摘要：对海关特殊监管区的审核工作关系到国家资源的合理分配问题，因此显得尤为重要。以人工智能的方法对该工作进行模拟，能够有效的节省人力资源，提高审核效率与精度。本文采用SOM网络，并且提出了基于PNN网络的硬极限PNN网络，将两种网络相结合，建立了一种基于SOM-硬极限PNN混合网络的数学模型，对中外海关特殊监管区域进行比较研究。在理论上填补了相关方面的空白，在实践上提出了通用性较强的数学模型。

关键词：自由贸易区  海关特殊监管区  SOM  PNN  神经网络

1.引言

作为沟通国内外市场的重要桥梁，海关特殊监管区在提高区域综合经济实力、招商引资、进出口贸易及促进我国现代物流业发展方面均取得了显著成绩。因其享有特殊的优惠政策，对国内外企业都有很强的吸引力，对地方经济的发展有着不可忽视的作用，所以越来越受到各地的重视，申请海关特殊监管区的热情持续高涨。然而，对申请城市的审核是一项系统工程，它需要通过一系列定性、定量及它们相结合的手段，对申请城市进行分析和筛选。所以说，对城市审核的过程就是分析和筛选的过程，它为批与不批、批多少、所批的特殊监管区适用的政策级别提供决策支持，政府就能根据所提供的信息，通过一系列宏观和微观的方法来避免不必要的资源的闲置和浪费，因此，建立科学合理的审核方法及模型是至关重要的。许多学者对申请城市的分析和筛选问题进行了研究，并提出了许多宝贵的方法，如德尔菲法和聚类分析法。随着人们对生命本质的不断了解，生命科学正以前所未有的速度迅猛发展，使人工智能的研究开始摆脱经典逻辑计算的束缚，大胆探索起新的非经典计算途径。在这种背景下，生物的自组织、自适应行为引起了人们的广泛关注，许多学者对这种行为进行数学建模并用计算机对其进行仿真，这就产生了人工智能：神经网络、进化算法及各种群智能算法应运而生。人工神经网络作为一种并行分布模型，具有很好的存储、并行处理、联想、自适应性、非线性映射和特征抽取能力，因此，文中引入人工神经网络技术，使用SOM及PNN网络，并采用统计学和人工神经网络设计相结合的方法，对海关特殊监管区域的审核问题进行分析研究。

2.问题描述

目前，我国海关特殊监管区已取得很大成就，但仍处于起步阶段，各方面需要不断的探索和完善，并且在区域定性、管理体制、功能定位、政策法规等诸多方面面临着挑战。较之国内，国外自由贸易区域起步早，发展完善，其成功之处值得我们借鉴和参考，其中，比较成熟的自由贸易区为美国、加拿大及墨西哥3国组成的北美自由贸易区（North American Free Trade Area，NAFTA）。北美自由贸易区于1994年宣布成立，成立二十多年来，取得了丰硕的合作成果：促进了地区贸易增长和增加了直接投资、发达国家保持经济强势地位、发展中国家受益明显、合作范围不断扩大。在其成员国中，又以美国在经济及贸易方面的取得的成果最为引人注目，因此，选取位于美国的Wichita、Billings、SanAntonio、Omaha等22个自由贸易区结点城市为标准，选择人均GDP和进出口总额为其经济特征值，作为中国海关特殊监管区申请城市审核的目标参考。