人工神经网络分析法范文

导语：如何才能写好一篇人工神经网络分析法，这就需要搜集整理更多的资料和文献，欢迎阅读由公务员之家整理的十篇范文，供你借鉴。

篇1

作为人工智能同数据库技术结合下的产物，数据挖掘技术的很多方法都来源于机器的学习，所以模式识别，机器学习以及人工智能领域常规的技术例如决策树、聚类分析、统计分析等方法在改进后都能用于挖掘数据。对医学数据库的数据挖掘，最重要的是对疾病的分类以及疾病预测。现阶段床用的挖掘工具有几下几种：

1.1以统计分析为基础的数据挖掘法数据挖掘技术里非常多的实用工具都是以统计分析作为基础构造而成的，作为一门比较成熟的分析数据的技术，统计技术在很多挖掘数据的工具中得到了充分的应用。

1.2人工神经网络法作为计算领域的重要技术，人工的神经元网络技术能根据管理模式或者非管理模式进行学习和研究，管理模式中的神经网络要预测现有的示例可能造成的结果，并将预测到的结果同目标答案比较；非管理模式学习法对数据的描述很有效却可以预测结果，而非管理模式里的神经网络创建了自己的合法性验证及操作、类描述，无关于数据模式，神经网络需要经历相当的时间，同时由于它们像黑盒一样的行为会不能满足信息分析员的要求。

1.3决策规则法与决策树决策规则法与决策树就是一种解决在实际应用中的分类问题的方法，简单的说，分类是使数据反映到一个事先定义好的类中的函数过程，以一组输入属性值的向量或者相应类，归纳学习算法，然后得出分类。学习的目标就是要构建分类模型，根据属性输入值来预测实体的类。换言之，分类就是将一不连续标识值分到一个未标识的记录中的过程，分类规则由于较直观，因而易容于让人接受，许多实施的决策树在机器获取领域中得到了有效算法。

1.4进化的计算法这是模仿了生物进化的一种计算方法的总称，包括遗传编程、进化规划、进化策略及遗传算法，它们一般具有下列特点；进化计算在函数的适度约束下进行智能搜索，在目标函数的驱动下优胜劣汰，通过数次迭代逐步接近目标，因为进化计算大都采用变异、杂交等的操作以扩大搜索的范围，所以其能接近全局的最优解，且具有框架式结构。一般在完成编码及适应度函数选择后，下面的遗传、杂交及变异等操作都能自动完成。

2临床医学中数据挖掘技术的运用分析

2.1疾病诊断疾病诊断的准确性对于病人合理用药指导以及康复指导非常重要。在临床医学上，疾病类型多种多样、致病原因错综复杂，通过数据挖掘技术的应用，能够更好的进行临床诊断。在疾病诊断方面，模糊逻辑分析法、人工神经网络、粗糙集理论等工具非常有效。我国学者通过人工神经网络分析法用于类风湿的临床诊断，临床诊断准确性大大提高。国外学者也通过人工神经网络分析法用于实体性肺结节的临床诊断，准确率高达百分之百。在心血管疾病诊断中，应用模糊逻辑开发以及粗糙集理论，临床准确准确率高达93.5%。

2.2分析疾病相关因素在医院信息库中，含有大量的患者个人资料以及病情信息，包括患者的性别、年龄、生活情况等多方面资料，通过对数据库中相关信息的综合研究与分析，可以得出有指导性意义的模式以及关系。疾病的发病原因、相关性危险因素分析，能够有效指导此类疾病的预防。比如说，国外研究人员运用数据挖掘技术成功分析了导致产科早产的三个危险性因素。

2.3疾病预测分析通过数据挖掘技术运用，能够确定疾病的未来发展方向，结合患者的病史、临床症状，分析、预测疾病的发展，从而有的方式的进行疾病预防。比如说，运用粗糙集分析方法，可以有预测疾病的发生。现阶段，通过粗糙集理论预测疾早产准确率高达70%-90%，而人工预测准确性仅为16%-35%。

篇2

高新技术制造企业作为高新技术制造业的实体是知识密集型、技术密集型和资金密集型的企业，其发展决定了现实生产力的转化，对于促进整体制造业的快速发展具有重要意义。高新技术企业的高收益特性源于其高科技产品和服务的高增长和高附加值，而与之对应的便是企业的高风险性，据统计20%～30%的高新技术制造业的巨大成功是以70%～80%的企业失败为代价。企业财务风险的扩散和深化将直接导致企业陷入财务困境，从而影响正常的生产经营活动。所以，建立和完善高新技术制造企业的财务风险预警机制，提高企业有效预测和应对风险的能力，对于高新技术制造业的经营者和投资者具有一定的借鉴意义。 

财务危机预警的研究由传统的统计研究方法发展到人工智能算法。最早是由Fitzpatrick（1932）采用单变量分析方法对公司的财务危机进行预警研究，得出权益负债率和权益净利率是判定企业财务风险的重要指标。Altman（1968）利用多元判别分析法建立基于Z-SCORE的财务预警模型。其后，回归模型克服了线性模型的假设局限性，常用的有Probit模型和Logistic模型。Ohlson（1980）使用Probit和Logistic回归方法建立逻辑回归模型，得出公司规模、资本结构、业绩和变现能力是影响公司破产的重要因素。上述以统计类方法为基础的模型是在样本满足合理的统计假设条件下才能有效，否则可能没有意义，由此许多学者相继将非统计的方法引入财务风险预警研究，其中应用最多的是神经网络分析法。Lapedes和Fyaber（1987）首次运用神经网络模型对银行的信用风险进行预测和分析，并取得了较好的预测效果。Odom和Sharda（1990）通过Z值模型中的5个财务比率构建了人工神经网络财务预警模型成功地对企业的财务危机进行了预测，证明了人工神经网络模型不但准确率高，而且鲁棒性也更好。Feng Yu Lin和Sally McClean（2001）以Logistic回归法、判别分析法、决策树方法和神经网络方法为基础，通过这些方法的组合运用，采用了三种混合模型，再分别对这些方法进行检验分析，分析结果表明同等条件下，混合模型在准确率方面优于单个方法模式。国内财务风险预警研究起步较晚，陈静（1999）对上市公司财务数据进行了单变量分析并建立Fisher线性判别分析模型，得出越临近企业被ST的日期，模型的预测准确率越高。吴世农、卢贤义（2001）验证了Logistic回归分析方法在预测财务困境的效果上比单变量判别模型更好。柳炳祥、盛昭翰（2002）划分了财务危机等级并验证了基于粗神经网络的财务预警方法的有效性。周敏，王新宇（2002）提出了模糊优选和神经网络模型，范静（2008）选择因子分析法—BP神经网络等评价方法。陈伟等（2010）主要分析了不同成长阶段高新技术企业的融资特点，提出了有效防范财务风险的具体措施。杨淑娥引入面板数据，构建BP神经网络模型对上市公司的财务状况进行预测，提高了预警精度。张晓琦（2010）证明了支持向量机（SVM）方法在高新技术企业财务危机预警建模方面的有效性。综上所述，现阶段对于高新技术企业的财务危机预警研究集中与理论分析阶段，大多数都是基于t-1期与t期的数据建立静态数据模型，忽略了企业财务比率的时间序列特点，企业财务危机的出现是一个逐渐演变的过程且不同行业的高新技术企业特点也不尽相同，这些因素将对企业财务状况的演化产生偏差，从而影响预警模型的有效性和精准度。 

本研究综合了主成分分析方法、Logistic回归方法与BP神经网络机制，引入面板数据为研究样本，建立动态的高新技术制造企业财务危机预警模型。从理论分析而言，面板数据提供了多层面的数据信息，充分发掘企业财务信息，同时结合高新技术制造业的特点，从不同的侧面选取指标来反映企业财务状况的各个方面，所以能够深入全面地反映财务危机前的状况和趋势并作出及时合理的判断，采取相应措施。从实践结果而言，解决了一般企业由于数据缺乏带来的技术问题，扩大预警模型的适用性，为更多的高新技术制造企业服务。实证结果表明，基于Logistic-BP神经网络模型的预警能力明显优于传统Logistic回归分析方法和BP神经网络预警机制。 

一、研究方法 

（一）Logistic回归 

二、数据和预警指标 

（一）样本选取和数据来源 

本研究考虑到时间因素和指标可比性两方面，选择高新技术制造企业作为研究对象，利用多期历史财务数据建立财务危机动态预警模型。本文以我国2008年至2012年深沪A股高新技术制造上市公司（通过2008《高新技术企业认定管理办法》的制造行业企业）为研究对象，数据源于CCER经济金融研究数据库以及巨潮资讯数据库，使用Excel、SPSS16.0和Matlab2010数据分析软件对数据进行分析。沿用国内研究习惯，以ST作为出现财务危机的标志，选取2012年ST和非ST高新技术制造业上市公司为待测样本。为了符合上市公司ST与非ST的实际比例，确保数据的真实性和可比性，参照Beaver（1966）的方法，采取1：3的配对方式，选择规模（总资产）相近的ST、非ST公司120家为训练样本，所有50家ST和150家非ST公司为分析样本。

由于上市公司在t年被特别处理是由其t-1年财务报告的公布所决定的。根据以往分析，t-1年财务数据的时效性较强，预测度很高，但是，其与正常样本相差很大，有失模型构建的真实性和可比性，实际预测的应用价值不高。财务风险的形成并非一朝一夕，而是一个连续的动态过程，越早洞察出财务风险，越有可能避免再次亏损。据此，选定t-2和t-3作为财务预警年度。 

（二）预警指标的设计 

在参照现有财务风险研究文献的基础上，同时结合高新技术企业本身高投入、高风险、高收益的特点以及新型制造业的运营特点进行综合评估，从公司的偿债能力、盈利能力、成长能力、运营能力指标和现金流量五个方面初步选定18个变量作为备选指标，如表1所示。基于识别财务风险的及时性和准确性，挑选的变量必须在ST公司与非ST公司之间显著不同。通过对指标进行显著水平5%的K-S检验得出财务比率均不服从正态分布特征，因此采用Mann-Whitney-U检验来预警指标在ST公司与非ST公司之间是否存在显著差异，在95%的置信区间内接受原假设，最终选取在2009年和2010年均存在显著差异的14个变量作为最佳评估指标，剔除4个不显著指标：营业利润增长率、应收账款周转率、流动资产周转率和存货周转率。 

三、基于Logistic-BP神经网络的实证研究 

（一）建立财务危机预警模型 

由于财务指标之间相关性较强，信息重叠不利于后续预警模型的构建，首先分别对t-2和t-3年的14个财务指标进行因子分析，得到t-2和t-3年的KMO值分别为0.681和0.724，Bartlett球度检验给出的相伴概率均为0，小于显著性水平0.05，因此拒绝Bartlett球度检验的零假设，认为适合于因子分析。 

本文在累计贡献率85%以上的基础上，采取正交旋转法提取5个主成分F1—F5。第一主因子F1由流动比率、速动比率、股东权益比率、资产负债率组成；第二主因子F2由净资产收益率、运营资金比率、主营业务利润率组成；第三主因子F3由净资产增长率、总资产增长率、主营业务收入增长率组成；第四主因子F4由资产周转率、固定资产周转率组成；第五主因子F5由现金流动负债比率和每股经营性现金流组成。通过上述因子分析所提取的五个财务指标包含了公司财务危机的主要信息，能够比较全面地反映公司的财务状况。 

在静态BP神经网络模型中，同样选择训练样本的五个因子变量作为网络层的输入，经过反复试验，构建出5x24x1的基于因子分析的静态BP神经网络财务预警模型，模型收敛情况如图2所示，通过对所有上市公司样本进行预测，得到如表4的预测结果。 

综合Logistic模型的回归分析结果pt-2和pt-3，将训练样本的w1pt-2和w2pt-3作为网络输入变量，建立动态BP神经网络财务危机预警模型，其中w1+w2=1，经过反复试验取中间层8，将所有样本作为验证样本带入模型，通过选取不同权重系数w1=0.4，w2=0.6时，模型呈现较高的预警精度，模型收敛情况如图3所示，预测结果如表4所示。 

（二）三种模型的预测结果比较分析 

由表4可知，在这三种模型中，t-2期的预测效果要明显高于t-3期的，即离目标预警期越近，预测准确率越高。但是t-3期的预测结果仍与t期财务状况存在紧密联系，如果忽视t-3期数据将会降低t期的预测结果。对于单期财务数据的Logistic回归模型和基于因子分析的BP神经网络模型预警分析结果，均有较好的预测能力。其中BP神经网络模型综合预测效果要优于Logistic模型，但BP神经网络模型中ST的误判率高于Logistic模型中ST的误判率。而基于动态BP神经网络模型无论是从ST公司和非ST方面均提高了预测的准确率，其总体预测准确率为94%，明显优于第一种和第二种模型。由此可见传统的预测模型仅仅体现了某一时期对目标时期的预测效果，难以实现不同时期的最优预测，通过将二者相结合，综合考虑t-2期和t-3期历史数据来建立基于面板数据的动态BP神经网络模型，且其预测结果优于前两种方法，第三种模型充分结合了BP神经网络和统计方法的优点。 

四、结论 

本文采用高新技术制造业上市公司的多期历史面板财务数据，利用因子分析对指标进行降维，采用多期数据建立动态Logistic-BP神经网络模型，提高了模型的纵向长期预测能力，实现多时段预警。通过实证研究得出以下结论：首先，高新技术制造企业财务危机的出现是循序渐进的过程，距离被ST时间越近，模型的预测准确率越高。其次，通过采用财务面板数据，从数据的截面和空间随时间变化两个方面研究，深入体现了企业财务状况发展机理的渐变特性，体现企业财务危机发生的连续动态特点，提高了样本中关键财务指标变化的特征信息，有利于建立更精确的模型，提高预警精度。最后，综合模型结合了Logistic非线性分析方法和BP神经网络的容错性、自我学习性特点，具有更强大的财务预警建模和预测能力，降低了ST公司的误判率，在实际应用中有助于经营者预防和监控财务危机，促进企业持续健康发展，也有利于投资者债权人规避财务风险，减少经济损失。 

【参考文献】 

篇3

关键词：证券市场；上市公司；财务预警

文章编号：1003－4625（2009）03－0086－05中图分类号：F830.91文献标识码：A

Abstract: This paper reviews the theoretical study of domestic and foreign literatures about financial alarm. Based on evaluation of the existing theories，it is proposed that non-financial and financial variables should be combined, and financial distortion alarm theory and financial failure alarm theory should be integrated.

Key Words: Security Market; Listed Companies; Financial Warning

我国自改革开放以来，竞争激烈的市场经济一方面为企业提供了广阔的舞台，另一方面也面临着激烈的竞争和挑战，稍有不慎就可能被卷入失败的漩涡。企业因财务危机导致经营陷入困境,甚至破产的例子更是屡见不鲜。如何在财务危机到来之前就预先觉察苗头，以便尽早采取措施，消除危机隐患，已成为当前亟待解决的现实问题。同时，随着我国证券市场信息披露制度的不断完善,根据这些信息构造合理的财务风险预警模型已经具备了现实的可能性。

从财务预警理论的发展历程来看,财务预警理论是随着证券市场不断发展而产生和不断深入的。“危机预警”的思想起源于20世纪初的欧美，在20世纪50年代取得了显著的成果。进入90年代，由于企业危机爆发的频率也越来越高，人们更加重视危机预警管理。在危机预警的发展过程中，财务预警的研究也相应展开。根据研究方法的差别，一般可把这些理论大致分为定性预警分析和定量预警模式两类。

一、定性预警方面的研究

定性预警的方法主要包括灾害理论、专家调查法、“四阶段症状”分析法等几种方法。

Scapens, Ryan和Fletcher(1981)的灾害理论是分析解释因均衡系统的影响因素缓慢变化从而引起系统的突然变化的理论。该理论认为公司就像一个流动资产的储备池，财务比率就是用来测量流过储备池流量的大小。但流量大小并不能够确定储备池是否一定要枯竭，因为可以通过债权人继续加水。这就要看债权人怎么看待财务比率的变化。许多公司破产，原因就在于债权人看到公司财务比率恶化，然后就想抽干“储备池”，或者不想继续加“水”了。

专家调查法就是企业组织各领域专家运用专业方面的知识和经验，根据企业的内外环境，通过直观的归纳，对企业过去和现在的状况、变化发展过程进行综合分析研究，找出企业运动、变化、发展的规律，从而对企业未来的发展趋势做出判断。

“四阶段症状”分析法认为:企业财务运营情况不佳，肯定有特定的症状，而且是逐渐加剧的。因此应及早发现各个阶段的症状，对症下药。企业财务运营病症大体可分为四个阶段:财务危机潜伏期;财务危机发作期;财务危机恶化期;财务危机实现期。

我国学者李秉成(2004) 从上市公司财务困境形成角度、困境征兆角度探讨上市公司财务困境预分析方法。提出了财务困境加权分析法和象限分析法两类财务困境综合分析方法。

张友棠(2004)指出建立财务预警系统是财务管理制度创新的必然选择。在此基础上，构建了基于经济周期理论的财务预警管理系统――理论模型、程序方法、警兆识别、指数测度。

二、定量财务预警方面的研究

（一）单变量判定模型

最早的财务预警研究是Fitzpatrick(1932)开展的单变量破产预测研究。Fitzpatrick最早发现，出现财务困境的公司其财务比率和正常公司的相比，有显著不同，从而认为企业的财务比率能够反应企业财务状况，并对企业未来具有预测作用。实证结果表明判别能力最高的是净利润／股东权益和股东权益／负债。

而美国的比弗Beaver (1966 )最早运用统计方法研究了公司财务失败问题，提出了较为成熟的单变量判定模型。比弗发现具有良好预测性的财务比率依次为1.现金流量/债务总额;2.净收益/资产总额；3.债务总额/资产总额。该研究的意义在于发现了不同财务指标具有不同预测企业破产的能力，为多变量方法预测奠定了基础。

但是单变量模型却具有以下局限性：其一，仅用一个财务指标不可能充分反映企业的财务特征。其二，如果使用多个指标分别进行判断，这几个指标的分类结果之间可能会产生矛盾，分析者可能得出不同的结论，以致无法做出正确判断。

（二）多变量线性判定模型

美国学者Altman (1968 )最早运用多变量分析方法探讨财务预警问题。Altman运用主成分分析方法提炼最有代表性的财务比率，通过统计技术筛选出那些在两组间差别尽可能大而在两组内部的离散度最小的变量，从而将多个标志变量在最小信息损失下转换为分类变量，获得能有效提高预测精度的多元线性判别方程。

Z=1.2X1+1.4 X2+3.3 X3+0.6 X4+0.999 X5

其中Z是判别函数值；X1～X5是Altman所选的5个比率，它们分别是：X1=营运资金/资产总额,X2=留存收益/资产总额，X3=息税前利润/资产总额,X4=权益的市场价值/负债账面价值总额，X5=销售收入/资产总额。

一般来说，Z值越低企业越有可能破产。奥特曼还提出了判断企业破产的临界值：当Z记分超过2.99时，企业被划为不会破产之列；若Z分值低于1.81，则企业被列为破产类。在这两个数字之间的区域被称为“未知区域”或“灰色区域”。

我国学者周首华、杨济华和王平(1996)提出了F分数预测模型，通过更新指标和扩大样本数对Z分数模型进行了修正。

陈静(1999) 以1998年的27家ST公司和对应的27家非ST公司，使用了1995-1997年的财务报表数据，进行多元线性判定分析，发现由负债比率、净资产收益率、流动比率、营运资本/总资产、总资产周转率6个指标构建的模型，在ST发生的前3年能较好地预测ST。

多元线性判定模型具有较高的判别精度，但也存在一些缺陷。其一，模型假定比较严格。模型要求自变量是呈正态分布的，两组样本要求等协方差，而现实中的样本数据往往并不能满足这一要求。这就使得许多研究都是在相对准确的前提下进行，其结论必然会有令人质疑的成分。其二，在前一年的预测中，多元线性判定模型的预测精度比较高，但在前两年、前三年的预测中，其预测精度都大幅下降，甚至低于一元判别模型。

（三）多元逻辑(Logit)模型

多元逻辑模型的目标是寻求观察对象的条件概率，从而据此判断观察对象的财务状况和经营风险。Logit模型假设了企业破产的概率P（破产取1，非破产取0），并假设Ln[p/(1-P)]可以用财务比率线性解释。假定Ln[p/(1-p)]=a+bx，根据推导可以得出p=exp(a+bx)/[1+exp(a+bx)]，从而计算出企业破产的概率。

Ohlson(1980)第一个采用Logit方法进行破产预测。其模型使用了9个自变量,估计了三个模型，分析了样本公司在破产概率区间上的分布以及两类判别错误和分割点的关系。他发现至少有四类显著影响公司破产概率的变量:公司规模、资本结构、业绩和当前资产的变现能力。继Ohlson之后，Gentry, Newbold and Whitford(1985); Casey and Bartczak(1985); Zavgren(1985)也采用类似的方法进行研究。

我国学者陈晓等（2000）以38家ST公司为研究对象，运用Logit回归，研究结果表明:负债权益比率、应收账款周转率、主营业务利润/总资产、留存收益/总资产具有较强的预测能力。程涛(2002)以1998-2000年被ST的A股上市公司为研究样本，运用时间序列回归和Logit回归方法，从财务指标角度和现金流量角度分别构建预警模型，并在此基础上构建综合预警模型。姜秀华(2001)、吴世农、卢贤义(2001)、李华中(2001)等也采用类似的方法进行研究。

Logit模型的最大优点是，放宽了模型的假设条件，运用范围更加广泛。但是其计算过程比较复杂，在计算过程中还有很多的近似处理，这些会影响到模型的预测准确度。如Logit模型常假定先验概率为1?1，选择0.5为分割点，实际上企业破产概率要比不破产概率小得多。以实际破产/非破产概率比作为先验概率可能会影响模型的预测精度。

（四）多元概率比(Probit)回归模型

Probit回归模型同样假定企业破产的概率为p，并假设企业样本服从标准正态分布，其概率函数的p分位数可以用财务指标线性解释。其计算方法和Logit很类似，先是确定企业样本的极大似然函数，通过求似然函数的极大值得到参数a、b，然后利用公式p=■1■e■2dt，求出企业破产的概率。

Ohlson(1980)首先采用Probit方法进行财务预警研究的。他选择1970-1976年间破产的105家公司和 2058家非破产公司组成配对样本，采用极大似然法，分析了样本公司在破产概率区间上分布以及两类错误和判别阀值点之间的关系。

Probit模型和logit模型的思路很相似，所以其局限性和Logit模型类似。不同之处在于多元概率比模型假设样本服从标准正态分布，且寻求破产概率的方法不同，Logit采用取对数方法，而Probit采用积分的方法。

（五）神经网络分析模型

用于财务危机判定与预测的类神经网络模型一般利用一组案例建立系统模型，类神经网络模型接收一组输入信息并产生反应，然后与预期反应相比较。如果错误率超过可以接受的水平，需要对权重W做出修改或增加隐藏层数目并开始新的学习过程。经过反复循环，直至错误率降低到可以接受的水平，这时学习过程结束并锁定权重,类神经网络就可以发挥预测功能了。

Odom and Sharda(1990)开拓了用BP神经网络预测财务困境的新方法，其研究是以Altman所构建的五个财务比率为研究变量，使用类神经网络与判别分析做验证比较，其结果发现类神经网络具有较佳的预测能力。

Tam(1991)采用人工神经网络(ANN) 进行财务预警研究，通过对人工神经网络的模拟，得出神经网络可以应用于财务预警，且具有较高的预测精度。

Koh and Tan在1999年以6个财务指标为研究变量做了类似的研究，得出类神经网络模型的预测效果优于Probit模型的结论。

我国学者杨保安等(2002)采用ANN模型进行财务危机预警研究，结果表明:样本的实际输出和期望输出较为接近，显示出神经网络是进行财务评估的一种很好的应用工具。柳炳祥、盛昭翰(2002)分析了评价财务危机的指标体系和财务危机等级的划分和基于粗神经网络的财务预警方法，并用一个预警实例进行了验证。

人工神经网络具有较好的纠错能力，从而能够更好地进行预测。然而，由于理论基础比较薄弱，ANN对人体大脑神经模拟的科学性、准确性还有待进一步提高，因此其适用性也大打折扣。

（六）其他财务预警模型

除上述提到的主要的研究财务预警的模型分析方法外，还有如递归分割算法、生存分析、CUSUM模型、线性目标规划、事件历史分析法、专家系统等模型和分析方法，但由于其适用性或准确性等原因，没有成为主要的财务预警理论，在此不再一一赘述。

（七）财务预警理论的拓展研究

1.考虑其他非财务因素的研究

研究人员一直尝试使用非财务信息构建预测准确率更高、预测结果更稳定的预测模型。Gilson (1989)认为高层管理者如CEO、总经理或总裁等离职也可以作为财务危机的指标。他以1979年至1984年共381家发生财务危机的公司为样本，发现52%公司的有高级管理人员异动之情形，而正常公司只有19％。

Donaldson (1986)及GirouxWiggin (1984)认为有的经济事件有一定的前置时间，可以用作构建模型的变量。如破产前几年企业通常有到期票据不能及时支付、银行贷款不能及时偿还及高层管理人员出售公司股票等等。

Marquette(1980)认为使用长期性或宏观性的经济指标，如将利率、通货膨胀率、景气变动指标、产业与经济之间关系等作为构建模型的变量，可以提高模型的准确度。

王克敏（2005）研究认为在财务指标基础上引入公司治理、关联交易、对外担保等非财务指标，可以大大提高公司ST的预测准确率。郭斌等(2006) 研究认为加入贷款期限和M2增长率这两个非财务指标的8参数建立模型，具有较高的预测精度和较好的模型拟合度。邓晓岚（2006）研究结果显示加入年度累积超额收益率与审计师意见的非财务指标后预警效果较好。

2.财务失真预警方面的研究

关于财务信息失真问题，早期的研究大多从财务舞弊的动因、手段、防范与治理等方面来进行研究。1999年Healy and Wahlen首先从会计舞弊行为市场反应与识别方面进行了研究。认为投资者似乎能够辨认物价上升期间那些为了税收利益而采用后进先出法的公司，并且对相应的报告盈余的下降反应温和。Green and Choi(1997)以财务指标为输入变量，采用人工神经网络（ANN）技术构造了建立在原始财务数据基础上的会计舞弊判别模型，并发现这一模型将大大改善独立审计师发现舞弊行为的能力。Beneish(1999)提出利用会计数据来判别上市公司是否存在会计舞弊的思想，他以1987-1993年间受美国证监会处罚的74家公司为会计舞弊样本，以其他上市公司为正常样本，基于8个财务指标建立了Probit模型，准确预测率达到了75%。Spathis, Doumpons and Zopounidis(2002)以希腊舞弊公司与非舞弊为样本，采用多标准分析、单变量和多变量统计技术建立了包含Z计分值和不包括Z计分值的模型识别舞弊财务报告的可能性。

鹿小楠和傅浩(2003)在Beneish的研究基础上，分别建立多元判别模型和Logit回归模型，但对我国会计舞弊公司的判别成功率都仅仅为60%;蔡志岳、吴世农(2007)运用条件Logit回归模型对公司信息披露违规进行预警研究，实证结果表明在违规前一年，基于财务指标、市场指标和治理指标的预警模型可以有效地提前甄别信息披露违规的上市公司。

三、对国内外现有文献述评

在财务预警的定性研究方面，国内外学者从引起企业危机发生发展的内外各种因素进行了探讨，对财务危机的各个阶段进行了详细的划分和研究，对问题各个方面的分析都很深入。但从事定性研究的结论能够直接和定量模型结合起来的还不多。如探讨了影响企业财务困境的各种因素，但怎样把这些因素用于财务预警模型中，进行这方面研究的人并不多见。

从财务预警的定量研究方面看，国内外学者结合各种量化的技术，出现了很多的预警模型，在上述文献综述中我们也可以感受到这一点。但是其应用性和可操作性较差。笔者认为，不管模型做的多么复杂和巧妙，关键是要能够应用到实际中去，解决不同财务信息使用者的认知需要，这才是最根本的。

（一）财务预警模型的局限性

首先，模型会受到样本选取范围和样本时间区间的限制。研究发现，从不同的样本选取范围和不同的时间区间所得出的预警模型存在很大的差异。影响模型精度的因素很多，包括建立模型所用资料的时效性、国别特点、行业特点等。一国建立的模型不能直接适用于另一个国家，因此有必要建立各国自己的预警模型。其次，由于不同的模型需要不同的前提条件，如自变量要服从正态分布，样本要求等协方差等，而事实上很多时候这些条件并不能够完全得到满足，很多研究者所建模型大多是在近似条件下成立的，这必然影响到模型的正确性和预测精度。

（二）变量的选择方法问题

如何选取变量指标还缺乏理论支撑，研究人员在选择变量时，常受到自身价值判断的影响。如Altman在建立Z模型时，也只列出了22个财务比率，从中选出了5个比率。这些比率的选择不是建立在理论的基础之上的，而是根据它们的“通用性”和Altman的主观认为。另外，这些模型的变量大多只涉及财务比率，考虑非量化因素的较少。考虑非量化因素后加入定性指标的分析将会有效提高模型的准确度，这需要进一步的探索。

（三）财务预警研究重理论研究轻应用研究

财务预警研究者更多的是关注预测的准确性，但却没有能够同时关心使用者的实际可操作性。财务预警研究在财务预警模型精巧性的同时，更需要在财务预警技术的应用与推广方面多下工夫。

（四）关于财务信息失真问题

传统的财务失败(困境)预警模型本身不能对财务报表的真伪进行鉴别,用可能虚假的财务报告来进行财务预警,会使财务危机预警模型的预测结果发生偏差。从财务失真预警这方面来看，理论研究较少，特别是国内的研究尚处于起步阶段。另外，财务失真和财务失败预警两方面的研究相互脱节，这两方面的研究没有能够结合起来进行。

根据上述研究述评，笔者认为要重点解决财务预警理论的实际应用性问题，使其能够真正满足财务信息使用者的需要。应注意使用包括非量化因素的财务预警指标体系，尤其要注意建立财务失真（舞弊）和财务失败（困境）二者相结合的双元财务预警模型，一方面，对中国不发达、不完善的证券市场而言，财务信息失真问题是非常严重的（事实上在美国这样成熟的市场，财务失真现象也是大量存在的），财务失真的预警研究尤其必要。但从现有的文献来看，绝大多数的理论性研究局限于上市公司会计舞弊的动因、手段、防范和治理，很少涉足舞弊的市场反应与识别和预警问题，特别是预警模型的研究。另一方面看，上市公司所面临的各种危机和财务困境，要求我们要进行财务失败预警的研究。这方面的文献较多，正如前面所述，理论上也较为丰富。但是，财务失败预警的研究没有和财务失真预警研究结合起来，用可能是失真的数据来预警，其结果可想而知。所以，要建立财务失真和财务失败双方面相结合的财务预警模型，才是正确解决上市公司财务预警问题的根本之道。

参考文献：

[1]A1tman E.I, “Financial Ratios, Discriminant Analysis, and the Prediction of Bankruptcy”, Journal of Finance, September 1968.

[2]Amy Hing-Ling, “A Five-State Financial Distress Prediction Model”，Journal of Accounting ResearchSpring 1987.

[3] Carmichael, D.R., The Auditor's Reporting Obligation. Auditing Research Monograph No.l(New York: AICPA), 1972.

[4]Charles E. Mossman, Geoffrey G. Bell, L. Mick Swartz. Harry Turtle. An Empirical Comparison of Bankruptcy Models. The Financial Review 33. 199835-54

[5] Green B.P. and Choi J.H. Assessing the Risk of Management Fraud though Neural Network Technology [J].Auditing, 1997,(16):1―19.

[6]Ohlson, J.S.，“Financial Ratio，and the Probabilistic Predict ion o f Bankruptcy", Journal of Accounting Research Vol.18,No1,1980.

[7] Odom, M.D., and R.Sharda. “A Neural Network Model for Bankruptcy In Proceedings of the International Joint Conference on Neural works”.1990,6:136-138.

[8]Scott，J, “The Probability ofBankruptcy A Comparison of Empirical Predication and Theoretical Model”，Journal of Banking and Finance,September, 1981.

[9]Tam and Kiang ,“Predicting Bank Failures: A Neural Network Approach”, Management Science[J]，1992, 8:926-947.

[10]蔡志岳,吴世农.基于公司治理的信息披露舞弊预警研究[J].管理科学,2006,(8).

[11]陈工孟,芮萌,许庆胜.现代企业财务困境预测[M].上海:上海财经大学出版社,2006,(7).

[12]陈静.上市公司财务恶化预测的实证研究[J].会计研究,1999,(4).

[13]程涛.财务预警模型综述[J].山西财经大学学报,2003,(10).

[14]邓晓岚,王宗军,李红侠,杨忠诚.非财务视角下的财务困境研究[J].管理科学,2006,(6).

[15]姜秀华,孙铮.治理弱化与财务危机:一个预测模型[J].南开管理评论,2001,(5).

[16]金春蕾,郭炜,王宗军.我国上市公司财务失败预警模型的评析[J].商业研究,2003,(12).

[17]鹿小楠,傅浩.中国上市公司财务造假问题研究[J].上证研究,2003,(2):36-95.

[18]彭韶兵.财务风险机理与控制分析[Z].西南财经大学,2001博士学位论文.

[19]秦江萍.会计舞弊的市场反应与识别[M].北京:经济科学出版社,2006,(5).

[20]宋雪枫.中国上市公司财务危机预警问题研究[Z].上海交通大学,2006年博士学位论文.

[21]王克敏,姬美光.基于财务与非财务指标的亏损公司财务预警研究[J].财经研究,2006,(7).

[22]王玲玲,曾繁荣.财务预警模型评述[J].市场论坛,2005(12).

[23]吴革.财务报告粉饰手法的识别与防范[M].北京:对外经济贸易出版社,2003,(1).

[24]吴世农.现代财务管理理论与方法[M].北京:中国经济出版社,1997.

[25]夏毅,魏岚.企业财务危机预警研究[J].当代经理人,2005,(18).

[26]杨宝安,季海.基于人工神经网络的商业银行贷款风险预誉研究[J].系统工程理论与实践,2001,(5).

[27]袁业虎,张燕.中外财务预警实证研究述评[J].审计与理财,2005,(9).

[28]张鸣,张艳,程涛.企业财务预警研究前沿[M].北京:中国财政经济出版社,2004,(4).

[29]张鸣,张艳.财务困境预测的实证研究与评述[J].财经研究,2001,(12).

[30]张玲.财务危机预警分析判别模型[J].数量经济技术经济研究,2000,(3):49-51.

[31]张友棠.财务预警系统管理研究[M].北京:中国人民大学出版社,2004,(3).

[32]张祥,陈荣秋.财务预警模型的变迁[J].华中科技大学学报(社科版),2003,(4).

篇4

评价视角的多维化

自上个世纪70年代以来，人们突破过去仅仅从正面评价投资环境的局限性，开始从负面因素来评价一个区域的投资环境，使投资环境的评估出现新的视角，使分析更加全面、准确。负面分析法是从投资的障碍、风险、成本、代价等因素来评价投资环境的优劣，是上面各种正面分析法的“反向工程”。前者是得分越高越好，后者是得分越低越好。

投资障碍分析法。投资障碍分析法是指根据潜在的阻碍国际投资活动的因素多少和程度来评价投资环境优劣的一种方法，其基本思想是，如果在现存的条件下，一个国家或地区的投资环境都是可以接受的，那么再加上优惠政策的因素就是更应该可以投资了。障碍分析法可以追溯到美国芝加哥大学著名经济学家布莱克[8]。他在研究国际资本市场均衡和世界资本资产定价模型时发现，国际投资者的行为、世界资本资产的定价和国际资本市场的均衡都与东道国的相关政策密切相关。如果东道国对外国居民征收资产持有税，则投资者倾向于更多地持有本国资产；反之，如果仅对本国居民征收资产重税而对外国居民免税，则投资者更倾向于向外投资。

经过30年的发展，对国际投资的障碍分析已经十分规范和全面，阻碍投资的因素通常被归纳为十个方面：（1）政治障碍；（2）经济障碍；（3）东道国资金融通困难；（4）技术人员和熟练工人短缺；（5）实施国有化政策与没收政策；（6）对外国投资实行歧视政策；（7）对企业干预过多；（8）实行较多的进口限制；（9）实行外汇管制和限制利润回汇；（10）法律行政体制不完善。

投资风险评估法。风险是因某种不确定性而给人们的经济活动可能带来的损失。投资活动是一项长期的经济行为，对于其中的风险人们是很早就意识到了的，对其预测和防范的研究也比上面的各种评价方法早得多。但是，对于投资环境特别是国际投资环境风险的系统研究却是现代的事情。投资风险可分为企业或项目的内部风险和环境风险，环境风险又可以分为自然环境风险和社会环境风险，而风险分析的对象主要是各种社会风险。

值得指出的是，自上个世纪90年代以来，随着国际信贷危机、国际金融危机和债务危机的频繁爆发，国家风险越来越受到研究者的关注，以至于国家风险评估在西方经济学中出现一个专有名词。其中梅尔德伦[9]的研究成果具有代表性，他将国家风险划分为以下六种：（1）经济风险，指来自基本经济政策目标（财政，货币，国际化，或财富分配或创建）的变化或国家比较优势的显著变化（例如资源枯竭、产业衰退、人口结构的变化、等）；（2）资本转移风险，指政府限制资本流动、改变资本运动规律所带来的风险，如实行资本管制、限制投资者汇回利润、股息或本金等；（3）汇率风险，指意外的汇率不利变动，也包括汇率制度，如从固定汇率到浮动汇率的变化；（4）地缘风险，指对毗邻国家或地区的风险外溢效应的易感性，如20世纪80年代拉美国家的债务危机、1997~1998年亚洲金融危机中的一些国家；（5）风险，指政府没有能力或意愿满足其贷款义务，违背贷款保证，如债务违约；（6）政治风险，指东道国政府本身面临的风险，如政府的控制力、政权的稳定性和政策的连续性等。

障碍分析法与风险分析法的本质是相同的，二者之间存在内在的逻辑联系，研究的对象和设计的指标也有重复之处。如果仔细辨别可以大致认为，在投资发生前表现为障碍，在投资发生后表现为风险，在一定的条件下二者可以相互转化。

新的评价工具的引进

二战结束以来，数学的新分支、“老三论”（信息论、系统论、控制论）、“新三论”（协同论、突变论、耗散结构论）等迅速建立和发展起来。这些方法和技术也被引进经济领域，用于对各种经济活动的解释、评估、预测和预报。在投资环境评估研究中，这种趋势表现非常明显。

灰色评价模型。灰色评价模型的理论基础是灰色系统理论，它是认识介于白色系统与黑色系统之间的灰色系统构成元素和建立系统模型的一种手段。灰色系统理论是我国学者邓聚龙教授1982年首先提出来的，现已被广泛用于工程、环境、社会、企业、产品等领域的评价之中，主要是运用有限的信息进行预测和预报。灰色模型预测的优点是：（1）可以根据数量较少、精度较低的统计数据进行预测；（2）给出的预测数值也是一个大致的区间而不是一个精确的数值，这种弹性区间可能更符合未来实际发生的情况；（3）投资环境中不确定因素多、不可预见的突发事件时有发生，运用灰色建模预测法可使投资者具备物质和精神准备。运用灰箱方法分析指标体系，可以取得良好效果。张格亮和李昕[10]以预期利润为目标，研究了灰色预测模型在一般项目投资评价中的运用。具体过程是五步法：（1）级比检验和建模可行性判断；（2）数据变换处理，对于级比检验不合格的序列，必须作数据变换处理，使其变换后的序列其级比落入可容覆盖的范围内；（3）GM建模，参数a（发展系数），b（灰作变量）的辨识；（4）残差检验和级比偏差检验；（5）得出预期利润的落入区间。赵巧芝[11]则运用改进后的灰色关联模型，以我国2005年各省市区的投资环境资料，建立全国省级投资环境的灰色关联模型，得出的各地投资环境优劣的结论基本上与我国东中西三个经济带的经济发展水平相一致。潘晓琳[12]运用多层次灰色评价方法分析了重庆市某区的投资环境，其主要思想是采用灰色评价法来确定指标的隶属函数值，主要方法是建立一个灰色评价权重矩阵，将专家的评分与权重相乘得出量化指标。

熵变原理方法。熵原是一个物理上的热力学概念，它是热能除以温度所得的商，标志热量转化为功的程度，后被引申到自然科学和社会科学的多个领域。从哲学上说，熵是衡量一个系统无序程度的指标。对于封闭系统，由于没有外界的物质、能量和信息的交换，其熵是单调增加的不可逆过程；对于开放系统（耗散结构），因为它可以与外界进行各种交换（流入负熵），其熵值可以增加、减少或不变。陈文成[13]运用熵变原理对福建省区域投资环境进行三维评价，就是运用最大熵原理来分析投资环境的可接受性问题。如果熵在最大时（即将所有的不确定性全部考虑到、风险最大时）都是可以接受的，那么其他状态自然也是可以接受的。其基本程序是：（1）将一个地区（福建省）的投资环境用空间（次区域，设区的城市）、时间（1999~2005）和属性（38项指标）这三个维度表示出来，得到一组离散的时间序列面板数据或属性集。（2）确定指标的熵响应类型，即指标大小与所蕴含熵的关系，作者将其归纳为逆向、同向、复合三种类型。第一类：逆向响应(效益型)，指标越大（小)熵反而越小(大),如国内生产总值(GDP)、城镇居民可支配收入等指标越大,说明必需投入越多的人财物等，所以熵越小或直观理解为指标越大(小)越难(易)达到、实现的可能性或概率越小(大)。第二类：同向响应(成本型)，指标越小(大)熵也越小(大),如第一产业占GDP的比重越小反映产业结构越高级化、恩格尔系数越小说明生活质量越好,失业率、犯罪率越低说明社会越和谐,需耗散(投入)人财物等能量维持小指标,故蕴含熵值越小,或理解为指标越小(大)越难(易)达到、实现的可能性或概率越小(大)。第三类：复合型(中间型)，为前二者的复合类型,如基尼系数,小于0.3时值越小熵反而越大,大于0.4时值越大熵也越大。（3）指标预处理。为建立统一的指标概率测度模型,不失一般性将指标熵响应变换为同向型。（4）指标的概率测度模型。对指标进行时空集成评价,应确保表示时间维的向量大小与表示空间(对象)维的向量大小具相同的意义,即必须建立统一的时空参照机制。（5）计算评价对象的总熵。（6）排序与分类。一个地区的熵越小外商投资环境越优越。三维评价的关键是确保不同时间截面间、不同对象时间序列间具可比性，即必须建立统一的时空参照标。通俗地说就是即可进行横向比较，也可进行纵向比较。

篇5

一、研究设计

（一）基本假定 具体内容如下：

（1）财务处理规则的一致性 。国家对上市公司的财务处理有统一的规定，上市公司财务制度已趋于完善，而政府的监管力度也逐渐加大，所以假定：所有上市公司财务处理的规则是一致的，不同上市公司的财务数据具有可比性。

（2）财务报表的真实性。.上市公司披露的年报是经会计师事务所审计的，所以假定：经会计师事务所审计的报表是可信的。为在一定程度上保证分析数据的真实性，选取经注册会计师出具的标准无保留意见或带说明段的上市公司会计报表作为分析的基础，而对于注册会计师拒绝表示意见的上市公司财务报表则不在研究范围之列。

（二）样本选择 所选择的中小企业样本为截止到2005年末，在深证证券交易所中小板上市的全部50家中小企业，股票代码002001-002050。所选样本从行业分布来看，85%的样本是制造业公司，保证了所选指标的可比性；从区域分布看，沿海省份的居多，浙江15家，广东10家，江苏6家，这三个省份共31家，占总样本的62%。其余省份29家，占样本量的38%。这与我国中小企业的实际地域分布相符，使得所得结论具有广泛的代表性。本文初步选择财务指标31个，进行相关性分析后，剩余16个。

（三）研究方法本文首先对所选样本数据进行描述性统计，然后利用主成分分析法进行综合评价，最后用神经网络进行更深层次的分析。前两种方法通过 SPSS统计软件来实现的，神经网络部分则借助于matlab来实现。

三、实证分析

（一）描述性统计分析 本文利用SPSS对原始财务指标描述性统计，结果表明：

其一，从资产负债率X1、流动比率X2、速动比率X3来看，中小企业的偿债能力非常强，资产负债率、流动比率、速动比率平均值分别为0.35、3.00、2.50，接近或超过了其适度性水平。而同期上市公司总体资产负债率、流动比率、速动比率分别为0.54、0.21、0.64（同期上市公司数据源于中联财务顾问有限公司，中联资产评估有限公司、中联会计师事务所和国资委共同组成的上市公司业绩评价课题组对沪深股市2006年4月30日公布年报的1339家上市公司所作的业绩评价分析报告数据，下同）。这表明企业非常重视债务的清偿，也可能与中小企业外部融资困难，因而比较注重内部积累有关，但另一方面也说明企业资产可能普遍存在利用不高、闲置浪费的情况。

其二，从销售毛利率X4、主营业务利润率X5、净资产收益率X6以及每股收益X7来看，中小企业的盈利能力平均都达到了10%以上，且50家公司无一家亏损，也高于同期上市公司的整体表现，表明样本公司在2005年盈利较好。

其三，从成长性指标主营业务收入增长率X8、主营业务利润增长率X9、净资产增长率X10、主营业务鲜明率X11等指标来看，中小企业的平均成长性较好，但是样本间表现有所差异，最低值出现了负增长，这与人们认为中小板企业普遍是高成长性的公司不同。

其四，从资产管理能力和获取现金能力来看，中小板企业总资产周转率X12、存货周转率X13、应收账款周转率X14分别为0.77、5.95、12.41，同期上市公司的总资产周转率、存货周转率、应收账款周转率分别为0.89、4.78、11.96，两者比较，中小企业的资产管理能力并不突出。

其五，从销售现金比率X15、净资产现金回收率X16等指标来看，中小板企业获取现金的能力不足，这可能企业规模不大，急速扩张等因素有关。

（二）主成分分析 在进行财务状况综合评价时，评价指标若过多，特别是指标间存在较强相关性时，往往会影响评价结果的准确性，对评价结果也难以解释，主成分分析方法的优点就是能够从众多指标中提取几个对结果具显著作用的因子，达到减少评价指标的目的。本文的主成分分析结果显示：

第一个主成分F1中总资产周转率、应收账款周转率、股东权益周转率、固定资产周转率系数均为正数且在0.86以上，对第一主成分的影响最大，所以，第一主成分主要反映了中小企业的资产管理能力。

第二主成分F2成本费用利润率、销售毛利率、主营业务利润率、销售净利率系数都超过了0.80，表明第二主成分主要反映了中小企业的盈利能力。显然，这三项指标在5个盈利能力指标中对综合得分的影响也是比较大的。

第三主成分F3集中反映了中小企业的获取现金流的能力，除销售现金比率外，其余4个衡量现金流的指标系数均高于0.8。

其余主成分因子则反映了偿债能力、以及成长性等方面的信息。

前三个主成分的累计贡献率达到了84.20%，对最后的综合得分起着重要作用，而这三个主成分因子主要代表着公司的资产管理能力、盈利能力以及获取现金流的能力，因此，公司在这三个方面的表现，决定着其最后的综合排序。

根据公式列示计算结果即可以对样本公司进行综合排名，前十名如表1所示。

从主成分分析结果来看，前十名的公司财务状况表现良好，远远超过了其他公司。但另一方面，前十名公司的主营业务鲜明率、核心业务总资产收益率增长率与所有样本差别很小，说明前十名公司在这两个方面并没有表现出其优越性，另一方面也说明其他中小企业也有非常好的发展潜力。

前十名公司的资产管理能力也超出了其他公司，总资产周转率、存货周转率、应收账款周转率的平均值分别为1.06、10.20、24.21，50家样本公司三个指标的平均值分别为0.77、5.95、12.4。此外，前十名公司的偿债能力、盈利能力、获取现金的能力也不同程度的优于其它公司。

（三）基于主成分分析的人工神经网络分析 具体内容如下：

（1）选择样本及确定数据。利用神经网络进行分析，需要一定量的样本进行训练，这里选取上述样本里的30家中小企业，即股票代码002001-002030的30家公司作为训练样本，剩余20家作为测试样本。

在BP神经网络中，当输入层次过多也就是指标数量过多时，模型往往具有不稳定性，从而影响结果的可靠性。与以往所使用的神经网络模型不同，本文并不是将30家中小企业的原始财务指标直接作为输入变量，而是在主成分分析的基础上，以提取的8个主成分因子Fi作为输入层，这样不仅大大缩减了变量的个数，而且更能保证模型的稳定性。

（2）确定BP神经网络模型的结构及参数。根据评估和决策的需要，对输出层的设计选m=5，即将该板块的上市公司财务状况分为五类：优秀、良好、中等、较差、差。具体参考标准是：某家公司以变异系数法和主成分析两种方法计算的结果若处在1-10名则为优秀，11-20为良好，以此类推。如果两种排名有矛盾，则参考销售净利率作为辅助判断标准。

对输入层，其神经元个数是由上面主成分分析提取的8个主成分因子确定，即n=8。对隐含层中神经元个数的确综上所述，本研究中所采用的神经网络结构为：8（输入层）-9（隐含层）-5（输出层）。根据具体情况，这里学习因子速率取?浊=0.45。

（3）仿真训练及结果。本文中这一部分是通过Matlab软件来实现的，在Matlab软件中，通过训练样本对网络进行训练，迭代次数为1000次达到误差值 ≤0 .005的要求，最后得到满意的权值和阈值，从而确定了稳定的网络结构。

通过Matlab运算，输出结果形式为（x1，x2，x3，x4，x5）， 若X2>0.9，则表示此样本属于第i个类型。 例如，某 样本结果为（0.0165，0.0467，

0.9874，0.0147，0.4567），可以认定其属于“中等”。

最后，通过对预测值的分析，得到的试验结果如表2所示：

20个测试样本中，实际财务状况是4个优秀，5个良好，4个中等，3个较差，4个差，依据BP神经网络输出结果，判断情况为：4个优秀，6个良好，4个中等，2个较差，3个差，1个无法判断。有4个样本判断情况不符实际情况，误判率20%，准确率达80%。神经网络模型从财务状况的“健康”程度上来分析中小企业的综合情况，更能促进“健康”状况不佳的公司加强经营管理，改善其财务状况。

五、财务状况综合评价结果分析

在同时期股市业绩普遍出现下滑的情况下，从以上财务综合评价的结果来看，中小企业整体表现优于其它上市公司。这里选取主成分分析综合排名前十名、后十名、全部50家样本以及同时期全部上市公司，通过主要财务指标平均值的比较，以进一步的分析，结果如表3所示。

结果表明：除了主营业务鲜明率、总资产周转率外，中小企业各项指标均值都优于同期上市公司，说明中小板块整体良好。但进一步分析会发现，中小企业表现差异明显，前十名与后十名相差悬殊。其中，前十名的主营业务利润增长率是后十名近4倍。两者差异最明显的是获取现金流量的能力，前十名均由较高的获现能力，而后十名的全部资金现金回收率、每股经营现金流、净资产现金回收率均为负值。

值得注意的是，在全部上市公司主营业务利润出现负增长的情况下，中小板企业仍然表现出了较强的增长势头，前十名公司的增长率甚至接近50%，最后十名公司的增长率也达到了12%。但是，另一反映成长能力的指标主营业务鲜明率，中小企业的表现却不如上市公司，这说明相对于上市公司而言，中小企业的主营业务仍显得不够突出，主业仍然没能够为中小企业创造足够多的利润。

参考文献：

［1］吴世农、李常青、余玮：《我国上市公司成长性的判定分析和实证研究》，《南开管理评论》1999年第4期。

篇6

关键词：财务危机，预警模型，主成分分析，Logistic回归

中图分类号：F276.6 文献标识码： A 文章编号：1003－3890（2008）07－0024-03

一、文献综述

（一）国外财务危机预警模型的研究现状

在20世纪60年代前影响最为广泛的美国财务分析专家Beaver（1966年）提出了单变量判定模型。在财务危机预测研究中，美国纽约大学教授Altman做出了突出贡献。Altman在1968年首次使用了多元判定分析（MDA）预测财务危机，后来的研究者通常称之为Z模型。Meyer和Yifer1970年使用了最小二乘法对财务危机进行预测。1977年，Altman，Haldeman和Narayanan在Z模型的基础上又提出了一个更能准确预测企业财务失败的新模型――著名的ZETA模型。Martin（1977）在财务危机预测研究中首次采用Logistic模型。1988年，Aziz，Emanuel和Lawson在财务危机的预警模型研究中，发展了基于现金流量预警破产的模型。1998年，Mossman.Bell，Swartz和Turtle在总结以前研究的基础上，比较了财务指标模型、现金流量模型、市场收益率信息类模型，发现不存在令人完全满意的区分破产和非破产的预测模型。除了线形判别模型和条件概率模型外，一些学者还用人工神经网络系统模型和引用了期权定价理论对财务危机进行预测。

（二）国内财务危机预警模型的研究现状

1986年，吴世农、黄世忠曾撰文介绍企业破产的财务分析指标及其预警模型。1996年，周首华、杨济华和王平应用多微区分分析方法建立了F分数模型。1999年，陈静对西方预警模型在中国是否适用进行了实证分析。张爱民、祝春山、许丹健（2001）借鉴Altman的多元Z值判别模型，建立了一种新的预测财务危机的模型――主成分预测模型。杨保安（2001）等针对判别分析方法在构建财务危机判别模型中存在的问题引入神经网络分析方法并应用于企业财务危机判定与预测。吴世农、卢贤义（2001）应用Fisher线性判别分析、多元线性回归分析和Logistic回归分析三种方法，分别建立三种预测财务危机的模型。张延波、彭淑雄（2002）指出，在建立风险监测与危机预警指标体系中，可考虑加入现金流量指标。刘洪、何光军（2004）建立了Logistic回归模型、Fisher判别模型和BP神经网络模型，实证结果表明：BP神经网络方法的预测精度远高于其他两种方法。李秉祥、启文秀（2004）以现论和期权理论为依据，建立了公司财务危机的动态预测模型。谭久均（2005）建立了财务指标与违约距离相融合的上市公司财务预警模型。

二、实证研究

（一）研究样本的选择和变量的定义

本文主要针对文献综述中存在的问题，进行财务危机预警研究技术上的改进，探索性地在自变量中加入基于现金流量表的财务比率进行动态财务危机预警模型的构建。笔者选择2006年沪深两市首次被ST或*ST的36家上市公司作为研究样本。按照行业相同、资产规模相似等原则进行配对，找到对应的非ST公司作为参照样本，以确保两组样本之间的相互可比性。在尽量扩大财务比率数目的同时，取前4年内的财务比率进行分析。实证中，本文最终建立的仍是Fisher判别分析和Logistic回归模型。不过与前面学者研究过程不同的是，笔者先对样本连续多年的多个财务比率进行主成分分析，提取多个完全正交的主成分，然后将这些主成分纳入到模型中。整个处理过程既考虑了现金流的重要性，同时也克服了财务比率之间的多重共线性问题。

本文的财务数据来自Wind资讯、证券之星数据中心、全景证券网数据中心、巨潮资讯网以及聚源财务分析数据库等（选取的研究样本见表1）。

我们参考了国内外反映财务危机预警的既有指标，并考虑了指标数据获取的难易程度，确定了反映和测度中国上市公司财务危机预警的指标体系，包括5个一级指标（偿债能力、盈利能力、资产管理能力、成长能力和现金流量）和22个二级指标。

（二）财务指标的正态分布检验

本文利用SPSS中的K-S检验方法对基础财务指标进行正态性检验。经过计算，中国的财务指标整体上并不符合正态分布，这一结果与国内外学者所得出的结论一致。因而两类公司财务指标的显著性检验不能进行t检验，而应当使用非参数检验的方法。通过非参数检验，我们发现在最初所选的22个基础财务指标中，有17个财务指标在4年间通过了显著水平为5%的显著性检验。因此，本文初步选定通过显著性检验的17个财务指标来建立预警模型。他们分别是反映偿债能力的流动比率、速动比率、资产负债率、产权比率、利息保障倍数指标；反映盈利能力的主营业务比率、股东权益收益率、留存收益总资产比率、总资产利润率指标；反映资产管理能力的应收账款周转率、总资产周转率、存货周转率指标；反映成长能力的净利润增长率、资本积累率、总资产增长率指标；反映现金流量的现金债务总额比、现金获利指数指标。

（三）主成分的计算

由于变量之间存在多重共线性的问题，我们对选取的变量按年度进行主成分分析，得到相应的主成分和初始因子载荷矩阵，根据初始因子荷载矩阵与特征值矩阵，计算出主成分系数矩阵，进而求得主成分的分值，得到5个主成分后，代入Fisher判别模型和Logistic回归模型进行进一步分析。

（四）Fisher线性判别模型的建立

把财务危机公司划分为组合1，非财务危机公司划分为组合0，对上述72家上市公司的5个主成分进行Fisher回归分析，可以建立分年度的财务危机预警模型（见表2）。

为了检验判别函数的效果，我们把数据分别代回去，得到财务危机前1~4年财务危机公司与非财务危机公司的判别和预测结果，判断正确率逐年依次为：91.7%，86.1%，69.4%，66.7%。

（五）Logistic预警模型的建立

利用SPSS统计分析软件，对上述72家上市公司的5个主成分进行Logistic回归分析，可以建立分年度的财务危机预警模型（见表3）。

我们把财务危机企业和非财务企业危机前1―4年的数据代入模型，如果P值大于0.5，则判定企业为财务危机企业，如果P值小于0.5，则判定企业为正常企业。如此，财务危机企业和非财务危机企业财务危机前1~4年的判定正确率逐年依次为：91.7%，86.1%，69.4%，66.7%。

三、结论

总结本文的研究过程和结果，可以得到以下结论：

1. ST公司的大部分财务指标值在其被特别处理前4个会计年度内呈现出了逐渐恶化的趋势，“ST”公司与非“ST”公司财务指标之间所呈现的差距逐渐加大，说明了“ST”公司财务状况的恶化并非是突然发生的，从而使得财务危机预警不仅必要，而且成为可能。因而我们完全可以通过分析财务指标的变化来预测公司未来的财务状况。

2． 本文采用了Fisher判别分析法和Logistic回归方法建立中国上市公司分年度的财务危机预警模型，结果表明这两种模型可以提前4年预测财务危机。

3． 分析比较模型的预测效果，我们还发现财务危机预警具有一定的时间跨度，时间跨度与预测的准确程度成反比。一般情况下，时间跨度越长，财务危机预警的准确程度就越低，反之亦然。因此，在实际应用过程中，应根据需要和可能，适当规定财务危机预警的时间跨度，从而保证预测结果的可靠性和相关性。

4. 比较二种判定模型的效果表明，Logistic模型的判定准确性较高。

参考文献:

［1］Altman，E .L， Predicting Financial Distress of Company:：Revisiting The Z-Score and ZETA Models，unpublished Journal of Finance［J］ ．July 2000.

［2］Beaver， W H. Financial ratios as predictors of failure. Empirical research in accounting: selected studies［J］ ．Journal of Accounting Research 1966.4.

［3］Ohlson， J .Financial ratios and the probabilistic prediction of bankruptcy［J］． Journal of Accounting Research：1980，18.109-130.

［4］石晓军，肖远文，任若恩．Logistic违约模型的最优样本配比与分界点研究［J］．财经研究，2005，（9）.

［5］吴世农，卢贤义．中国上市公司财务困境的预测模型研究［J］．经济研究，2001，（6）.

［6］陈静．上市公司财务恶化预测的实证分析［J］．会计研究.1999，（4）.

篇7

【Abstract】In this paper， the water quality analysis and detection methods are introduced in detail ，and systematic comparison and summary of these methods are given.The paper also introduces the methods of water quality evaluation，and discusses the development trend and prospect of it.

【关键词】水质；分析；模型；评价；化学计量学

【Keywords】water quality ；analysis； model； evaluation ；chemometrics

【中图分类号】X8 【文献标志码】B 【文章编号】1673-1069（2017）05-0098-02

1 引言

随着社会发展，人们的生活水平越来越高，但是人类在自身发展的同时，却忽视了对周围环境的保护，因此对环境造成了不同程度的破坏，其中就包括水资源的破坏。水质的好坏直接决定了人们的生活质量和社会的稳定，目前水资源供需紧张的状况越来越严重，因此如何快速准确地检测分析水质，对于水资源的节约、保护和开发利用有着重要的意义，同时也对社会可持续发展起到一定的促进作用。

2 水质分析概述

水质是水质水体质量的简称，包括水体的物理特性（如色度、浊度、臭味等）、化学特性（无机物和有机物的含量）和生物特性（细菌、微生物、浮游生物、底栖生物）及其组成状况。水质检测，即用化学和物理方法测定水中各种化学成分的含量，如硝酸盐、亚硝酸盐、挥发性酚类、氰化物等以及其他可以代表反映本地区主要水质问题的项目。

3 水质分析方法

3.1 感观法

这种方法是检测人员根据所采集到的水样的颜色和透明度来判断水各项指标的。这种方法的优点是操作快速简便，缺点是受主观影响大，即每人的主观感受不一样，因此不同的检测人员测出的数据之间可能存在较大差异，这会直接影响到分析结果。

3.2 化学分析法

化学分析法主要用于一般的水质检测中，常用的方法有：①酸碱滴定法。即酸碱中合法，分析人员通过向水样中滴入酸碱指示剂来对水资源中的pH值强度进行测定和测量。②络合滴定法。该方法主要是通过生成络合物的反应对水样进行滴定分析，生成过程中，要控制络合反应的速度，保证络合物形成的过程稳定，然后再对滴定的化学计量进行确定。③沉淀滴定法。沉淀滴定法就是通过生成沉淀物的反应对水质进行分析，该方法要求是在能够反应的水质中，并且不是所有的沉淀能够进行滴定分析的条件下才能进行氧化还原滴定法。氧化还原滴定法主要是以氧化反应作为滴定的基础，采用该方法时要注意水中物质反应速度的快慢[1]。

3.3 仪器分析法

①色谱法，它的原理是利用不同物质在固定相中的分配比不同来对物质进行分析的。根据固定相的不同，又可以为气相色谱[2]、液相色谱和离子色谱。这三种色谱检测方法的特点是快速、准确、高效。气相色谱主要用于检测水中的有机氯农药、有机磷农药、有机化学污染物及硒、铍、铜等微量金属元素；离子色谱一般用于测定饮用水中的Cl-、NO3-、SO42-、Na+、K+、Mg2+ 、Ca2+等多种阴离子。房健等人用气相色谱法来检测地表水水质中的多种有机物种类和含量，苏宇亮、方黎等人采用离子色谱法来检测饮用水中的多种阴离子，其均取得了较为精确的结果。

②光谱法。根据光源的不同，光谱法又可分为以下几种：

第一，紫外光谱吸收法，即基于物质对不同波长的紫外光的吸收来测定物质成分和含量的方法。该方法具有实时快速、操作便携、准确度高、无二次污染、成本低等特点。

第二， 红外光谱吸收法，其原理是利用所检测水样中的不同成分在红外波段具有不同的吸收特征。利用该方法，需要在检测时要对水样进行前处理。

第三，荧光光谱法，即根据物质分子在特定波长光（如紫外光）照射下可在瞬间发射出比激发光光波更长的荧光，荧光光谱辐射峰的波长与强度包含许多有关所测目标物质的分子结构与电子状态的信息，这些信息都是物质所特有的，因此可以利用物质的荧光光谱对物质进行定性、定量分析。

第四， 拉曼光谱法。当频率为V0的单色光入射到物质以后，物质中的分子会对入射光产生散射，散射光的频率为V0 ± V，波长的偏移V 与物质分子的化学结构有关。与传统水质分析方法相比，使用拉曼光谱进行水质分析时，样品无需制备并且无损耗，可以同时测试样品中的多种成分，样品用量少，灵敏度高，可以实现远程测量、实时测量与分析[3] 。

③质谱法，即利用电场和磁场将运动的离子按它们的质荷比分离后进行检测的方法。由于核素的准确质量是一个多位小数，且每个核素的质量是唯一的，另外绝不会有一种核素的质量恰好是另一核素质量的整数倍，所以只要测出离子的准确质量即可确定离子的化合物组成。该方法的优点是检测范围广，灵敏度高，分析速度快，但是也有解谱困难、定量分析时误差较大等缺点。另外，质谱又有电子轰击质谱（EI-MS）、场解吸附质谱（FD-MS）、快原子轰击质谱（FAB-MS）、基质辅助激光解吸附飞行时间质谱（MALDI-TOFMS）和电子喷雾质谱（ESI-MS）等等。

一般情况下，这些常规的方法可以满足检测工作的需要，但是，由于水质的各项指标常存在复杂的非线性关系， 并且在检测时可能存在背景干扰，这些因素都会直接影响到测量和分析的结果。因此，当对水质进行检测时，就可以采用化学计量学建模来对数据进行前处理，以克服这些缺点。

4 水质评价方法及发展趋势

4.1 评价方法

常用的水质评价方法有单因子污染指数法和多项参数综合评价法。前者是将某一参数的实测浓度代表值与水质标准对比，判断水质的优劣，这是目前使用最多的水质评价法；后者则是把选用的若干参数综合成一个概括的指数来评价水质，又称指数评价法。

由于水质的评价指标多，数据庞大，并且各数据之间可能还会相互影响，因此单一的、较为简单的评价方法很可能无法准确、真实地反应水体的质量。随着计算机技术的发展，化学计量学及其衍生出来的统计分析软件在各W科领域也逐渐普及开来，其中就包括水质评价[4]。目前使用比较多的有主成分分析法、聚类分析法、人工神经网络分析法和多元统计分析法等，这些分析方法在强大的计算机技术支持下，能够克服上述常规方法的缺点，有效地提取并分析数据信息，从而减少原始数据的损失，快速、准确地给出评价结果。

4.2 发展趋势

水环境是一个开放的系统，充满了不确定因素，并且处于时时变化的状态，而现有的检测评价方法都是针对某一时间点的分析，那么这些因素就会给分析工作带来困难。另外，随着人们生活质量的不断提高，其对水质的要求也越来越高，这将会给水质分析工作带来更大的挑战。

计算机技术发展日新月异，以此为基础的通讯、自动化监测技术和地理信息技术也在飞速发展[5] ，由此可以看出，各学科之间不再是独立分离的状态，而是相互渗透、相互融合，共同发展，因此，水质分析评价技术的前景也将更加广阔。

5 结语

综上所述，水质检测分析工作不是简单的一门学科领域，它的发展需要众多学科的共同支持。与此同时，随着人们对水资源和环境的关注度日益提高，水质分析评价这一工作有待进一步探索研究和发展。

【参考文献】

【1】王江.冯岩浅谈水质分析的方法及仪器[J].化工管理，2014（7）：146-147.

【2】房健.气相色谱在地表水水质分析中的应用[J].新疆水利，2008（3）：12-16.

【3】王 燕，李和平.拉曼光谱在水质分析中的应用进展[J].地球与环境，2014（2）：260-263.

篇8

关键字：滑坡隧道；FLAC3D；隧道开挖；位移；应力

Abstract: In this paper, by using the three-dimensional numerical modeling of FLAC3D software for the tunnel landslide, and to simulate the excavation process, analysis of the vertical displacement, landslide tunnel longitudinal displacement and vertical stress, vertical stress, and with the practical engineering, the landslide pattern. The FLAC3D numerical calculation software can establish a tunnel in Landslide in the excavation process model, and efficient calculation of the landslide tunnel large deformation; stress variation regularity of landslide and tunnel practical with the calculated displacement,;FLAC3D numerical calculation software can effectively predict tool for large deformation of tunnel excavation in similar.

Key words: FLAC3D; landslide of tunnel; tunnel excavation; deformation; stress

中图分类号:U45文献标识码：A 文章编号：

1.引言

FLAC3D程序采用的是拉格朗日差分法。拉格朗日差分法是流体力学中研究流体运输的两种方法之一，它通过单个流体质点运动参数随时间的变化规律，以及相邻质点间这些参数的变化规律，来研究整个流场中流体的运动。拉格朗日法移植到固体力学中,是将所研究的区域划分成网络，而网格节点相当于流体的质点，然后按时步用拉格朗日法研究网格节点的运动，这种方法就称为拉格朗日元法[1][2]。该方法的特点是最适合于求解非线性大变形问题。就滑坡隧道而言，由于滑坡的影响，造成隧道位于滑动破裂带附近的围岩纵向、横向位移变大，达到大变形状态，相应的衬砌纵向、横向应力处于应力突变状态。目前，对隧道进行应力、应变分析的数值方法有很多，如有限单元法、边界单元法、有限差分法、离散单元法、流形方法、块体—弹簧元分析法、块体单元法、人工神经网络分析方法等，但根据笔者对有大量文献的阅浏，针对滑坡隧道这种大应变工程实例的数值分析，采用有限差分法是一种十分有效且接近实际情况的方法，而有限差分软件FLAC3D是目前开发得很成功的一款计算软件，也大量应用于工程分析中[3] [4]。如杜庆丽利用有限差分软件FLAC，对矩形浅埋软岩隧道开挖的非线性过程进行了模拟分析，研究初期支护在开挖过程中的大变形机制[5]；严绍洋等对公路隧道开挖渗流场进行了有限差分法分析，结合江西省婺黄（常）高速公路新建隧道工程，利用有限差分软件FLAC3D流固耦合模块隧道开挖开展了研究，分析了在饱水状况下隧道开挖中的渗流场分布、围岩变形和围岩稳定性[6]。本文以湖南省某滑坡隧道为例，介绍FLAC3D软件在大应变工程中的应用，为今后类似的山岭隧道或城市隧道建设提供参考。

2.建立模型

2.1滑坡段地质条件

该隧道所处地貌属于构造剥蚀作用形成的中低山地貌，洞门处位于山间冲沟一侧，系构造剥蚀及岩溶塌陷引起的滑坡体，山坡较陡，山体覆盖层较厚，为坡积粉质粘土及碎石土，植被较为发育，洞门处仰坡约45º。隧道区内构造主要为新华夏系田庄—延寿向斜构造，走向北37º东，长约60km，该隧道位于该向斜东翼，出口处外侧发育一条断层，受其影响，可见压碎岩，其岩石破碎，见揉皱，岩芯呈碎块状，岩层产状为307º∠62º，洞门处山体，因构造剥蚀及岩溶塌陷形成一滑坡体。

2.2模型的建立

1.计算范围的选择:在建立FLAC3D计算模型时，坐标系选取如下：X轴垂直隧道轴线，方向向右为正；Y轴平行隧道轴线，向里为正；Z轴垂直隧道轴线向上为正。由于考虑到该工程地质情况复杂性及典型性，本文模型计算范围根据现场实际钻孔位置的坐标所定滑坡位置来确定，具体计算范围为：X轴方向取为50m；Y轴方向取110m,其中滑坡长91.4m,坡脚直通模型前方，坡顶到右端边界的水平距离为18.6m；Z轴方向取79.23m，其中滑坡高53.23m，坡脚到下端边界的高差为19m，坡顶到上端界的高差为7m。

2.边界条件：底部施加垂直方向（Z轴方向向上）约束，保证底部垂直位移为0；在X轴方向上，两侧边界施加约束，使得水平方向边界的位移为0，在隧道纵向方向（Y轴方向），后边界施加约束，使得后边界位移为0，模型上边界和前边界为自由面。

3.单元类型：计算模型中围岩是V级围岩，围岩采用六边形等参单元，模拟喷射混凝土衬砌采用壳单元，钢拱架支护通过有关公式计算，折算到初期衬砌上去。

滑坡隧道模型 滑坡滑体

滑坡滑动带 滑坡基岩

隧道 初次衬砌

图2.1隧道及滑坡三维模型

建立好的隧道分析模型和其网格划分如图2.1所示，共24964个单元，26346个节点。由于要建立滑坡与隧道相结合的模型，其形状非常不规则，若设置单元数过多，则其计算时间将会非常长。因此考虑到计算时间和综合考虑的研究重点，本模型根据区域不同而选择不同的网格密度。

2.3岩体力学参数的选用

根据该隧道的地质勘察报告说明和现场施工中所体现出来的真实地质条件，本文所选取的计算点围岩较破碎，结合《工程地质勘察规范》及《公路隧道设计规范JTGD70--200》中有关围岩参数的规定确定。岩体力学计算参数如下表2.1

表2.1计算岩体力学参数

3.开挖步骤与计算结果分析

3.1开挖步骤

本滑坡隧道参照该隧道设计，拟采用CRD法开挖施工，在FLAC3D软件中，可以采用“null”单元模拟开挖及通过设置计算精度或设置计算步数控制围岩应力的释放。

表3.1 模型开挖模拟计算过程表

3.2计算结果分析

3.2.1位移分析

图 3.1 滑坡隧道总体竖向位移图 图3.2滑坡隧道总体纵向位移图

图3.3放大50倍后变形网格图

从上图3.1、3.2、3.3可看出，滑坡隧道的竖向位移最大处位于滑坡后缘处，由上到下，竖向位移随着岩土体的深度增加逐渐减小；纵向位移最大处位于滑坡前缘处，滑坡体纵向位移的大小变化与竖向位移刚好相反，滑坡后沿到滑坡前沿，其纵向位移是越来越大的，靠近非滑坡段处受挤压作用影响，位移方向向里；靠近滑坡体处，与滑坡体一起滑动，位移方向向外。此计算结果与滑坡发生时所表现出来的影响是相符的。

3.2.2 应力分析

图3.4 滑坡段隧道总体竖向应力图图5.24滑坡隧道总体纵向应力剖面图

总体上看，隧道所受的竖向应力以压应力为主，而靠近滑动带处，压应力值最大；对于整个滑坡体来说，纵向应力以压应力为主，但部分区域也出现拉应力，如在滑坡后缘上部，隧道洞口上部和隧道穿越破碎带区域处，都不同程度都出现了拉应力。以上数值计算的应力值及应力分布与工程监控量测的变化规律是相符的，同时也表明，运用FLAC3D计算软件分析是符合实际的。

4.结论

本文通过运用FLAC3D数值计算软件建立滑坡隧道在开挖过程中的模型，并根据开挖步骤对其进行了施工数值模拟及位移、应力分析，得出以下结论：

（1）FLAC3D数值计算软件可建立滑坡隧道在开挖过程中的模型，并可对滑坡隧道这种大变形情况进行有效计算。

（2）FLAC3D数值计算软件对滑坡隧道开挖过程的模拟计算，所得位移、应力变化规律与滑坡隧道实际之变化规律相符。

（3）FLAC3D数值计算软件可为今后类似的大变形山岭或城市隧道开挖提供有效的预测，特别是对隧道洞口处于滑坡地带的工程提供比较准确的参考意见。

参 考 文 献

[1]龚纪文,席先武,王岳军等.应力与变形的数值模型方法-数值模拟软件FLAC介绍[J].华东地质学院学报,2002,25 (3):220-227

[2]杨新安，黄宏伟等.FLAC程序及其在隧道工程中的应用[J]上海铁道大学学报，1996，17（4）：39－44

[3]刘波，韩颜辉（美国）.FLAC原理、实例与应用指南［M］.北京：人民交通出版社，2005

[4]李围著.隧道及地下工程FLAC解析方法[M].北京:水利水电出版社,2008

[5]杜庆丽,焦苍.矩形浅埋软岩隧道开挖非线性过程数值模拟[J]施工技术，2005.6，34（6）