论文部分内容阅读
摘要：本文通过加气站智能信息化系统的数据库部分讲解了加气站信息化系统数据库的建立和数据的处理。建立了模糊综合评价模型和BP预测模型，对加气站的绩效进行评估和对加气站的销量进行预测。
关键词：加气站；数据库；绩效评估；BP网络；综合评价
自“十二五”规划以来，各个行业信息化水平发展迅速，通信和自控技术在各行业广泛应用，特别是天然气加气站信息化运营管理方面[1]。但很多加气站急于项目投产，所以根本没有信息化系统与之相配套，天然气加气站的信息化建设与快速发展行业不相适应，给管理造成了很多麻烦。为方便管理者对场站的管控，本项目设计出一套基于绩效分析算法、BP网络的分析模型，通过计算权重来定量评价加气站的发展现状，并对加气站未来燃气销量进行预测。加气站信息化系统的主要组成是存储分析各项信息的数据库部分。数据库不仅指数据库本身，同时也包括数据分析部分。合理建立数据库的关键在于对加气站的调研力度和对行业状况的认知，实现该过程需要明确数据的来源、种类，并能对数据进行重新分类，也需要通过有限的数据分析出更多有价值的信息，使数据价值最大化。数据库的构成好坏关乎到整个信息化系统的执行效率和实用性，实现数据库的最优化是十分必要的。
1 数据库设计
（1）数据库结构。
数据库方面采用Microsoft SQL数据库，并在总站和分站分别建立数据库。分站数据库主要起数据备份作用，总站数据库起数据存储作用。
（2）总站数据库。
所需数据全部来源于各场站加气机，加气机数据传输到各分站数据中心进行解算、存储备份，通过再次打包发送给总站服务器，总站服务器进行解析后存储到总站数据库并将原始数据进行运算分析。总站数据库包含运营数据库和用户数据库两部分。
（3）运营数据库。
运营数据库包含各分站上传的运营数据，包括交易数据和运行参数。
（4）用户数据库。
用户数据库包含管理员和普通用户，管理员包含管理员账户信息和管理员日志；用户包含用户账户信息和用户交易数据两方面。
在建立数据存储的数据库后，我们还在数据库部分加上了数据分析部分，可对传输过来的数据进行统计学分析，从有限的数据中分析出更多信息，实现对加气站发展的管理指导。
2 评估算法
（1）绩效分析算法。
在绩效分析上，采用考科纳克和安布勒提出的六要素评价法[2]，综合对行业的了解，总共需要对四个方面进行评价：
a.市场评价（U1）：该指标指加气站的市场占有率和行业口碑，与绩效成正比。
b.财务评价（U2）：该指标指加气站销售额水平，利润水平和利润变化水平，与绩效正比。
c.消费者评价（U3）：该指标指加气站消费者忠诚度，顾客消费水平和顾客增加量，与绩效正比。
d.运营评价（U4）：该指标指加气站运营成本变化和站规模变化，前者与绩效反比，后者与绩效正比。
论文采用了模糊集数学评价方法，通过构建多级模糊评价模型对场站发展进行评价，评价分成两层，目标层和指标层，计算第一层指标对绩效的权重和第二层指标对第一层指标的权重，最终综合运算出每个站的绩效值[3]。层次分析法是把待分析问题分成层次定量分析的决策方法，使用层次分析法得出该四个指标的权重分配为：
A={0.165，0.53，0.223，0.082}
A1={0.43，0.57}
A2={0.133，0.457，0.41}
A3={0.41，0.133，0.457}
A4={0.57，0.43}
根据权重列出每个站的模糊判断矩阵，做出多級评价，从而得出每个站的绩效值。通过对比各自场站绩效值变化就可以得出该场站的发展状况，并且可以根据评价指标以及权重给出该场站的一个发展方向，这对规划加气站的发展是非常有意义的。同时绩效值可用于分站间横向比较，有利于同行间的有理竞争，加速行业发展。
（2）BP预测模型。
在人工智能快速发展的今天，神经网络模型的使用越来越普遍，其中BP模型是预测常用方法。该模型是通过样本选择、输入输出、隐层、激发函数、初始参量和训练协议等步骤后直接应用实例的方法，基于此，论文结合加气站实际情况，选取样本建立模型。为了使运算速度加快，效率增大，选择样本时采用连续日销量序列，将单个站一段时间的每日销售数据组成样本序列，样本容量越大，预测结果越可信。输入输出量方面使用样本序列的自相关函数[4]：
其中μx=1[]nΣni=1xi为样本均值，k为时滞函数。
rk=Σn-kT-1（xt-μx）（xt+k-μx[]Σnt=1（xt-μx）2
当函数首次通过零点或达到1-1[]e时，时滞参数作为输入数目。因为要做多步预测，所以输出值是一个预留参数，可以由加气站管理人员自行设置改变。在设定好输出数值和序列长后，系统不但会运算出预测销量，还会根据设定的数据给出可信度检验，最后这些运算出的数据可以作为指导天然气分配运送的参考。
在实践过程中，发现该模型与线性回归模型极其相似，但在长期可信度方面优于线性回归模型。虽然本模型预测已经卓有成效，但是依然没有发挥数据的最大作用，仅仅是一个简单的辅助预测，不能确切的得出有效的规划方案，但运用计算机辅助后极大减小了人工工作量，使有效劳动力充分发挥在决策方面而不是繁琐的数据分析。在日后的改进中要加入决策相关算法辅助人工决策，更方便办公者使用。
3 结语
论文针对NG加气站信息化系统建设现状，通过查阅文献和实地调研，提出目前加气站运营管理方面存在的不足之处，本次数据库设计及算法实现正是基于此情况下有意义的尝试。通过借鉴其它相关领域研究结果在加气站信息化系统中移植了销量和绩效评估算法，通过计算权重来定量评价加气站的发展现状，并对加气站未来燃气销量进行预测。本研究实现了多学科交叉，对通信技术在天然气行业的发展有着良好的推动作用。
参考文献：
[1]何琼英.发展中的CNG加气站现状分析[J].化工管理，2014，（33）：142.
[2]许桃荣，余晓钟，黄飞云.加油站营销绩效的模糊综合评价[J].内蒙古石油化工，2007，（12）：267269.
[3]晏妮娜，黄小原.电子商务营销绩效的模糊综合评价[J].东北大学学报（自然科学版）， 2004，25（9）：914917.
[4]杨庆，黄德先.加油站成品油销量预测算法与样本数据设计[J].计算机工程与应用，2007， 43（13）：210213.
项目资助：国家级，辽宁省，辽宁科技大学创新创业计划项目“天然气加气站智能信息化系统开发”（201610146017）
作者简介：李宽（1996），男，从事燃气技术开发。
通讯作者：周卫红（1979），男，副教授，从事燃气场站信息化项目研究。
关键词：加气站；数据库；绩效评估；BP网络；综合评价
自“十二五”规划以来，各个行业信息化水平发展迅速，通信和自控技术在各行业广泛应用，特别是天然气加气站信息化运营管理方面[1]。但很多加气站急于项目投产，所以根本没有信息化系统与之相配套，天然气加气站的信息化建设与快速发展行业不相适应，给管理造成了很多麻烦。为方便管理者对场站的管控，本项目设计出一套基于绩效分析算法、BP网络的分析模型，通过计算权重来定量评价加气站的发展现状，并对加气站未来燃气销量进行预测。加气站信息化系统的主要组成是存储分析各项信息的数据库部分。数据库不仅指数据库本身，同时也包括数据分析部分。合理建立数据库的关键在于对加气站的调研力度和对行业状况的认知，实现该过程需要明确数据的来源、种类，并能对数据进行重新分类，也需要通过有限的数据分析出更多有价值的信息，使数据价值最大化。数据库的构成好坏关乎到整个信息化系统的执行效率和实用性，实现数据库的最优化是十分必要的。
1 数据库设计
（1）数据库结构。
数据库方面采用Microsoft SQL数据库，并在总站和分站分别建立数据库。分站数据库主要起数据备份作用，总站数据库起数据存储作用。
（2）总站数据库。
所需数据全部来源于各场站加气机，加气机数据传输到各分站数据中心进行解算、存储备份，通过再次打包发送给总站服务器，总站服务器进行解析后存储到总站数据库并将原始数据进行运算分析。总站数据库包含运营数据库和用户数据库两部分。
（3）运营数据库。
运营数据库包含各分站上传的运营数据，包括交易数据和运行参数。
（4）用户数据库。
用户数据库包含管理员和普通用户，管理员包含管理员账户信息和管理员日志；用户包含用户账户信息和用户交易数据两方面。
在建立数据存储的数据库后，我们还在数据库部分加上了数据分析部分，可对传输过来的数据进行统计学分析，从有限的数据中分析出更多信息，实现对加气站发展的管理指导。
2 评估算法
（1）绩效分析算法。
在绩效分析上，采用考科纳克和安布勒提出的六要素评价法[2]，综合对行业的了解，总共需要对四个方面进行评价：
a.市场评价（U1）：该指标指加气站的市场占有率和行业口碑，与绩效成正比。
b.财务评价（U2）：该指标指加气站销售额水平，利润水平和利润变化水平，与绩效正比。
c.消费者评价（U3）：该指标指加气站消费者忠诚度，顾客消费水平和顾客增加量，与绩效正比。
d.运营评价（U4）：该指标指加气站运营成本变化和站规模变化，前者与绩效反比，后者与绩效正比。
论文采用了模糊集数学评价方法，通过构建多级模糊评价模型对场站发展进行评价，评价分成两层，目标层和指标层，计算第一层指标对绩效的权重和第二层指标对第一层指标的权重，最终综合运算出每个站的绩效值[3]。层次分析法是把待分析问题分成层次定量分析的决策方法，使用层次分析法得出该四个指标的权重分配为：
A={0.165，0.53，0.223，0.082}
A1={0.43，0.57}
A2={0.133，0.457，0.41}
A3={0.41，0.133，0.457}
A4={0.57，0.43}
根据权重列出每个站的模糊判断矩阵，做出多級评价，从而得出每个站的绩效值。通过对比各自场站绩效值变化就可以得出该场站的发展状况，并且可以根据评价指标以及权重给出该场站的一个发展方向，这对规划加气站的发展是非常有意义的。同时绩效值可用于分站间横向比较，有利于同行间的有理竞争，加速行业发展。
（2）BP预测模型。
在人工智能快速发展的今天，神经网络模型的使用越来越普遍，其中BP模型是预测常用方法。该模型是通过样本选择、输入输出、隐层、激发函数、初始参量和训练协议等步骤后直接应用实例的方法，基于此，论文结合加气站实际情况，选取样本建立模型。为了使运算速度加快，效率增大，选择样本时采用连续日销量序列，将单个站一段时间的每日销售数据组成样本序列，样本容量越大，预测结果越可信。输入输出量方面使用样本序列的自相关函数[4]：
其中μx=1[]nΣni=1xi为样本均值，k为时滞函数。
rk=Σn-kT-1（xt-μx）（xt+k-μx[]Σnt=1（xt-μx）2
当函数首次通过零点或达到1-1[]e时，时滞参数作为输入数目。因为要做多步预测，所以输出值是一个预留参数，可以由加气站管理人员自行设置改变。在设定好输出数值和序列长后，系统不但会运算出预测销量，还会根据设定的数据给出可信度检验，最后这些运算出的数据可以作为指导天然气分配运送的参考。
在实践过程中，发现该模型与线性回归模型极其相似，但在长期可信度方面优于线性回归模型。虽然本模型预测已经卓有成效，但是依然没有发挥数据的最大作用，仅仅是一个简单的辅助预测，不能确切的得出有效的规划方案，但运用计算机辅助后极大减小了人工工作量，使有效劳动力充分发挥在决策方面而不是繁琐的数据分析。在日后的改进中要加入决策相关算法辅助人工决策，更方便办公者使用。
3 结语
论文针对NG加气站信息化系统建设现状，通过查阅文献和实地调研，提出目前加气站运营管理方面存在的不足之处，本次数据库设计及算法实现正是基于此情况下有意义的尝试。通过借鉴其它相关领域研究结果在加气站信息化系统中移植了销量和绩效评估算法，通过计算权重来定量评价加气站的发展现状，并对加气站未来燃气销量进行预测。本研究实现了多学科交叉，对通信技术在天然气行业的发展有着良好的推动作用。
参考文献：
[1]何琼英.发展中的CNG加气站现状分析[J].化工管理，2014，（33）：142.
[2]许桃荣，余晓钟，黄飞云.加油站营销绩效的模糊综合评价[J].内蒙古石油化工，2007，（12）：267269.
[3]晏妮娜，黄小原.电子商务营销绩效的模糊综合评价[J].东北大学学报（自然科学版）， 2004，25（9）：914917.
[4]杨庆，黄德先.加油站成品油销量预测算法与样本数据设计[J].计算机工程与应用，2007， 43（13）：210213.
项目资助：国家级，辽宁省，辽宁科技大学创新创业计划项目“天然气加气站智能信息化系统开发”（201610146017）
作者简介：李宽（1996），男，从事燃气技术开发。
通讯作者：周卫红（1979），男，副教授，从事燃气场站信息化项目研究。