BP神經(jīng)網(wǎng)絡(luò)在電力企業(yè)客戶信用評價的應(yīng)用

《BP神經(jīng)網(wǎng)絡(luò)在電力企業(yè)客戶信用評價的應(yīng)用》由會員上傳分享，免費在線閱讀，更多相關(guān)內(nèi)容在教育資源-天天文庫。

1、竺蘭．／BP神經(jīng)網(wǎng)絡(luò)在電力企業(yè)客戶信用評價的應(yīng)用沈新平．鄭會(1．廣東省肇慶供電局，肇慶526060；2．中山大學(xué)計算科學(xué)與計算機應(yīng)用研究所，廣州510275)摘要：針對電力企業(yè)客戶的信用評價問題，提出一個簡單實用的BP神經(jīng)網(wǎng)絡(luò)信用評價建模方法。該方法首先采用主成分因子分析方法進行信用評價指標(biāo)的選取，然后應(yīng)用k-meads聚類方法確定信用評價的等級，以此建立BP神經(jīng)網(wǎng)絡(luò)信用評價模型。通過實驗證明．該BP神經(jīng)網(wǎng)絡(luò)信用評價建模方法具有簡單實用和高效可靠等優(yōu)點。關(guān)鍵詞：電力企業(yè)客戶；信用評價；k-meads聚類分析；BP神經(jīng)網(wǎng)絡(luò)0引言S=Al1ll’+?

2、+A+D2電力客戶拖欠電費的原因是多方面的．多數(shù)是由z。’仃l?0于受經(jīng)濟環(huán)境影響造成本身的財務(wù)條件變化如破產(chǎn)=(l一，、／fm+●●●或資金被套牢等所致[1]，也有惡意拖欠電費的情況。供2x／XT,0?叮p電企業(yè)尋求降低拖欠電費風(fēng)險的途徑．一直是企業(yè)經(jīng)=A+營管理最重要的課題在目前無法全面取消電能交易IA=、／一，=()為p陣；賒銷方式的情況下．對電力客戶進行信用分類和欠費風(fēng)險預(yù)警．縮小風(fēng)險管理范圍．有針對性地對電力客其中{廠(1’2’．．．，p)戶采取管理措施或技術(shù)措施．是目前解決拖欠電費問公式(1)給出的A和D便是因子模型的一個解。題的一條較

3、佳途徑載荷陣A中的第j列(即第j個公因子Fj在X上的載1基于主成分分析的指標(biāo)選取荷)和x的第i個主分量的系數(shù)相差一個倍數(shù)、／1．1財務(wù)分析指標(biāo)與實驗數(shù)據(jù)0=1，2，?，m)。定義公式(1)給出的解為因子模型的站在財務(wù)分析角度選擇的企業(yè)信用評價指標(biāo)．應(yīng)主成分解反映企業(yè)的盈利能力、償債能力和經(jīng)營能力由于財公因子個數(shù)m的確定方法一般有兩種．一是根務(wù)指標(biāo)的關(guān)聯(lián)性和資料來源的原因．本文選取營業(yè)周據(jù)實際問題的意義或?qū)I(yè)理論知識確定：二是用確定期(Yyzq)、凈資產(chǎn)增長率(J2czZ1)、資產(chǎn)所得率sd1)、股主成分個數(shù)的原則．選擇滿足下列不等式的最小整東權(quán)益收

4、益率(Gdqysyl1(非上市公司則用凈資產(chǎn)收益數(shù)，即為in的值。本文選用Po=0．8。率代替)、、速動比率(Sdb1)1)2及流動比率(Mb1)等六個A≥最基本的財務(wù)指標(biāo)進行主成分分析．并選擇某地I+?+A+?+A。‘”現(xiàn)2006年32家企業(yè)的財務(wù)指標(biāo)數(shù)據(jù)作為本文的實驗使用SAS9．0工具進行因子分析．根據(jù)方差累計代數(shù)據(jù)，如表1所示。貢獻率≥80％的準(zhǔn)則，選擇前三個因子作為主因子，計1．2主成分因子分析方法與計算結(jié)果分別記作：Factorl，F(xiàn)actor2和Factor3。求得各指標(biāo)對算設(shè)樣本協(xié)差陣S的特征值為A≥A≥?≥A≥應(yīng)的主因子如表2所示

5、。機^0，相應(yīng)單位正交特征向量為l一，l。。當(dāng)最后p—m個特總征值較小時，則S可近似地分解為：第三_-收稿日期：2009—06—08修稿日期：2009—07—10-_作者簡介：沈新平(1971-)。工程師，碩士，研究方向為電氣工程、電力市場期vMODERNCOMPUTER2oo9．7囝＼＼竺竺2基于k-means聚類分析的信用評價等級表132家企業(yè)六項基本財務(wù)指標(biāo)數(shù)據(jù)，2-meam聚類分析算法2345BT89m讎鬻譬雀謄戮g黔i．1kk鬟鞠懿溱溺醚≥瑟≤黧裁彬i≈鞲黼§硪i剮鰣燜隅麓譽632．7466霾蛾l203．975．67s711．207820

6、9304I．24750對Factorl、Factor2和Factor3進行相關(guān)性檢驗的鬟∥g263．98571．7669．89I12470．5399．71510i譬128．313616．37961457711901195550．9189結(jié)果．可以將它們看作是相互獨立的，從而可以使用§◇l120．09959．40516．17941074I．39731．021310．6008—ii∥i205．66?。?35420．510．94240．026823聚類分析。kmeans聚類分析算法：纂配i13250888．518613．128215．81．34960．8

7、685(1)從n個樣本數(shù)據(jù)中任意選擇C個0樣0本作為初0—簍耄羹鬟1174．275l2．61883．71．19990．93031咱叼咄加．7243叼加囊糕驥175．2589233弱2．42181．17640．7804始聚類中心。對所剩余樣本。則根據(jù)最短距離的原則蕊∽i13l606610．76647．955913．71．1239O．7364分別將它們分配給與其距離最短的(聚類中心所代表——7296361778558—冀鬟麟i1．967522．021．3110．8634i縋i328007111296226610．941．17190．2379的)聚類；0

8、00噸噸噸噸吣鍪嬡i739417143l品56．825617．021．07110．804噸噸i黟i170．73462201