基于模糊决策树的出口纺织品反倾销预警系统

基于模糊决策树的出口纺织品反倾销预警系统

Cm u r n ne n n p laos op t# edgadA pit n计算机工程与应用 eE ci

基于模糊决策树的出口纺织品反倾销预警系统常志朋C HANG Z i p n h- e g

安徽工业大学经济学院，安徽马鞍山 2 3 0 40 2S h o f E o o c, h i Un v ri f T c n l g,’ n h n, h i 2 3 0 C i a c o l o c n mis An u i est o e h oo y Ma a s a An u 4 0 2, h n y E ma l c a g p 1 6c r - i: h n z@ 2 .o n

CHANG Zh - e gEx o t t x i p o u t a t- u i p n . p r e tl e r d cs n i d mp n e ry wa n n y t m a e O l u z e ii n t e . mp t r ig a l - r ig s s e b sd i f z y d cso r e Co u e

E￣n emg a d Ap U a o s2O,s 2 )2 4 2 7 n er n p c t n,O 9 4 (s:3 - 3 . iAb t a t sr c: e e t e r d cs ta e b t e i a a d U s e a n d t o s u t n a t- u i g e r wan n ￣ m tx i p u t rd e l o we n Chn n E i x mi e o c n t c a n d mp n a l r i y- r i g z e y

b s d o u z d c s n r eT i y t m s h lf l t g v r me t a d ne p ie t ee mi e p l i s a d a e me s r s a d a e n f zy e ii t . h s se i ep u o o e n n n e tr r o d t r n oi e n tk a u e n o e s s c rd c te u e o t - u i g a od n r l v t e o t a s d y n t- u ig u v yT e e r e f E S r d e u e h n mb r f a i d mp n . v i a d ei e h c s c u e b a i d mp n s r e .h d g e o n e U’ t e a p o e t n,n r a i g p e o C i e e x ot e t e p o u t, e r e f rd r t n e t e n r tc o i c e sn s e d f i h n s e p r tx ls

rd c s d g e o ta e fii b w e Chn a d i co i a n EU n d e r e f a d ge o ma k t e o o l s d a t d mp n al - r i g z￣ m v l a o n e e .h u z e i o r e mo e s d f r n r m r e c n my a e u e s a i u i g e ry wa n n n - y e e au t n i d x sT e f z y d cs n te d li i e e t f i i o t d t n l mo ei g me o s i o sr ci g tx l r d cs a t d mpn a l - r i g s se T e r s l o h o i v e e r h r i o a d l td n c n t t e t e p o u t n i u i g e y wan n y tm.h ut f t e p s e r s ac a i n h u n i - r e i t i d c t s ta i y t m s v l o e t e p o u t n i d mp n ik p d cin a d i h o d a p iai n p o p c n t i n i ae t t s s se i ai f r t x l r d c a t u ig r r i t h h d i s - s e o n t a a g o p l t r s t i s s c o e har ea.

Ke r s u z e i o r e a t- u i g e l- a n n tx l r d c y wo d:f z y d cs n te; n d mp n; a y w r ig; t e p o u t i i r ei s

摘

要：以中国和欧盟的纺织品贸易为研究对象，并在此基础上建立基于模糊决策树的反倾销预警系统，而为政府研究和制定从

反倾销政策和措施提供依据，避免或减少反倾销给我国纺织业造成的损失。选取欧盟贸易保护程度、中国纺织品出口增长速度、双边贸易摩擦程度、市场经济程度 4个综合预警指标，区别于传统的建模方法，应用模糊决策树技术建立纺织品反倾销预警系统。检

验结果表明该预警模型具有较好的预测效果，在反倾销预警领域里有较好的应用前景。关键词：模糊决策树；反倾销；预警；纺织品 D:03 7￣i n10— 3 1 0 92 . 2文章编号：0 2 8 3 (0 9 2— 2 4 0 文献标识码：中图分类号：P 8 OI 1. 8 .s . 2 8 3 . 0 . 0 7 s

0 2 57 10— 3 120 )5 0 3- 4 A T I1

1引言自从中国 2 0年 1月加入 WT 01 1 O以来，中国的纺织品行

模糊决策树方法是一种自上而下的分类方法，它通过对一组训

业面I越来越多的来自欧盟和美国的倾销指控。 I缶纺织品行业如果能建立一套有效的反倾销预警系统，使企业、行业协会和政府部门迅速采取有效的应对措施，那么就可以避免遭受更大的损失，使中国的纺织业健康发展。当前被广泛应用于反倾销预警系统的模型主要有统计模型和人工智能模型两大类。 传统的统计模型最大优点在于其具有明显的解释性，最大的缺点是过于严格的前提条件。多元判别分析模型要求数据如分布服从多元正态分布、同协方差等，回归模型虽然对数对数据分布的要求有所降低，但仍然对预警指标之问的多重共线性干扰敏感，而现实中大量数据分布都不符合这些前提假设，从而限制了统计模型在这—领域的应用【 1】。随着信息技术发展，人工智能和机器学习的一些分类和预

练样本学习，出决策型的知识表现，构造提取出简单易懂的模糊规则。模糊决策树具有决策树所有的优点，如更好地易理解性和高准确性，但是模糊决策树能够较好地处理不精确、主观的和噪音数据，其最大的优点是处理连续属性值。

2模糊 I D3算法采用目前被广泛使用的模糊 I3 D算法来构建模糊决策树。 模糊 I3 D算法是针对现实世界存在的不确定性提出的，将模糊

理论引入到传统 I3 D算法中，以提高决策树处理数值属性和模糊性等问题的能力。在阐述模糊 I3 D算法之前，首先引入几卜/基本定义：

定义 1设 D为数据集，l f12…, ) C (,, L为模糊分类， F _且令

矿为数据集 D中类别为 c的模糊子集，则模糊分类的相对频 j测算法被引入到一些风险评估领域，如财务预警领域。主要是率可定义为： 人工神经网络方法，人工神经网络具有良好的容错性，适应自 C OnC) M( ) D‘ r 1、 p— M(¨性和很强的泛化功能。但是神经网络建模方法比较复杂，使用受到一定的局限。采用模糊决策树方法构建反倾销预警系统，一一一

作者简介：志朋 (98 )男，常 17一，讲师，研究方向：模糊决策理论，多属性决策理论。收稿 I期： 0 - 5 1 t 2 80—3 0 修回日

: 0— 8 1期 2 80— 9 0

基于模糊决策树的出口纺织品反倾销预警系统

常志朋：基于模糊决策树的出口纺织品反倾销预警系统

式中， A) M(为模糊集合 A的基数(即所有隶属度的总和 )。定义 2在模糊决策树的任一结点上，模糊数据集 D关于模糊分类 c Z12…,的模糊熵腰 (定义为日 F(=,, ) D):(一 ( b f D) Plp) () 2

值属性的示例集模糊化为若干个由模糊子集表示的术语，利用聚类的迭代算法，将示例集的每个属性 A分成 k类 A A,…

,

,

进而产生 k个术语和 k个三角形模糊数的中心 a n, l2

a, k那么，每个示例的值 (属于第个术语的隶属函数的 A)表达式为：…

,

定义 3设在一个非叶结点上有模糊数据集 D和属性集,

A, A}…, ( m为属性数 ),每个属性 A(≤≤m, k且对 1 )有

个模糊值{,, }故通过属性 A可把数据集 D划分为 :…,, k个模糊子集 ( D 1≤ ),属性 A相对于数据集 D 即 ( )则 的模糊熵 F ( D): EA,为上

T= (){/ u= I

f . q 一

。l<x<a2

-

a

1

l 0:

Ⅱ 2≤l

F" D) ( F ( ) E(,= A p E D )j =l

() 3

式中，p P ■—M( ) D,l=’

({, %a ) -: jJ ——

l—

q≤<+ q1ql 啤—≤<

L, () 4

I() 5

≥.

而属性 A相对于数据集 D的模糊信息增益 ( D): A,为粥 ( D)腰 (一 ( A,= D)府 A,

模糊 I 3 D算法每次选择使模糊信息增益最大的属性作为生成模糊决策树的扩展属性，即选取属性 A使得： 彤 ( D)m。』 (, A¨= a 1 i x G D) () 6

) _{i 0

% . - tx al￣。< k一

具体的模糊 I3算法介绍如下： D

() 1把整个数据集 D作为第—个候选结点，即根结点。 () 2叶结点生成。如果模糊决策树中结点 A满足下列条件之一，则把该结点作为叶结点，并用下面所述的 3叶结点标种定方法之一来标定该叶结点p。 _卅①某个分类的相对频率大于或等于给定阈值a;②所有分类的隶属度的总和小于给定的

阈值 T;③没有可用的扩展属性。其中： i第个叶节点的置信度。

4反倾销预警模型的构建 41模糊决策树的构建 .在对欧盟对中国出口纺织品反倾销指控的主要原因进行充分研究的基础上，通过问卷调查、收集专家意见，利用专家评分法选择如表 1示 1所 2个反倾销预警系统的警兆指标嗍。用 T PI O SS法寸1个预警指标进行处理， 2得到“欧盟贸易保护程度”“,中国纺织品出口增长速度”“,双边贸易摩擦程度”“,市场经济程度”个综合指标。选取 2 0 0 5年欧盟和中国的季 4 0 0 20度数据为样本数据，共 2 6年 4个样本，取 20— 0 2年的 1 0020 2个样本为训练样本，0 3 20 20~ 0 5年的 1 2个样本为检测样本。利用聚类迭代法和三角隶属度函数对训练样本进行数据模糊化，

M( DnG) M( D)M( D) M( D)

() 3扩展属性选择。如果当前结点 A不满足叶结点生成准

则，则它是非终端结点，它的扩展属性选择过程如下： ①对每个属性 A ( 12…,, i,, m)根据式 ( ) ( ) 1~ 5计算它们的模糊信息增益 F A,。 G( D)②选择使模糊信息增益最大的属性 A, G( m,= F A D)Mal ( G A, ) x《月 (‘ D)。

得到表 2预警指标模糊数据集，中A代表“其 欧盟贸易保护程度’代表“:中国纺织品出 I能力’代表“: 1,双边贸易摩擦程度” A代表“中国市场经济程度”A。 ,分别代表隶属度为 A。高，低。得到模糊数据集后，中，利用模糊 I3 D算法构建模糊决策树，具体步骤如下： 根据模糊 I 3算法以及模糊数据表 2得： D一

③如果 F ( m,≤0则把该结点作为叶结点， G A￣D),并用前面所述的 3种叶结点标定方法之一来标定本结点。④如果信息增益粥 ( D)O则把属性 A A一，>,~作为扩展属

吾1音l 09 b吾一 b . =77 98×

以属性 A。为第一次分裂计算：1低 ) (=

性，把数据集 D划分为一个子集 (≤一)并产生相应 1 ,

的子结点A(≤≤一) f 。 1( ) A替换 A、替换 D, 4用 从步骤 ( ) 2开始递归地重复上述过程。

, 04+ .1 1。4 02+ 1

k 04+ . 1 .4 0 2+1、 0 6+ .4 021+~ 0 6+ . 4 0 2++1 .2 0 4+ .+1 1 .2 04+ . 1 10 6+1 2. .

44+u.+l l l .+u. 4+u z l l )一 . 2 4 zl+ b u o2 4 .++l= 0 7 8一一 2 u‘二‘ 二 . o 44+ zl U+l l+ u。2 .+u 44+ u z 1 l+1+..

06+ 1 2.

.

.

1中) . 4, 1高 ) 0 3 7 (一01 (一 . 1 28 5 0

3示例集模糊化称已知例子关于各属性的数据集为示例集，记作，示例集中有 m个示例，每个示例有 n个属性 A,:…,的取值 A, A ( )xA )…,(以及分类值 G。 A。,(:, xA )设的取值是连续的。传

因此，

:.

,

( ),中),高 )09 8 3低+ (+ (: . 5 2:.

模糊增益为：G i( )尼 1 O. F a A。:一 n 05152同理计算得：G i( ) 0 5 3 F a ( )00 98,G i F a A,= . 85,G i A= . 1F a n 0 n 4 n(= .8 4 A )o0 59

统的示例学习是将连续值离散化，而模糊示例学习是将取连续

基于模糊决策树的出口纺织品反倾销预警系统

26 2 0,52 ) 3 0 9 4 (5表 1预警指标集—

C m ue ni e n n p lai s o p trE gn r g ad A pi t n计算机工程与应用 ei c o表 2反倾销预警指标模糊数据集

级指标名称

二级指标名称欧盟经济增长率欧盟通货嘭胀率欧盟贸易收支额欧盟出口额欧盟进口额

欧盟贸易保护程度

歇盟失业率

中国纺织品出口增长速度

中国纺织品出口增长率中国纺织品出口总额中国从欧盟进口额

双边贸易摩擦程度市场经济程度

中国向欧盟出口额中国纺织产品占欧盟进口比重

非市场经济因素

可见选择属性 A为根节点。用以上的方法得到完整的模 糊决策树如图 1所示。

( ) I 8I A S F 4

A D A S N I 2

T E l08, - .1 H N= ., - 1 9￣, - o

( ) I 4 A D A S} H N卢300, 1 0 9 I A S F3 N I T E 2 . . F 4 2= 0 0

42模糊规则 .用模糊 I 3 D方法建立了模糊决策树之后又将模糊决策树

然后对得

到的模糊规则进行分析，把一些明显不符合实际的规则舍弃。如规则 1在中国的市场经济程度和欧盟的贸易：保护程度都很高的情况下，中国的出口纺织品遭到欧盟倾销诉讼的可能性很高，这是与实际明显不符的，因此要把规则 1舍弃。在规则集中，有一些规则容易理解，如规劂 2如果中国的市

转换成更简单的规则以降低判断数据类别的复杂度。从模糊决策树的根节点到任一个叶节点所形成的一条路径就构成了一条分类规则。 FA T E I H N B分类规则表达方式易于被人理解， 并且这种分类规则很实用。 定义 4设 A、是定义在论域上的模糊集合。称“F A I T E 为一条模糊规则，记为 A—, H N B”简帼 A称为条件模糊集， 曰称为结论模糊集。 简单决策树的推理通过匹配从根到叶子的每条分支得到推理结果在模糊决策树中多于一条分支进行近似匹配 Fz uy z I3算法的推理包含以下要点： D () 1用乘法计算每一分支上的隶属度值。 () 2用乘法计算 ( ) 1中得到的值和依附于叶子结点的类的分配。

场经济程度在比较高并且欧盟的贸易保护程度中的情况下，那么中国出口到欧盟的纺织品遭到倾销控诉的可能性就比较小， 这是与实际经验相符的。还有一些规则没那么直观，但是经过分析也易于解释其合理性。

43预警区问的设置 .如何合理地设置预警区间是反倾销预警系统建立过程中的关键问题之一。建立预警系统的目的是为了给出口纺织品企业进行预警。通过分析预警系统预测的结果和其规则的置信度，给出相应的警情提示，预报警度。依据经济预警警度类别， 在此设定为五种警区：无警、轻警、中警、重警、巨警。具体如下所述『 1 1:

() 3用加法计算从不同分支上得到的相同的类确定度。 从图 1得到的模糊规则集如下：( ) S R N S。 E 。 1 0卢20 0 1I A4I A D A1 T N J l ., . V I H B= 0=0 ( )FA4 S lA D A- S 2 H N卢31 0卢400 2 I N I E l .,l . I T= 0= 0

() 1系统预警结果为“正常”且规则置信度在 08, . 0以上为无警；

() 2系统预警结果为“正常”规则置信度在 07— .9间， . 0之 0 7为轻警； () 3系统预警结果

为“正常”且规则置信度在 05 . . . -6 0. 9之 0

( ) S R N S F3 H N 506,1 0 3 3 I A4I F A D Al 1T E 1 . J6 . I = 7B- 3 -( ) 4I . T E l ., 03 4 I A S匏 H N: 6 . F 07 9( ) S 5 I A4I F A D A S lA D A S F1T E N I N I 3 H N 2 3

间，或者系统预警结果为“倾销”但规则置信度在 05￣ .9, .0 0之 6间为中警；

￣-., -0岛 09 03 . 7 ( ) 4I 6 I A S F/ -., 4 . ￣- 1岛： 8 o 6 O 4

A D A2I 2 A D A S N S Fl N I 3

T N HE

( ) 4I 7 I A S F,

A D A S lA D A S F H N N I N I n T E 2 3

() 4系统预警结果为“倾销”且规则置信度在 07 - .9, .0- 8之 - 0间为重警；系统预警结果为“倾销”且规则置信度在 0 0, .以上 9为巨警。

￣ - ., - .9 o71] - 2 ￣ o

4预警模型可靠性的验证 . 4为了检验模型的有效性，对挖掘出的模糊规则的分类准确率进行检验。根据模糊规则，根据检测样本对分类预测准确率进行检验。对于分类预测准确率的计算用整体分类准确率，计算公式如下：

分类预测准确孚率： V 5为预测为倾销高危时期但实际却是正常时期的样本数。 J为预测为正常时期但实际却是倾销高危时期的样本数。 s 图 1模糊决策树

取 2 0~ 0 5年 1 0320 2个季度的检测样本数据进行检验。分

基于模糊决策树的出口纺织品反倾销预警系统

常志朋：于模糊决策树的出口纺织品反倾销预警系统基

2 0,5 2 ) 27 0 9 4 (5 3

表 3最近3年的分类预测分析结果

用于反倾销预警分析领域是一次新的尝试。

参考文献：[姚靠华， 1]蒋艳辉.基于决策树的财务预警田.系统工程，0 52 (0: 20, 1) 312 0 0—1 6.

【]Jnkw ZF zy ei o t e:s e ad 2 a io C .uz d cs n r s Is s n mehd[] E E i e u tos J. E I

表 4最近 2年的分类预测分析结果

T a s c in o y t ms Ma, d Cy e n tc - r C b

r e is r n a to s n S se, n a b r ei s Pat B: y e tc, n n 1 9 2 1 3 9 8, 8: -1 .

[]B atR B, o a M.h t cuea d iia prmee d nic- 3 h t G p T e su tr ntl aa trie tia l r n i ft n o u sa RBF n t o ks . u a S se, 0 i f Ga s i o n e w r Ne rl y t ms 2 02, 4: -8 2 1 .

● B yns M. ae— ae rao ig p rah t aku ty pe rat Acsd bsd e nn apoc o b rpc I— s n dco d lJ. tlgn S s m i A cu t g Fn c ad it n moe[] nel et yt s n co ni, ia e n i I i e n nMa a e n, 9 7, 2— 5 n g me t 1 9 6: 1 9 .

两组进行，第一组取最近 3年的全部 1 2个样本进行验证，如表 3。第二组取最近 2年的 8个样本进行验证，如表 4。根据表 3 4的预测结果，,可知准确率均在 8%以上。由此 0表明模型具有较高的分类预测率并且稳定性比较好。

[]T n T S kd F zy o etd ep r ss m t eemieh a r 5 a i,a oa M.uz r ne x et yt od t n et i e r e otlttm eaue a pyn cie la n[] 7 uz y— u-e e p rtr p l g mahn emigC/ t F z ss i/h ytn y o i m, 9: 5—6 2. e S mp su 1 91 6 9 6

f a ua S Aa iDA pi t n o uz hoy t ko lde aq i 6]Sk ri, r .p l ai ffzyter o nwe g e u- k c o

sinC/ 5h Itlgn ytm Smps m,9 6 19 14 io[]1t ne i tSs y oi 19:6 - 7 . t/ le e u

【 7】赵文霞.基于模糊示例学习的蠓虫分类规则的设计[.定师范专 J保]

5结论在借鉴国内外已有的研究成果的基础上，根据中国纺织品

科学校学报，0 4 1 ( ) l— 3 2 0,7 2:0 1 .

[卓骏， 8】胡丹婷，单晓菁.国家对华反倾销预警系统的警兆指标探发达讨L .刀统计研究，0

2 1 )3 - 2 2 0 (2:9 4 .

行业的发展现状以及欧盟相关行业经济发展指标，应用模糊决

策树技术构建了中国出口纺织品应对欧盟反倾销预警系统，用于预测中国纺织品出口企业是否会遭到欧盟的反倾销诉讼，并给出相应的预警信号。检验结果表明该预警模型具有较好的预测效果。同时，糊决策树技术作为一种数据挖掘技术，其应模将

[余建星， 9]谭振东.基于组合赋权及 T P I的绩效评定研究[. O SS J系统】工程理论与实践，0 5 1 )4— 0 2 0 ( 1:6 5 .[0 una .i oe n ue y id ci rm l g olci s 1】Q iln J RDs vr grlsb n ut n f a e cl t n c i o o r e of ea ls I1 E i rh U ies y rs,9 94 - . o x pe[ . .: dn ug nvr t Pes 17:2 8 m M]Sd b i 4

(上接 2 3页 ) 3

变步长积分和条件函数求零的方法可有效地开展导弹飞行仿真实验。

采用阿当姆斯变步长积分公式求解弹道，并在头体分离时刻的间断点处引入条件函数求零的方法进行判断，主动段的基本段积分步长取 0, .s启动段和关机段积分步长取 01, 5 . s被动段积

6结束语利用阿当姆斯变步长积分公式可以在弹道仿真中的任意节点处根据给定的误差要求来改变仿真步长，同时结合条件函

分步长取不同的值并进行多次仿真实验用统计分析的方法评定出导弹落点的纵横向偏差来验证仿真结果，如表 2示(所未计启动段和关机段对仿真结果的影响 )。表 2导弹落点纵横向偏差和仿真时问与仿真步长的关系

数求零的方法解算弹道可以验证仿真计算的精度高且实时性好，虽然对于一次弹道计算来说仿真效率改进并不显著，但若对弹道参数进行统计分析和给出精度评定时，则仿真效率有明显的提高。

参考文献：[林成森. 1】数值计算方法【】 M .:学出版社，0 5北京科 20 . 【 2]袁慰平，张令敏.计算方法与实习[] M.:南京东南大学出版社，9 1 19 .

通过以上仿真结果可以验证，为了满足实时仿真的需要， 在导弹被动段飞行中，仿真步长可适当增大，而误差变化却很小，当模拟打靶 10次进行统计分析时被动段仿真步长为 1 0 .s 0时的仿真时间比仿

真步长为 05s时的总仿真时间减少约 . 12s而落点纵横向偏差分别仅为 0 7, . m和 03m, 6 .因此， 利用

【】 L w M, etn 3 a A 3 K l W DSmuai m d l g nd nayi M】 o .i l o t n o ei a a ls n s【 . B in: s gu nvri rs,0 0 e igT i h a U iesy Pes2 0 . j n t

[浦发， 4】芮筱亭 .弹道学【]夕 M.:北京国防T￣出版社，9 9 . l k 18 .

[张毅， 5]肖龙旭 .导弹弹道学[]弹道 M.长沙：国防科技大学出版社，】9. 9 8

本文来源：https://www.bwwdw.com/article/1aj4.html