ParK's 論文后花園

云南财经大学
硕士学位论文
基于Bp神经网络的中国贸易增长与环境损害预测研究
姓名：姜松
申请学位级别：硕士
专业：世界经济
指导教师：兰天
20081001
中文摘要
中文摘要
随着经济全球化和贸易自由化进程的加快，环境问题越来越引起世人的关
注，成为人类共同面临的重大问题之一。经济全球化背景下出现的一系列全球性
环境问题已成为制约经济、社会可持续发展的屏障。随着中国贸易的快速增长、
环境损害的加剧、研究贸易增长与环境损害预测问题对于制定与协调贸易政策、
环境政策、产业政策等具有重要意义。
论文梳理了贸易与环境关系理论，介绍了神经网络的基本理论，重点探讨了
BP神经网络的模型与结构，BP算法及其改进，构建了贸易增长引致环境损害的
BP神经网络模型，将神经网络模型分别应用于时间序列预测和面板数据预测，
运用MATLAB工具实现模型的仿真，对贸易引致的环境损害问题进行了预测。⋯
贸易增长与环境损害之间的关系是多纬度、错综复杂的，是当今国际经济学
的一个重要领域。传统的预测方法越来越难以解决日益复杂多变的经济预测问
题，为了探索神经网络系统用于贸易引致环境污染预警的可能性，本文在前人研
究的基础上，运用能对信息进行大规模并行处理、具有学习、记忆功能的神经网
络模型来模拟贸易与环境之间的错综复杂的关系，验证了BP神经网络预测方法
应用于贸易增长与环境损害预测问题的有效性。该模型应用于中国贸易与环境污
染预测的结果表明，该模型具有所需样本少，预测精度高，计算简便等优点，为
研究贸易增长引致的环境损害预测提供了新途径。
关键词：BP神经网络贸易增长环境损害预测
Abstract
With the economic globalization and trade liberalization to speed up the process，
more and more environmental problems caused by the world’S attention has become a
major human problems．Against the backdrop of economic globalization and the
emergence of a series of global environmental problems has become a constraint on
economic，social and sustainable development of the barrier．With China's rapid trade
growth，increasing environmental damage，the study of environmental damage and
wade growth forecast for the issue of trade policy formulation and coordination，
environmental policy,industrial policy is of great significance．
IIl this paper,carding a theory ofthe relationship between trade and environment，
introduced the neural network’S basic theory,focuses on BP neural network models
and structures，BP algorithm and its improvement，construction of the trade growth of
the environmental damage caused by BP neural network model，neural network
Models were used in forecasting and time series data panel predicted that the use of
MATLAB tool for the realization of the simulation model for environmental damage
caused by trade issues forecast．
Trade growth and environmental damage the relationship between the latitude is
more complicated， in today’S international economics an important area．The
traditional method of forecasting more difficult to solve the increasingly complex and
volatile issue economic forecasts，in order to explore the neural network system for
trading pollution caused by the possibility of early warning，previous studies in this
paper,on the basis of the information on the use of large-scale Parallel processing
谢th learning and memory functions of the neural network model to simulate the trade
and environment between the complex relationship between BP neural network to
verify the prediction method has been applied to the growth of trade and
environmental damage the effective．ness of the prediction．The model used in Chinese
trade and environmental pollution forecast results show that the model has the
necessary samples less accurate，simple calculation，etc．，to study the environmental
pollution caused by the trade forecast to provide a new way．
Keywords：Neural Networks BP neural network trade growth environmental
damage
II
独创性声明
本人声明所呈交的学位论文是我个人在导师指导下进行的研究
工作及取得的研究成果。尽我所知，除了文中特别标注和致谢的地方
外，论文中不包含其他人已经发表或撰写过的研究成果，也不包含为
获得云南财经大学或其他教育机构的学位或证明而使用过的材料。与
我一同工作的同志对本研究所做的任何贡献均已在论文中作了明确
的说明并表达了谢意。
、夕
月
论文作者签名： 麦秒弘8年卜月≯弓日
关于论文使用和授权说明
本人完全了解云南财经大学有关保留、使用学位论文的规定，即：
学校有权保留并向国家有关部门或机构送交论文和论文电子版，允许
学位论文被查阅或借阅；学校可以公布学位论文的全部或部分内容，
可以采用影印、缩印或其它复制手段保存、汇编、发表学位论文；授
权学校将学位论文的全文或部分内容编入、提供有关数据库进行检
索。
(保密的学位论文在解密后应遵循此规定)。
本人签名：薹凇导师签名：∥琊日期沙¨m乡．
第一章绪论
一、研究背景及意义
第一章绪论
随着经济全球化和贸易自由化进程的加快，环境问题越来越引起世人的关
注，成为人类共同面临的重大问题之一。经济全球化背景下出现了一系列全球性
环境问题，如温室效应、水质污染、水资源缺乏、森林破坏、食品污染、臭氧层
破坏、危险废物跨国界转移、酸雨、热带雨林的消失、生物多样性锐减、以及野
生动植物物种的大量灭绝等环境问题己成为制约经济、社会可持续发展的屏障。
经济全球化在促进以非持续性生产和消费方式为特征的贸易增长的同时有
可能加剧自然环境的恶化(Grossman and Krueger，‘1991)n】，由此引发的贸易
增长与环境损害相互关联与作用机理的讨论，使贸易与环境问题成为当今各国政
府和学术界共同关注的焦点。环境问题源于人类的生产消费活动，而国与国之间
的贸易能够影响两国商品和资源的价格、收入、生产和消费的模式等各个方面。
也就是说贸易可以通过影响国民经济来影响生态环境。
贸易增长扩大经济活动规模对环境所造成的直接损害以及引致收入增加所
带来的环境间接改善使贸易对环境影响的规模效应变的并不十分确定(Daly，
1993；Runge，1993)∞1，而贸易自由化导致全球范围内的专业分工却能够强化一
国产业结构与比较优势相适应的趋势，但专业分工适应环境资源禀赋的状况则取
决于一国市场失灵或政府失灵或两者结合的程度(Panayotou，2000)驺1。贸易
增长对环境的负面影响仅只是可能的，非必然(Pearce，1993；Copeland，1997；
Taylor，1999)H1，环境问题的根本原因在于市场失灵和政策失误(Benedictking
Sbury，1994)【5】o
预测是决策的基础，科学的预测不仅可以预报未来的状况，还可以为决策提
供有力依据。科学的预测研究必须立足于我国当前贸易与环境问题的实际国情和
现状。具体来看，我国以美元计算的GDP，2007年达3．25万亿美元，与排名世
界第三的国家差距进一步缩小。2007年我国对外贸易继续保持平稳较快发展，
进出口总额达到21738亿美元，增长23．5％，连续6年增长20％以上，首次跃上
2万亿美元的新台阶，继续稳居世界第3位，出口名列世界第2位。与此形成鲜
第一章绪论
明对比的是我国的环境污染问题。大规模和高速度的工业化已经让中国拥有世界
十大污染严重城市中的八个，2006年共有72万家公司接受污染物质排放的检查，
有3176家企业因污染问题而被勒令关闭。大气污染造成的经济损失约为二百亿
元，大气中二氧化硫、一氧化碳等有毒悬浮微粒弥漫在城市上空，空气污染导致
许多城市肺癌死亡率增至万分之二，全国酸雨覆盖面积已达百分之三十。生态
环境破坏和自然灾害造成的损失估计高达二千亿元，森林覆盖率现已下降至不足
一成四，草原的严重退化，水土流失面积达一百五十五万平方公里，占国土面积
的百分之十六。以上具体环节表明，随着中国贸易的快速增长、环境损害的加剧、
研究建立贸易增长与环境损害预警系统对于贸易政策、环境政策、产业政策的制
定与协调具有重要意义。
在经济预测领域，人工神经网络模型比传统的多元回归预测方法具有更好的
拟和能力和准确度。人工神经网络是一种基于生理学的智能仿生模型，它模拟人
类大脑的思维能力，具有大规模并行运算、非线性处理、时变特性，自组织、自
适应，自学习能力等特性，这些特性正好弥补了目前预警系统尚存在的一些问题。
人工神经网络理论和方法的出现，为预警系统克服传统方式的不足提供了新的
可能性。本文幂|J用BP神经网络建立中国贸易增长与环境损害模型，对未来贸易
增长对环境的影响进行预测。
二、国内外研究现状
(一) 贸易与环境关系理论的研究现状
关于贸易与环境问题研究的文献虽然早在20世纪70年代就已出现，但当时并
未引起经济学家的重视直到20世纪90年代贸易与环境问题才成为了新的研究热
点。对于贸易与环境关系问题，目前学术界仍有3种不同的观点：
第一种观点认为贸易增长对于环境的影响是消极的、负面的。Daly(1993)
旧认为自由贸易追求的是利润最大化，生产没有考虑社会和环境成本，贸易是导
致环境问题的直接原因，不加限制的贸易会使生态环境遭到破坏，在环境政策宽
松的国家，贸易对环境的危害更大。Chilch订nisky(1994)H1认为在私人产权在没
有得到明确界定的情况下，自由贸易会加速发展中国家资源的破坏从而对全球环
境构成进一步威胁。
2
第一章绪论
随着经济一体化和贸易自由化是的发展，环境政策是否被用作影响资本在不
同地区或国家之间流动的政策工具被纳入考虑范围，从而出现所谓的“污染天堂”
问题。Robinson(1988)和Tobey(1990)哺1认为在国际贸易过程中，发展缓慢、封
闭的社会经济体系表现出污染强度更快的增长。Mani和Wheeler(1997)嘲认为富
裕国苛刻的环境标准迫使污染产业向环境管制较为宽松的发展中国家转移。其结
果是，环境规制较为宽松的贫困国家，将专业化生产“肮脏”产品，而环境规制严
格的国家则专业化生产清洁产品。Dua和Esty(1997)n∞以及Esty和Geradin(1997)
n1’指出，作为全球贸易自由化的结果，各国政府有降低环境保护标准或放松环保
规制的动机，以维护本国污染密集型产业的竞争力，从而出现所谓“向底线赛跑’’，
甚至“生态倾销"现象，由于污染企业威胁将把工厂迁移到发展中国家的“污染
天堂"中去而使环境标准崩溃，并产生所谓“向底线赛跑’’①效应，这可能导致国
际环境条件的两极分化。
第二种观点认为贸易对环境的影响是积极的、有益的。福利经济学认为自由
贸易有助于实现环境资源的自由配置，从而保证生产活动按照最有效的方式运
行。贸易对环境有益论者还认为随着收入的增加人们环保意识会增强，政府可以
增加环境等方面补贴有利环境的改善。Porter和Linde(1995)n21认为，如果将环
境规制与国际竞争力之间的讨论置于动态的分析框架下，即考虑环境规制变动下
生产技术、产品和生产过程改进的可能性，则严厉的环境规制与产业国际竞争力
提高之间必然存在因果关系。世界银行关于贸易与环境问题的研究发现，越是实
行贸易开放政策的国家，其污染密集工业增长率越低。Antweiler、Copeland和
Taylor(2001)n33运用回归分析方法，建立了一个模型估算影响SO。排放的决定因
素，选择1971--1996年44个国家的数据进行分析，结果显示在严格假定的前提下，
贸易对环境有积极影响。
第三种观点即主流的经济学观点认为贸易与环境之间是一种多纬度、错综复
杂的关系。Grossman和Kruger(1991)对NAFTA环境效应进行研究，最早使用了“贸
易一环境"一般均衡模型，将贸易对环境的影响分为相互关连的三个方面，提出了
贸易对环境的三大效应即规模效应(Scale effect)、结构效应(Composition
effect)和技术效应(Technique effect)。
。Dua A．and E啊D．C．Sustaining the Asia Pacific Miracle．Washington,DC：Institute for
International Economics，1 997
第一章绪论
Selden和Song(1994)n钔提出了关于经济增长与污染物排放关系的“环境库兹
涅茨曲线”①概念，倒U型的EKC曲线表明，环境恶化与人均GDP在经济发展的起步
阶段呈正向变动关系，当人均GDP达到一定水平后，二者表现为反向变化关系，多
种污染物的排放将随着经济发展向上升而后下降。规模效应被认为具有加剧环境
恶化的作用，但当生产结构的变化从所谓的“肮脏产品”向更清洁的产品转换或
采用清洁生产技术生产时，环境状况在实施贸易自由化后反而会得到改善。Dean
(2000)口胡使用同样方法验证自由贸易对中国水环境的影响，她选取了中国1987---,
1995年各省的数据，通过2个联立方程对水污染和收入增长进行估测，结果显示结
构效应为正，即对环境产生消极的影响：但收入增加引起的技术效应大于结构效
应，水污染下降。Coleetal(1988)和Perronietal(1994)n明分别运用CGE模型计算
了自由贸易的总和环境效应；Beghin(1995，2002)n"、Strutt和Anderson(2000)
n81、Bandara和Coxhead(1999)呻3、Lee和Holst(1997)啪3则使用CGE模型考察了不
同国家政策的环境和贸易效应。实证研究表明，贸易对环境的三大效应的相对大
小是不确定的，因此，贸易对环境的影响也是不确定的。
(二) 神经网络预测方法研究现状
经济预测的目的是，在得到精确、合理的预测结果的基础上能够为决策提供
参考。预测包括定性预测和定量预测，定量预测又可分为线性预测和非线性预。
传统的经济数据定量预测方法有时间序列预测、线性回归预测等线性预测方。当
传统的线性预测方法越来越难以解决日益复杂多变的经济预测问题时，非性预测
方法应运而生，如神经网络、遗传算法等新兴非线性预测方法。其中神网络理论
在经济管理领域具有广泛的应用，并有众多的研究证明神经网络预测方法适用于
经济管理以及环境领域内的预测问题研究。
神经网络(ANN)在环境科学领域的应用已经取得了一定的进展。Kidong
Lea(2005)口13在其研究中将有导师学习和无导师学习(Supervised versus
Unsupervised)两个学习方式分别应用于它们各自具有代表性(Representative
types)的神经网络：BP网络(Back—Propagation Network)和Kohonen自组织网
①Selden，T．，and D．Song．{：Environmental quality and development：Is there a Kuznets Curve for air
pollution emissions?))oumal ofEnvironmental Economicsand Management,1994(27)：147-162
4
第一章绪论
(Kohonen Self—Organizing Feature Map)中，建立起的两个学习范例。并将建
立的两个学习范例利用朝鲜上市公司的样本数据进行了测试，通过预测精度、判
别式分析以及Logistic衰退值比较，得出BP网络优于Kohonen自组织网的结论，
并认为当样本足够大时，神经网络具有好的预测精度，而当样本较小时，神经仍
然具有较好的预测效果。Kuo(2001)陇1认为可靠的销售预测可以改善企业的经营
策略，因为销售额受到内在和外资环境的影响，而神经网络具有区域控制和模式
识别的能力，能对销售预测问题做出较好的预测，为能够处理输入和输出数据的
模糊化问题，Kuo将模糊理论引入神经网络模型，建立了一个模糊神经网络(GFNN)
模型，实证预测结果证明该GFNN的预测结果与人工神经网络(ANN)和ARMA预测
结果相仿。
神经网络在环境预测领域的研究，Jose等在生态系统特征指标预报中，着
重比较了ANN与回归模型(RM)的差异。采用三层BP网络，以年均降水量、年温
差、年均温度、夏秋冬季降水量各自比例6项作为输入，以标准化植被差异指数
为基础确定6项生态系统特征指标，并以此为输出，分别用ANN与RM模拟、预
报。结果表明，ANN预报精度高，检验均方误差小通过对生态系统历史信息的学
习可较好地实现生态系统特征指标未来趋势的预报，特别对系统内部相关性差的
特征因素关系，ANN的模拟功能大大优于RM，在解决生态系统多因素复杂问题才，
神经网络方法对分析系统动力学相当有用。赵保华等应用BP网络预报太平洋海
温，以太平洋四个关键海区海温为输入，以赤道东太平洋站点平均海温为输出，
建立的神经网络模型预报精度很高，进一步证实ANN应用于大尺度气候特征预报
的价值。
国内代表性研究，祝树金等人(2005)∞1根据进出口贸易系统的高度非线性特
征，采用BP神经网络建模理论，同时结合贝叶斯正则化方法(Bayesian
Regularization)确定隐层节点数以提高神经网络的泛化能力，建立了一个基于
相空间重构的非线性预测思想的时滞BP神经网络(Time Delay BP Neural
Network，简称TDBPNN)预报模型。通过对中国外贸进出口实例数据进行预测，得
出单步预测的相对误差小。王磊等人(2005)瞰3采用线性组合的方法，将典型的非
线性预测模型神经网络模型和统的线性预测模型时间序列预测模型线性组合，并
将建立的组合预测模型用于i贝!J2004年至U2005年我国原油生产量。实例预测结果表
5
第一章绪论
明该组合预测模型具有好的预测效果。李祚泳将BP网络应用于湖泊水质分类，评
判结果客观、准确，表明BP网络适用于环境质量分类。高学民将BP网络应用于长
江水系水质研究，并与GIS相结合，充分显示了BP网络在环境质量评价中的简捷
高效性。环境质量评价本质上属于模式识别，这正是神经网络的特长所在。实践
表明，神经网络应用于环境质量评价完全可行，与常规方法相比，优势突出，为
环境评价提供了一种新方法。
(三) 小结
结合本文主题，对前人研究的总结如下：
第一，主流经济学家普遍认为贸易对于环境的影响是复杂的，不确定的，而
传统的贸易与环境关系的实证研究主要采用因果关系预测、时间序列预测、灰色
建模等方法。因果关系预测法是把预测对象同影响因素联系起来进行分析，建立
数学模型，根据影响因素的变化去估计预测对象的未来数值。因果预测模型的基
本前提就是预测变量的水平取决于其他相关变量的水平，每种模型都是从历史数
据模式中建立预测变量和被预测变量的联系的。时间序列预测方法所估计的计量
经济模型的参数依赖于模型被估时所奉行的政策；若政策有所改变，参数也会随
着改变。由于贸易与环境关系是复杂多变全方位的，而因果关系预测方法预测大
都建立在受严格条件限制的理论之下，难以将各种因素全面纳入模型之中。灰色
预测模型预测模型不是唯一的；一般预测到一个区间，而不是一个点，在中长期
预测中精度尚有欠缺，只能反映一种发展趋势。
第二，神网络预测模型在经济管理及环境领域具有广泛的应用，并且具有较
好的精度和拟合度，众多的研究证明神经网络模型适用于经济管理领域内的非线
性问题的预测研究。尽管人工神经网络具有许多优点，但也有明显的局限性主要
表现在心砷如数值运算的局限性、隐含层的缺陷、学习样本的局限性、模型的推广
性差、硬件研究滞后等方面的缺陷。
本文鉴于以上总结，在改进了BP算法的基础将BP神经网络模型应用于中国
贸易增长与环境损害预测模型，并在ⅣLATLAB环境下实现了该模型。
6
第一章绪论
三、本文的主要内容及结构
本文梳理了贸易与环境关系理论和研究方法，介绍了中国贸易与环境问题
的背景和神经网络预测技术，运用BP神经网络建立了多因素预测和时间序列预
测模型对中国贸易引致的环境损害进行预测，最后对预测结果进行了分析。
本文共分为五个部分，第一章为绪论部分，综述了贸易与环境关系理论以
及相关的实证研究方法，介绍了神经网络理论、模型以及神经网络模型在经济、
贸易、环境等领域的应用；第二章介绍了神经网络发展历程、神经元模型、神经
网络的学习方法及BP神经网络预测的基本原理，重点介绍了BP神经网络的特点
及本文选择BP神经网络模型的原因；第三章在分析研究中国贸易与环境问题的
基础上，设立指标体系、设计BP神经网络结构、改进BP算法，基于BP神经网
络建立中国贸易增长引致环境损害的预测模型；第四章主要内容是BP神经网络
在MATLAB下的实现以及预测结果的选择；第五章在前面几章研究的基础上，对
全文进行总结，并提出进一步研究的任务。
7
第二章基于贸易环境理论的神经网络模型选择及分析
第二章基于贸易环境理论的神经网络模型选择及分析
一、中国贸易增长与环境损害的理论分析
(一) 中国贸易与环境现状
改革开放30年来，国民经济持续较快增长，连续多年保持10％以上的增长
速度，远高于世界同期3％一5％的水平。我国与世界各国之间的经济联系日益紧
密，经济实力显著增强，国际影响力与日俱增。
从经济总量的排位来看，我国以美元计算的GDP，2002年为12371亿美元，
世界排名第六位，2005年突破2万亿美元，超过法国、英国，成为世界第四大
经济体，按照现行汇率计算，2006年达2．68万亿美元，与排名世界第三的国家
差距进一步缩小。2007年我国的总产出已经占世界的5％，居世界第三位；按购
买力平价，要翻一番居世界第二。
从对外贸易的排位来看，我国在世界货物贸易额中的排名，2002年为第五
位，2003年为第四位，从2004年起成为世界第三大贸易国。对外贸易的飞速发
展，使国家外汇储备迅猛增长。截至2006年底，我国外汇储备位居世界第一，
达到10663亿美元。2006年，我国实际使用外资达735．2亿美元，已连续14年
成为吸收外商直接投资最多的发展中国家。2003--2006年，我国累计利用外资
达到2575．4亿美元，占改革开放以来累计利用外资额的近30％。截至2006年
末，累计批准外商投资企业59．4万户，来华投资的国家和地区超过190个，全
球500强企业已有480多家在华投资。“走出去”取得新成绩。
我国对外直接投资(非金融部分)，2006年达161亿美元，境外中资公司超
过l万家，投资项目遍布全球200多个国家和地区。从主要产品产量的全球份
额来看，不仅传统工业产品名列世界前茅，电脑、移动电话、彩色电视机等新兴
电子产品，我国也已成为世界主要生产大国。
截至2006年底，我国彩色电视机产量约占全球产量的45％，其中出口5684
万台，约占全球贸易份额的55％；笔记本电脑产量超过全球产量的2／3，其中出
口5198．7万台，约占全球贸易份额的70％；移动电话产量4．8亿多部，超过全
球产量的45％，其中出口3．85亿部，约占全球贸易份额的55％。目前，世界每3
8
第二章基于贸易环境理论的神经网络模型选择及分析
台笔记本电脑中就有2台是在中国生产的，每2部手机中就有l部产自中国。
与此形成鲜明对比的是，我国的环境污染问题己相当的严重。大规模和高速
度的工业化已经让我国拥有世界10大污染严重城市中的8个，2006年我国共有
72万家公司接受污染物质排放的检查，其中3176家企业因污染问题而被勒令关
闭。
大气污染造成的经济损失约为200亿元，由于城市燃煤、工厂排放废气及汽
车死气污染，大气中S如、C0等有毒悬浮微粒弥漫在城市上空，空气污染导致许
多城市肺癌死亡率增至2／10000，全国酸雨覆盖面积己达30％，所有这些损失加
起来也等于200亿元。
生态环境破坏和自然灾害造成的损失估计高达2000亿元，森林覆盖率由
1949年的30％左右，现已下降至不足14％，草原的严重退化，水土流失面积达155
万平方公里，占国土面积的16％。同时，城镇建设却仍以每年侵占150万公顷
土地的速度发展，破坏自然生态平衡，加上自然灾害带来的损失，每年至少损失
200亿元。其他污染如固体废物排放、噪音污染等造成的损失也高达130亿元。
(二) 中国贸易与环境问题的经济学分析
自20世纪90年代以来，贸易与环境问题越来越引起国际世界的关注，一方
面人们认识到自由贸易与环境保护确实存在着冲突，另一方面学者们得出了自由
贸易与环境保护之间是复杂关系的结论。贸易自由化和环境保护实际上代表了两
种对立的价值观。提倡贸易自由化者认为世界经济的改善依赖于个体财富的增加，
强调个人利益最大化。相反，环保主义者则更强调整个人类的共同利益最大化。
大多数经济学家认为贸易与环境之间的关系是复杂的，Benedictking Sbury
(1994)的研究并不认为贸易自由化对环境有直接的负面影响，而环境问题的根本
原因在于市场失灵和政策失误。环境问题源于人类的生产消费活动，而国与国之
间的贸易能够影响两国商品和资源的价格、收入、生产和消费的模式等各个方面。
也就是说贸易可以通过影响国民经济来影响生态环境。目前，主流经济学观点认
为贸易与环境之间是一种复杂关系，Grossman和Krueger(1991)把贸易对环境的
效应分为三部分：结构效应、规模效应、技术效应。
随着经济全球化和贸易自由化进程的加快，自由贸易确实给世界经济的发展
9
第二章基于贸易环境理论的神经网络模型选择及分析
注入了活力。对于我国而言，贸易增长对环境的损害主要表现在以下方面：
第一，自由贸易加速了我国自然资源的消耗，由于我国资金相对匮乏，技术
相对落后，在国际竞争中缺乏有效竞争手段，往往选择发展的是资源密集和劳动
密集型产业，最终导致污染产业的转移和废弃污染物的越境转移。发达国家在雄
厚财力的基础上制订了严格的环保标准，发达国家将在本国已经或者面临淘汰的
产业转移到我国。
第二，对于我国而言主要还是以农产品、初级产品的专业化生产和出口为主，
往往将资源集中于少数几种产品，导致经济结构和外贸结构畸形，资源不能得到
充分利用，环境污染加剧。事实上，初级产品生产的规模报酬是递减的，在初级
产品生产的领域中比工业制成品领域中技术进步要慢的多，因此，贸易的技术效
应就被压缩了。而技术不能同步提高使得我国家环境保护难度加大，环境破坏加
剧。
第三，我国还存在着很大程度的外部经济或外部不经济，社会成本与个别成
本往往大相径庭，因此，比较优势理论所强调的个别比较利益一般来说不符合我
国的社会比较利益。如果按自由贸易，自由竞争的个别比较成本优势生产，我们
国家将成为贸易增长、经济增长的奴仆，我国的环境将进一步恶化并且彻底失去
贸易中的相对优势。
第四，贸易规则是由发达国家制订的，加之我国没有建立完善的环境保护规
制，因而贸易与环境问题在我国表现的尤为突出。’
贸易与环境在本质上是一致的，最终目标都是提高社会福利。从本质上看，
贸易与环境问题的根源并不在于自由贸易，而在于市场失灵和政策失误。如果中
国能及时发现贸易政策的缺陷及时调整，强调必要的环境保护政策，使得这些环
境成本能在市场价格中得到体现，那么就肯定能减少贸易对于我国环境的负面效
应。
总之，贸易会对我国的经济规模、产业结构和技术进步产生综合复杂的影响，
从而影响我国的污染水平。
10
第二章基于贸易环境理论的神经网络模型选择及分析
二、神经网络概述
人工神经网络(Artificial Neural Network，ANN)通常简称为神经网络，是
基于对人脑组织结构、动机制的初步认识提出的一种新型信息处理体系。通过模
仿脑神经系统的组织构以及某些活动机理，神经网络可呈现出人脑的许多特征，
并具有人脑的些基本功能。它由大量简单处理元件相互连接构成的高度并行的非
线性系统组成具有大规模并行性处理特征。神经网络的基本功能有联想忆、非线
性映射、类与识别、优化计算、知识处理。在解决复杂的或是非线性问题时，具
有独到的功效。
神经网络模型的优点，正好弥补了目前预警系统尚存在的一些问题，如：预
警模型惯于采用直线外推、指数平滑、回归分析、移动平均、灰色预测等模型，
而高度非线性模型难以处理；预警线和预警区域采用确定方式，不具备时变特性，
缺少自适应、自学习能力；预警信息和知识获取是间接的，费时、效率低；预警
系统的建立是离线和非定时的，难以适应在线定时预警要求。神经网络理论和方
法的出现，为预警系统克服传统方式的不足提供了新的可能性。
目前，人们己经提出近百种神经网络模型。按照网络特性既可分为连续型和
离散型网络，又可分为确定型和随机型网络。按照网络结构可分为反馈网络和前
馈网络。按照连接突触性质可分为一阶线性关联网络和高阶非线性关联网络。按
照对生物神经系统的不同组织层次和抽象层次的模拟，神经网络又可分为神经元
层次模型、组合式模型、网络层次模型、神经系统层次模型和智能模型等5类。
按连接方式划分神经网络可分为以下几类：
前馈网络。网络中的神经元是分层排列的，每个神经元只与前一层神经元单
向相连接，它由输入层、隐含层和输出层组成，其中隐含层可以是一层或多层，
感知器、BP网络、径向基函数(RBF)网络、小波神经网络、FLAT神经网络等就
属于这种类型的网络。
带反馈的前向网络。网络的本身是前向型的，与前一种不同的是从输出到输
入有反馈回路。例如Fukushima网络就属于这种类型。
层内互联前向网络。通过层内神经元之间的相互联接，可以实现同一层神经
元之间横向抑制或兴奋机制，从而限制层内能同时动作的神经元数，或者把层内
第二章基于贸易环境理论的神经网络模型选择及分析
神经元分为许多组，让每组作为一个整体来动作。一些自组织竞争型神经网络就
属于这种类型。
互联网络。互联网络有局部互联和全局互联两种。在全互联网络中，每个神
经元都与其他神经元相连。局部互联是指互联只是局部性的，有些神经元之间没
有连接关系。Hopfield网络和Boltzmann机属于全局互联网络，而细胞神经网
络(CNN)属于局部互联神经网络。
(一) 神经网络产生与发展①
初始发展期
1943年，W．McCulloch和W．Pitts提出了MP模型，从而给出了神经元
的最基本模型及相应的工作方式。
1949年，神经生物学家D．Hebb发现，脑细胞之间的通路在参与某种活动时
将被加强。这重要规则给出了生理学与心理学间的联系，被称为Hebb学习规则。
该规则至今还被许多神经网络学习算法所使用。
1957年，F．Rosenblat提出了感知器模型，这是一个由线性阈值神经元组
成的前馈神经网络，可用于分类。
1960年，B．Widrow和M．Hoff提出了自适应线性单元，这是一种连续取值
的神经网络，可用于自适应系统。
低潮时期
1969年，人工智能的创始人M．Minsky和S．Papert发表了《Perceptrons》
一书，在该书中，他们指出：单层Perceptron只能作线性划分，多层Perceptron
不能给出一种学习算法，因此无实用价值。由于Minsky和Papert在人工智能领
域的地位，该书在人工神经网络研究人员间产生了极大的反响，神经网络研究自
此陷入低潮。
但是，即便在神经网络研究的低潮时期，也有一些人仍在兢兢业业地研究神
经网络，并得到了一些重要成果。其中最著名的是1982年由加州理工大学教授
H．Hopfield提出的Hopfield神经网络。在这个用运算放大器搭成的反馈神经网
络中，Hopfield借用Lya-punov能量函数的原理，给出了网络的稳定性判据，
①蒋宗礼，人工神经网络导论[M]．高等教育出版社，2001．8
12
第二章基于贸易环境理论的神经网络模型选择及分析
并为著名的组合优化问题一旅行商问题(TSP)提供了一个新的解决方案
Hopfield网络可用于联想存储、优化计算等领域。
高潮时期
1985年，Rumelhart等人给出了多层感知器的权值训练的误差反向传播学习
算法(BP算法)，从而解决了Minsky认为不能解决的多层感知器的学习问题。
自此引导了神经网络的复兴，神经网络研究也进入了一个崭新的发展阶段。我国
人工神经网络的研究也在努力跟上国际发展的步伐。1990年3月在北京召开的
首届神经网络学术大会标志着我国神经网络研究已经一起学者们的重视汹1。
(二) 神经元模型
人工神经元是人工神经网络的基本处理单元。神经元是一个多输入单输出的
信息处理单元，而且，它对信息的处理是非线性的。人工神经网络的基本处理单
元的神经元模型如图2—1所示。
Xl
X2
Xi
Xn
图2-1神经元模型示意图
人工神经元模仿生物神经细胞的三个基本功能：
yj
①确定输入信号的连接权值，连接权值为正时表示兴奋，为负时表示抑制；
②确定各输入信号连接权值的整合函数；
③激励函数为非线性函数，起非线性映射作用并限制神经元输出在一定范围
内(一般限制在[O，1]或[一1，+1]之间)。
13
第二章基于贸易环境理论的神经网络模型选择及分析
在图2-1中，X。、X2-·．Xi··-X。分别代表来自神经元l、2⋯i⋯n的输入；w”
w，：⋯Wit·''w。。则分别表示神经元1、2⋯i⋯n与第J个神经元的连接强度，即权值；
bj为阈值；f(·)为传递函数；y，为第j个神经元的输出①。
第j个神经元的净输入值为S，为：
■=Σ％．置+乃=％x+0 (卜1)
i=i
其中：X=[X1，X2，．．．t⋯％】7 ％=[wjl，％2⋯■r．％】
若视Xo=l，Wjo=bj，即令X及Ws包括Xo及Wjo，则W．，---【w．，，，W_，2⋯w．，∥．w扣】
X=[xo，五，x2，．．‘一乇r ％：[wj。，wj，，wj2⋯Wji⋯％】
于是节点J的净输入Sj可表示为：
墨=Σ％．墨=％x
i=l
(2-一2)
净输入S，通过传递函数(Transfer Function)f(·)后，便得到第j个神
经元的输出Yj：
Yj=厂(0)=厂(ΣWii．Xi)=F(％x) (2_3)
i=l
式中f(·)是单调上升函数，而且必须是有界函数，因为细胞传递的信号不
可能无限增加，必有一最大值。
根据作用函数的不同，形式神经元可以分为以下三种基本类型：阀值型神经
元、伪线性型神经元、S型神经元。
阀值型神经元的作用函数的数学表达式：
r 1， v≥0
I
Fai(v)= ．{
l
L 0，v≤o
①朱双东，神经网络应用基础[M]．东北大学出版社，2000．3
14
(2—-4)
第二章基于贸易环境理论的神经网络模型选择及分析
该作用蕊数如图2～2所示：
图2-2阀值函数图形
J ‘Y
l
S
7
-I
伪线性型神经元的作用函数：
Fai eV，= {圣三i：一1<V<l
伪线性型神经元反映的是一种分段线性的非线性输入一输出特性。其曲线如
图‘2—3所示：
图2-3伪线性型函数图形
J
+l ／
／
／ 。
／。
r
O
S
／ ·l
第二章基于贸易环境理论的神经网络模型选择及分析
不：
S型神经元的作用函数：
吣)=百与(2—喝)
S型作用函数反映了神经元的连续型的非线性输出特性，其曲线如图2—4所
图2-4 S型函数图形
J L
+1
．／一
—／’ ‘L
r
O
S
．1
(三) 神经网络的学习方法
神经网络之所以具有处理某一类问题的能力，是因为它有学习的能力。神经
网络的学习也称为训练，即系统为了适应环境而产生的某种长远变化，这种变化
使得系统能够更有效地在下一次完成同一或同类的工作。
神经网络学习是神经网络最重要的特征之一。神经网络能够通过训练，改变
其内部表示，使输入—输出变换朝着好的方向发展。训练的实质是：同一个训练
集的样本输入输出模式反复作用于网络，网络按照某种训练规则(又称学习规则
或学习算法)自动调节神经元之间的权值(连接强度)或拓扑结构，当网络的实
际输出满足期望的要求或趋于稳定时，即可认为训练圆满结束。
按照广泛采用的分类方法，神经网络的学习方法有三种：有导师学习、无导
师学习、有导师和无导师混合学习。
16
第二章基于贸易环境理论的神经网络模型选择及分析
有导师学习也称为有监督学习，这种学习模式采用的是纠错规则。在学习训
练过程中需要不断给网络成对地提供一个输入模式和一个期望网络正确输出的
模式，称为“教师信号”。将神经网络的实际输出同期望输出进行比较，当网络
的输出与期望的教师信号不符时，根据差错的方向和大小按一定的规则调整权
值，以使下一次网络的输出更接近期望结果。
无导师学习也称为无监督学习。网络能根据特有的内部结构和学习规则，在
输入信息流中发现任何可能存在的模式和规律，同时能根据网络的功能和输入信
息调整权值，这个过程称为网络的自组织，其结果是使网络能对属于同一类的模
式进行自动分类’。在这种学习模式中，网络的权值调整不取决于外来教师信号
的影响，可以认为网络的学习评价标准隐含于网络的内部。
有导师和无导师混合学习，这种学习方式一般是待分类的模式样本属性己
知，网络的内部结构和参数按无监督聚类方法学习，而网络的输出端仍有一个对
应的指导信号。按照某种准则调整隐层与输出层的连接权值，使得网络输出端的
输出与监督信号的误差逐减小到预定要求。
三、神经网络模型的选择叫P神经网络
人工神经网络(ANN)模型中的BP(Back Propagation)网络模型是一种误
差逆向传播算法的多层前馈神经网络，是目前应用最广泛最成熟的一种人工神经
网络模型。D．E．Rumelhart和J．L．McClelland及其研究小组1986年发展了BP网络
学习算法，实现TMinsy的多层神经网络设想，因此，BP网络也称多层前馈神经
网络。BP神经网络的非线性映射能力、非精确数学模型以及擅长从输入输出数据
中学习有用知识等特点，为我们研究贸易与环境污染预警系统提供了技术上的可
能性。由于BP神经网络的友谊特点，该预测方法受到了经济管理领域内专家和研
究者的喜爱，在股市预测、证券预测、外汇预测、财务报警、库存需求预测，产
品成本定价、国民生产总值预测、销售预测、房地产预测、风险预测等各方面都
有应用。已有研究成果证明BP神经网络适合于经济系统的预测和决策问题，且其
算法和模型都较为成熟，预测的结果具有可靠性和可信性。
(一) BP神经网络及其网络结构
BP神经网络的数学意义明确，算法步骤分明，算法和模型都较为成熟，具
17
第二章基于贸易环境理论的神经网络模型选择及分析
有良好的推广能力，其非线性映射能力对于解决经济管理领域内的高度非线性的
问题具有优越性，因此被广泛应用于股市预测、证券预测、外汇预测、财务报警、
库存需求预测，产品成本定价、国民生产总值预测、销售预测、房地产预测、风
险预测等经济管理领域内的预测和决策问题。利用BP神经网络进行预测的预测
结果具有可靠性和可信性，且已有研究成果证明，BP神经网络不仅在大样本的
预测中具有很好的预测精度，而且对于小样本的预测仍然具有良好的预测效果。
因此，本论文选择BP神经网络建立贸易增长与环境损害预警模型，并对模型进
行了实证求解。
BP神经网络的网络结构是一个前向的多层网络，BP网络由输入层、隐含层
和输出层构成，每层有若干个神经元组成，每个神经元的输出值由输入值、激活
函数和阀值决定。在BP神经网络中，同层的各神经元之间互不连接，相邻层的
神经元则通过权值连接。基于BP算法的多层前馈型网络结构如图2—5所示，对
于输入信息，要先向前传播到隐含层的结点上，经过各单元的特性为Sigmoid
型激活函数(又称作用函数、转换函数或映射函数等)运算后，把隐含结点的输
出信息传播到输出结点，最后给出输出结果。网络的学习过程由正向和反向传播
两部分组成。在正向传播过程中，每一层神经元的状态只影响下一层神经元网络。
图2—5 BP神经网络模型结构图
输入层隐含层输出层
(二) BP神经网络的算法
BP神经网络，即误差反向传播神经网络算法，是一种用于前向多层神经网
络的误差反向传播学习算法。BP算法由数据流的前向计算(正向传播)和误差
18
第二章基于贸易环境理论的神经网络模型选择及分析
信号的反向传播两个过程构成。正向传播时，传播方向为输入层一隐层一输出层，
每层神经元的状态只影响下一层神经元。若在输出层得不到期望的输出，则转向
误差信号的反向传播流程。通过这两个过程的交替进行，在权向量空间执行误差
函数梯度下降策略，动态迭代搜索一组权向量，使网络误差函数达到最小值，从
而完成信息提取和记忆过程。
设BP网络的输入层有r1个节点，隐层有q个节点，输出层有m个节点，输
入层与隐层之间的权值为vki，隐层与输出层之间的权值为wjk，如图3所示。隐
层的传递函数为fl(·)，输出层的传递函数为f2(·)，则隐层节点的输出为(将
阂值写入求和项中)∞：
z七=Z(ΣVJ|}fx，) k-1，2，⋯⋯q (2—7)
，=0
输出层节点的输出为：
至此B-P网络就完成了n维空间向量对ill维空间的近似映射。
输入尸个学习样本，用X1,X2 9"．'Xp来表示。第p个样本输入到网络后得到输出
歹夕(j=1，2，⋯m)。采用平方型误差函数，得到第P个样本的误差昂：
％=丢芝(哆一蜡)2
厶y_-l
式中：哆为期望输出。
对于尸个样本，全局误差为：
1 ， m P
E=去ΣΣ(哆一杉)=Σ弓(2--10)
厶尸=l，=l p=l
输出层权值的变化：
采用累计误差BP算法调整Wjk，使全局误差E变小，即：
①蒋宗礼，人工神经网络导论[M]．高等教育出版社，2001．8
雪高隽，人工神经网络原理及仿真实例[M]．机械工业出版社，2003．8
19
= 乙哪2—8 ．J
) 七
Z
弦
w gΣ脚，--／ y II 以
第二章基于贸易环境理论的神经网络模型选择及分析
％一叼嚣=1彘c言乓，=茎c一叩薏，(2--11)
式中：77一学习率
定义误差信号为：
(多yJ__O∞E／p=一瓦aE,茜c一，
其中第-ZA．
等=私1蔷m c俐，2卜荟c州， (2卅，
第二项：
面ayj=爿(邑)
是输出层传递函数的偏微分。
于是：
屯=Σ(哆一蜡班(■)
(2一14)
(2一15)
由链定理得：
薏=考．卺一骗一蔷m c州p删t五(2--16)
于是输出层各神经元的权值调整公式为：
隐层权值的变化：
峨叫当Owu=1§dwu(言t)=善(1§Owz) 面‘ 丙
定义误差信号为：
6。=堡=一堡．玺屯=茜∞一} 蔷Oz‘，∞嚣‘
(2一17)
(2一18)
(2一19)
‘^ ，_／邑弦乃，-／ pJ 一杉、．、叩羔一所Σ芦A‰ =
第二章基于贸易环境理论的神经网络模型选择及分析
其中第一项：
鲁=瓦0呸1喜c哆卅2卜善c哆硼警(2--20)
依链定理有：
第二项：
—誓—-二=一等=———．—=一孚———=-二z一(=，马．。I。)、％lW．
azk aS
i azk‘2、J
J j哺
惫卅㈣)
是隐层传递函数的偏微分。
于是：
由链定理得：
(2—21)
(2-一22)
屯=Σ(哆一剪垅(q)石‘(&) (2-23)
j=l
象=薏．鲁一嘛一薯(哆一够孵M懈h(2--24)
从而得到隐层各神经元的权值调整公式为：
峨=ΣΣ叩(哆一蟛)Z(一心石‘(瓯)t (卜25)
学习算法要求易和隧到最小，以使网络的实际输出尽可能接近期望输出。
BP算法的学习过程是网络连接权系数和阈值的自适应、自组织的过程，经过反复
多次训练后，网络就有了对学习样本的记忆和联想的能力，3P-五-BP网络可以以任
意精度逼近任何连续函数。如果输出层不能得到期望输出，就是实际输出值与期
望输出值之间有误差，那么系统会转入反向传播过程，将误差信号沿原来的连接
通路返回，通过修改各层神经元的权值，逐次地向输入层传播去进行计算，再经
过正向传播过程，这两个过程的反复运用，直至误差达到要求为止。
反向传播算法是～种单向传播的多层前向神经网络，多层前馈神经网络又
称为BP(Back Propagation)神经网络，它由输入层、隐含层和输出层组成，
其中隐含层可以有多层。由于同层结点上无任何耦合，故每层结点的输出只影响
2l
第二章基于贸易环境理论的神经网络模型选择及分析
下一层结点的输出。因此，可视BP网络为从输入到输出的高度非线性映射，它
也是目前应用最广泛的一种模型。BP算法是适合于多层神经元网络的一种学习，
它是建立在梯度下降法的基础上的。BP算法系统地解决了多层网络中隐含单元
连接权的学习问题，还对其能力和潜力进行了探讨。
误差反向传播算法的主要思想是把学习过程分为两个阶段：第一阶段(正向
传播过程)，给出输入信息，通过输入层经隐含层逐层处理并计算每个单元的实
际输出值；第二阶段反向过程，若在输出层未能得到期望的输出值，则逐层递归
地计算实际输出与期望输出之差，以便根据此差调节权值，具体些说，就是可对
每一个权重计算出接收单元的误差值与发送单元的激活值的积。因为这个积和误
差对权重的微商成正比，把它称作权重误差微商。权重的实际改变可由权重误差
微商一个模式一个模式地计算出来，即它们可以在这组模式上进行累加。
最初由Werbos开发的反向传播训练算法是一种迭代梯度算法，用于求解前
馈网络的实际输出与期望输出间的最小均方差值。BP网是一种反向传递并能修
正误差的多层映射网络。当参数适当时，此网络能够收敛到较小的均方差，是目
前应用最广的网络之一。BP网的短处是训练时间较长，且易陷于局部极小。
反传算法有两种学习过程，这是由于在求导运算中假定了所求的误差函数的
导数是所有模式的导数和。因此权重的改变方式就有两种：一种是对提供的所有
模式的导数求和，再改变权重。这是训练期(epoch)的学习方式，具体说，对每
个模式要计算出权重误差导数，直到该训练期结束时才累加，此时才计算权重变
化AwⅢ并把它加到实际的权重数组上，每个周期只做一次．由于权的修正是在
所有的样本输入后，计算其总的误差后进行的，称此为批处理。批处理修正可以
保证其E。向减小方向变化，在样本数多的时候，它比分别处理的收敛速度快。
另一种是在计算每个模式的导数后，改变权重并求导数和，更新Aw”，在处理处
理下一个模式之前就把aw，，加到原来的权重上。如果学习速率小，那么这两种
做法之间就没有多少差别。若模式的集合可能非常大，那么，每处理一个模式就
修正权重的做法，似乎比较合适。
(三) BP网络的训练过程
BP算法的训练过程是网络连接权系数和阈值的自适应、自组织的过程，经过
第二章基于贸易环境理论的神经网络模型选择及分析
反复多次训练后，网络就有了对学习样本的记忆和联想的能力，3层BP网络可以
以任意精度逼近任何连续函数。如果输出层不能得到期望输出，就是实际输出值
与期望输出值之间有误差，那么系统会转入反向传播过程，将误差信号沿原来的
连接通路返回，通过修改各层神经元的权值，逐次地向输入层传播去进行计算，
再经过正向传播过程，这两个过程的反复运用，直至误差达到要求为止。
BP网络的训练就是通过应用误差反传原理不断调整网络权值使网络模型输
出值与已知的训练样本输出值之间的误差平方和达到最小或小于某一期望值。虽
然理论上早已经证明：具有1个隐层(采用Sigmoid转换函数)的BP网络可实
现对任意函数的任意逼近。但遗憾的是，迄今为止还没有构造性结论，即在给定
有限个(训练)样本的情况下，如何设计一个合理的BP网络模型并通过向所给
的有限个样本的学习(训练)来满意地逼近样本所蕴含的规律(函数关系，不仅
仅是使训练样本的误差达到很小)的问题，目前在很大程度上还需要依靠经验知
识和设计者的经验。因此，通过训练样本的学习(训练)建立合理的BP神经网
络模型的过程，在国外被称为“艺术创造的过程”回，是一个复杂而又十分烦琐
和困难的过程。
由于BP网络采用误差反传算法，其实质是一个无约束的非线性最优化计算
过程，在网络结构较大时不仅计算时间长，而且很容易限入局部极小点而得不到
最优结果。目前虽已有改进BP法、遗传算法和模拟退火算法等多种优化方法用
于BP网络的训练(这些方法从原理上讲可通过调整某些参数求得全局极小点)，
但在应用中，这些参数的调整往往因问题不同而异，较难求得全局极小点。这些
方法中应用最广的是增加了动量项的改进BP算法。
训练神经网络的首要和根本任务是确保训练好的网络模型对非训练样本具
有好的泛化能力(推广性)，即有效逼近样本蕴含的内在规律，而不是看网络模
型对训练样本的拟合能力。从存在性结论可知，即使每个训练样本的误差都很小
(可以为零)，并不意味着建立的模型已逼近训练样本所蕴含的规律。因此，仅
给出训练样本误差(通常是指均方根误差RSME或均方误差、AAE或MAPE等)的
大小而不给出非训练样本误差的大小是没有任何意义的。
。朱大奇、史慧，人工神经网络原理及应用[M]．科学出版社，2006
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
一、预测指标体系的建立
贸易增长对环境的影响是复杂、全方位的，受多种因素的影响，本论文针对
贸易增长引致的环境损害进行分析研究，筛选出了能够反应环境损害程度并且与
贸易增长有密切关系的环境指标体系，以及可能引致环境损害的贸易指标体系。
主流经济学观点认为贸易与环境之间是一种复杂关系，并且把贸易的环境效
应分为三部分：结构效应、规模效应、技术效应①。由于贸易会对一国的经济规
模、产业结构和技术进步产生综合复杂的影响，而经济规模变化、产业结构的调
整以及技术进步的程度都会影响该国污染水平。本文主要从贸易对环境的结构效
应、规模效应、技术效应、替代效应等方面筛选输入指标。输出指标则主要选取
与贸易相关并且能够反映环境损害程度的环境评价指标。
规模效应是指自由贸易扩大经济活动规模所带来的环境间接改善以及规模
增长对环境所构成的直接损害。规模的扩大一方面意味着收益的增加，另一方面
扩大了环境的外部性，意味着污染的增加。
技术效应是指，随着人均收入水平的提高，生产单位产品所造成的环境污染
程度不断降低。技术效应包括两个方面，一是投入一产出效率的提高，二是可贸
易清洁技术的采用。贸易改进了传统的生产方式，使得单位产品的环境污染减少、
贸易引致清洁技术的扩散使各国有体检采取更加严格的环境标准。从这个意义上
讲，技术效应对于资源利用和环境保护是积极的。
结构效应是指贸易自由化使一国的产业结构更加适应其比较优势，最终导致
的全球范围内的专业化分工。结构效应对环境的影响是不确定的，它取决于原来
产业结构与新的产业结构中各生产部门对环境总影响的差异。
笔者所建立的BP网络模型要对贸易引至的环境污染进行预测，因此，预测
模型的输出因子为环境质量评价指标，输入因子则选取引致环境污染的贸易指
标，具体输入指标如图3—1所示：
①Grossman，Gene M．，Alan B．Kruger,Environmental Impact of North America Free Trade
Agreement,NBER Working Paper NO．3914．191
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
进出口总额
贸易开放度
工业占GDP比例
国家环保投资
图3-1 指标示意图
贸
易
指
标
环
境
指
标
S02(I业)
总悬浮物颗粒(TSP)
工业废水
COD(工业)
工业固体废物排放量
二、样本选取
训练样本的选取很重要，因为训练样本的选取直接影响神经网络的学习速度
和效果。选取样本应考虑以下五点：
(1)遍历性，即选取出来的样本要有代表性，能覆盖全体样本空间；
(2)相容性，。即选取出来的样本不能自相矛盾，在建立输入、输出学习样
本时，分级宜散但不宜过细，以防止样本间出现矛盾现象；
(3)致密性，选取出来的样本要有一定的数量，以保证训练的效果；
(4)相关性，即训练样本中各输入值与目标值要有一定的相关性，训练样
本集合中输入参数之间最好线性无关。
本文选取的各个贸易指标样本为从1989年到2006年的19组数据，具体如
表3-1所示：
由于历年环境指标数据统计口径存在差异以及数据的可获取性，本文选取从
1997年到2006年的统计数据作为样本数居，具体数据如表3—2所示：
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
年份S02(工业) 总悬浮物颗工业废水COD(工业)工业固体废
粒(TSP) 物排放量
资料来源：《中国环境公报》
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
BP神经网络结构的设计
基于以上知识的铺垫本文将建立贸易增长与环境损害的神经网络模型。到目
前为止，还没有一个通用的理论公式来确定BP网络的层数和每层的节点。因此，
通过训练样本的学习(训练)建立合理的BP神经网络模型的过程，在国外被称
为“艺术创造的过程”，是一个复杂而又十分烦琐和困难的过程。
(一) BP神经网络拓扑结构的确定
基于BP算法的多层前馈型网络的结构包括输入层结点，输出层结点；而且
有一层或多层隐含结点。对于输入信息，要先向前传播到隐含层的结点上，经过
各单元的特性为Sigmoid型激活函数运算后，把隐含结点的输出信息传播到输出
结点，最后给出输出结果。网络的学习过程由正向和反向传播两部分组成。在正
向传播过程中，每一层神经元的状态只影响下一层神经元网络。
本文所采用的BP神经网络模型，均为包含一个输入层，一个隐含层，一个
输出层的3层网络结构，即标准的BP网络结构模型。文中采用BP神经网络模型～
对贸易增长引致的环境损害的预测通过建立两个BP模型分三步来完成。本文经
过多次模拟训练和参数选择尝试，多个输出接点造成了预测结果的较大误差，因
此，最终选择一个是层节点。
首先，建立一个输入层节点数为3、输出层节点数为l、隐含层节点数若干
的贸易指标时间序列预测模型如图3—2所示：
图3-2贸易指标预测模型
输入层隐含层输出层
27
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
在该模型中，本文对4个贸易指标分别从1989开始提取样本，每4个样本
为一组，前3个样本作为输入，最后1个样本作为输出，将样本分为15组对网
络进行训练，2006年数据作为预测结果的检验，组的划分见表3—3。
其次，建立一个输入层节点数为4、输出层节点数为1、隐含层节点数若干
的BP网络模型如下图；其中当年的各贸易指标作为输入，相应年份的环境指标
作为输出，隐含层通过调试确定，通过样本训练模型。
表3—3贸易指标训练分组
输入输出
1989-1991年1992年
1990-1992年1993年
1991-1993年1994年
1992-1994年1995年
1993-1995年1996年
1994-1996年1997年
1995—1997年1998年
1996-1998年1999年
1997-1999年2000年
1998-2000年2001年
1999-2001年2002年
2000-2002年2003年
2001-2003年2004年
2002-2004年2005年
2003-2005年2006年
图3-3贸易一环境预测模型
输入层隐含层输出层
28
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
在该模型中，样本数据是从1997年提取的，1997年的4个贸易指标作为输
入，1997年的一个环境指标作为输出，对模型进行训练并进行预测。其余4个
环境指标同上依次分别与贸易指标建立关系，进行训练和预测，2006年数据作
为预测结果的检验数据，组的划分如表3—4所示：
表3-4贸易环境指标训练分组
输入：4各贸易指标输出：1个环境指标
1997年1997年
1998年1998年
1999年1999年
2000年2000年
2001年2001年
2002年2002年
2003年2003年
2004年2004年
2005年2005年
2006年2006年
最后，将各贸易指标预测值作为贸易一环境预测模型的输入来预测环境指
标的值。
(二) 隐含层层数及节点数的确定
隐含层的确定对神经网络系统的成败起着非常关键的作用。对于多层神经元
网络来讲，需要解决两个关键问题：一是隐含层层数的原则，二是隐含层接点数
的选择。
Hecht—Nielsen曾证明了当各节点具有不同的门限时，对于在任何闭区间内
的一个连续函数都可以用一个隐含层的网络来逼近，因而一个三层的基于BP算
法的神经元网络可以完成任意的n维到。纬的映射。但由于上述的先决条件难以
满足，导致应用的困难。1988年Cybenko指出，当各节点均采用S型函数时，
一个隐含层就足以实现任意判决分类问题，两个隐含层则足以表示输入图形的任
意输出函数。经验表明对小型网络的边界判决问题，两层隐含层网络并不比单隐
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
含层更优越，所以，目前人们认为二进制分类或判决边界问题，一个隐含层就足
够了。但是，如果要求输出是输入的任意连续函数，那就要用两个隐含层或者采
用不同的激活函数。有时即使是连续输出的情况，用一个隐含层也可以满足要求，
这取决于问题的性质。另外，隐含层起抽象的作用，即它能从输入提取特征。增
加隐含层可增加人工神经网络的处理能力，但是必将使训练复杂化、训练样本数
目增加和训练时间的增加，因此代价也很大，尽量做到处理能力和训练代价二者
的平衡和优化。
基于上面的分析，在本论文的人工神经网络模型之中，作者经过多次模拟训
和尝试后，最终选取一了个隐含层和一个输出层并达到了既定预测精度要求。因
为一方面本模型的输入是离散的数值，另一方面激活函数是采用单一的S型函
数。同时本模型的输入节点比较多，如果选取更多的隐含层，势必增加训练成本，
因而整体上来说是不经济的。
基于BP算法的神经网络中各层节点数的选择对网络的性能影响很大，所以，
层内节点数需要进行恰当的选择，一般来说，一个多层网络需要多少隐单元层，
每层需要多少隐单元，这要由网络的用途来决定，但这并非是唯一确定的，因为
采用不同的内部表象时所需要的内部单元数是不同的，因此，对于隐含层单元数
的选择是一个十分复杂的问题。
根据1990年R．C．Eberhart等人的书“神经元网络PC工具’’中指出：“这
是一种艺术"，因为没有很好的解析式表示，可以说隐单元数与问题的要求，输
入输出单元的多少都有直接的关系。根据对隐含节点的几何解释，知道第一隐含
层的每个节点确定了一个判决面，它把N维输入空间分为两部分。第二隐含层的
每个节点又将第一隐含层节点形成的多个判决面组合成凸域空间或者判决域。最
后，输出结点又把多个凸域组合成任意形状的判决空间或判决边界。很明显，隐
含层的结点有些用来提取输入图形的特征，有些则用来完成某些特殊功能。力图
根据任务来确定隐含层节点的数目，确实是很困难的，这是因为网络映射的复杂
性和由于许多成功地完成训练过程的不确定性的性质，目前大多数还是以经验为
依据。
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
如果设静黼络中输入层节点P，数为自变量个数；输滋层节点数&为所要求
l
的分类个数；则隐含层节点数P2可根据公式(2段+P3)‘<P2<2 P，+l并
结合实际试算结果来确定。
隐含层神经元数题的确定通常根据具体模型通过给定和调试的方法来确定。
虽然增加隐含层神经元数目能够增加人工神经网络的处理能力，但也必将使训练
复杂化、训练样本数墨增加和训练时间的增加，因此应保持二者的协调。
(三) BP网络传递函数的选择
BP网络的传递函数有多种。Log-sigmoid型函数的输入值可取任意值，输出
值在O和l之闻；tan-sigmod型传递蘧数tansig的输入僮可取任意值，输如值
在[-i，+1]之间；线性传递函数purelin的输入与输出值可取任意值。BP网络
通常有一个或多个隐层，该层中的神经元均采用sigmoid型传递醺数，输出层的
神经元则采用线性传递函数，整个网络的输出可以取任意值。
(四) 8P神经网络算法的改进
静算法理论具有依据可靠、推导过程严谨、精度较高、透用性较好等优点，
但标准BP算法存在以下缺点：收敛速度缓慢；容易陷入局部极小值；难以确定
隐层数和隐层节点个数。在实际应用中，鼹算法缀难胜任，因此懋现了很多改
进算法。
首先，修芷学习率。静神经题络模型实际上是一个多元函数的优纯闯题，
即以连接权系数为变量，误差函数最小为目标的优化问题。在反向传播网络的研
究中，学习率的选取一直是一个重要的研究方囊。在传统的韶神经瓣络模型中，
对学习参数rl的选取一般都是根据建模者的经验选取一个值。但事实上rl的选取
对算法的成败有着重要影响。当求出对连接权的梯度后，对连接权进行修正时，
学习速率rl实际上是一个沿负梯度方向的步长问题，步长过大将会使误差函数发
生振荡，步长过小，收敛过慢。～般来说，对于较小规模的霹终，随着学习率的
增大，迭代次数明显减少。但是在大规模的网络中，当学习率较大时，网络可能
会不收敛。
第三章基于BP算法的中国贸易增长与环境损害预测模型设计
因此，提出了BP网络的自适应学习速度调节法①，可表示为：
1．05 rl(n) E(n+1)<E(n)
n=(n+1)=．《0．7 rl(n) E(n+1)>1．04 E(n) (3—1)
q(n) 其他
其次，添加动量项。添加动量法使网络在修正其权值时，不仅考虑误差在梯
度上的作用，而且考虑误差在曲面上变化趋势的影响，其作用如同一个低通滤波
器，它允许网络上的微小变化特性。在没有添加动量的作用下，网络可能陷入浅
的局部极小值，而利用添加动量的作用则有可能滑过这些极小值。因此，在引入
动量项后，网络连接权的迭代关系具有如下形式：
形(，2)=1业(聆)+aAW(n一1) (3—2)
其中：Q为动量系数，通常O<Q<0．9；Tl一学习率，引入动量项的效果
是使得学习过程中等效地改变n使其不是恒定的值，从而使得调节向底部的平均
方向变化，不致产生大的摆动，即动量起到缓冲平滑的作用。
最后，引入L-M学习规则。L_M(Levenberg—Marquardt)算法比前述几种
使用梯度下降法的BP算法要快得多，但对于复杂问题，这种方法需要相当大的
存储空间。L-M(Levenberg-Marquardt)优化方法的权值调整率选为：
Aw=(J7 J+77，)．J1 P (3--3)
其中：e一误差向量；卜网络误差对权值导数的雅可比(3acobian)矩阵；
II一标量，当p很大时上式接近于梯度法，当u很小时上式变成了Gauss-Newton
法，在这种方法中，ll也是自适应调整的。
本文数据量不大，拟采用贝叶斯正则化算法和L-M学习规则分别作为神经网
络的训练函数和学习函数。
①朱大奇、史慧，人工神经网络原理及应用[M]．科学出版社，2006
32
第四章基于BP网络的中国贸易增长与环境损害预测模型的实现
第四章基于BP网络的中国贸易增长与环境损害预测模型的
实现
一、基于MATLAB的BP网络模型的实现
Y-ATLAB软件提供了一个现成的神经网络工具箱(Neural Network Toolbox，
简称NNbox)，为解决这个矛盾提供了便利条件。下面针对BP网络的建立、传递
函数的选择、网络的训练等，在介绍NNbox相关函数的基础上，给出利用这些函
数编程的方法。
本论文通过使用神经网络工具箱对BP神经网络进行学习训练和仿真。神经
网络的实际输出值与输入值以及各权值和阈值有关，为了使实际输出值与网络期
望输出值相吻合，本文运用一定数量学习样本和相应期望输出值的集合来训练网
络。在设计隐含层时，本文主要侧重试验、探讨改变隐含层节点数，在实验中改
进，直到选取一个满意方案为止。
(一) BP神经网络的建立
MATLAB的NNbox提供了建立神经网络的专用函数newff 0。用newff函
数来确定网络层数、每层中的神经元数和传递函数，其语法为：net=newff(PR，
[S1，S2， ⋯，SN]，{TFl，TF2，⋯，TFN)，BTF，BLF，PF)其中PR
是一个由每个输入向量的最大最小值构成的Rx2矩阵。Si是第i层网络的神经
元个数。TFi是第i层网络的传递函数，缺省为tansig，可选用的传递函数有
tansig，logsig或purelin。BTF一字符串变量，为网络的训练函数名，可在
如下函数中选择：traingd、traingdm、traingdx、trainbfg、trainlm等，缺
省为trainlm。
BLF-一字符串变量，为网络的学习函数名，缺省为learngdm。
BF--字符串变量，为网络的性能函数，缺省为均方差‘mse’。
newff在确定网络结构后会自动调用init函数用缺省参数来初始化网络中
各个权重和阈值，产生一个可训练的前馈网络，即该函数的返回值为net。由于
非线性传递函数对输出具有压缩作用，故输出层通常采用线性传递函数，以保持
第四章基于BP网络的中国贸易增长与环境损害预测模型的实现
输出范围。
(二) BP神经网络的算法选择
初始化后的网络即可用于训练，即将网络的输入和输出反复作用于网络，不
断调整其权重和阈值，以使网络性能函数net．performFcn达到最小，从而实现
输入输出间的非线性映射。对于newff函数产生的网络，其缺省的性能函数是网
络输出和实际输出间的均方差MSE。①
在NNbox中，给出了十多种网络学习、训练函数，本文试用了其中的四种，
经过对比后，最终采用了Trainlm和Trainbr算法分别对模型进行训练和预测。
Trainscg固定变比的变梯度算法， 是一种无需线性搜索的变梯度算法。
Traingdx自适应学习速度算法，收敛速度快于Traingd，仅用于批量模式训
练。
Trainlm Levenberg-_Marquardt算法，对中度规模的网络具有较快的收敛
速度。
Trainbr改进型L__M算法，可大大降低确定优化网络结构的难度。
(三) BP神经网络的运行程序
网络训练分别采用Trainbr算法和Trainlm算法时，所编写的应用程序如下：
贸易指标的时间序列预测模型的应用程序：
％文件名：predict—of一4economyindex．n1
％4个经济指标的预测
％需要和“数据备份．xls，prediction．m， 预测结果．xls”三个文件在同
一目录下
％最后结果会显示在MATLAB主窗口中以及弹出图表上
％同时会保存到”预测结果”文件的第二个表单中
％一——⋯一读取文件中第一页的数据一——⋯
Economyf=xIsread(’数据备份’，1)’； ％读取原始数据
。葛哲学、孙志强，神经网络理论与MATLAB R2007实现．电子工业出版社，2007．9
34
第四章基于BP网络的中国贸易增长与环境损害预测模型的实现
l=length(Economyf(1，：))；
nY=3：
Nerve=ll；
Learn=lO；
Error=l e一2：
Fun=’trainbr’；
predecessor=zeros(4，1)：
successor=zeros(4，ny)；
％设定时间长度1年
％预测后nY年
％网络有Nerve个神经原
％学习Learn次
％容许的二次均方误差为Error
％训练函数为trainbr
％1年数据的训练结果
％ny年的预测数据
％一四个经济指标都做一次，将结果保存在‘预测结果’文件中一一
for i=l：4
[predecessor(i，：)
successor(i，：)]=prediction(Economyf(i，：)，nY，Nerve，Learn，Error，Fun
) ；
end
[predecessor successor]：
year=zeros(1，l+ny)；
for i=l：1+3
year(i)=i；
end
for i=l：4
subplot(2，2，i)，plot(year，[predecessor(i，：)
successor(i，：)]，’一，year，[Economyf(i，：)zeros(1，ny)]，’0’)
title([’第’num2str(i)’个经济指标的预测’])
end
a=SUCCeSSOr
xlsvrrite(’预测结果’，a，2)；
在做上述预测的时候，我们使用的网络训练函数是为了提高输出光滑性，能
自动修改性能参数的算法函数trainbr，修改算法函数时，其余参数仍可沿用。
35
第四章基于BP网络的中国贸易增长与环境损害预测模型的实现
关于它的详细叙述可参见MATLAB自带的HELP文件。
贸易一环境预测模型预测应用程序：
％文件名：Invest_polut ion．m
％4个经济指数对污染指数的影响
％由于要根据predict of 4economy—index．m文件的运行结果运算
％所以必须先运行过一遍predict—of一4economy_index．m
％需要和“数据备份．xls， 预测结果．xls”两个文件在同一目录下
Economys=xlsread(’数据备份’，2)’；
P01ution=x1 sread(’数据备份’，3)’；
predict=xlsread(’预i914结果’，2)’；
Nerve=30；
Learn=100；
Error=1e一2：
％网络有Nerve个神经原
％学习Learn次
％容许的二次均方误差为Error
l=length(Economys(1，：))； ％设定时间长度i年
Fun=’trainlm’：
predecessor=zeros(1，1)；
Order=zeros(1，1)；
％设定的训练函数是trainlm
successor=zeros(5，length(predict(1，：)))；
for i=1：1
Order(i)=i；
end
for i=1：5 ％一一输入输出向量标准化[ecoN，minEco，maxEco，polN，minP，maxP]=premnmx(Economys，Polution(i，：)) ％⋯⋯⋯建立网络并初始化
net=newff([minEco maxEco+1]，[Nerve 1]，{’tansig’，’purelin’)，Fun)：
net=ini t(net)：
％-一————一网络参数设定
net．trai nParam．epochs=Learn； ％设定训练次数
36
第四章基于BP网络的中国贸易增长与环境损害预测模型的实现
net．trainParam．show=50；
net．trainParam．goal=Error； ％-——训练网络
net=train(net，ecoN，polN)； ％一——初步输出结果
a=sim(net，ecoN)；
％-——一⋯——标准化结果的还原
predecessor(i，：)=postmnmx(a，minP，maxP)；
pnewn=tramnmx(predict，minEco，maxEco)；
anewn=sim(net，pneⅥm)：
successor(i，：)=postmnmx(anewn，minP，maxP)；
end
％-一——⋯一一画图
cont=length(predict(1，：))；
contorder=zeros(1，cont)；
for i=l：cont
contOrder(i)=l+i；
end
for i=l：5
subplot(3，2，i)，
plot([Order contOrder]，[Polution(i，：) zeros(1，cont)]，’O’，[Order
contOrder]，[predecessor(i，：)successor(i，：)]，’一’)
end
SUCCeSSOr
=============================================================
模型评价
在贸易指标预测模型中，本文在已有的18年的数据基础上，设定好神经网
络后即可开始对网络进行训练，当选择Trainlm算法时，在经过调试后，神经元
37
镕Ⅲ章gf BP日％的中国贸易镕*々g境#g颅月I模《日勺窖现
个数选择为20个，学习次数提高到100次后，得到的图4一l。当选择Trainbr
算法时，经过多次尝试后，修改神经元个数为20个，学习次数提高到100次后，
得到的图4 2。该训练过程的拟台程度较好，误差在设定的0 0l范围内。相
较之F，用trainbr算法能够更好地贴台数据、收敛速度更快。因此，接下来我
们做的另外3组贸易指标的预测就选择trainbr算法作为训练算法。四组贸易指
标的训练拟台图为图4 3。运用grai nbr算法训练好的模型进行预测，得到表
4 1的输出结果以下各图中圆圈代表实际值，曲线导标预测值
表4 1 贸易指标预测站果
担4 l LM算法下的贸易指标拟合幽
”；：!些兰苎!!翌二!兰』!!堡兰!!兰羔驾!竺兰!!!竺竺苎兰翌88
闰4 2 trainbr算挂下的贸易指标拟合圈
”器呈壁!墨兰三兰垫兰兰兰兰旦兰竺苎兰兰竺竺竺兰兰!望““
：l ／7 J
／
，s} ／ 1
，
’} ／ 1
／
”。fi———。————一’■一～71“i一——☆——。+{}+—1b
￡!￡Ⅲ!d
第四章基于BP网络的中国贸易增长与环境损害预测模型的实现
图4—3 trainbr算法各贸易指标预测图
第外经济指标的预测
第2个经济指标的预测
第4个经济指标的预测
在贸易一环境预测模型中，本文最初的设计是一个多元输入求多元输出的BP
神经网络模型，但由于训练后拟合结果的不满意和预测结果的误差较大，最后，
将模型调整为多是如单输出的BP神经网络模型。
在原始的1997--2006年的经济指标数据基础上，对五个污染指标逐一进行
学习。当选择Trainlm算法时，在经过调试后，隐含层节点数为20，学习次数
提高到1000次后，得到的图4—4。当选择Trainbr算法时，经过多次尝试后，
隐含层节点数为20，学习次数也提高到1000次后，得到的图4—5。进行比较后，
该模型在Trainlm算法下，拟合程度较差、预测结果不理想。因此，在贸易指标
预测值的基础上，该模型运用trainlm算法训练好的模型进行预测，得到如下输
出结果：
图4—4 L M算法下的环境指标预测值
39
第四章基于BP网络的中国贸易增长与环境损害预测模型的实现
图4—4 trainbr算法下环境指标预测曲线
S02(I业)
工业废水
I业阎体废物排放慌
CoD(]二业)
图4—5 L M算法下的环境指标预测曲线
S02(I业)
工业废水
I业固体废物排放擞
CoD(正业)
就图本身和预测数据而言，由于污染指标的实际情形年与年之间的离散程度
较大，上下浮动的情况比较多，而且最后的预测结果是合理的，我们有理由相信，
在数据差异较大，并且数据间没有光滑连续性质的情形下，trainlm可能比
第四章基于BP网络的中国贸易增长与环境损害预测模型的实现
trainbr要更适合作为网络的数据训练函数。而数据间有一定光滑连续性质的，
用trainbr要更好。
在使用BP神经网络进行数量预测的时候，训练函数的选取对结果会造成很
大影响。从本文的实验结果看，trainbr在数据有光滑连续性质的时候，学习速
度很快，而且不用太多神经元；trainlm在数据离散情形较严重时，更能体现数
据中带有的某种周期性质。所以，在做预测的时候需要先分析数据连续类型。
在进行MATLAB运算的时候，主界面在计算同时会显示是否达到权目标函
数极小值或目标预测均方差最小值，只要有一个达到最小，计算就会停止，但有
时不会算出好的结果，解决办法只有试验性地多加神经元和增加学习过程这两种
方法。
41
第五章结论
第五章结论
一、预测结果分析
贸易增长与环境损害之间的关系是多纬度、错综复杂的，又受到贸易政策、
环境政策的影响，使得准确预测贸易引致的环紧损害相当困难。本文以现有贸易
与环境关系理论为基础，分析我国目前贸易与环境问题现状，在参考相关文献的
基础上尝试运用BP神经网络模型从宏观上建立贸易增长与环境损害预测模型，
从主流贸易理论的，规模效应、技术效应、结构效应三方面分析了贸易增长对于
环境损害的影响，并且在与工业和贸易最相关的众多指标中选取最能够体现环境
损害的指标来衡量环境的损害程度。
人工神经网络研究方法具有能对信息进行大规模并行处理、且有很强的容错
性，善于联想、概括、类比和推理，而且具有很强的自学习能力等特性，善于从
大量统计资料中分析提取宏观统计规律，适合现代物流发展战略的定量研究。本
文较为全面、深入地研究了基于神经网络的贸易增长与环境损害预测问题，采用
MATLAB中神经网络工具箱实现多层前馈BP网络，结果证明本文提出的方法是可
行的达到了预定目标。本文成功的将神经网络模型引入贸易与环境问题定量预测
研究中，并且得到预期误差范围内的预测结果。
本文应用BP神经网络分别对各贸易指标进行时间序列数据预测，然后再建
立贸易与环境之间的面板数据预测模型，对贸易引致的环境损害进行预测。以下
各图表中2007年、2008年、2009年的数值军委预测数值。各贸易指标预测结果
如下各图5一l所示：
图5—1进出口贸易及环保投资预测
42
第Ⅱ章镕论
图5一l表明我国的贸易增长与环保投资都在增长，而环保投资增速明显低
下贸易增长速度。从2007年开始贸易增长速度有所减缓，环保投资继续保持增
长这一特点客观上也符台我困当前贸易形势。
斟5 2 贸易开放座与工业占GDP比重预测
}一广?=爿L——————·，，—-II [譬墓．<．．二二：!．一--／-一
、箩芦梦妒爹≯移移≯笋扩
一贸易丌雠
～-一二dbo舯比E}
图5—2表明2007年起我国贸易开放度经在经过过快速的攀升后己经开始有
下降的趋势，工业占GDP的比重缓慢上升趋于平稳。
由上面两图可以看出我国的贸易增长是迅速的，){：且贸易增长的速度远高于
王f境保护投资，而在GDP高速增长的同时工业占GDP的比重增长缓慢可以认为我
国在丁业保持增长的同刚其他产业也得到了一定的发展，这将有利于我国环境状
况的改善。
贸易会对我国环境的影响同样是复杂的，贸易增长会从经济规模、产业结构
和技术进步等各个方面对我国的环境产生综合复杂的影响。本文将所研究的基于
BP神经网络模型的我国贸易增长与环境损害的预测结果绘制成如下图表：
图5-3 环境指标预测
7000 LE—二—二—二—二—二—二——二—二—二—二—二—二——二—二—]—16—00—0：——：—=责——西—(葡—矿————一—i————J—⋯、f，“
04000000}L———————————————————————————————————————————J——·_]0I、∞l(H}TtAKk) 粥瞎暮丢；=；蠢。篓燮o 1 一一———_=1一一；喜§i三蚕蚕堇至喜；
===■H i i§i§％
年份
7
6
i
3
2
l
0
0
0
O
0
0
0
0
第五章结论
从图5—3可以看出我国工业固体废物排放量持续迅速下降，总固体悬浮颗
粒也呈下降趋势，其他指标也相对趋于稳定。所预测的结果表明从2007年开始
S02排放量开始得到控制，其他各指标均有相好趋势。
以上分析结果表明，我国的贸易增长对于环境的效应已经有所转变，更趋向
于服从“环境库兹涅茨曲线”∞理论，随着时间的推移有可能会出现所谓倒U型的
EKC曲线，污染物的排放将随着经济发展向上升而后下降。
二、进一步的研究工作
神经网络的研究仍处于发展阶段，基于神经网络的预测方法则是一个具有一
定难度和深度的课题。本研究在神经网络预测理论、算法改进和软件实现方面取
得了一定的进展，但在很多方面还需要进一步研究。随着课题的深入，作者认为
进一步的研究工作还有以下几个方面：
贸易与环境关系理论已经较为成熟，各种实证预测方法也应用的较为普遍，
由于知识所限本文仅采用了最为简单的BP网络模型来进行预测，结果表明神经
网络对于处理贸易与环境之间的非线性、并行处理问题具有较好的效果，因此，
作者认为可以尝试运用更具针对性、前沿性的神经网络模型来对贸易与环境关系
问题进行模拟预测。
神经网络也存在如数值运算的局限性、隐含层的缺陷、学习样本的局限性、
以及硬件滞后等明显的问题。随着预测应用的深入，经济研究领域内的数据特征
将越来越呈现非线性，神经网络模型当中可以引入模糊理论，以进一步减少收敛
迭代次数，提高网络的运算速度和模拟精度，以便于能使神经网络在经济学领域
更好的推广。
由于环境公报统计口径的变更，使得本文所选取的环境指标样本十分有限，
间接造成BP网络模型拟合、预测精度降低。作者将采集个区域及行政区域的相
关指标数据做进一步研究。
。Selden，T．，and D．Song．Environmental quality and development：Is there a Kuznets Curve for air
pollution emissions?Journal ofEnvironmental Eeonomicsand Management,1994(27)：147—162
参考文献
参考文献
[1]Grossman，Gene M．,Alan B．Kruger,Environmental Impact of North America Free Trade
Agreement,NBER Working Paper NO．39 1 4．1 9 1
[2]Runge，C．Ford，1993，Freer trade，protected environment：Balancing trade liberalization and
environmental interests[M]，Council on Foreign Relation Press，New Yb出．
[3]Panayoutou，Theodre，Globalization and the Environment,Quarterly Jounal of
Economic，August,1994．
[4]Jose M．Paruelo，Femando Tomasel．Prediction of functional charac2teristics of eco system：a
comparison of artificial neural network andregression models．Ec01．Model．，1997，98：173～
186．
[5]Benedict Kingbury．Environment and Trade：The GATT／WTO Regime in the International
Leg甜System．Environmental Regulation and Economic Growth edited by A．E．BOYLE，
Clarendon Press，1 994．
[6]Daly H．The Perils of Free trade．Scientific American，1 993，269：24·29
[7]Chichilnisky GGlobal Environment and North-South trade．America Economic
eview,1 994，84：85 1—74
[8]Robison H D．Industrial Pollution Abatement：The Impact ON Balance of Trade．Canadian
Journal of Economics，1 998，2 1：1 87-99
[9]Mani M，Wheeler D．In Search of Pollution Haven?：Dirty Industry Migration In the Word
Economy．Word Bank Working paper,1 997,NO．6
[10]Dua A．and E咿D．C．Sustaining the Asia Pacific Miracle．Washington，DC：Institute for
International Economics，1 997
[1 1]Esty，D and DGeradin(1997)”Enviroment Protectionand Intemation Competitiveness：A
Conceptual Framework",Journal ofWorld Trade，Voll 32(3)，June，5-461
[1 2]Porter，M．A．and van der LINder'C”Towards a New Comeeption of the Evironment
Competitiveness Relationship．”JounM ofEconomics Perspectives，9,995，PP．97-8
[13]Antweiler,W．，B．IL Copeland，and M．S．Taylor,Is Free Trade GOOD for the Environment
America review 91(4)，2001
45
参考文献
[14]Selden,T．，and D．Song．Environmental quality and development：Is there a Kuznets Curve for
air pollution emissions?Journal of Environmental Economicsand Management,1 994(27)：1 47．-1 62
[15]Dean，．Judith M．(2000)：，Does Trade Liberalizition Harm the Evironment A Framework for
Analysis,NBER working paper 8540
[16]Beghin,John；Potier,Michel(1997),""Effects of Trade Liberalization on the Environment in the
Manufacturing Sector",The World Economy20，no,A
[17]Strutt，Anna；Anderson，Kym，W illTradeLiberal·．ization Harm the Environment?The Case
of Indonesia t02020，Environmental andResouree Economics l 7(3)，2000，PP．203·-32．
[183Antweiler,W．B．R．Copeland,．and M．S．Taylor(200 1)，Is Free Trade Good for the
EnvironmentAm ericanEconom缸Review 91(4)，2001，PP．877-908
【19】"Lee H．，Roland·．Hoist D．The environment and welfare implications of trade and tax
policy．Journal of Development Economics，1 997，52(1)：65．-82
[203 R．J．Kuo．，A sales forecasting system based on fuzzy neural network with initial
weightsgenerated by genetic algorithm[J]．European Journal ofOperational Research，2001，129：
[2 1 3 Kidong Leea,David Boothb，Pervaiz Alamo,．A comparison of supervised and
unsupervisedneural networks in predicting bankruptcy of Korean firms[J]．Expert Systems with
Applications．2005．(29)：1—1 6．
[22]高隽，人工神经网络原理及仿真实例[M]．机械工业出版社，2003．8
[23]沈世镒，神经网络系统理论及其应用[M]．科学出版社，1998
[24]葛哲学、孙志强，神经网络理论与blATLAB R2007实现．电子工业出版社，2007．9
[25]马先民，人工智能原理和方法[M]．西北工业大学出版社，2002．9
[263蒋宗礼，人工神经网络导论[M]．高等教育出版社，2001．8
[27]朱大奇、史慧，人工神经网络原理及应用[M]．科学出版社，2006
[28]朱双东，神经网络应用基础[M]．东北大学出版社，2000．3
[29]蒋中一，数理经济学的基本方法[加．商务印书馆，1999
[30]科斯等，契约经济学[M]．经济科学出版社，2003
[31]林毅夫，中国的奇迹[M]．上海人民出版社，1994
[32]兰天，贸易与跨国界环境污染[M]．北京：经济管理出版社，2004
[33]赵玉焕，贸易与环境[M]．北京：对外经济贸易大学出版社，2002
[34]赵玉焕，贸易自由化对环境的影响[J]．国际贸易问题，2003．5
46
参考文献
[35]谢士杰、刘继琳，应用BP神经网络评价大气环境质量[J]．武测科技，1996．4
[36]陆雅琴，贸易与环境的关系及其对我国的影响[M]．中国人民大学出版社，2003
[37]陆雅琴，经济增长、贸易与环境关系及其启示[J]．云南财贸学院学报，2003．4
[38]张帆，环境与自然资源经济学[M]．上海：人民出版社，1998
[391王振川、叶汝求，贸易与环境对策[M]．黑龙江：科学技术出版社，2001
[40]余群芝，贸易自由化与有效环境保护[M]，中国财政经济出版社，2003
[41]王金南，绿色壁垒与国际贸易[M]．中国环境科学出版社，2003
[42]王军，贸易与环境研究的现状与进展[J]．世界经济，2004．7
[43]王磊、姚恒申，时间序列和神经网络的组合预测及其应用[J]．统计与决策，2005．6
[44]闻新、周露、李翔、张宝伟，MATLAB神经网络仿真与应用[M]，科学出版社，2003
[45]雷晓云、张丽霞、梁新平，基于MATLAB工具笨的BP神经网络年径流量预测模型研究[J]．
水文，2008．1
[46]文新辉、牛明洁，神经网络与预测方法研究[J3．预测，1992．4
[47]谢衷沽，人工神经网络及其在金融预报中的应用[J]．北京大学学报2001，3
[48]罗四维．人工神经网络建造[M]．北京：中国铁边出版社[M]，1998
[49]焦李成．神经网络的应用与实现[M]．西安：西安电子科技大学出版社，1995
[50]龚关。国际贸易理论[M]．武汉人民出版社，2000
[51]王学鸿．析有关“东亚经济奇迹”的争论及其意义[J]．国际经贸研究，1998
[52]王学鸿译，击退掠夺性贸易．国际贸易译丛，1995
[53]H．范里安，微观经济学：现代观点[蛔．上海人民出版社，2006
[54]蒙代尔，蒙代尔文集[M]．北京：中国金融出版社，2003
[55]保罗．克鲁格曼、奥伯斯法尔德，国际经济学[M]．北京：中国人民大学出版社，2002
[56]马克，劳伦格，经济学方法论[羽．北京大学出版社，1990
47
参考文献
后记
在本论文完稿之际，我要对多年来给予我悉心教诲和无私帮助的老师、同学、
朋友和家人表示衷心的感谢。
首先，感谢我的导师兰天教授。本文的工作是在我的导师兰天教授的悉心指
导下完成的，从选题到构思和成文，一直得到兰老师的悉心指导，兰老师在治学
中所表现出来的严谨的态度、渊博的学识、民主的作风使我深受教育和熏陶。在
读研的两年半时间里，兰老师不但在学习上给与了悉心指导，而且在生活上给与
了无微不至的关怀。在此特向我敬爱的导师致以最崇高的敬礼和深深的感谢。
在我攻读研究生期间，得到了经济研究院各位老师的关怀，他们不仅给予我
专业知识上的指导，而且教给我学习的方法和思路，使我在科研工作及论文写作
过程中不断有新的认识和提高，在此我对他们表示由衷的谢意。
感谢经济研究2006级l班的所有同学陪我一起度过了难忘的研究生生活，
感谢与我一起生活两年半的同窗好友，与他们交流讨论开阔了我的视野，与他们
结下深厚的友谊是我一生中最宝贵的财富。
我能顺利完成学业，离不开父母长期以来给予我的关心、理解和支持，是他
们使我具有了战胜任何困难的勇气。
最后，问候百忙之中抽出时间评阅我论文的老师和参加论文答辩的老师，并
向他们表示深深的谢意!
姜松
2008年lO月
攻读硕士学位期间发表的科研成果目录及获奖情况
攻读硕士学位期间发表的科研成果目录及获奖情况
发展中国家贸易与环境问题研究[J]．云南财贸学院学报(社会科学
版)，2008．7
在攻读硕士研究生学位期间，参与导师兰天教授申请的国家社科基金项目
《中国贸易增长引致环境损害的冲突与协调研究》的研究，独立完成了《基于
BP网络的中国贸易增长与环境损害预测研究》部分的研究。
2007-2008学年获云南财经大学“一等奖学金"称号。
2006-2007学年获云南财经大学经济研究院“三好学生"称号。
2007-2008学年获云南财经大学经济研究院“三好学生"称号。
49