基于AHP—ANN模型的土地整理工程投資風(fēng)險(xiǎn)評(píng)價(jià)

黃綠萍

摘要將層次分析法（AHP）和人工神經(jīng)網(wǎng)絡(luò)（ANN）相結(jié)合，采用層次分析法，對(duì)土地整理工程投資風(fēng)險(xiǎn)的各種因素進(jìn)行深入研究，確定工程投資風(fēng)險(xiǎn)的評(píng)價(jià)指標(biāo)體系，再利用人工神經(jīng)網(wǎng)絡(luò)投資分析評(píng)價(jià)建立投資風(fēng)險(xiǎn)評(píng)估AHP-ANN模型，并對(duì)此進(jìn)行了可行性論證，為全面評(píng)估土地整理工程投資風(fēng)險(xiǎn)提供了新的思路和方法。

關(guān)鍵詞土地整理；投資風(fēng)險(xiǎn)評(píng)價(jià)；AHP-ANN模型；江西省湖口縣

中圖分類(lèi)號(hào)F301.2文獻(xiàn)標(biāo)識(shí)碼A文章編號(hào)0517-6611（2017）33-0204-03

Application Research of AHP-ANN in the Field of Investment Risks Evaluation on Land Consolidation

HUANG Lüping1，2

（1.College of Earth Science，East China University of Technology，Nanchang，Jiangxi 330013；2.Jiujiang City Bureau of Land and Resources，Jiujiang，Jiangxi 332007）

AbstractCombined analytic hierarchy process （AHP） with artificial neural network （ANN），using the analytic hierarchy process to study the factors of the risk assessment on the land consolidation project，determine the index evaluation system on the risk of the project investment，using artificial neural network to analysis and evaluate the investment，establishing the risk assessment investment model AHP - ANN and doing the feasibility demonstration，provides a comprehensive evaluation of the risk assessment on land consolidation project with new ideas and methods.

Key wordsLand consolidation；Investment risks evaluation；AHP-ANN model；Hukou County of Jiangxi Province

土地是人類(lèi)賴(lài)以生存的最基本的生產(chǎn)和生活資料，伴隨著經(jīng)濟(jì)社會(huì)的高速發(fā)展，耕地資源正受到前所未有的蠶食，使得當(dāng)前耕地保護(hù)形勢(shì)日益嚴(yán)峻。為了保證我國(guó)的耕地安全、糧食安全、生態(tài)安全，土地整理正成為一項(xiàng)重要的戰(zhàn)略手段[1]。然而土地整理工程是一項(xiàng)非常復(fù)雜的系統(tǒng)工程，涉及面廣，環(huán)節(jié)多，與之相關(guān)的行業(yè)、部門(mén)較多，從項(xiàng)目的規(guī)劃到最后的實(shí)施運(yùn)營(yíng)，風(fēng)險(xiǎn)貫穿其中[2]。但從目前已實(shí)施的項(xiàng)目來(lái)看，學(xué)術(shù)界和實(shí)踐界對(duì)土地整理工程項(xiàng)目中的風(fēng)險(xiǎn)未予以高度關(guān)注，甚至認(rèn)為項(xiàng)目中存在的風(fēng)險(xiǎn)不大，不會(huì)引起較大損失。正是由于思想認(rèn)識(shí)的偏差，已使得很多項(xiàng)目規(guī)劃實(shí)施運(yùn)營(yíng)過(guò)程中出現(xiàn)了很多問(wèn)題，多數(shù)項(xiàng)目沒(méi)有完成既定目標(biāo)，甚至對(duì)當(dāng)?shù)氐慕?jīng)濟(jì)、社會(huì)、生態(tài)環(huán)境造成不良影響。

當(dāng)前，一些專(zhuān)家學(xué)者也對(duì)土地整理工程項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)有所探索，田勁松等[3]將可拓學(xué)理論與方法應(yīng)用到土地整理工程的經(jīng)濟(jì)評(píng)價(jià)領(lǐng)域，構(gòu)建經(jīng)典物元、節(jié)域物元和待評(píng)物元來(lái)構(gòu)造關(guān)聯(lián)函數(shù)，進(jìn)而求得關(guān)聯(lián)度與關(guān)聯(lián)值，以之計(jì)算評(píng)價(jià)等級(jí)值，探究土地整理項(xiàng)目的經(jīng)濟(jì)效益狀況；梁彥慶等[4]則基于人工神經(jīng)網(wǎng)絡(luò)模型對(duì)建設(shè)項(xiàng)目的投資估算做了一系列有益分析；張召冉等[5]通過(guò)建立基于估算子系統(tǒng)的投資估算模型，選取工程特征代入人工神經(jīng)模型，進(jìn)而評(píng)價(jià)煤礦礦建工程投資可行性，且能滿(mǎn)足估算預(yù)測(cè)快速性與準(zhǔn)確性的要求；蔣慧娟[6]從城市土地整理風(fēng)險(xiǎn)管理中的風(fēng)險(xiǎn)識(shí)別入手，對(duì)風(fēng)險(xiǎn)成因、內(nèi)容、識(shí)別的過(guò)程進(jìn)行了分析研究，以期更好的管理和控制城市土地整理中的風(fēng)險(xiǎn)問(wèn)題；谷曉坤等[7]通過(guò)對(duì)大城市郊區(qū)土地整理典型項(xiàng)目的比較，分析了大城市郊區(qū)農(nóng)村居民點(diǎn)整理影響機(jī)理，構(gòu)建了整理效果評(píng)價(jià)指標(biāo)體系。以上研究均對(duì)土地整理投資評(píng)估項(xiàng)目做出了充分探索，但不同方法具有不同優(yōu)劣，而且由于土地整理投資風(fēng)險(xiǎn)具有自身特殊性，所以結(jié)合多種評(píng)估方法有利于正確有效評(píng)估土地整理工程投資風(fēng)險(xiǎn)項(xiàng)目。筆者利用AHP-ANN模型探求土地整理工程投資風(fēng)險(xiǎn)狀況，以期為探索整理工程的可行性提供參考，指引實(shí)踐。

1數(shù)據(jù)來(lái)源與研究方法

1.1研究區(qū)概況

湖口縣隸屬九江市，位于長(zhǎng)江與鄱陽(yáng)湖唯一交匯口，境內(nèi)丘陵起伏，港汊縱橫，水域?qū)拸V。江湖交錯(cuò)，土地肥沃，氣候濕潤(rùn)，年均溫17.4 ℃，積溫在5 358.7～5 402.1 ℃，年均降水量1 442.5 mm。截至2014年底，湖口縣戶(hù)籍人口29.87萬(wàn)，農(nóng)業(yè)人口22.69萬(wàn)，人口密度443人/km2，城鎮(zhèn)化率42.9%。截至2014年底，湖口縣農(nóng)業(yè)生產(chǎn)總值達(dá)87 126萬(wàn)元，糧食作物播種面積達(dá)18 964 hm2，糧食作物播種面積產(chǎn)量5 936 kg/hm2，糧食作物產(chǎn)量113 075 t，農(nóng)業(yè)機(jī)械總動(dòng)力66 000 kW，農(nóng)村用電量5 191萬(wàn)kW·h，化肥施用量18 163 t，該縣是重要的糧食主產(chǎn)區(qū)，因此該縣建設(shè)高標(biāo)準(zhǔn)農(nóng)田更具有保障糧食高產(chǎn)、提高農(nóng)業(yè)現(xiàn)代化水平、促進(jìn)區(qū)域糧食產(chǎn)業(yè)升級(jí)的現(xiàn)實(shí)性意義。

1.2研究方法

目前，土地整理項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)主要受評(píng)估人的經(jīng)驗(yàn)影響，主觀(guān)不確定性和理解的模糊性，導(dǎo)致評(píng)估過(guò)程的隨機(jī)性。采用人工神經(jīng)網(wǎng)絡(luò)彌補(bǔ)了層次分析法在處理主觀(guān)因素方面的不足，在構(gòu)建評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上建立一套科學(xué)系統(tǒng)的研究方法。在目前的評(píng)價(jià)指標(biāo)體系的基礎(chǔ)上，利用層次分析法與人工神經(jīng)網(wǎng)絡(luò)相結(jié)合，能為風(fēng)險(xiǎn)評(píng)估的研究和應(yīng)用開(kāi)辟一條新的途徑。因此，該研究采用層次分析法，建立土地整理項(xiàng)目投資風(fēng)險(xiǎn)評(píng)價(jià)指標(biāo)體系，并應(yīng)用人工神經(jīng)網(wǎng)絡(luò)方法建立評(píng)價(jià)模型，對(duì)土地整理項(xiàng)目投資風(fēng)險(xiǎn)進(jìn)行綜合評(píng)價(jià)。

層次分析法和人工神經(jīng)網(wǎng)絡(luò)都是一種系統(tǒng)的研究方法，雖然層次分析法和人工神經(jīng)網(wǎng)絡(luò)可以單獨(dú)對(duì)風(fēng)險(xiǎn)投資項(xiàng)目進(jìn)行評(píng)價(jià)，但存在局限性。因此，該研究將這兩種方法結(jié)合起來(lái)，相互學(xué)習(xí)，以達(dá)到集成的效果[ 10]。

從理論上分析，建立基于AHP-ANN模型的土地整理投資風(fēng)險(xiǎn)項(xiàng)目評(píng)價(jià)將有如下特點(diǎn)：①AHP-ANN模型保持了AHP在方案大體確定的問(wèn)題中優(yōu)選的特點(diǎn)，可以得到人們對(duì)研究問(wèn)題在主觀(guān)認(rèn)識(shí)上的一組粗略的優(yōu)劣排序。

②AHP-ANN模型具有很強(qiáng)的非線(xiàn)性映射能力，學(xué)習(xí)經(jīng)驗(yàn)的能力強(qiáng)，分類(lèi)、預(yù)測(cè)準(zhǔn)確度高。

③AHP-ANN模型自適應(yīng)能力很強(qiáng)，能不斷地接受新樣本、不斷學(xué)習(xí)，以調(diào)整模型，從而可以不斷更新滾動(dòng)數(shù)據(jù)來(lái)訓(xùn)練模型，形成動(dòng)態(tài)評(píng)估過(guò)程，使評(píng)估結(jié)果更準(zhǔn)確。

④AHP-ANN模型仍然保持了AHP和ANN共有的系統(tǒng)性、實(shí)用性和簡(jiǎn)潔性等特點(diǎn)。

1.3AHP-ANN模型構(gòu)建的出發(fā)點(diǎn)與可行性

1.3.1出發(fā)點(diǎn)。

確定層維輸入輸出建模問(wèn)題的傳統(tǒng)人工神經(jīng)網(wǎng)絡(luò)模型，然而，當(dāng)研究復(fù)雜系統(tǒng)建模時(shí)，由于受到太多因素的影響，所有這些都作為人工神經(jīng)網(wǎng)絡(luò)的輸入，會(huì)明顯增加網(wǎng)絡(luò)的復(fù)雜度，降低網(wǎng)絡(luò)性能和計(jì)算的準(zhǔn)確性。因此，該研究采用層次分析法作為人工神經(jīng)網(wǎng)絡(luò)前處理，通過(guò)專(zhuān)家判斷、比較、評(píng)價(jià)等手段對(duì)重要程度進(jìn)行更多的變量化，以其結(jié)果作為人工神經(jīng)網(wǎng)絡(luò)的輸入，提高模型的效率。

1.3.2可行性分析。

（1）土地整理項(xiàng)目投資風(fēng)險(xiǎn)評(píng)估的相關(guān)數(shù)據(jù)缺乏，導(dǎo)致有效信息丟失，而AHP-ANN模型仍然具有分布式存儲(chǔ)結(jié)構(gòu)神經(jīng)網(wǎng)絡(luò)的特點(diǎn)，具有很強(qiáng)的魯棒性，小單位的缺陷不會(huì)造成網(wǎng)絡(luò)癱瘓不影響大局，適合實(shí)際操作。

（2）投資風(fēng)險(xiǎn)評(píng)估是一個(gè)復(fù)雜的過(guò)程，涉及各種因素，而且各影響因素與測(cè)量結(jié)果之間并非完全成線(xiàn)性關(guān)系。而AHP-ANN模型具有很強(qiáng)的非線(xiàn)性映射能力、學(xué)習(xí)經(jīng)驗(yàn)?zāi)芰Γ诸?lèi)、預(yù)測(cè)精度高。

（3）AHP-ANN模型的自適應(yīng)能力，能不斷接受新的樣品，不斷地學(xué)習(xí)，以調(diào)整模型，從而將土地整理項(xiàng)目投資風(fēng)險(xiǎn)不斷更新滾動(dòng)訓(xùn)練數(shù)據(jù)模型，評(píng)價(jià)結(jié)果更符合實(shí)際。

2結(jié)果與分析

2.1構(gòu)建綜合評(píng)價(jià)指標(biāo)體系

2.1.1建立層次結(jié)構(gòu)模型。

土地整理工程是一項(xiàng)復(fù)雜的系統(tǒng)工程，涉及面廣，環(huán)節(jié)多，與之相關(guān)的行業(yè)、部門(mén)較多，從項(xiàng)目的規(guī)劃到最后的實(shí)施運(yùn)營(yíng)，風(fēng)險(xiǎn)貫穿其中，影響土地整理工程的風(fēng)險(xiǎn)因素很多。該研究從項(xiàng)目規(guī)劃、實(shí)施、使用3個(gè)方面選取了12種投資風(fēng)險(xiǎn)指標(biāo)，使評(píng)價(jià)指標(biāo)體系貫穿項(xiàng)目始終，接著運(yùn)用特爾斐法，經(jīng)專(zhuān)家多輪打分對(duì)評(píng)價(jià)指標(biāo)進(jìn)行了刷選，然后建立指標(biāo)層次結(jié)構(gòu)模型（圖1）。土地整理工程投資風(fēng)險(xiǎn)評(píng)價(jià)為目標(biāo)層（G），一級(jí)指標(biāo)層（C）由前期風(fēng)險(xiǎn)、實(shí)施階段風(fēng)險(xiǎn)、使用階段風(fēng)險(xiǎn)3部分組成，二級(jí)指標(biāo)層（P）由制度風(fēng)險(xiǎn)、可行性研究風(fēng)險(xiǎn)、方案決策風(fēng)險(xiǎn)等12項(xiàng)指標(biāo)組成。

2.1.2計(jì)算指標(biāo)權(quán)重及其一致性檢驗(yàn)。

上述土地整理工程投資風(fēng)險(xiǎn)評(píng)價(jià)變量體系經(jīng)由特爾斐法由5名相關(guān)領(lǐng)域（農(nóng)業(yè)、水利、國(guó)土等）專(zhuān)家進(jìn)行打分而構(gòu)造G-C判斷矩陣，利用方根法計(jì)算可得：

wG-C=（0.327 5，0.412 6，0.259 9）

同理可得判斷矩陣C1-P、判斷矩陣C2-P、判斷矩陣C3-P的權(quán)重：

wC1-P=（0.2306，0.2026，0.2243，0.1702，0.1723）

wC2-P=（0.406 7，0.369 5，0.223 8）

wC3-P=（0.367 7，0.200 0，0.281 9，0.150 4）

經(jīng)檢驗(yàn)，各判斷矩陣的CR值均小于0.10，表明判斷矩陣的一致性是可以接受的。為實(shí)現(xiàn)變量體系優(yōu)化，而將權(quán)值累計(jì)貢獻(xiàn)率≥90%的變量予以保留，即當(dāng)方案層變量權(quán)值<0.02時(shí)，將該變量刪除，進(jìn)而實(shí)現(xiàn)優(yōu)化變量體系（表1），作為AHP-ANN模型的輸入值。

2.2神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)模型

根據(jù)項(xiàng)目評(píng)估的關(guān)鍵因素個(gè)數(shù)，確定AHP-ANN模型模型的輸入節(jié)點(diǎn){ai}（i=1，2，…，12）。隱含層節(jié)點(diǎn)為24個(gè)，輸出節(jié)點(diǎn)為Y。

2.2.1輸入量。采用AHP方法獲得關(guān)鍵因素總排序{pi}（i=1，2，…，12），且12i=1pi=1。模型的預(yù)輸入量{xi}（i=1，2，…，12）是綜合每一位評(píng)估專(zhuān)家對(duì)每一項(xiàng)關(guān)鍵因素的打分后得到的加權(quán)處理值，為0～1，該模型中將{pi}作為權(quán)值對(duì)原始輸入量{xi}進(jìn)行歸一化處理，得到{Xi}（i=1，2，…，12），加權(quán)處理后的{Xi}充分考慮了不同權(quán)值下的參數(shù)對(duì)網(wǎng)絡(luò)訓(xùn)練的影響。

神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)參數(shù)設(shè)定為最大循環(huán)次數(shù)為1 000，目標(biāo)誤差為0.000 01，λ初始值為0.000 1。

2.2.2模型訓(xùn)練與檢驗(yàn)。模型中的隱含層節(jié)點(diǎn)為24個(gè)，故而將24項(xiàng)數(shù)據(jù)作為訓(xùn)練樣本和檢驗(yàn)樣本，其中22個(gè)作為訓(xùn)練樣本，2個(gè)作為檢驗(yàn)樣本，結(jié)果見(jiàn)表2～3。

實(shí)證研究結(jié)果表明，迭代次數(shù)達(dá)59 236次，實(shí)際誤差為0.000 001。

2.2.3輸出量。

神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)最重要的是要確定系統(tǒng)的期望輸出，該模型將已經(jīng)通過(guò)專(zhuān)家評(píng)審、打分，由風(fēng)險(xiǎn)投資評(píng)估機(jī)構(gòu)已經(jīng)認(rèn)定的評(píng)估結(jié)果作為訓(xùn)練樣本的期望輸出Y（0評(píng)價(jià)結(jié)果=A（優(yōu)秀），0.9≤Y<1

B（良好），0.75≤Y<0.9

C（一般），0.65≤Y<0.75

D（較差），0.55≤Y<0.65

E（極差），0≤Y<0.55

安徽農(nóng)業(yè)科學(xué)2017年

此土地整理工程投資風(fēng)險(xiǎn)評(píng)價(jià)綜合評(píng)估值越高，越值得風(fēng)險(xiǎn)投資機(jī)構(gòu)對(duì)其進(jìn)行風(fēng)險(xiǎn)投資。經(jīng)測(cè)算，AHP-ANN模型的輸出結(jié)果為0.762 5，即評(píng)價(jià)結(jié)果為B級(jí)（良好），表明該土地整理工程的投資風(fēng)險(xiǎn)處于可接受范疇。

3結(jié)語(yǔ)

盡管土地整理工程投資風(fēng)險(xiǎn)評(píng)價(jià)方法有很多，各有優(yōu)劣，但相互結(jié)合、取長(zhǎng)補(bǔ)短，有利于使評(píng)價(jià)效果更加科學(xué)。該研究將層次分析法和人工神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合，形成AHP-ANN綜合評(píng)價(jià)模型，減少了評(píng)價(jià)過(guò)程中的人為性，有助于增加評(píng)價(jià)的有效性，與現(xiàn)有評(píng)估方法相比具有明顯的優(yōu)越性，對(duì)現(xiàn)實(shí)中評(píng)價(jià)投資風(fēng)險(xiǎn)具有較好的參考價(jià)值和指導(dǎo)意義。

土地整理工程的投資風(fēng)險(xiǎn)控制是今后又一研究點(diǎn)重點(diǎn)。

土地整理工程是一個(gè)惠及民生的重點(diǎn)工程，但仍受到自然力等非系統(tǒng)風(fēng)險(xiǎn)的影響，因此，如何構(gòu)造嚴(yán)謹(jǐn)?shù)娘L(fēng)險(xiǎn)控制體系是實(shí)現(xiàn)土地整理工程投資效用最大化的研究重點(diǎn)，對(duì)農(nóng)業(yè)產(chǎn)業(yè)結(jié)構(gòu)升級(jí)、國(guó)家糧食安全、耕地保護(hù)具有重要作用。

參考文獻(xiàn)

[1]

蔣玲，蒲春玲，劉彥晶，等.基于生態(tài)服務(wù)價(jià)值的土地整理生態(tài)效益評(píng)價(jià)：以慶陽(yáng)市西峰區(qū)董志鎮(zhèn)土地整理項(xiàng)目為例[J].天津農(nóng)業(yè)科學(xué)，2016，22（3）：68-74.

[2] 高月新.青州市何官鎮(zhèn)土地整理工程項(xiàng)目風(fēng)險(xiǎn)評(píng)價(jià)研究[D].青島：中國(guó)海洋大學(xué)，2011.

[3] 田勁松，過(guò)家春，劉琳，等.基于物元模型的土地整理經(jīng)濟(jì)效益評(píng)價(jià)[J].水土保持通報(bào)，2012，32（5）：107-112.

[4] 梁彥慶，黃志英，馮忠江，等.基于人工神經(jīng)網(wǎng)絡(luò)的土地整理項(xiàng)目綜合效益評(píng)價(jià)研究[J].安徽農(nóng)業(yè)科學(xué)，2011，39（8）：4799-4801.

[5] 張召冉，楊仁樹(shù)，許炳，等.煤礦礦建工程投資估算模型與應(yīng)用[J].中國(guó)礦業(yè)，2014，23（10）：152-156.

[6] 蔣慧娟.城市土地整理風(fēng)險(xiǎn)識(shí)別相關(guān)問(wèn)題研究[J].現(xiàn)代商業(yè)，2009（23）：113，112.

[7] 谷曉坤，盧新海，陳白明.大城市郊區(qū)農(nóng)村居民點(diǎn)整理效果分析：基于典型案例的比較研究[J].自然資源學(xué)報(bào)，2010，25（10）：1649-1657.

[8] 李瑞麗.企業(yè)生態(tài)理論與基于BP人工神經(jīng)網(wǎng)絡(luò)的企業(yè)生態(tài)評(píng)價(jià)[D].太原：山西大學(xué)，2003：26-31.

[9] 趙玉，徐鴻，張坤，等.基于小波神經(jīng)網(wǎng)絡(luò)的國(guó)際鈾資源價(jià)格趨勢(shì)分析[J].東華理工大學(xué)學(xué)報(bào)（社會(huì)科學(xué)版），2012，31（2）：113-115.

[10] 徐佳娜，西寶.基于AHP-ANN模型的商業(yè)銀行信用風(fēng)險(xiǎn)評(píng)估[J].哈爾濱理工大學(xué)學(xué)報(bào)，2004，9（3）：94-98.