基于BP神经网络的产学研知识创新联盟风险评价研究

肖玲诺 ，史建锋，孙玉忠

(1.哈尔滨工业大学，黑龙江哈尔滨 150001;2.威海市科学技术局，山东威海 264200)

基于BP神经网络的产学研知识创新联盟风险评价研究

肖玲诺 ，史建锋1，孙玉忠2

(1.哈尔滨工业大学，黑龙江哈尔滨 150001;2.威海市科学技术局，山东威海 264200)

本文从知识创新的角度分析了产学研知识创新联盟的风险成因，认为知识共享不足、知识外溢、知识转化和升级不足是该联盟风险产生的渊源;管理风险、利益风险为内向性风险，市场风险、技术风险是其外向性风险。在吸取以往研究成果的基础上，设置了风险评价指标。根据所研究的风险特征，通过理论分析选择了BP神经网络作为风险评价法，利用MATLAB软件对调查数据进行处理，初步生成风险程度评价模型，并用实证演示加以证明。

产学研;知识创新联盟;神经网络;风险评价

一、引言

在我国，随着改革开放的不断深入和经济发展的长足进步，以知识创新、技术创新和科技成果转化为基础的国家创新体系的建立已经初见成效，各类产学研合作及战略联盟正为国家的经济发展起到助推作用。一些城市或高校纷纷成立了科技园或产学研孵化基地，企业逐渐意识到，必须有效地利用大学与科研院所科技资源和人力资源，深化产学研的合作，建立产学研知识创新联盟才能有效解决自己所面临的智力资源缺乏的困境。目前，对“产学研知识创新联盟”这一概念专门研究的少，更多的是将其与产学研的一般意义含混为一谈，产学研知识创新联盟与传统产学研合作的主要区别就在于知识创新联盟要求成员之间实现知识共享、知识创造，传统产学研合作以产品为纽带，而新兴的知识创新联盟则要求以知识为纽带，风险共担，利益共享。这样做不仅可以解决由交易产生的不确定性给企业带来的风险问题，而且也为各方持续合作以及获得利益创造了机会，为此产学研知识创新联盟成为企业、高校和科研院所实现各自利益目标的战略性选择。通过联盟，参与各方都可以创造持续的有竞争力的优势，从而可创造新的竞争力［1］。

目前，对产学研知识创新联盟相关理论的研究主要集中在联盟的合作模式、利益分配模式、技术创新模式等方面。而对于产学研知识创新联盟中涉及到风险评价方面研究的还不是很多。在合作当中，企业方提供资金支持和开拓市场;学研方提供科学技术以及科研力量;而政府则起到引领、服务的作用，也是产学研合作中的重要参与者。由于产学研合作是不同性质、不同目标的主体之间组成的联合体，从管理模式、运行机制、利益分配再到目标定位，参与方均可能会产生分歧，再加上参与各方自身发展存在的问题，比如企业面临的市场竞争，学研方面临的人才及技术瓶颈，政府所面临的公共资源的紧缺等，都会对产学研知识创新联盟的发展产生威胁。本文试图建立一套产学研知识创新联盟的风险评价机制，以便对联盟的发展及时提出预警及修改建议，同时从理论上丰富了以往的研究，对推动产学研知识创新联盟健康、平稳发展也有一定的指导意义。风险评价机制可以提前预警，提高联盟自身的风险管理能力，能够将联盟各方的比较优势更加有效地发挥出来。

二、产学研知识创新联盟的风险成因及分类

产学研知识创新联盟是一个由多主体构成的有机体，受多方面因素的影响和控制，要控制其运行过程中的风险，首先要了解该联盟的成因及其类型，以便于探究该联盟的本质特征，分析风险控制的切入点。

(一)风险影响因素分析

产学研知识创新联盟中的风险常表现在几个方面，包括知识共享不足的风险、知识外溢的风险、知识转化与升级不足的风险等。

1.知识共享不足的风险影响

知识共享是联盟产生和发展的动力，属于利益驱动力，而且是内向性的驱动力。联盟机构主体，无论是企业还是大专院校、科研院所都要分享知识，差异在于分享的角度不同。如果分享不足，将削弱联盟内部的凝聚力，甚至导致联盟破裂。常见的风险有:

①联盟共享知识的特性所引发的风险。这是由于知识本身的模糊性、特殊性和复杂性等特点所决定的，当共享知识不够明晰时，联盟各方对于知识的共享不够充分，就会导致风险产生。②知识接受方能力意愿所引发的风险。当联盟参与方也即知识接受方在知识的接受能力和接受意愿上存在主观性不强或知识转化能力欠缺时风险就会产生。③由于信任引起的风险因素。信任是知识联盟日常运行的主要协调机制，低信任度提高了组织交易成本和协调成本，增加了成员以及联盟整体的运行成本，减少了组织透明度和开放度。④由于契约和利益所引起的风险。当契约不规范，利益约定不明确时往往会引起联盟风险。

知识的不可分割性决定了知识共享性的特征。知识作为一种资源，被共享的程度越高，价值实现的越充分，效益越大。知识共享是创新联盟形成的主要影响因素。联盟内知识共享不足主要表现为联盟各方原有知识流动不足，使联盟各方原有的吸引力降低，实际表现为相互的人力资源，尤其是作为人才的人力投入不足或相互的编码化知识投入不足。另一方面是联盟过程中新获得知识资源共享不够，抑制了知识价值的实现，降低了联盟某方或各方的创新效益。同时知识的不可给予性是知识的另一显著特征，这要求联盟各方不仅要看到知识共享有助于更大程度上实现知识价值，而且要看到，知识共享还需要各联盟主体主动获取，并有能力促其转化。

2.知识外溢的风险

知识外溢是该联盟运作过程中产生风险的另一个主要原因，主要是由于管理不当所产生，主要表现为:

①管理引起的组织间知识泄露。人员管理方面，当联盟参与方的领导者或员工对于知识保护意识不强时容易引起知识泄露。过程管理方面，由于知识创新联盟的工作流程在一定程度上影响着组织间知识流动的方向和频率，当活动流程、任务分解方面存在问题时，知识泄露风险就会存在。②伙伴选择引起的联盟风险。合作伙伴选择的成功与否直接影响了合作方机会主义行为发生的可能性，也直接决定了知识泄露的风险。③基于契约和利益的风险。当合作契约不够规范或利益约定不明时常会出现知识泄露风险［2］。

编码化知识的可复制性和知识的不可分割性特征还可以使知识被复制后而不被发现，尤其是在信息技术发达的今天，复制知识的成本远远低于创新知识的成本，因而知识外溢成为知识创新联盟需要防范的风险源，也是需要知识创新过程中随时要警惕和评估的风险源。

3.知识转化与升级不足的风险

知识转化与升级是知识创新联盟过程中的主要内容，而其转化与升级不足也是其风险产生的影响源。知识转化主要是在共享的基础上实现编码化向隐含知识转化、隐含知识向编码化知识转化，即实现一般意义上的知识向组织能力转化、能力向成果的转化。知识转化不足实际上是知识价值实现的不够，而导致联盟的目标失败。知识升级实际是知识变革的问题。知识价值用完就扔掉是就知识的使用价值或知识的市场价值而言。当知识的使用价值或市场价值被新的知识的价值所取代时，知识的原有价值立即降低或消失。因此要求知识创新联盟不仅要关注自己的知识创新过程，而且要关注同领域和相关领域的知识创新过程，要有知识预警意识，促使自己的知识升级、知识创新升级。否则就会由于知识过时导致创新努力付之东流，使联盟陷入风险之中。风险有如下特点:①客观存在性。不管人们是否意识的到，决定风险产生的因素是独立存在的;②不断变化性。随着影响因素的变化，风险也会呈现出可变性和动态性;③可预测性。尽管风险的表现形式是不确定的，但并非的完全不可测的，可以通过科学的方法预测和估计。④与收益相辅相成。风险并不等同于危险，它总是与收益同时出现。一项活动如果只有风险没有收益则无人参与，收益是风险的回报，而面临风险是获得收益的代价。知识创新的特点是高投入、低成功率和高回报率。由此可见，产学研知识创新联盟风险控制的价值所在。

上述风险分析可见，①产学研知识创新联盟的运行过程中存在着多种风险源，无论联盟各方是否认识到，风险源都是客观存在的，并且随着过程的进展而不断变化着。②这过程中的风险有着明显的主体倾向性，经过努力和运用科学的方法是可以实现调控，降低风险损失。

(二)产学研知识创新联盟风险类型

无论从知识共享不足的风险影响分析，还是从知识外溢风险影响，知识转化与升级不足风险影响分析，都可以看出风险影响源有其内向性和外向性表现。因此，根据风险的影响和可控的途径，可以将产学研知识创新联盟风险分为内向性风险和外向性风险。

1.内向性风险

内向性风险，主要是由于联盟本身及其各联盟主体和意识、行为、文化等导致的风险，其风险的结果往往是导致联盟不攻而破。内向性风险主要表现为联盟管理风险和利益风险。

(1)管理风险 管理在联盟中的作用是“协调联盟组织中的所有活动”。如合作伙伴的选择，建立治理机制等，以使联盟组织良性发展［3］。管理风险的大小主要由下列因素决定:

优秀的企业家通常富有冒险精神和忍耐心、强烈的创新意识和愿望以及敏锐的机会意识和高超的决策水平。很多联盟知识创新、技术创新的成功原因之一就是参与方的管理者能够将联盟中的各类专家有机的组合起来，形成企业的合力，这样就为产品创新打下了坚实的人员保障等组织基础。而与之形成鲜明对比的是包揽一切的家长式管理，这种管理模式往往造成沟通不顺畅，管理不协调，从而导致企业创新活动的失败。

(2)利益风险 在联盟当中，知识产权利益无疑是最值得参与方所关注的，它具体存于资助单位与项目承担单位、高校与企业、企业与企业、企业内部以及高校与科研人员这五对关系之间［4］。

当企业方与学研方对利润利益分配不平等时，任何一方没有得到应有的经济收益或其他收益，这时就会产生利益风险，如果企业方或学研方能通过对研发的关键性技术长期获利，那么产生的影响就是积极的，如果参与方发生了单方面转让“所有权”的行为，势必给对方带来不利的风险。有关“技术保护”的冲突在联盟合作初期出现较多，而在技术成熟之后，这些利益冲突也就逐渐消失了。

2.外向性风险

外向性风险主要是由于联盟所置的市场环境、技术环境、政策环境等因素所导致的，包括市场风险、技术风险、政策风险。这类风险既可以促进联盟成员为了共同的利益，更加团结一致共同抵御风险、规避风险，又可以摧毁联盟。需要以外向性为主的调控手段。

(1)市场风险 所谓市场风险是指产学研知识创新联盟的生产主体从事经济活动中所面临的风险。市场风险主要包括:

首先，难以确定市场的容量。产品的市场容量大小直接决定了产品的总价值。当产品研发投入过多，而产品的市场容量过小时，投资就有可能无法收回，导致产品研发的失败。

其次，难以确定市场接受时间。市场对所研发的产品往往需要一个了解、接纳的过程，这一过程的时间如果过长就会影响企业的资金运转，近而对整个项目构成危险。

第三，市场战略因素的影响。好的市场战略策划是一项高技术产品成功走向市场的关键，如果在市场调研、推广、营销计划上出现失误，就会给产品走向市场造成困难，严重时甚至会前功尽弃。

(2)技术风险 产学研知识创新联盟合作是基于知识创新、技术创新而进行的合作。无论何种创新都决定了联盟合作的过程是一个高风险的过程。技术创新高风险缘于技术创新的不确定性。主要有三种表现形式:一是技术本身不成熟、缺少相关辅助技术。二是市场的变化快速、市场中存在预测的不准确、同时技术引进的冲击等都会给技术创新带来风险。三是由于一些外部环境因素所造成了不确定性。技术创新存在风险也就决定了基于技术创新而进行的产学研知识创新联盟的合作存在高风险。如果参与各方对技术成果的市场认知度存在不统一的意见。在合作中，联盟各方就会常发生矛盾和分岐，当管理者思维与科技人员的思维难以统一时，双方合作的稳定性就会发生动摇，甚至有可能会不欢而散。

上述各类风险都可以存在于联盟过程的任何阶段和环节，并且表现出明显的非线性和多相关性，需要与之相适应的评价体系和方法才能够实现过程中的风险控制。

(三)产学研知识创新联盟的风险级别设定

为了对各类风险进行有针对性地预测调控，在对风险因素进行推断的基础上，对可能给未来造成不利的风险进行不同等级的判别，并发出相应的预测，以提醒决策者注意。

国外学者认为应对项目生命周期内的风险状态以及各种风险要素进行客观的识别分析和阐述，并对各项风险要素的生成机制、发展状态及其后果进行综合判断［5］;同时根据风险成因分析现有的信息，预测风险的变化趋向，及时制定相应对策［6］。

吸取理论界的成果，根据产学研知识创新联盟风险成因和风险特点，将产学研知识创新联盟的风险共分为了五个等级:A级——在研项目进展一切顺利，联盟合作非常融洽;B级——在研项目进展顺利，尽管研发过程当中以及联盟沟通中间有时会有困难，但比较容易克服;C级——项目进展情况一般，尽管基本能按时间完成相关研究，但中间问题不断;D级——项目进展很不顺利，经常需要多方共同协商;E级——项目研发几乎停滞，面临失败。

三、产学研知识创新联盟的风险测评

为了科学、全面地建立产学研知识创新联盟风险评价指标体系，本研究在综合国内外有关产学研合作风险研究的基础上，结合知识管理、知识创新风险的相关理论，从中挑选出了一些具有代表性的指标，构建了产学研知识创新联盟风险评价的预选指标体系，它包括管理风险、市场风险、技术风险、利益风险四个一级指标及若干二级指标。

(一)确定评价指标

初步拟出产学研知识创新联盟评价预选指标集后，通过查阅相关文献，到企业实地走访，运用Delhpi法确定最终的评价指标，得到一个能够体现科学、完整、可靠且相关性小的产学研知识创新联盟风险评价指标体系。如表1。

(二)产学研知识创新联盟风险评价方法

基于BP神经网络的风险评价模型要解决的是一个综合性的问题，这当中泛化能力的强与否是非常关键的。通常，模型的泛化能力决定于要解决的问题本身的复杂程度、BP神经网络的结构以及样本数量的多少等三个主要因素。因此，在对产学研知识创新联盟风险评价的BP神经网络模型设计中，应具体考虑相关因素:网络的层数以及各层神经元个数、网络学习速率、期望误差、输入数据预处理方式以及网络的训练模式［7］。按表1，研究过程共向企业管理人员、技术人员、科研人员以及管理专家等四类人员共发放及收回有效问卷50份。

表1 产学研知识创新联盟风险评价指标

具体操作程序如下:

第一，网络层数。理论上已经证明，在不限制隐层节点数的情况下，只有一个隐含层的两层BP神经网络可实现任意非线性映射。基于此，测评系统选择了只含有一个隐层的两层BP神经网络［8］。

第二，输入层的节点数。输入层位于网络的第一层，其主要任务是接收外部的输入数据，其节点数取决于输入项的维数，根据前期分析结果，研究过程中输入层的节点数为21。

第三，输出层的节点数。输出层的节点数意味着输出结果的维度，通过研究构造了五种风险级别。因此，有五个输出节点。

第四，隐含层的节点数。对于有限个输入模式到有限个输出模式的映射，隐含层的节点数并不需要无限个，关于如何选择隐层节点数的问题，迄今为止，尚未找到一个很好的解决办法，隐含层节点个数通常跟设计者的经验和前人的试验来确定，根据计算机模拟，研究隐含层节点数定为8［9］。

图1 BP神经网络模型结构

图2 BP神经网络训练误差曲线变化图

表2 实证数据

第五，数据处理。对于正项指标而言，当问题有五个备选答案时，将每一项选项的分值分别分布在(0，1)之间，由此可得选项A对应0.9分，选项B对应0.7分，选项C对应0.5分，选项D对应0.3分，选项E对应0.1分。如果本题为反向指标，则将选项与分值的对应关系置换。依此类推，当问题有四个备选答案时，选项A对应0.875分，选项B对应0.625分，选项C对应0.375分，选项D对应0.125分;当问题有三个备选答案时，选项A对应5/6即0.833分，选项B对应0.5分，选项C对应1/6即0.167分。

第六，对相关的数据进行归一化处理后，将前40个问卷调研数据利用matlab工具软件的神经网络工具箱进行训练，进行100000次学习后看是否收敛到允许的范围内，训练结束后，给训练好的BP神经网络用剩余10个问卷调研数据作为测试样本进行检验，得到相应的风险等级测评结果，测试结果误差如果在5%以内，则表明该网络有一定的可靠性。利用风险评价网络模型，输入测试样本，就可自动给出该项目风险情况的综合得分。

依据如下公式:

dnet=newff(minmax(p)，［－ 1 1］，{‘tansig’‘purelin’}'，‘traingdx’，‘learngdm’);(利用函数newff函数建立一个可训练的BP神经网络)

dnet.trainParam.epochs=100000;(设定训练次数)

dnet.trainParam.goal=0.0001;(设定训练目标)

dnet.trainParam.show=500;(系统每500步显示一次训练误差的变化曲线)

由图2可知，经过546步计算之后系统的训练误差便达到了0.0005。

dnet=train(dnet，p，t)初步构建产学研知识创新联盟风险评价模型。

四、实证研究与分析

为了更加科学、客观地评价联盟的风险情况，本研究选取了某轮胎生产公司智能轮胎产学研项目2010年12月的相关数据进行了实证分析。采集到的数据如表2。

将以上数据代入模型公式 sdz=sim(dnet，dbb)(dbb代表对当前项目相关风险指标的打分)，得出分值为0.23，意味着风险级别介于D类与E类风险之间，测验结果为存在巨大风险，这与实际情况相符。

分析结果可知，智能轮胎项目的产学研知识创新联盟之所以存在巨大风险，主要是由于其外向性风险所致。

首先，市场风险方面。该项目潜在竞争对手的竞争力非常强，智能轮胎的核心技术一直为国外知名品牌如米其林、普利司通、固特异等公司所垄断，这些公司通过设立外商独资或中外合资企业的形式，进一步垄断了国内的智能轮胎市场，使得国内自主品牌的轮胎企业在推广自身智能轮胎市场方面举步维艰。

其次，技术风险方面。因为智能轮胎项目涉及技术含量较高，而企业从项目研发人员的配备到研发设施的配置以及企业的研发水平和实力，对比同行业国际知名企业均有较大差距，这为项目的实际研发带来了很大的困难，再加上本土市场行业内与该项目有关的技术成熟度较低，很难有先进经验可循，要想让项目继续进行下去，必须在研发层面对项目进行重新论证。

五、结束语

本文对产学研知识创新联盟的风险成因及风险类型做了系统描述，并用BP神经网络方法对于联盟所可能遇到的风险进行了评价，并将模型用于实证研究。研究人员今后可以进一步改善和调整各项评估指标，比如对不同阶段产学研知识创新联盟提出不同的风险评价模型，对不同模式的产学研知识创新联盟提出不同的风险评价模型等。此外，随着国际合作的日益深入，不同国家的法规、文化环境等因素也是影响跨国产学研知识创新联盟的重要因素，这些都需要进行深入研究。为了更加高效、便捷的利用评价系统，可以开发相关评价软件，用以实时生成评价数据，建立评价系统的另一重要功能是可以不断增加样本数据，提高网络训练的精度。

［1］Teresa L Ju，Shu － Hui Chen，Chia － Ying Li，et al.A Strategic Contingency Model for Technology Alliance ［J］．Industrial Management＆ Data Systems，2005，105:624．

［2］马亚男.知识联盟组织间技术知识共享的风险控制［M］.北京:中国经济出版社，2008.140－178．

［3］Angeliki Poulymenakou，Elpida Prasopoulou.Adopting a Lifecycle Perspective to Explain the Transition from Technological Innovation to Alliance Management［J］.Management Decision，2004，42:1118．

［4］谢惠加.省部产学研创新联盟需厘清五大知识产权利益关系［J］.广东科技，2010，(4):2－5．

［5］Dean Elmuti，Yunus Kathawala.An Overview of Strategic Alliances［J］.Management Decision，2001，39:208．

［6］T K Das.Deceitful Behaviors of Alliance Partners:Potential and Prevention［J］.Management Decision，2005，43:711.

［7］黄岳钧.基于BP人工神经网络的企业人员素质综合评价模型研究［D］.湘潭:湘潭大学硕士论文，2007．

［8］许慧远.基于AHP和BP神经网络理论的大学生综合素质测评研究［J］. 思想教育研究，2009，6:203．

［9］张运生，曾德明，张利飞等.基于RBF＆BP神经网络的R＆D绩效隐患预警与控制模型［J］.系统工程理论方法应用，2004，10:419 －424.

Risk Assessment of Industry－university－research Knowledge Innovation Alliance Based on BP Neural Network Algorithm

XIAO Ling－nuo1，SHI Jian－feng1，SUN Yu－zhong2

(1．Harbin Institute of Technology，Harbin150001，China;2．Weihai Technology Bureau，Weihai264200，China)

This paper analyzes risk causes of industry－university－research knowledge innovation alliance from the perspective of knowledge innovation，and it takes knowledge sharing insufficiency，knowledge spillovers，insufficient knowledge transformation and upgrade as the origin of risk．Management risk and interest risk are inner risk，market risk and technology risk are extra risk．Learn from previous research achievements，the risk assessment indexes are set．According to the risk characteristics of research，through the theoretical analysis，the BP neural network is adopted as a risk evaluation method，MATLAB software is used to survey data processing，and the risk degree evaluation model is preliminary formatted，at last，an empirical demonstration is took to prove it．

industry－university－research;knowledge innovation alliance;neural network;risk assessment

G302

A

1002－9753(2011)12－0173－07

2011－07－12

2011－10－15

山东省自然科学基金项目，项目号2009ZRA10043，项目名称:控制产学研知识创新联盟风险的决策系统。

肖玲诺(1958－)，女，山东烟台人，教授，博士，研究方向:知识管理。

(本文责编:辛 城)