环境绩效评价的BP人工神经网络分析方法——一项基于火力发电企业的案例研究

邓 英，冯 玲

（长沙理工大学经济与管理学院，湖南长沙 410004）

环境绩效评价的BP人工神经网络分析方法——一项基于火力发电企业的案例研究

邓 英，冯 玲

（长沙理工大学经济与管理学院，湖南长沙 410004）

本研究在构建企业环境绩效评价体系基础上，运用BP人工神经网络方法对火力发电企业环境绩效进行了综合评价。研究结果表明火力发电企业间环境绩效水平存在显著差异。为提升火力发电企业环境绩效，对优秀企业、良好企业、一般企业、差等企业可以分别采取优先发展、鼓励发展、控制发展和限制发展的政策。

火力发电企业；环境绩效评价；BP人工神经网络

一、引言

我国火电发电占了电力产业85%以上的份额，据中国统计年鉴数据显示，2013年我国发电装机总容量为12.576 8万千瓦时，其中火电为8.700 9万千瓦时，占中国总装机容量的69%以上。由此不难看出火力发电企业目前是我国电力产业能源结构中的“龙头”。火力发电主要使用动力煤，占工业用煤的50%以上。2013年全国环境统计公报数据显示，我国发电供热用煤占全国煤炭生产总量的49%左右；独立火电厂二氧化硫排放量为634.1万吨，占重点工业调查企业排放量的37.5%；氮氧化物排放量为861.8万吨，占重点工业调查企业排放量的58.8%；烟（粉）尘排放量为3.6亿吨，比重点调查工业企业平均水平高出0.9个百分点。可见，火力发电企业在为我国社会经济发展做出巨大贡献的同时也带来了突出的环境问题。

为提升我国环境整体质量、高效利用自然资源和确保火力发电企业走可持续发展道路，科学评价火力发电企业环境绩效在当前就显得尤为重要。

二、文献综述

环境绩效评价的概念最早出现于20世纪60年代末期，相关理论研究直到20世纪90年代才逐渐丰富起来。环境绩效评价研究主要集中在环境绩效内涵的界定、评价指标和方法等方面［1］。ISO14031标准提出环境绩效评价是指对企业或其他组织环境绩效进行测量与评估的一种系统程序［2］。加拿大特许会计师协会（CICA）在《环境绩效报告》中列示出了7种行业、15个方面的环境绩效指标，成为企业进行环境绩效评价的参考指标［3］。世界可持续发展委员会（WBCSD）于2000年提出了全球第一套生态效益评估标准，并将生态效益指标作为评估企业环境绩效的主要指标［4］。Gray认为环境绩效应包括环境政策、环境计划、环境会计等5方面［5］。Corbett认为环境绩效应是企业环境管理活动在治理环境污染方面取得的成效［6］。国际标准化组织（ISO）发布的ISO140315环境绩效评价标准，提供了一个包含环境状态、管理绩效、经营绩效的环境绩效指标库［2］。Henri和Journeault从环保目标、环保法规和政府补贴三方面研究了指标的建立及使用，认为环境绩效指标可提供有关环境问题方面的重要信息［7］。Diakaki以风险评估方法建立了一套与环境风险评估相对应的环境绩效评价指标，以识别企业需考虑的环境因素［8］。

国内在环境绩效评价方面也取得了一些成果。谢洪军等用拓展的数据包络模型（DEA），检验了中国电力产业的环境绩效［9］。何平林等以数据包络分析方法，对我国火力发电企业的环境绩效进行了研究［10］。陈晓红、周智玉通过构建基于规模报酬可变假设的环境DEA模型，引入共同前言曼奎斯特——伦伯格指数，以湖南省13个地级城市为对象进行了实证研究［1］。胡健等根据数据包络方法和遗传神经网络，提出了基于二次相对效益动态评价模型的中小企业环境绩效评价方法，对10家中小企业的环境绩效进行了综合评价［11］。杜江核算1991-2011年中国省际种植业污染排放量，用Global Malmquist Luenberger指数与农业环境友好指数（AEFI）分析了中国农业增长的环境绩效［12］。秦颖等通过联立方程模型，结合造纸行业的数据进行实证研究，验证了环境绩效与经济绩效关系的有效性［13］。汪克亮等利用非径向、非角度的SBM模型对2000年至2010年中国各省份的能源经济效率和环境绩效进行了测度［14］。孙燕燕等运用Mata方法对49篇实证研究进行了有序Probit回归分析，结果表明企业环境绩效与经济绩效的相关性存在显著差异［15］。谢志明等认为环境监督直接正向显著影响企业环境绩效（ENP），ENP对财务绩效（FIP）亦具有显著的正向影响［16］。吴德军等认为环境绩效信息披露、环境管理的最终目的都是为提高环境绩效［17］。陈璇等以中国重污染行业上市公司为样本，分析了高新技术企业和传统企业在环境绩效和环境信息披露上的差异［18］。叶怡娜等认为企业绿色环保实践对环境绩效有显著正向影响，并通过环境绩效这一中介变量影响企业经济绩效［19］。叶飞等认为绿色设计对环境绩效与经济绩效均有显著正向影响［20］。林汉川等通过企业责任与产品价值的再造实现了环境绩效与经济绩效的统一［21］。

总之，现有企业环境绩效的评价无论在指标选取上还是在权重确定上都存在一定程度的主观性，最终可能影响了评价结果的客观性，作者认为亟须建立一套科学的企业环境绩效评价体系。而BP人工神经网络技术构建的非线性评价模型可科学合理确定各指标的权重进而提高评价结果的精确度。基于此，笔者运用BP人工神经网络方法对火力发电企业的环境绩效作出了综合评价，并根据评价结果提出了改善环境绩效的政策建议。

三、基于BP神经网络的火力发电企业环境绩效评价体系设计

（一）评价方法

本研究选取的BP神经网络（Back Propagation NN）结构如图1所示，是一个包括输入层、中间层（隐层）和输出层的单向传播三层前向神经网络。通过运用matlab环境下的BP网络模块，将火力发电样本企业环境分级指标作为输入神经元、评价级别作为输出神经元，采用等间距的线性内插方法，对已经归一化了的数据进行等级划分，从而构建火力发电企业环境绩效人工神经网络训练数据，通过样本训练数据的不断学习修改权重，找出评价指标和评价级别间的内在对应关系，最后利用训练样本网络模型并结合评价标准得出火力发电仿真企业的环境绩效水平。

图1　BP网络结构

（二）评价模型的建立

在BP网络中，对于任何闭区间内的一个连续函数都可以用单隐层的BP网络逼近，因而一个三层BP网络就可以完成任意的n维到m维的映射，且采用的隐含层数越多，训练的时间就会越长。BP网络输入神经元可根据需要求解的问题和数据表示方式确定，输出层的维数可根据使用者的要求确定。如果将BP网络用作分类器，类别模式一共有m个，那么输出层的神经元个数为m或log2m。而隐层的神经元数目选择是一个十分复杂的问题，往往需要根据设计者的经验和多次试验来确定，因而不存在一个理想的解析式来表示。隐含层的数目与问题的要求、输入/输出单元的数目都有着直接的关系。隐含层数目太多会导致学习时间过长、误差不一定最佳，也会导致错容性差、不能识别以前没有看到的样本，因此存在一个最佳的隐含层单元数。根据经验公式（1）估算确定最佳隐含层节点数［22］。

公式（1）中:Nh为最佳隐含层单元个数，Ni为输入层神经元个数，No为输出层神经元个数，Np为训练样本数。

考虑了WBCSD提出的环境绩效评价核心原则，参考何平林、石亚东、李涛的研究成果［10］及数据的可获取性，本研究选取火力发电企业5个环境分级指标作为输入层神经元，分别为单位电量（亿千瓦时）排污金额X1、单位电量水耗量X2、单位电量煤耗X3、固体废物利用率X4、二氧化硫节排率X5；选取4个评价级别作为样本输出神经元，分别为优秀、良好、一般、差4个等级。本研究的训练样本数为10，则根据公式（1）

火力发电企业环境绩效评价的神经网络模型结构设计为5-9-4，具体如图2所示。

图2　BP神经网络的火力发电企业环境绩效评价模型结构

（三）评价样本数据无量纲化处理

由于Sigmoid函数的取值及网络最后1个节点的输出范围是0～1之间，需对样本进行归一化处理。见公式（2）和（3）。

以每个电厂的数据为1个样本，总样本数为i，指标数为j。

（四）评价标准的设计

评价标准的设计是整个评价过程的关键，其设计的好坏将直接关系到评价结果的客观有效性。本研究将标准定为优秀、良好、一般、差4个等级［23］，具体见表1。

表1　火力发电企业环境绩效评价标准

表2　25家火力发电企业环境绩效评价样本数据表

四、火力发电企业环境绩效评价体系的实证分析

（一）样本数据的来源

本研究中25家火力发电企业环境绩效综合评价的数据（见表2）来源于中华人民共和国环境保护部公开发布的《大唐国际发电股份有限公司环境核查技术报告》以及《国投华靖电力控股股份有限公司环境核查技术报告》。

样本数据经无量纲处理后的结果见表3。

表3　25家火力发电企业各指标无量纲化数据

（二）网络训练及结果

1.BP网络训练

网络创建:net=newff（h，［9，4］，｛'tansig'，' logsig'｝，'traingdm'），网络目标输出:t=［1 000；0 100；0 010；0 001］；选取前10家火力发电企业为训练样本进行网络训练，训练次数初步设定为500 000次，训练目标设定为0.002，学习速率设定为0.01，过程如下:net.trainparam. epochs=500 000；net.trainparam.goal=0.002；Lp.Lr=0.01；［net，tr］=train（net，p，t）；训练结果显示，经过180 620次训练，网络的性能达到要求。

2.评价结果

训练学习好的BP神经网络提供了各指标与评价结果之间的关系。本研究将后15家火力发电仿真企业无量纲化处理后的数据输入已经训练好的BP神经网络，然后根据这15家企业的输出等级关联度确定其环境绩效综合评价水平。

表4　15家火力发电企业环境绩效网络评价结果

表4显示15家火力发电企业环境绩效网络评价结果，环境绩效处于优秀等级的有宁德电厂、华夏电厂、北部湾电厂和靖远电厂，处于良好等级的有连城电厂、乌沙山电厂、潮州电厂、拖电电厂和津能电厂，处于一般等级的有新余电厂、锦州电厂和宣城电厂，运城电厂、红河电厂和曲靖电厂则处于差等级。

（三）评价结果成因分析

是什么原因导致火力发电企业间的环境绩效水平出现差距呢？火力发电企业环境绩效评价的输入输出指标结果（表5）表明，环境绩效优秀的北部湾电厂的单位电量排污金额（X1）偏高，靖远电厂的单位电量煤耗（X3）有所偏高且其固体废物利用率（X4）、二氧化硫节排率（X5）偏低。就良好企业而言，单位电量水耗量（X2）偏高是影响潮州电厂环境绩效水平的重要因素；而二氧化硫节排率（X5）偏低是影响津能电厂环境绩效水平的重要因素。就一般企业而言，新余电厂和锦州电厂的单位电量水耗量（X2）和单位电量煤耗（X3）偏高，而单位电量排污金额（X1）偏高及二氧化硫节排率（X5）偏低也分别影响着新余电厂和宣城电厂。对于差等企业，5个影响环境业绩的指标几乎都处于低水平状态，这致使环境绩效处于弱势状态。

五、研究结论及建议

BP人工神经网络的评价结果表明，火力发电企业之间的环境绩效存在着显著差异。因此通过环境绩效评价，如何在制度设计上引导和激励火力发电企业增强环境绩效管理的积极性和主动性，是当前需要着重考虑的关键内容。

首先，我们要因企业环境绩效差异分别采取优先发展、鼓励发展、控制发展和限制发展的政策。对于环境绩效优秀的火力发电企业，国家可以采取重点倾斜、优先扶持等优先发展政策。国家制定实施重点倾斜、优先扶持政策，以期带动其他企业对环境保护的重视，逐步改善所有污染较大的电厂，从而提升整个电力行业的环境管理水平。对于环境绩效良好的火力发电企业，国家可以采取财政奖励资金与节能量挂钩、税收优惠等鼓励发展政策。财政奖励资金与节能量挂钩方式可以鼓励火电企业通过节能技术改造来发展企业，环保方面的税收优惠政策也可鼓励火电企业注重环境绩效。对于环境绩效一般的火力发电企业，国家可以采取控制发展的政策。国家通过改进发电调度方式，优先调度可再生能源和高效、清洁的机组发电，从而限制能耗高、污染重的机组发电。对于环境绩效差的火力发电企业，应归为淘汰类企业，国家可以采取限制发展的政策。加快淘汰污染严重发电机组，取消对高耗能企业的优惠电价政策，按期关停的机组在一定期限内可享受发电指标，并通过转让给大机组代发获得一定经济补偿，发电量指标及享受期限随关停的时间而逐年递减。

其次，要完善我国环境保护法律规范体系和建立健全节能减排市场化机制。政府部门要进一步完善我国环境保护法律规范体系，支持环境监管能力建设，加快推进主要污染物排放的监测、指标和考核“三大体系”建设，建立健全企业环境会计准则。为减轻排污金额因素对火力发电企业的影响，应探索建立排污有偿使用和交易机制；减轻电量水耗量因素对企业的影响，可以完善水资源的价格机制。

表5　15家火力发电企业环境绩效评价的输入指标排名

总之，火力发电企业为提升自身环境绩效水平，单位电量排污金额、单位电量水耗量、单位电量煤耗量、固体废物排放量、二氧化硫排放量仍将是未来工作的重点。火力发电企业通过向国内外优秀同行学习交流以期改变当前不合理的生产模式，通过积极利用低热值煤炭、煤层气、高炉气、余热余压发电去实现资源的综合利用，通过优化生产环节减少固体废物的对外排放，通过安装运行烟气脱硫装置机组减少二氧化硫的排放量。

［1］陈晓红，周智玉.基于规模报酬可变假设的城市环境绩效评价及其成因分解［J］.中国软科学，2014（10）:121-128.

［2］ISO.ISO 14031:Environmental performance evaluation:Guidellines［R］.Geneva ISO，1999:5-10.

［3］CICA.Reporting on Environmental Performance［R］. Toronto，1994.

［4］WBCSD.Measuring Eco-Efficiency:A guide to reporting company performance［M］.Geneva，2000.

［5］Gray R H，Bebbington K J，Walters D.Accounting for the environment:The greening of accountancy［M］. London:Part II，Paul Chapman，1993:92.

［6］Corbet T C J，Pan J N.Evaluating environmental performance using statistical process control techniques［J］.European Journal of Operational Research，2002，139（1）:68-83.

［7］Henri J F，Journeaul T M.Environmental performance indicators:An empirical study of canadian manufacturing firms［J］.Journal of Environmental Management，2008，87:165-176.

［8］Dikaki C，Evangelos G，Maria S.A risk assessment approach in selecting environmental performance indicators［J］.Management of Environmental Quality:An International Journal，2006，17（2）:126-139.

［9］谢洪军，任玉珑.中国电力产业市场化与环境绩效——基于DEA的分析［J］.科技管理研究，2006（9）:53-54.

［10］何平林，石亚东，李涛.环境绩效的数据包络分析方法——一项基于我国火力发电厂的案例研究［J］.会计研究，2012（2）:11-17.

［11］胡健，李向东，孙金花.中小企业环境绩效评价理论与方法研究［J］.科研管理，2009，30（2）:150-165.

［12］杜江.中国农业增长的环境绩效研究［J］.数量经济技术经济研究，2014（11）:53-69.

［13］秦颖，武春友，翟鲁宁.企业环境绩效与经济绩效关系的理论研究与模型构建［J］.系统工程理论与实践，2004（8）:111-117.

［14］汪克亮，杨力，杨宝臣，程云鹤.能源经济效率、能源环境绩效与区域经济增长［J］.管理科学，2013（3）:86-99.

［15］孙燕燕，王维红，戴昌钧.企业环境绩效与经济绩效的关系研究［J］.软科学，2014，28（3）:61-64.

［16］谢志明，谢青青，易玄.绿色供应链管理对制造企业绩效的影响［J］.财经理论与实践，2015（193）:111-116.

［17］吴德军，唐国平.环境会计与企业社会责任研究——中国会计学会环境会计专业委员会2011年年会综述［J］.会计研究，2012（1）:93-96.

［18］陈璇，Knut Bjorn Lindkvist.环境绩效与环境信息披露:基于高新技术企业与传统企业的比较［J］.管理评论，2013，25（9）:117-130.

［19］叶怡娜，叶飞.制度压力、绿色环保创新实践与企业绩效关系——基于新制度主义理论和生态现代化理论视角［J］.科学学研究，2011，29（12）:1884-1894.

［20］叶飞，张婕.绿色供应链管理驱动因素、绿色设计与绩效关系［J］.科学学研究，2010，28（8）:1230-1239.

［21］林汉川，王莉，王分棉.环境绩效、企业责任与产品价值再造［J］.管理世界，2007（5）:155-157.

［22］严太山.基于BP神经网络的玻璃瓶裂纹检测模型［J］.科技情报开发与经济，2005，15（8）:182-183.

［23］孙红丽.高新技术企业知识管理能力的综合评价［J］.统计与决策，2009（20）:181-183.

BP Artificial Neural Network Analytic Method on Evaluation of Environmental Performance: A Case Study Based on Thermal Power Enterprises

Deng Ying，Feng Ling
（School of Economics and Management，Changsha University of Science&Technology，Changsha，Hunan 410004，China）

Based on environmental evaluation system for enterprises，this paper carried out comprehensive evaluation on thermal power enterprises by using BP artificial neural network.The research results showed that the environmental performance level had significant discrepancies among thermal power enterprises.In order to promote the environmental performance，different policies of development priority，encouragement，control and limitation are respectively applied to excellent，favorable，ordinary and unqualified enterprises correspondingly.

thermal power enterprises，environmental performance evaluation，BP artificial neural network

F272.5；F224

A

1672-934X（2015）06-0105-08

10.16573/j.cnki.1672-934x.2015.06.017

2015-10-10

湖南省社科基金项目资助（13YBA004）；湖南省科技厅软科学项目资助（2015ZK3013）；湖南省教育厅重点项目资助（15A012）

邓 英（1972—），女，湖南涟源人，副教授，管理学博士，主要从事现代企业财务理论与实务研究。