低碳经济背景下煤炭资源整合效果评价研究

宋华岭，雷放存，谭 梅

(山东工商学院管理科学与工程学院，山东 烟台 264005)

低碳经济背景下煤炭资源整合效果评价研究

宋华岭，雷放存，谭 梅

(山东工商学院管理科学与工程学院，山东 烟台 264005)

为了对低碳经济背景下煤炭资源整合后的效果进行评价，本文基于煤炭资源整合的模糊、随机复杂性现实，结合模糊C均值聚类分析方法(FCM)和模糊神经网络(FNN)评价方法，提出了“FCM-FNN”双模糊综合评价模型来对煤炭资源整合后的效果进行了实证分析和评价研究。根据聚类分析结果将市场上煤炭资源整合后的效果分为优、良、中、差4个等级，运用“FCM-FNN”双模糊综合评价模型对西山煤电集团煤炭资源整合效果进行评价，与模糊结构元理论的验证评价结果一致，从扩大组织规模和创新管理模式两方面提出了提高煤炭资源整合效果的建议。

低碳经济；煤炭资源；资源整合；“FCM-FNN”双模糊综合评价模型

自2008年我国煤炭资源整合步入实质性阶段以来，国内学者对煤炭资源整合进行了一系列的研究并取得了许多相关成果。郭云等从煤炭资源整合的经济效益着手，分析研究了山西省煤炭资源整合的影响，并着重分析了资源整合过程中的问题和不足[1]。王兵建等从煤炭资源整合的安全风险方面着手研究并制定了企业实施资源整合的规范，使资源整合成为提高煤炭产业安全管理水平的长效机制[2]。朱亮峰等从煤炭资源整合阶段的发展能力进行测度和研究，得出煤炭资源整合可以扩大煤炭企业资产规模，从而增加产出[3]。煤炭资源整合还涉及到管理和人才的整合，其整合过程面临着巨大的管理风险和挑战。杨晓燕依据我国煤炭企业整合初期的特点，建立了整合初期人力资源整合评价指标体系，并对人才整合效果进行了评价[4]。张慧敏从信息化角度出发分析了山西煤矿企业兼并重组对信息化建设的影响，提出运用多元数据分析投影寻踪法建立评价模型对信息化整合完成后的效果进行评价的设想[5]。复杂性是煤炭资源整合的主要特点之一，宋华岭等选取了3个复杂性评价域和6个复杂性因素对煤炭资源整合组织管理系统的复杂性进行评价[6]。赵国浩等则从煤炭资源整合效率的角度出发对山西煤炭资源整合企业进行了评价分析[7]。

对于煤炭企业这样一个复杂大系统的整合效果的研究，应纵观全局，整体把握。然而，目前关于煤炭资源整合效果的研究多仅限于单独经济效益的评价研究居多，而且评价方法比较单一，选取的评价指标也不够全面，没有对评价指标进行很好的分类。本文结合煤炭企业在低碳经济形势下的发展要求，构建了低碳经济背景下煤炭资源整合效果评价指标体系；结合模糊C均值(FCM)聚类分析方法和模糊神经网络(FNN)，建立了基于FCM-FNN的煤炭资源整合效果双模糊评价模型，对煤炭资源整合后的效果进行了评价和分析，根据评价结果提出了相关建议。

1 低碳经济背景下煤炭资源整合效果评价指标体系

煤炭资源整合是产业问题、经济问题，又是社会问题、民生问题，是煤炭行业为实现可持续发展所进行的一次重大产业变革。科学衡量煤炭资源整合效果，需要建立一套包括社会、环境、经济、资源等在内的系统的指标体系。本文基于低碳经济背景和资源整合评价的目标，遵循科学性与时代性相结合、可操作性与可比性相结合、定量与定性相结合、系统完备性和动态性相结合的原则构建了煤炭资源整合效果评价指标体系(表1)。

2 低碳经济背景下煤炭资源整合效果评价方法

煤炭资源整合，参与主客体多，交互性强，过程复杂，具有不确定性引起的模糊、随机复杂性和因果条件不具备、信息不完备引起混沌机不可言传的潜规则隐喻性复杂性等。包含企业的组织结构、生态环境系统、开采技术系统、生产安全等诸多系统要素。煤炭资源整合作为一个巨大的社会管理活动，诸多子系统构成的社会复杂巨系统，其在低碳经济背景下的整合效果的影响因素分析也具备一定的复杂性，加上人类经验知识有限的约束及指标数据的不可获得性，决定了在低碳经济背景下煤炭资源整合效果的评价中势必要运用到模糊理论。

其次，运用模糊神经网络(FNN)对市场大量数据进行训练模仿，自适应模糊推理系统采用的是T-S模糊逻辑系统的学习过程[9]，其网络简化结构图如图1所示。图1中的5层分别对应模糊化层、模糊推理层、归一化层、规则生成层和解模糊层。

图1 基于Takagi-Sugeno模型的模糊神经网络简化结构图

结合误差反向传递(BP)学习算法实现应用在多层神经网络结构中，输入信息通过正向传播传向输出层，若得不到输出层的期望输出，就会转入反向传播，误差信号原路返回，并在途中修改各层神经元的权值，实现权值的不断修正，也即网络学习训练过程[10]。待神经网络训练稳定后，再结合模糊C均值(FCM)聚类分析的结果对西山煤电集团的煤炭资源整合效果进行评价。

最后，为了检验“FCM-FNN”双模糊评价的有效性，本文创新运用郭嗣琮[11]提出的模糊结构元理论对西山煤电集团的煤炭资源整合效果进行了评价。具体评价步骤如下。

表1 煤炭资源整合效果评价指标体系

(1)

3 低碳经济背景下煤炭资源整合效果评价实证分析

3.1 数据样本和典型指标的选取

鉴于指标数据搜集的困难及数据完整性，本文选取至2013年中国煤炭100强企业中已经进行煤炭资源整合的，且拥有煤炭上市公司的16家煤企作为样本；数据来源主要有《中国煤炭工业年鉴》、《中国能源统计年鉴》、网站公开发布的信息及相关企业提供的资料，或直接或通过计算获得。

考虑到模糊神经网络在自动获取规则时存在着规则爆炸的情况，因此，在衡量指标数据的可获得性及针对上述样本有效的基础上，从27个指标中选择了12个指标作为模糊聚类的特征属性参数和模糊神经网络的输入，分别是4个低碳技术经济指标C1(原煤产量X1，投资利税率X2，原煤生产人员效率X3，非煤产值比率X4)；2个低碳高效利用指标C2(煤炭资源回采率X5，原煤入洗率X6)；2个低碳清洁环保指标C3(污染物排放达标率X7，绿化系数X8)；4个低碳科技安全指标C4(研发费用率X9，机械化水平X10，安全投入比率X11，百万吨死亡率X12)。

3.2 模糊C均值聚类

3.2.1 煤炭资源整合效果总体评价期望输出

3.2.1.1 低碳经济背景下煤炭资源整合效果分类

通过分别对16家煤企不同指标数形成的样本集多次进行模糊C均值聚类算法计算，确定16家煤企可以明显地分为4个群组。表2列出了每类整合效果的类型及各指标参数的聚类中心。

3.2.1.2 指标权重的确定

本文采用德尔菲(Delphi)法确定指标的权数，通过对10位专家意见的调查、收集、汇总分析、反馈、再调查，这样一个反复的过程，最终采用各指标权数的均值作为该指标的权数，如表3所示。

表2 煤炭资源整合效果分类及各类效果各个指标聚类中心

表3 指标权重

3.2.1.3 低碳经济背景下煤炭资源整合效果评语等级确定

上述指标中百万吨死亡率是逆向指标，其余均是正向指标。采用极差法对指标数据进行归一化处理，正向指标和负向指标的处理方法分别为式(2)和式(3)。

(2)

(3)

对4种聚类中心的指标数据进行同向无量纲化处理，并与对应的指标权数加权求和得各效果类型的综合评分，结果如表4所示。

由表4可知，低碳经济背景下煤炭资源整合效果可分为4种类型，确定指标权重后，结合四种聚类中心的指标数据对低碳经济背景下煤炭资源整合的四种效果类型进行综合评分可分为四种评语等级：优、良、中、差，其中效果类型4为优，效果类型2为良，效果类型3为中，效果类型1为差。根据综合评分，将这四种评语等级分别赋值为：优：1；良：0.7；中：0.3；差：0。结合表2可知，16家煤炭企业在低碳经济背景下，煤炭资源整合效果评语等级及期望输出，见表5。

3.2.2 准则层指标评价的期望输出

分别对低碳技术经济指标、低碳高效利用指标、低碳清洁环保指标、低碳科技安全指标进行模糊C均值聚类，同理可确定各准则层指标的期望输出，此处不再累述，结果如表6所示。

表4 数据同向无量纲化及综合评分结果

表5 16个数据样本的煤炭资源整合效果评语等级及期望输出

表6 准则层指标评价期望输出

3.3 模糊神经网络模型训练仿真

基于上述模糊C均值聚类，本文采用MATLAB中的ANFIS工具箱进行模糊神经网络的模型训练。在模型训练中，共使用了5个模糊神经网络，分别是低碳技术经济指标评价模糊神经网络、低碳高效利用指标评价模糊神经网络、低碳清洁环保指标评价模糊神经网络、低碳科技安全指标评价模糊神经网络、煤炭资源整合效果总体评价模糊神经网络。其中前四个模糊神经网络为总体模糊神经网络提供输出数据。前四个模糊神经网络对应的期望输出值由表5已经给定。将E1～E14作为训练样本数据，最后两组数据作为检测样本数据。首先对低碳技术经济指标进行训练仿真。

经过200次训练后，误差收敛到0.000 004 853 9，在训练过程中，误差一直在下降，如图2和图3所示。

然后用E15和E16作为测试样本对低碳技术经济指标进行测试，得出图4结果。

图2 训练完成图

图3 训练效果图

图4 实际输出和期望输出对比

图5 期望输出与实际输出对比

图4中实际输出由星号标记，期望输出由十字标记。由图4可见测试样本的分类准确度较高。误差为0.021 673，达到预期的要求。

同理对低碳高效利用指标、低碳清洁环保指标、低碳科技安全指标、煤炭资源整合效果总体评价指标进行训练仿真，并用最后两组数据进行测试，得到实际输出与期望输出的误差分别是0.025 672、0.036 998、0.012 51和0.015 496，达到预期要求。

3.4 实证检验

在2008年9月开始的新一轮煤炭资源整合过程中，通过淘汰落后煤企，实现优势资源的集中，有效地提高了煤炭资源的开采率；通过注重对清洁技术的运用，实现了环境的可持续发展；煤炭企业的兼并重组，不仅延长了产业链，实现了煤炭企业的高效发展，也提高了企业的市场竞争力。西山煤电集团作为山西煤炭资源整合的七大主体之一，也是此次资源整合的受益者。通过整合，西山煤电的经济效益指数如营业收入从2007年的78.02亿元增长到2011年的303.72亿元。产业结构不断优化升级，循环经济发展卓有成效，非煤产业产值由2007年的11.63亿元增长至2011年的131.19亿元。主要污染物指数如万元产值二氧化硫排放量也从2007年的0.002 69 t下降到2011年的0.001 96 t。2007年到2011年西山煤电共完成矿区绿化面积43.9万m2。

本文选取西山煤电集团作为测试样本，对西山煤电资源整合后效果进行评价。西山煤电集团有限责任公司评价指标值如表7所示。

在评价测试中，期望初始值设为0。经过模糊神经网络的测试，由图5可以看出该组数据的输出值为1，评价等级为优。

用模糊结构元对西山煤电集团的煤炭资源整合效果进行排序评价，与“FCM-FNN”双模糊综合评价模型评价结果相互佐证。西山煤电集团整合效果在各准则层指标下的隶属度值以三角模糊数形式给出，如表8所示。

表7 煤炭资源整合总体评价样本值

表8 西山煤电集团准则层因素的隶属度

4 结论与建议

4.1 结论

1)通过对选取的典型样本数据进行模糊聚类分析和处理可知，低碳经济背景下的煤炭资源整合效果可以评为优、良、中、差4个等级。有些煤炭企业资源整合的效果并没有明显突显出来，其原因可能取决于各煤炭企业在煤炭资源整合过程中的具体实践，因此，对煤炭资源整合效果进行评价具有一定的现实意义。

2)在对全国范围内选取的16家进行了煤炭资源整合的具有典型代表性的煤炭企业指标数据的收集整理基础上，建立了模糊神经网络并进行训练仿真和测试，得到稳定的模糊神经网络，最后选取西山煤电集团进行实证分析并得出西山煤电的资源整合效果为优。

3)为进一步验证该评价模型的有效性，本文创新应用了模糊结构元理论，对西山煤电集团的煤炭资源整合效果进行评价，评价结果为优，进一步验证了“FCM-FNN”双模糊综合评价模型的有效性，同时也是对模糊结构元理论的一次创新应用。

4.2 建议

1)发挥规模经济效益，构建集约化的现代煤炭企业。在煤炭资源整合中，规模大的企业比规模小的企业整合效果更好。为了更好的发挥资源整合效果，可以从横向扩大企业规模和纵向延伸产业链两个方面着手，实现集约化生产。 一方面要完善采矿权转让、承包等市场交易制度及交易流程，促进那些资源效益好、技术水平高的煤企积极参与整合，淘汰落后企业；另一方面要积极突破行业壁垒，发展上下游产业，延伸产业链，构建集约化的现代煤企。

2)创新管理模式，创建集约精细化管理体系。煤炭资源整合在提高产业集中度的同时，带来了大集团母子公司之间集权分权关系和管理集约化变革等重大问题。为解决这一问题，应集约化组织结构框架，使组织结构扁平化，形成人流、物流、资金流、信息流、技术创新和安全服务等业务流程集约化、精细化管理运行机制；构建业务管理专业化、集约化和园区化的体制构架；进行全方位的资产重组和流程再造，创建大集团集约—精细化创新管理体系。

[1] 郭云，张雪岩，田艳芳.山西煤炭资源整合的效果分析[J].中国市场，2011(2)：143-143.

[2] 王兵建，席国军，张亚伟，等.基于重大事故风险评价的矿井资源整合策略研究[J].煤矿按全，2013，44(4)：224-226.

[3] 朱亮峰，朱学义.煤炭资源整合进程中的发展能力评价研究[J].中国煤炭，2013，39(4)：9-12.

[4] 杨晓燕.我国煤炭企业重组初期的人力资源整合问题研究[D].焦作: 河南理工大学,2010.

[5] 张慧敏.山西煤矿企业兼并重组的信息化整合及效果评价[D].太原：太原理工大学，2010.

[6] 宋华岭，王传鹏，李春蕾.煤炭资源整合组织管理系统复杂性评价及实证研究[J].中国矿业，2012，21(3)：13-18.

[7] 赵国浩，王嘉雯.基于DEA的山西煤炭资源整合过程中的企业绩效评价研究[J].能源与节能，2011(6)：6-10.

[8] 高新波.模糊聚类分析及其应用[M].西安：西安电子科技大学出版社，2003：49-53.

[9] 顾秀萍.自适应神经模糊推理系统(ANFIS)及其仿真[J].火力与指挥控制，2010，35(2)：48-49，53.

[10] 刘曙光，郑崇勋，刘明远.前馈神经网络中的反向传播算法及其改进：进展与展望[J].计算机科学，1996，23(1)：76-79.

[11] 郭嗣琮.模糊分析中的结构元方法(Ⅰ)[J].辽宁工程技术大学学报，2002，21(5)：670-673.

Evaluate effects of integration of coal resource under the background of low carbon economy

SONG Hualing，LEI Fangcun，TAN Mei

(School of Management Science and Engineering，Shandong Institute of Business and Technology，Yantai 264005，China )

In order to evaluate the effects of coal resources integration under the background of low carbon economy，this paper based on the reality of the fuzzy stochastic complexity of coal resources integration，combined with the fuzzy C mean clustering method (Fuzzy C-means Clustering Algorithm，FCM) and fuzzy neural network (Fuzzy Neural Network，FNN) evaluation method，put forward the “FCM-FNN” double fuzzy comprehensive evaluation model to analyze and evaluate the effects of the integration of coal resources.According to the results of cluster analysis，the effects of coal resources integration are divided into 4 grades：excellent，good，medium and poor.Using “FCM-FNN” double fuzzy comprehensive evaluation model to evaluate the coal resources integration effect of Xishan coal and electricity group，the evaluation results are consistent with the results of the fuzzy structural element theory.According to the conclusion of evaluation and analysis，this paper puts forward some suggestions on how to improve the effects of coal resources integration from two aspects of expanding the scale of organization and the mode of innovation management.

low carbon economy；coal resource；integration of resource；evaluation model based on “FCM-FNN”

2016-11-10

国家自然科学基金项目资助(编号：71373148)；研究生科研创新基金项目资助(编号：2016yc1201002)

宋华岭(1957-)，男，山东高唐人，博士，教授，博士生导师，研究方向为管理复杂性，E-mail：songhualing@sdibt.edu.cn。

雷放存(1990-)，男，安徽池州人，硕士生，攻读山东工商学院管理科学与工程专业，研究方向为资源管理与复杂性，E-mail：LFC900000@163.com。

N944.16；F407.1

A

1004-4051(2017)05-0046-07