基于粗集神经网络的化工行业倾销损害预警模型研究

基于粗集神经网络的化工行业倾销损害预警模型研究

论文摘要

反倾销问题是当今国际贸易中的热点问题。对于涉及中国的反倾销争端人们对国内企业面临的国外反倾销指控比较重视,却对我国对外实施反倾销问题关注较少。我国加入世贸组织后,国内市场面临国外产品倾销冲击的危险性剧增,我国缺乏竞争力的行业和一些新兴产业的发展将受到阻碍,甚至崩溃。如何有效开展对外反倾销是当前中国国际贸易中首先需要解决的问题。本文以我国对外贸易中化工行业的反倾销问题为背景,通过对我国化工行业贸易的特点、发展趋势以及国外对华反倾销和我国对外反倾销的实际现状的比较分析,揭示出对国外对华化工行业倾销损害程度进行预测的必要性。该论文旨在建立化工行业的粗集神经网络组合模型,对国外产品在国内相关产业是否造成损害以及损害的程度进行预测,以便及时采取相应的应对措施,积极保护国内产业的健康发展。首先从中国国际贸易救济信息网和四川省商务厅搜集整理到我国对外化工行业反倾销1997~2006年期间的案例44个,根据WTO《反倾销协议》条款和预测指标选取原则,从化工产品进口指标和国内同类产业经营指标角度初选出17个属性组成预测指标体系。然后用Rosstta工程软件、Matlab7.0等工具建立粗集神经网络模型,用粗糙集理论对指标体系进行约简,最后选出10个属性指标进入BP神经网络模型输入端。随机选取30个样本作为模型的训练样本对模型进行训练,其余14个样本作为检测样本对模型可行性进行检验,结果表明组合模型的预测效果良好。最后通过组合模型和传统神经网络模型预测性能的比较,显示出组合模型具有结构简单、网络训练误差较小、预测精度较高,预测准确性由原来的71.43%提高到了78.57%,从而论证了组合模型作为化工行业损害预测工具的可行性。本文研究可以对政府部门和相关企业的反倾销实践提供一定的技术支持。

论文目录

  • 摘要
  • Abstract
  • 第1章 绪论
  • 1.1 研究背景
  • 1.2 研究目的和意义
  • 1.3 研究内容、思路和方法
  • 1.4 文献述评
  • 1.4.1 反倾销研究现状
  • 1.4.2 产业损害的研究成果
  • 1.4.3 粗糙集和神经网络在预警中的应用研究
  • 第2章 国内外化工行业反倾销现状分析
  • 2.1 我国化工行业现状概述
  • 2.1.1 我国化工行业的贸易特点
  • 2.1.2 我国化工行业的发展趋势
  • 2.2 国外对华化工行业反倾销概况
  • 2.3 我国化工行业对外反倾销实践
  • 2.3.1 我国化工行业进口反倾销特点
  • 2.3.2 化工行业发起反倾销的必要性
  • 2.3.3 化工行业对外反倾销存在的不足
  • 2.4 本章小结
  • 第3章 利用粗集理论进行属性约简
  • 3.1 粗糙集基本理论
  • 3.2 决策表
  • 3.3 属性约简
  • 3.4 本章小结
  • 第4章 BP神经网络算法改进
  • 4.1 神经网络简介
  • 4.1.1 人工神经网络
  • 4.1.2 人工神经元模型
  • 4.2 BP神经网络
  • 4.2.1 BP神经网络的基本原理
  • 4.2.2 BP神经网络的正向传播
  • 4.2.3 BP神经网络的误差逆向传播
  • 4.2.4 标准BP算法存在的缺陷
  • 4.3 BP算法改进
  • 4.3.1 动量因子学习规则
  • 4.3.2 自适应调整学习率算法
  • 4.4 BP神经网络的训练过程
  • 4.5 本章小结
  • 第5章 化工行业倾销损害的粗集神经网络预警模型建立与实证
  • 5.1 粗糙集和神经网络结合的理论基础
  • 5.2 模型构建
  • 5.3 预警指标体系构建
  • 5.3.1 指标体系的特性描述
  • 5.3.2 指标选取原则
  • 5.3.3 构建指标体系
  • 5.4 样本选取
  • 5.4.1 选取样本的原则
  • 5.4.2 选取的样本
  • 5.5 粗集神经网络模型实证分析
  • 5.5.1 模型预处理
  • 5.5.2 模型的设计
  • 5.5.3 网络训练与仿真
  • 5.5.4 网络测试
  • 5.6 传统BP网络模型预警实证分析
  • 5.7 粗集神经网络模型与传统BP网络模型预警效果比较分析
  • 5.8 本章小结
  • 结论
  • 致谢
  • 参考文献
  • 附录1
  • 附录2
  • 附录3
  • 附录4
  • 攻读硕士学位期间发表的论文及科研成果
  • 相关论文文献

    • [1].三支决策-基于粗糙集与粒计算研究视角[J]. 智能系统学报 2019(06)
    • [2].多粒度粗糙集近似集的增量方法[J]. 山东大学学报(理学版) 2020(01)
    • [3].《粗糙集理论及其应用》研究生课程教学改革与实践[J]. 闽南师范大学学报(自然科学版) 2020(01)
    • [4].基于粗糙集理论的水利工程现代化管理评价[J]. 黑龙江水利科技 2020(01)
    • [5].基于代数角度的变精度多粒度粗糙集的约简[J]. 咸阳师范学院学报 2020(02)
    • [6].局部广义多粒度粗糙集[J]. 计算机工程与科学 2020(08)
    • [7].可变多粒度粗糙集粒度约简研究[J]. 哈尔滨师范大学自然科学学报 2019(01)
    • [8].基于覆盖粗糙集的超图连通性[J]. 数码设计 2016(02)
    • [9].关系粗糙集的邻域拟阵结构研究[J]. 数码设计 2016(02)
    • [10].基于粒度矩阵的程度多粒度粗糙集粒度约简[J]. 系统工程与电子技术 2016(12)
    • [11].基于最小/最大描述的多粒度覆盖粗糙直觉模糊集模型[J]. 计算机科学 2017(01)
    • [12].优势关系下多粒度粗糙集排序方法及其应用[J]. 计算机工程与应用 2017(01)
    • [13].优势关系多粒度粗糙集中近似集动态更新方法[J]. 中国科学技术大学学报 2017(01)
    • [14].基于加权粒度和优势关系的程度多粒度粗糙集[J]. 山东大学学报(理学版) 2017(03)
    • [15].组合多粒度粗糙集及其在教学评价中的应用[J]. 数码设计 2017(01)
    • [16].基于粗糙集的大学生学习与就业关系分析[J]. 计算机技术与发展 2017(05)
    • [17].粗糙集理论及其应用综述[J]. 物联网技术 2017(06)
    • [18].不完备信息系统中的广义多粒度双相对定量决策粗糙集[J]. 南京大学学报(自然科学) 2017(04)
    • [19].基于可变多粒度概率粗糙集的分类模型[J]. 模式识别与人工智能 2017(08)
    • [20].基于下近似分布粒度熵的变精度悲观多粒度粗糙集粒度约简[J]. 计算机科学 2016(02)
    • [21].可变程度多粒度粗糙集[J]. 小型微型计算机系统 2016(05)
    • [22].粗糙集理论在国内旅游研究中的应用[J]. 旅游纵览(下半月) 2014(07)
    • [23].基于信息量的悲观多粒度粗糙集粒度约简[J]. 南京大学学报(自然科学) 2015(02)
    • [24].粗糙集理论在故障诊断中的应用研究[J]. 科技视界 2015(16)
    • [25].粗糙集理论在输变电工程造价风险评价指标体系优化中的应用[J]. 土木工程与管理学报 2015(04)
    • [26].基于粗糙集理论的多标度层次分析教师教学评价模型[J]. 数学学习与研究 2017(11)
    • [27].基于粗糙集理论和因果图的故障诊断[J]. 重庆师范大学学报(自然科学版) 2020(02)
    • [28].基于粗糙集的高校学生实践能力因素研究[J]. 计算机技术与发展 2020(04)
    • [29].邻域粗糙集属性约简在民族团结进步创建评价中的应用[J]. 信息与电脑(理论版) 2020(12)
    • [30].新型灰狼算法的粗糙集属性约简及应用[J]. 计算机工程与应用 2017(24)

    标签:;  ;  ;  ;  ;  

    基于粗集神经网络的化工行业倾销损害预警模型研究
    下载Doc文档

    猜你喜欢