流程圖

表 5 不同隱含層節(jié)點(diǎn)數(shù)對(duì)應(yīng)的 BP神經(jīng)網(wǎng)絡(luò)分類(lèi)均方誤差

由表 5確定最終的網(wǎng)絡(luò)結(jié)構(gòu)為 6—11—2。

4.3.2 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練參數(shù)的選擇

(1)初始權(quán)值和閾值的選擇——為了使網(wǎng)絡(luò)能夠很快收斂,且避免陷入局部極小值,在網(wǎng)絡(luò)初始化時(shí),選擇初始權(quán)重和閾值 (-1,1);

(2)訓(xùn)練函數(shù)選擇了收斂速度較快的 Levenberg-Marquardt算法。

(3)隱層和輸出層的傳遞函數(shù)分別選擇“purelin”和“tansig”函數(shù)。誤差比較見(jiàn)表 6。

表 6 不同傳遞函數(shù)對(duì)應(yīng)分類(lèi)誤差

其中訓(xùn)練參數(shù)的選取這里不再贅述。

4.3.3 BP神經(jīng)網(wǎng)絡(luò)仿真測(cè)試

取 16組樣本 (8組不合格和 8組合格)進(jìn)行仿真,結(jié)果如下:

y1=sim(net,p_test)

error=0.1754

Columns 1 through 8

0.5956 0.0821 0.3672 0.3090 0.4554 0.6584 0.5403 0.4688

0.5161 1.1167 0.7682 0.8417 0.6849 0.4328 0.5766 0.6587

Columns 9 through 16

0.2653 0.2653 0.3514 0.2653 0.4554 0.2857 0.1436 0.1633

0.8967 0.8967 0.7942 0.8967 0.6849 0.8749 1.0409 1.0229

圖 7 網(wǎng)絡(luò)訓(xùn)練誤差

綜合分析網(wǎng)絡(luò)訓(xùn)練誤差 (圖 7)可知,樣本仿真分類(lèi)的結(jié)果準(zhǔn)確率 81.25%,均方誤差為 0.1754。

5 總結(jié)

一批貨物進(jìn)出口,有的數(shù)量可以達(dá)到幾十萬(wàn)件,而且查驗(yàn)的項(xiàng)目也比較多,所以查驗(yàn)率設(shè)定上的細(xì)微差別將會(huì)給檢驗(yàn)檢疫機(jī)構(gòu)在分配查驗(yàn)人力、物力方面帶來(lái)很大不同。實(shí)例證明利用模糊神經(jīng)網(wǎng)絡(luò)對(duì)進(jìn)口貨物進(jìn)行風(fēng)險(xiǎn)分類(lèi)可行,而且更能作為設(shè)定查驗(yàn)率的一個(gè)參考依據(jù),給現(xiàn)場(chǎng)工作人員帶來(lái)很多方便。另外,模糊神經(jīng)網(wǎng)絡(luò)不但能在查驗(yàn)貨物風(fēng)險(xiǎn)等級(jí)分類(lèi)中發(fā)揮較好的作用,在針對(duì)企業(yè)日常的風(fēng)險(xiǎn)評(píng)估、專(zhuān)項(xiàng)風(fēng)險(xiǎn)評(píng)估等領(lǐng)域中也有著非常廣闊的應(yīng)用空間。因此,利用模糊神經(jīng)網(wǎng)絡(luò)算法進(jìn)行貨物風(fēng)險(xiǎn)評(píng)估,將為進(jìn)一步探究檢驗(yàn)檢疫查驗(yàn)率設(shè)定打下良好的基礎(chǔ)[5]。

[1] 徐道文.海關(guān)對(duì)企業(yè)管理業(yè)務(wù) [M].北京:中國(guó)海關(guān)出版社,2002.

[2] 陳緒海.多元統(tǒng)計(jì)分析在海關(guān)統(tǒng)計(jì)監(jiān)測(cè)中的應(yīng)用[J].科技經(jīng)濟(jì)市場(chǎng),2008,6:10.

[3] 魏海坤.神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計(jì)的理論與方法[M].北京:國(guó)防工業(yè)出版社,2005.

[4] 盧金秋.人工神經(jīng)網(wǎng)絡(luò)在海關(guān)風(fēng)險(xiǎn)管理中的應(yīng)用研究[J].計(jì)算機(jī)工程與應(yīng)用,2006,27:208-211.

[5] 陶明,楊永康,劉國(guó)華,等.WTO與海關(guān)實(shí)務(wù)[M].上海:上海人民出版社,2002,124-125.