基于优化灰色神经网络的电信业协调发展分析

李楠

（西安财经学院管理学院，陕西 西安 710100）

■管理学

基于优化灰色神经网络的电信业协调发展分析

李楠

（西安财经学院管理学院，陕西 西安 710100）

体制规制与资费规制作为我国电信行业宏观调控的两种重要手段，它们共同作用于我国的电信市场的发展。本文基于遗传算法改进的灰色BP神经网络模型，利用我国电信市场从1998至2012年15年间数据作为训练样本与测试样本，对电信市场这两种不同的规制模式在当今电信市场的效用进行了分析。研究结果表明，在当前市场环境下，资费规制的效用相较于体制规制要更为显著。电信业单纯依靠竞争者数量来拉动整个行业发展的潜力已不大，资费制度的改革对电信业的发展规模水平有着显著的推动作用。

电信；体制规制；资费规制；灰色神经网络；遗传算法

一、引言

传统上，电信产业常常被认为是自然垄断行业，国家对其实行垄断经营和相应的规制政策。自上世纪80年代，欧美等多国开始对电信产业实施以引入竞争为核心的改革，放松规制、引入竞争机制、打破电信产业垄断地位就成为了全球电信改革的主要内容。我国电信业真正的改革始于20世纪90年代，1994年联通公司的成立标志着原邮电部独家垄断局面的打破，电信业体制改革正式拉开序幕。我国电信业经过多次拆分、重组，目前形成了中国移动、中国电信以及中国联通三分天下的态势。另一方面，我国电信价格规制也随着电信改革的不断推进发生了巨大的变化。1994年前我国的电信价格监管基本上采用政府定价与政府指导价。2005年后，电信价格规制方式发生了根本性转变，主管部门只对部分通话费实行资费上限管理，其余由各运营商自行定价。

体制改革与资费改革作为我国电信行业宏观调控的两种重要手段，它们共同作用于我国的电信市场的发展。前者意味着电信运营商数量的变化，后者则意味着电信资费水平的变化。目前国内电信市场处于寡头垄断市场，在各种业务市场上参与竞争的主体更少，而且规模相差悬殊。党的十八大已明确提出垄断基础性行业向民间资本放开，我国将扶持民营资本实质性进入基础电信领域，力争在移动通信试点业务方面推出一批民间示范企业，发挥引导示范带动效果，增添电信市场竞争活力。我国为了扶持新兴运营商能够快速成长，采取了非对称管制政策。正是规模和管制的非对称性，造成目前尚缺乏商业能力的各运营商心理失衡，最终采取恶意竞争策略，陷入囚徒式困境。人为的网络阻塞和恶性的价格争战，不仅影响各运营商自身利益，降低ABPU值，也制约着产业的健康发展。

因此，我们迫切需要建立科学、可靠的预测方法，探究体制规制与资费规制在当前电信市场环境下是否仍然适用以及如何应用，以建立一个公平、有序的市场运营环境，保障电信业持续、健康和快速发展。

二、研究现状

对于电信产业体制规制与资费规制的研究，现有文献大多局限在分别讨论这两种不同规制方式对电信市场所产生的影响。在体制规制方面，Lewis和Sappington认为规制者应对竞争企业进行补贴，为其设置有所倾斜的最优接入价格，从而能够促使产品生产者更有效率地展开竞争[1]。周惠中通过分析纵向分离和纵向一体化两种电信企业组织结构，提出在接入全面规制的情况下，兼营结构比分离结构的接入资费低[2]。孟庆国、陈剑研究得出电信运营商之间的规模比例应由规制机构严格控制，从而协调各家运营网络之间规模比例，激励电信运营商之间互联互通的实现[3]。

在资费规制方面，Carter和Wright认为最优的解决方法是政府规制互联费[4]。廖成林、李忆提出，目前政府规定的接入费过低是导致我国竞争性网络间发生互通争端的原因之一，接入费标准仍然需要提高[5]。滕颖、唐小我研究得出，在接入价格规制体系合理的前提下，只规制电信主导运营商的接入定价，完全依靠市场来决定终端服务的价格应是较优的接入收费规制体系[6]。吕志勇和陈宏民认为自由市场上的对称厂商有双向互联动机，无需管制机构的强制规定[7]。Carter和Wright认为当网络规模不对等时，由规模大的网络制订接入价格是一种最优的互联接入价格规制制度，大的网络运营商将自动选择基于成本的互惠接入价格，最终实现有效竞争[8]。

综上所述，学术界对于电信业体制规制与资费规制的已有研究成果大部分集中在分别探讨他们的作用及影响，而真正比较这两种规制方式的文献极少。对于如何运用灰色神经网络对体制规制与资费规制加以比较的文献更是凤毛麟角。电信产业整体的发展受到多种因素的影响，具有较高的不确定性，同时这些影响因素大多具有非线性特征，因此需要寻找一种可以对非线性影响因素进行分析的工具。基于灰色理论的BP神经网络所具有的较强非线性映射能力和柔性网络结构，以及高度的容错性和鲁棒性，正好适合于体制规制与资费规制的效用分析。本文以电信业体制规制与资费规制为研究对象，尝试运用改进的灰色BP神经网络模型对当前电信市场环境下体制规制与资费规制的效用进行比较研究，以期为电信业规制政策的制定提供一种新的工具和方法。

三、基于遗传算法改进的灰色神经网络模型的建立

人工神经网络（Artificial Neural Network，ANN）是由大量简单的基本元件-神经元相互连接，通过模拟人的大脑神经处理信息的方式，进行信息并行处理和非线性转换的复杂网络系统[9]。BP人工神经网络（Back-Propagation ANN）是基于误差反向传播算法的一种多层前向神经网络，其在企业管理、市场分析、决策优化物资调运自适应控制等方面有着最为广泛的应用[10]。

灰色理论是一种研究少数据、贫信息、不确定性问题的方法，它以部分信息已知、部分信息未知的“小样本”、“贫信息”不确定系统为研究对象，通过对“部分”已知信息的生成、开发，提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。

已有研究表明，单一的非线性预测方法由于其假设条件及适用范围均存在一定的局限性， 因此容易导致预测精度不高、系统信息不能充分利用等问题。为克服单一预测方法假设条件及不足，组合预测模型比单个预测模型具有更高的精度。以灰色理论为基础建立的灰色预测模型具有建模简单、运算方便、所需样本数据少且无须考虑其分布规律及变化趋势等特点，但它缺乏自学习、自组织和自适应能力，对非线性信息的处理能力较弱。而这恰好是神经网络的模型所具备的优点，可对其进行有效补充。因此，灰色BP神经网络就是将灰色理论与神经网络方法有机结合起来、取长补短，以提高系统建模的效率与模型的预测精度。

相较于其它产业，电信产业更易受各种不确定因素的影响。此外，各电信公司对于数据的保密及目前我国统计科学发展的相对滞后，导致在影响电信市场的相关变量的区分与第一手统计资料的获得上有着很大的难度。因此对电信市场的研究，就属于对“部分信息已知，部分信息未知”的“小样本、贫信息、不确定”系统的研究。而灰色神经网络既具有灰色预测模型的“少数据建模”和长期趋势性建模的优势，又有效地结合了神经网络容错性好、鲁棒性强的优点，因此，在电信市场的预测中，灰色BP神经网络有着众多其它方法所无法比拟的优势。

其中，aj为隐含层第 j个神经结点的阈值，b为输出层阈值。xn为输入样本数据，y为预测输出值。wij和wj分别表示输入层和隐含层以及输出层的连接权值。

将式①映射到式②中，就得到n个输入参数，1个输出参数的灰色神经网络，网络拓扑结构如图1所示。

图1：灰色神经网络拓扑结构

灰色神经网络模型相较于传统预测方法在预测精度上虽然具有明显优势，但灰色神经网络由于权值阈值随机初始化，容易陷入局部最优。遗传算法具有全局收敛性，利用遗传算法优化灰色神经网络的初始权值和阈值，既能够克服神经网络结构选取的不确定性，又能改善网络收敛性能和收敛速度[11]。

由①式可知，灰色神经网络的权值阈值与参数a,b的取值密切相关。因此，用遗传算法优化首先要对这些参数的初始值进行有效选择。遗传算法优化的要素包括种群初始化、适应度函数、选择、交叉以及变异操作。遗传算法改进的灰色神经网络模型运行流程如图2所示。本文采用实数编码，把个体对应灰色神经网络预测误差做为作个体适应度值，选择操作采用轮盘赌法，即基于适应度比例的选择策略。

图2：遗传算法优化的灰色神经网络运算

四、基于灰色神经网络模型下体制规制与资费规制效用分析

电信市场体制规制决定了电信市场的竞争格局，即电信运营商数量。而电信市场的资费规制决定了电信资费的水平。电信运营商数量与电信资费水平对电信市场的产出都有着深远的影响。为比较这两种截然不同的规制方式在我国当今电信市场中的效用，我们分别利用这两种因素构建两个不同的灰色神经网络模型以预测电信市场产出。根据预测的结果，以平均相对误差绝对值作为评判标准。若包含运营商数量的模型预测精度整体优于包含资费水平的模型，则表明体制规制比资费规制更能有效促进电信市场发展。否则，资费规制比体制规制更有效作用于当今电信市场。

（一）预测指标体系的构建

影响电信市场产出的因素比较繁杂，除了运营商数量与电信资费水平这两个因素外，主要包括人口、经济、社会以及企业因素。根据可量化原则，可从中提取13个可以合理量化的子因素。由此，包含运营商数量因素的模型Ⅰ与包含电信资费因素的模型Ⅱ产出评价指标体系分别见表1、表2。

表1：模型Ⅰ电信产出评价指标体系

表2：模型Ⅱ产出评价指标体系

此外，《中国统计年鉴》有关电信业的产出的指标主要有固定电话业务收入、移动电话业务收入、固定电话用户数、移动电话用户数以及互联网用户数等①。因此，这 5项构成了本文的电信产出指标（见表3）。

表3：模型Ⅰ、模型Ⅱ电信产出预测指标

（二）输入数据处理及模型参数的确定

（三）数据的选取

1998年电信业才实现邮电分离，故文中选取1998-2012年、这15年的样本数据作为实验基础。除运营商数量与电信资费水平两个指标外的其他原始数据主要来源于1998-2012各年度的《中国通信年鉴》、《中国信息产业年鉴》以及《中国物价及城镇居民家庭收支调查统计年鉴》③-⑤。其中，以2011-2012年样本数据作为检验数据，以1998-2010年的13组样本数据作为训练集数据。

1.模型Ⅰ包含运营商数量因素的灰色神经网络模型

1994年以前，只有中国电信一家运营商，1994-1998年市场上是中国电信、中国联通两家，1999年中国网通成立，2000年初步形成中国电信、中国联通、中国移动、中国网通、中国吉通、中国卫星通信六家电信运营商，2001年中国铁通的成立形成了电信行业七雄争霸的格局。2003年中国吉通并入网通，2008年6大电信运营商再次拆分重组，至此形成了中国电信、中国联通、中国移动三分天下的市场格局。模型Ⅰ数据见表4、表5。

表5：模型Ⅰ2011-2012年测试样本输入数据

2.模型Ⅱ包含电信资费因素的灰色神经网络模型

电信资费水平的统计数据包括固定电话资费水平和移动电话资费水平。考虑到我国电信资费结构现状，我们将固定电话资费内容确定为固定电话初装费、月租费、通话费等分别计价，移动电话资费内容按照移动电话入网费、月租费、通话费、漫游费等分别计价，然后进行汇总和综合，从而得到整体的平均资费⑥。各数据主要来源于1998-2012各年度的《中国统计年鉴》，模型Ⅱ数据见表6、表7。

表6：模型Ⅱ 1998-2010年训练样本输入数据

表7：模型Ⅱ 1998-2010年测试样本输入数据

五、实例仿真分析

遗传算法优化中令种群规模为30，迭代次数为150次，遗传算法最优个体适应度值随迭代次数的变化如图3、图4所示。遗传算法优化得到的最佳初始参数值如表8、表9所示。

图3：模型Ⅰ遗传算法优化过程

图4：模型Ⅱ遗传算法优化过程

表8：模型Ⅰ最佳初始参数

表9：模型Ⅱ最佳初始参数

把最佳初始参数赋予灰色神经网络，将训练数据输入并在Matlab中运行，程序在计算机上运行十多分钟后，训练次数分别达到1685次和1457次时，网络误差达到要求，网络收敛达到稳定。得到网络训练收敛图（如图5、图6所示）以及遗传算法改进的灰色BP神经网络模型预测输出结果（如表10、表11所示）。

图5：模型Ⅰ训练结果

图6：模型Ⅱ训练结果

表10：模型Ⅰ实际值与预测值对比

表11：模型Ⅱ实际值与预测值对比

从表10、表11平均相对误差的对比中，我们可以发现：其一，两个模型的平均相对误差都没有超过10%。运用一般计量经济学的方法进行预测，预测结果能达到80%就说明预测效果较好，而这两个模型的预测精度分别达到了 94.2%和 95.5%，说明该模型能够较为准确的对电信业产出进行预测；第二，模型Ⅱ，即包含电信资费因素的模型预测精度高于包含运营商数量因素的模型Ⅰ的预测精度。这从一个侧面证明了，在当前电信市场环境下，资费规制的效用相较于体制规制要更为显著。

模型预测误差的产生原因可能有以下两个方面。第一，该模型中根据电信业务的影响因素所提取出的13个指标尚不完备。由于模型评价指标的选取考虑到是否可以量化而去掉了一些定性因素，其中就缺少了反映宏观经济形势的重要因素，中国电信行业三大运营企业最高层领导的位置互换，大大的触动了企业内部变革。此外，国家高度重视信息化的发展，将重视信息化的发展写入了十七大的报告中，在十八大的报告中进一步明确了放宽行业管制，鼓励行业内部竞争的方向。2000至2012年间，电信关键技术取得了极大的进步，光纤、ADSL、3G等都是其中代表。这三方面因素对电信业的发展都起到了积极的作用，会对预测结果产生重要影响，因此对这些定性因素需要进一步补充与挖掘。第二，模型预测结果的偏差反映了该预测模型的系统性滞后，即模型适应信息变化并作出自动调整的能力有所不足。这个问题的改善需要进一步调整遗传算法中的适应度函数及网络权重，以加大算法对环境变化的学习力度。

六、结论与对策建议

体制改革与资费改革作为我国电信行业宏观调控的两种重要手段，它们共同作用于我国的电信市场的发展。本文基于遗传算法改进的灰色BP神经网络模型，通过对1998-2012这15年间的电信市场数据进行分析，研究得出在当前市场环境下，资费规制的效用相较于体制规制要更为显著。电信业单纯依靠竞争者数量来拉动整个行业发展的潜力已不大，资费制度的改革对电信业的发展规模水平有着显著的推动作用。

由此可见，我国电信市场垄断局面产生的根本原因在于其独，而并不在于其大，拆分式的改革并没有改变其“独”的优势地位，改革只是“治标”而不“治本”。简单地拆分与重组、增加或减少运营商的数量不能使我国电信市场形成有效竞争的格局，从而不能有效推动电信产业进一步发展。多年的资费改革使得电信资费的决定权逐步交还给市场，从而可以剔除政府干预所导致的不合理因素，促进资源的优化配置，这同时也体现出电信资费在促进电信发展方面的瓶颈与关键作用。

基于本文研究，我们提出以下政策建议：

第一，真正实现有效竞争需要统一、合理的监管体系。在今年十八届三中全会报告《新一轮改革的基本思路和行动方案》中，明确指出“实质性推进电信、互联网、广电主体业务相互开放和相互进入。再次重组电信企业，形成多家竞争实力相当的电信运营商，以利于有效竞争”。在“三网融合”中，广电和目前的三大电信运营商目前显然还不是一个公平的竞争关系，因此无法实现有效竞争。公平竞争重在行为监管，有效竞争重在格局调整。大多数电信市场竞争充分的国家都已经从以结构调整为主的阶段，过渡到了以行为监管为主的阶段，形成了以行为监管为主、兼顾结构调整的监管理念与制度。而目前我国的电信市场仍处于结构大调整的中级阶段，主要表现在市场竞争结构还不合理，仍需继续调整，行为监管体制尚在搭建之中。因此，这种结构调整为主、行为监管为辅的现状导致了电信市场监管不力，从而无法在自然垄断环节实现有效竞争。

第二，电信资费主导权更加合理的向市场过度，重视互联互通费用的制定。电信资费的制定应以市场为导向，从居民收入水平比较的高低和在国际上以购买力平价比较的高低、成本构成以及投资回报合理性等四个方面不断调整，避免低于成本、以排挤竞争对手为目的的不正当电信资费战。此外，“三网融合”的大势所趋亟需适合我国国情的互联互通接入定价模式以平衡纷繁复杂的运营商之间的经济利益，以进一步推动我国电信产业的发展。

[注 释]

① 参考2012年国家统计局《中国统计年鉴》。

② 参看《基于MATLAB 6.X的系统分析与设计——神经网络》一书，徐东著，西安电子科技大学出版社。

③ 参看工业和信息化部1998-2012年《中国通信年鉴》。

④ 参看工业和信息化部1998-2012年《中国信息产业年鉴》。

⑤ 参看国家统计局1998-2012年《中国物价及城镇居民家庭收支调查统计年鉴》。

⑥ 由于本文主旨在于研究资费规制对我国电信业产生的影响，注重的是整体资费水平的变动趋势。因此，采用每一时期费用的简单加权作为使用的基础数据，再利用主成分分析得到资费水平的综合取值。

[1] LEWIS T R,SAPPINGTON.Access pricing with unregulated downstream competition[J].Information Economics and Policy,1999(11):73-100.

[2] 周惠中.电信企业的兼并、分拆和接入的规制[J] .经济学,2002(l):131-148．

[3] 孟庆国,陈剑.电信网络互联互通利益分配模型及激励机制[J].管理科学学报,2003(6):40-46．

[4] CARTER WRIGHT.Optimal Price-Cap Regulation[J].The Journal of Industrial Economics,1999(91):391-408.

[5] 廖成林,李忆.竞争性网络间的互联互通问题分析[J].中国管理科学,2005(6):12-13.

[6] 滕颖,唐小我.接入定价与电信市场有效竞争的定量分析[J].系统工程理论方法应用,2003,12(3):214-217.

[7] 吕志勇,陈宏民.网络竞争与双向互联:中国电信产业横向分割的绩效研究[J].世界经济,2003(8):76-77.

[8] CARTER WRIGHT.Price-Cap Regulation[J].Swedish Economic Policy Review,2003(9):167-188.

[9] 蒋宗礼.人工神经网络导论[M].北京:高等教育出版社,2001:5-13.

[10] 周开利,康耀红.神经网络模型及其MATLAB仿真程序设计[M].北京:清华大学出版社,2005:52-56.

[11] 葛少云,贾鸥莎,刘洪.基于遗传灰色神经网络模型的实时电价条件下短期电力负荷预测[J].电网技术,2012(1):96-99.

本文推荐专家：

吴旺延，西安财经学院，教授，研究方向：产业经济理论与政策等。

胡海波，江西财经大学工商管理学院，副教授，研究方向: 产业经济、精细化管理、创新与创业管理等。

Analysis of Telecom Industry Development Based on Optimized Grey Neural Network

LI NAN
(School of Management Engineering, Xi’an University of Finance and Economics,Xi’an 710100, China)

Institution regulation and charges regulation as two important means on macroeconomic regulation and control of China's telecoms industry, they work together on the development of the telecoms market. Based on grey neural network model improved by genetic algorithm, and China's telecom market data from 1998 to 2012 15 years of training and testing samples, the paper analyzes the effectiveness of these two different regulatory ways under current telecoms market. The results show that, in nowadays market environment, the effectiveness of charges regulation is more significant than institution regulation. The potential of driving the development of telecoms industry relying solely on the competitors’ number has little meaning; however, charges reform has a significant role in promoting the development of telecoms industry.

telecom；institution regulation；charges regulation；grey neural network；genetic algorithms

F623

A

1008-472X(2014)05-0037-09

2014-03-27

本文系陕西省科技厅自然科学基础研究计划项目（2011JQ9004）、陕西省十二五规划项目（SGH13427）阶段性成果。

李楠（1981-），女，陕西西安人，西安财经学院管理学院讲师、硕导、经济学博士，全国高校价格学会理事，主要研究方向为产业经济。