BP神经网络在港口绩效评价中的应用研究
开题报告
目 录
一、选题背景
二、研究目的和意义
三、本文研究涉及的主要理论
四、本文研究的主要内容及研究框架
（一）本文研究的主要内容
（二）本文研究框架
五、写作提纲
六、本文研究进展
七、目前已经阅读的文献
一、选题背景
港口是货物集散、贸易往来的重要场所，是一个国家或地区的运输枢纽，其发展水平己成为衡量一个国家或地区社会经济发展水平的重要标志之一，资料显示国际物流量的90%以上是由海运完成的。港口企业经营绩效的好坏，从根本上影响了国际物流的合理配置以及有序竞争性，并直接影响我国国民经济的发展水平。另外，通过定期或者不定期的港口绩效评价，能帮助港口企业寻找经营薄弱环节，促使改善企业经营管理。因此，无论是从宏观经济，还是从企业经营角度分析，建立科学有效的港口绩效评价体系，认清企业经营的内外部环境，改善企业经营管理，提高经营效益和企业核心竞争力都很有必要的。笔者自2012年3月开始参与某港口信息化建设项目，主要负责信息系统中财务费收、质押监管以及计件工资三个功能模块，参与了系统分析、设计、开发、实施、维护等各个环节，并完成为该港口定制的两个企业级查询网站的后期开发、实施和维护。目前该港口的六家港务分公司均己完成项目实施，系统运行效果良好。在两年半项目开过实施过程中，通过与该港口管理人员沟通交流，对港口整体业务流程有了更加深刻认识，同时了解到港口目前没有成型的港口经营绩效评价体系，主要是运用统计报表对港口生产经营活动进行简单评判。固定格式统计报表指标单一，仅能反映港口在某一方面生产经营成效，很难帮助企业管理者对港口整体生产经营情况快速做出分析判断。如何整体衡量港口生产经营活动，帮助监督和改进企业管理，是目前港口需要解决问题，同时也是本文研究主要内容。
影响港口生产经营的因素有很多，而且每个因素之间都有较为复杂的关联关系，如何根据港口实际生产经营特点，选定港口绩效评价指标，合理有效地评价港口生产经营效益，并辅助港口生产经营管理，是港口绩效评价的研究重点。分析发现传统的绩效评价方法并不适合于港口经营绩效分析，例如DEA法、AHP层次分析法、模糊综合评价法、功能系数法等传统的绩效评价方法或多或少都存在以下两个问题：(1)无法确定指标之间的因果关系。(2)无法很好地处理评价指标之间的非线性关系。本文针对以上问题，旨在结合港口经营特点，建立港口绩效评价的指标体系，找出合适的绩效评价算法，并基于该指标体系和算法实现对港口生产经营绩效的评价。通过理论知识学习研究发现，BP神经网络是一种非线性映射模式，在指标相关度较高、呈非线性变化，或数据缺漏不全等情况下，仍可得到比较满意的结果，将训练后的BP神经网络用于港口绩效的综合评价，既摆脱人为因素及模糊随机性的影响，又保证了评价的准确性，为港口绩效评价提供了一种可行的、简便的方法。
二、研究目的和意义
论文以某港口的生产经营绩效为研宄对象，旨在建立客观、有效散杂货港口绩效评价指标体系和评价模型，合理评价港口生产经营水平，通过分析发现港口生产经营过程中存在问题并提出改进措施和建议，最终达到辅助港口生产经营决策的目的。对散杂货港口绩效情况进行广泛和深入的研究，完善相应的理论和方法，对于正确衡量港口企业的经营水平，提高港口企业物流管理水平，深化理解绩效理论都具有重要的意义。在应用方面，本文针对港口的生产运营特点，制定散杂货港口绩效评价指标体系，建立基于BP神经网络的散杂货港口绩效评价模型，对实现港口经营绩效地客观公正评价，帮助企业对港口经营状况进行有效地管控，规避市场经营风险，辅助支持港口经营决策具有重要的现实意义。在理论方面，促进平衡计分卡的原理和BP神经网络在港口绩效评价中的应用，完善绩效评价理论知识，为港口经营绩效评价提供一种可行地方法支持，促进并深化理论知识与实际应用地交叉与渗透。
三、本文研究涉及的主要理论
企业绩效评价是指运用数理统计、运筹学和系统论原理，采用特定的指标体系，参照统一的评价标准，按照一定的程序，运用定量、定性以及对比分析的方法，对企业在一定经营期间内的经营效益和业绩做出客观、公正和准确的综合性评价。并把结果作为加强和改进企业经营管理、实现企业发展战略的基本依据的，一种有效的、科学的企业监督管理方法。一个有效的企业绩效评价体系（Performance -Appraising System of Enterprise),是由一系列与绩效评价相关的评价目标、评价对象、评价指标、评价标准、评价方法、评价报告等六个要素构成有机整体。(1)评价目标。评价目标是企业绩效评价起点，良好的绩效评价体系要能够处理评价目标和企业经营目标之间的关系，使之成为实现企业目标的有效手段。(2)评价对象。评价对象是绩效评价体系的主题，取决于绩效评价的目的，直接决定绩效评价指标体系中指标选取和确定。一般企业绩效评价体系的评价对象是企业和管理者，对企业的评价关系到企业的发展方向，例如扩张、重组、收缩、转让、退出等行为方向，而对管理者的评价则是关注人事奖惩、升职、聘用等方面问题。(3)评价指标。评价指标是指对评价对象的哪些方面进行评价，是绩效评价指标体系设计的核心问题。其重点是提取影响评价结果的关键因素，从指标性质上划分为财务指标和非财务指标⑴。其中，财务指标是指衡量企业盈利能力、资产质量、负债风险以及运营能力等方面的指标，而非财务性指标的设置则需要根据企业实际经营特点和经营环境，分析影响其核心业务的关键因素，进而提取相关指标，例如港口企业中吞吐量、装卸效率[2]等指标。从指标是否可以量化角度，评价指标又分为定性评价指标和定量评价指标。(4)评价标准。绩效评价标准是判断评价对象业绩优劣的标杆。在企业独立评价体系中常用的三类评价标准有行业标准、历史标准、计划标准，而且在同一个评价体系中使用三类不同评价标准，可以全面发挥评价的功能。在实际应用中应该根据评价对象选择评价标准。
神经网络（Artificial Neural Network, ANN),是近些年逐步发展成熟起来的，，是人脑及其活动理论化的数学模型，由大量的处理单元通过适当的方式相互连接构成的一个大规模的非线性自适应系统，来模拟人类思维结果以及学习认知过程。神经网络具有较强的并行计算能力、适应能力、学习能力以及纠错能力，是一个不依赖于模型的自适应的函数估算器，运用不需要建立模型就可以实现任意的函数关系[23]。人工神经网络由于模仿了人脑的生物神经系统，因而具备了某种智能特点，包括联想记忆、非线性映射、分类与识别、优化计算和知识处理[24]。组成神经网络的神经元，是一个多输入、单输出的非线性器件，图2-1表示人工神经网络的模型。神经网络工作基本原理[25]:神经元接受到来自外界或者其他神经元的信号，当神经元所获得的输入信号的累加超过自身的阈值时，神经元经过激励函数的转换，完成了对输入信号的加工处理，并将处理结果输出到另一个神经元中，作为另一神经元的一个输入信号，直至最后一次输出。
四、本文研究的主要内容及研究框架
（一）本文研究的主要内容
本文以散杂货港口生产经营绩效作为研宄对象，在研宄分析国务院国有资产监督管理委员会颁布的《中央企业综合绩效评价管理暂行办法》以及实施细则的基础上，结合散杂货港口的实际经营情况和交通部相关统计报表，从财务、内部经营、客户、创新与学习四个层面选取适合散杂货港口绩效评价的指标，建立基于平衡计分卡的散杂货港口绩效评价的指标体系。通过对比常用绩效评价方法并结合散杂货港口企业的经营特点，选择了基于BP神经网络的港口绩效评价方法。采集并处理某港口 5个港务分公司的历史业务数据作为数据样本对构建的模型进行训练、测试和不断修正，从而建立一个稳定、完整、有效的适用于散杂货港口绩效评价的BP神经网络模型。最后运用所建港口绩效评价模型，对港口 5家港务分公司2014年生产经营绩效进行评价，确定存在差异，通过分析差异存在的原因，发现港口生产经营过程中存在的问题，并从应收账款风险控制、港口船舶调度优化、装卸效率和客户管理等方面提出改进措施和建议，总结BP神经网络技术在港口绩效评价中的现实意义。
（二）本文研究框架
本文研究框架可简单表示为：
五、写作提纲
致谢 5-6
摘要 6-7
ABSTRACT 7
目录 8-11
1 绪论 11-16
1.1 研究背景 11-12
1.2 研究目的和意义 12
1.3 论文研究内容、方法和创新点 12-14
1.3.1 研究内容 12-13
1.3.2 研究方法 13-14
1.3.3 论文创新点 14
1.4 论文结构 14-16
2 文献综述 16-31
2.1 绩效评价 16-20
2.1.1 绩效评价相关概念 16-17
2.1.2 国外绩效评价研究现状 17-18
2.1.3 国内绩效评价研究现状 18-20
2.2 神经网络 20-26
2.2.1 人工神经网络简介 20-21
2.2.2 BP神经网络基本原理 21-25
2.2.3 BP神经网络在港口评价中应用研究现状 25-26
2.3 平衡计分卡 26-30
2.3.1 平衡计分卡理论 26-28
2.3.2 平衡计分卡应用研究现状 28-29
2.3.3 平衡计分卡在港口绩效评价中优势 29-30
2.4 本章小结 30-31
3 基于平衡计分卡的散杂货港口绩效评价指标的建立 31-44
3.1 散杂货港口绩效评价指标的选择原则 31-32
3.2 散杂货港口生产业务流程分析 32-34
3.3 散杂货港口绩效评价指标分析 34-41
3.3.1 财务指标分析 35-36
3.3.2 客户指标分析 36-37
3.3.3 内部经营指标分析 37-41
3.3.4 创新与学习指标分析 41
3.4 散杂货港口绩效评价指标选择 41-43
3.5 本章小结 43-44
4 基于BP神经网络的散杂货港口绩效评价模型 44-58
4.1 数据采集和处理 44-48
4.1.1 数据采集 44-46
4.1.2 数据预处理 46-47
4.1.3 数据选择和分组 47-48
4.2 BP神经网络模型建立 48-53
4.2.1 BP神经网络结构设计 48-50
4.2.2 BP神经网络算法选择 50-51
4.2.3 BP神经网络参数设置 51-53
4.3 BP神经网络模型实现 53-56
4.3.1 程序分析 53-54
4.3.2 模型训练 54-56
4.3.3 有效性验证 56
4.4 本章小结 56-58
5 基于BP神经网络的散杂货港口绩效评价 58-66
5.1 港口经营绩效评价 58-59
5.2 港口经营绩效分析 59-64
5.3 改进措施以及建议 64-65
5.4 本章小结 65-66
6 总结与展望 66-68
6.1 总结 66
6.2 研究展望 66-68
参考文献 68-70
六、本文研究进展(略)
七、目前已经阅读的主要文献
[1]辛金国，关健清.基于数据挖掘民营上市公司绩效评价研究探索.中国管理科学,2012,11(20):114-119.
[2] Hayuth Y. Port performance comparison app lying data envelopment analysis (DEA) [J].Maritime Policy and Management, 1993,20 (2):161-163.
[3]王庆元.基于RS-BP神经网络的煤炭企业绩效评价研究[D].那鄭:河北工程大学,2012.
[4]程琳.企业缋效评价指标体系研究[D].天津：天津商业大学，2008.
[5] RS Kaplan, DP Norton. Putting the Balanced Scorecard to Work [J], Harvard Business. 1993.
[6] Tongzon J L. Efficiency measurement of selected Australian and other international ports usingdata envelopment analysis [J].Transport Research A, 2001,35(2):113-128.
[7] Arie Sachish. Productivity functions as a managerial tool in Israeli ports [J]. Maritime policy andManagement, 1996,23 (4):341-369.
[8] Talley W K. Optimum throughput and performance evaluation of marine terminals [J]. MaritimePolicy and Management, 1988,15 (4):327-331.
[9] K Bichou, R Gray. A logistics and Supply chain management approach to Port Performancemeasurement [J]. Maritime Policy and Management, 2004,31(1):47-67.
[10] G 1-TAEYEO. An application of the hierarchical fozzy Process to container Porte competition;Policy and strategic implications [J].Transportation, 2006,33( 1 ):409-422.
[11]陈之涛.基于VBM的企业业缋评价体系研究[D].厦门：厦门大学.
[12]王炎娇.沈阳都瑞轮毂有限公司绩效管理体系设计[D].哈尔滨：尔滨工业大学,2006.
[13]财政部统计评价司.企业效绩评级问答[M].北京：经济科学出版社，2001.
[14]胡文献.基于上市公司的杜邦财务分析理论研究[D].泉州：华侨大学,2004.
[15]张萌萌.EVA业绩评价在我国家电行业的应用研究——以海信电器为例[D].北京：财政部财政科学研宄所，2013.
[16]牛丽文，张进.企业绩效评价指标体系研究.商场现代化,2005(29):12-15.
[17]王化成，刘俊勇.企业业绩评价模式研究-兼论中国企业业绩评价模式选择.管理世界，2004(4).[18]陆庆平.企业绩效评价新论[D].大连：东北财经大学，2006.
[19]吕永波等.我国主要集装箱运输港口的竞争力评价研究[J].北京：北方交通大学学报，2002,26(5):102-105.
[20]唐波.基于供应链管理的物流企业风险预警指标体系研究[D].北京：北京物资学院，2010.
[21]吉阿兵,朱道立.基于绩效率DEA模型的港口绩效评价[J].系统工程，2005,4(23): 119-122.
[22]张俊基.我国港口企业绩效评价研究[D].南京：河海大学，2006.
[23]杨建刚.人工神经网络实用教程[M].杭州：浙江大学出版社，2001.
[24]张立明等.人工神经网络的模型及其应用[M].上海：复旦大学出版社.1994.
[25] Mwasiagi JI，Huang XB, Wang XH. Performance of neural network algorithms during theprediction of yam breaking elongation [J]. Fibers and Polymers,2008,9(1):80-86
[26]王瑞.基于BP神经网络的港口货运运营风险控制研究[D].北京：北京交通大学，2013.13-15.
[27] Rafiq MY’Q Bugmann. Easterbrook: Neural network design for engineering applications[J].Computers and Structures,2001:1541-1552.
[28] T Jyalakshmi, A Santhakumaran. Statistical normalization and back propagation forclassification [J]. International Journal of Compute, 2011,1(3):89-90.
[29] Mwasiagi JI, Huang XB, Wang XH. Performance of neural network algorithms duringthe prediction of yarn breaking elongation [J]. Fibers and Polymers, 2008:80-86
[30] JMJ Murre. Transfer of learning in back propagation and in related neural networkmodels [J]. Confluence The Next Generation Information, 2014,23(12):60-64.