基于神經(jīng)網(wǎng)絡(luò)的跨境電子商務(wù)物流成本預(yù)測(cè)

童林林

摘 要：物流成本有很多影響因素，對(duì)于其賦值，如果只是進(jìn)行猜測(cè)，則主觀性較大，預(yù)測(cè)物流成本有一定難度。文章在進(jìn)行分析時(shí)，結(jié)合實(shí)際情況，建立相應(yīng)的BP神經(jīng)網(wǎng)絡(luò)模型，并用于物流成本預(yù)測(cè)實(shí)驗(yàn)；結(jié)果發(fā)現(xiàn)，該模型精確度相當(dāng)高。神經(jīng)網(wǎng)絡(luò)在跨境電子商務(wù)中具有成本預(yù)測(cè)功能，其能夠有效提高電子商務(wù)物流預(yù)測(cè)效率。神經(jīng)網(wǎng)絡(luò)成本預(yù)測(cè)對(duì)整體系統(tǒng)的運(yùn)行具有重要作用，傳統(tǒng)物流成本計(jì)算方法雖然通過展示成本的大小表明物流管理自身的重要性，這在物流管理意識(shí)中起到重要作用，但是成本預(yù)測(cè)數(shù)據(jù)在物流管理中發(fā)揮的作用較為有限，很多企業(yè)已經(jīng)掌握物流管理成本，這表明按照傳統(tǒng)計(jì)算方法得到的數(shù)據(jù)成本能夠促進(jìn)物流管理水平提高。

關(guān)鍵詞：神經(jīng)網(wǎng)絡(luò)；物流成本；物流預(yù)測(cè)

中圖分類號(hào)：F259.27文獻(xiàn)標(biāo)志碼：ADOI：10.13714/j.cnki.1002-3100.2023.04.014

Abstract： There are many factors influencing logistics costs. For its assignment， if it is only a guess， it will be more subjective and it will be difficult to predict the logistics cost. This paper analyzes the actual situation， establishes the corresponding BP neural network model， and applies it to the logistics cost prediction experiment. The result shows that the accuracy of the model is quite high. Neural network has cost forecasting function in cross-border e-commerce， which can effectively improve the efficiency of e-commerce logistics forecasting. Neural network cost prediction plays an important role in the operation of the whole system. Although the traditional logistics cost calculation method shows the importance of logistics management itself by showing the size of the cost， which plays an important role in logistics management awareness. The cost prediction data plays a relatively limited role in logistics management， although many enterprises have mastered the logistics management cost. It shows that the data cost obtained by the traditional calculation method can promote the improvement of logistics management level.

Key words： neural network; logistics cost; logistics forecast

0? ? 引? ? 言

隨著經(jīng)濟(jì)社會(huì)的迅速發(fā)展，企業(yè)觀念也在不斷更新，希望通過降低物流成本獲取更高利潤(rùn)。但就我國(guó)社會(huì)當(dāng)前發(fā)展來看，尤其川渝地區(qū)物流成本相當(dāng)高，許多企業(yè)很難接受。在構(gòu)建雙城經(jīng)濟(jì)圈的背景下，多語種跨境電商基地建設(shè)和人才培養(yǎng)則必須考慮該要素。要想降低物流成本，就要做好物流成本預(yù)測(cè)工作，有效分析物流要素之間的效益關(guān)系，并從實(shí)際出發(fā)采取合理有效的成本控制措施，才能擴(kuò)大物流的經(jīng)濟(jì)效益。一直以來，企業(yè)對(duì)物流管理十分重視，但由于管理方法不當(dāng)，只有少部分企業(yè)能把握住物流成本，但是企業(yè)對(duì)成本數(shù)據(jù)并不能進(jìn)行靈活運(yùn)用，許多與物流管理相關(guān)的問題都很難得到有效解決，導(dǎo)致物流管理水平一直得不到提升。使用BP神經(jīng)網(wǎng)絡(luò)進(jìn)行相關(guān)模型預(yù)測(cè)之后，可以將非線性問題進(jìn)行有效解決。國(guó)內(nèi)學(xué)者提出了以下幾種觀點(diǎn)：馮彥喬（2020）提出，在船舶物流運(yùn)輸中，神經(jīng)網(wǎng)絡(luò)對(duì)物流成本起到一定預(yù)測(cè)作用，能夠提高物流運(yùn)輸質(zhì)量[1]；劉柏陽（2015）提出，物流成本預(yù)測(cè)能夠提高物流運(yùn)輸中的質(zhì)量管理，起到質(zhì)量管控作用[2]；孫祖妮（2012）提出，基于成本動(dòng)因的BP神經(jīng)網(wǎng)絡(luò)在鐵路物流貨運(yùn)中起到成本預(yù)測(cè)作用[3]；蘭柏超（2011）提出，在物流企業(yè)運(yùn)營(yíng)成本中，神經(jīng)網(wǎng)絡(luò)可以對(duì)成本進(jìn)行預(yù)測(cè)[4]；石永奎等（2010）提出，基于PSO-BP網(wǎng)絡(luò)的煤炭企業(yè)物流成本可以通過神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)[5]；張鳳榮等（2005）提出，基于改進(jìn)的灰色BP神經(jīng)網(wǎng)絡(luò)可以對(duì)區(qū)域內(nèi)物流成本進(jìn)行預(yù)測(cè)[6]； 陳果（2022）提出，在全球化背景下，跨境電商物流模式需要不斷適應(yīng)國(guó)際間供應(yīng)鏈協(xié)調(diào)關(guān)系的發(fā)展[7]。

1? ? 物流成本預(yù)測(cè)方法述評(píng)

1.1? ? 傳統(tǒng)預(yù)測(cè)方法

傳統(tǒng)預(yù)測(cè)方法有多種，比如移動(dòng)平均法、指數(shù)平滑法等都是使用線性定量預(yù)測(cè)方法，通過建立數(shù)學(xué)模型進(jìn)行成本預(yù)算，而且在物流發(fā)展過程中，通過使用移動(dòng)平均模型可以有效預(yù)測(cè)發(fā)展規(guī)模；通過使用指數(shù)平滑法可以直接預(yù)測(cè)物流需求，并結(jié)合實(shí)際情況，進(jìn)行組合預(yù)測(cè)。運(yùn)輸物流、區(qū)域物流等一般使用線性回歸預(yù)測(cè)模型。如果是預(yù)測(cè)貨流量，則使用灰色模型較多。研究分析發(fā)現(xiàn)，傳統(tǒng)預(yù)測(cè)方法對(duì)歷史數(shù)據(jù)精確度有較高要求，物流業(yè)是我國(guó)一大新興產(chǎn)業(yè)，在數(shù)據(jù)統(tǒng)計(jì)方面沒有經(jīng)驗(yàn)，精確性也非常低；并且物流業(yè)對(duì)系統(tǒng)結(jié)構(gòu)要求也十分嚴(yán)格，要求具有較強(qiáng)的穩(wěn)定性，但是物流系統(tǒng)較為復(fù)雜，而且具有非線性特點(diǎn)，很難構(gòu)建高穩(wěn)定性的定量模型。而使用神經(jīng)網(wǎng)絡(luò)方法則對(duì)數(shù)據(jù)沒有較高要求，很容易就能建模，模糊推理能力也非常強(qiáng)，對(duì)于一些物流預(yù)測(cè)問題可以進(jìn)行有效解決。當(dāng)前，有學(xué)者已經(jīng)將美國(guó)一家物流公司作為研究對(duì)象，使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)物流成本，物流成本得到一定控制，但是如果站在宏觀物流成本控制角度思考，其起到的輔助決策作用并不是很大。

1.2? ? ?BP神經(jīng)網(wǎng)絡(luò)原理

BP神經(jīng)網(wǎng)絡(luò)應(yīng)用建立在梯度搜索理論的基礎(chǔ)之上，很大程度上能夠?qū)⒕W(wǎng)絡(luò)實(shí)際輸出和期望輸出之間的差距拉小。正向傳播、反向傳播是BP神經(jīng)網(wǎng)絡(luò)的兩大學(xué)習(xí)部分，在確定好網(wǎng)絡(luò)輸入模型之后，從輸入層開始逐步計(jì)算，直到最后輸出層，所有計(jì)算結(jié)束后就會(huì)有輸出模式產(chǎn)生，整個(gè)過程呈逐層狀態(tài)，因此也稱之為正向傳播。在計(jì)算中，如果實(shí)際輸出模式、期望輸出模式產(chǎn)生誤差，那么需要沿著連接通路將誤差信號(hào)層層傳送，從輸出層開始，一直到輸入層，而且要結(jié)合實(shí)際情況，合理修改連接權(quán)值，盡可能將誤差縮小，以便能夠滿足條件，整個(gè)過程稱為反向傳播。如果所有的要求訓(xùn)練模式都能夠很好滿足，則表明BP神經(jīng)網(wǎng)絡(luò)取得較好的學(xué)習(xí)效果。特別有一點(diǎn)需要指出，在學(xué)習(xí)取得效果之后，運(yùn)用BP神經(jīng)網(wǎng)絡(luò)只要選擇正向傳播就可以，反向傳播則可以忽略不計(jì)。BP神經(jīng)網(wǎng)絡(luò)層級(jí)較多，如輸入層、隱含層等，借助網(wǎng)絡(luò)作用將隱含層節(jié)個(gè)數(shù)、權(quán)值加以合理有效調(diào)節(jié)，這樣收斂速度會(huì)不斷加快，期望輸出值也很快能夠達(dá)到。較為典型的BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)屬于三層網(wǎng)絡(luò)，整個(gè)物流成本分析過程中，利用的都是BP神經(jīng)網(wǎng)絡(luò)相關(guān)原理。如果使用的是作業(yè)成本法，在進(jìn)行核算對(duì)象設(shè)置時(shí)具有靈活多變性，這也是一個(gè)重點(diǎn)和較為復(fù)雜的問題，一般使用傳統(tǒng)方法將其解決很困難。因此，在經(jīng)過一番模擬之后，根據(jù)實(shí)際需要，將神經(jīng)網(wǎng)絡(luò)模型建立起來，后期在各種案例分析過程中，網(wǎng)絡(luò)輸入原始費(fèi)用有10 項(xiàng)，白酒、牛奶物流成本都被記入網(wǎng)絡(luò)輸出成本中。

2? ? 物流成本預(yù)測(cè)模型

2.1? ? 物流成本的影響因素

物流成本會(huì)受到很多因素的影響，而且物流成本有很多種，比如庫存費(fèi)用、運(yùn)輸成本等。之前在計(jì)算物流成本時(shí)，一般都是按照包裝費(fèi)、裝卸費(fèi)等進(jìn)行計(jì)算。進(jìn)行倉庫貨物保存的費(fèi)用被稱為庫存費(fèi)用，包括人力費(fèi)用、庫存占?jí)嘿Y金利息等。公路運(yùn)輸、貨主費(fèi)用等則記入運(yùn)輸成本，城市內(nèi)運(yùn)輸、區(qū)域間卡車運(yùn)輸?shù)榷紝儆诠愤\(yùn)輸，而鐵路運(yùn)輸、管道運(yùn)輸?shù)葎t屬于其他運(yùn)輸方式。貨主費(fèi)用主要指的是運(yùn)輸部門運(yùn)作、貨物裝卸過程中的各種費(fèi)用，同時(shí)也有部分物流管理費(fèi)用需要結(jié)合實(shí)際情況設(shè)定固定比例，根據(jù)專門公式進(jìn)行計(jì)算之后得出總和。進(jìn)行物流成本預(yù)測(cè)時(shí)可以將倉儲(chǔ)成本、庫存成本、搬運(yùn)成本等相關(guān)要素作為預(yù)測(cè)依據(jù)。

物流行業(yè)通常會(huì)通過制訂預(yù)測(cè)方案，并從預(yù)測(cè)方案中選擇最合適的方案來進(jìn)行運(yùn)行。應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測(cè)物流狀況時(shí)通常會(huì)有以下兩種較為常用的方案：第一種方案是以過去一段時(shí)間的信息內(nèi)容作為預(yù)測(cè)基礎(chǔ)，通過對(duì)物流預(yù)測(cè)得出相關(guān)方案。歷史信息需要在規(guī)定時(shí)間內(nèi)，近期的具體環(huán)境不會(huì)發(fā)生較大變化，該方案才能實(shí)施。第二種方案是以物流預(yù)測(cè)的相關(guān)數(shù)據(jù)為基礎(chǔ)進(jìn)行的預(yù)測(cè)。這種方案的優(yōu)勢(shì)在于更多地考慮了相關(guān)變量的細(xì)節(jié)分析。但由于目前科學(xué)技術(shù)的發(fā)展有限，對(duì)相關(guān)變量的研究也較為有限，為了獲得更精確的預(yù)測(cè)結(jié)果，通常情況會(huì)選擇第一種方案進(jìn)行物流成本預(yù)測(cè)。

2.2? ? 物流成本預(yù)測(cè)模型的建立

用人工BP神經(jīng)網(wǎng)絡(luò)進(jìn)行物流成本預(yù)測(cè)模型的建立。

2.2.1? ? BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型的建立

BP神經(jīng)網(wǎng)絡(luò)屬于典型的神經(jīng)網(wǎng)絡(luò)模型，只有鄰層神經(jīng)元之間會(huì)有連接。BP神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)都有，而且每層還有一些隱形節(jié)點(diǎn)，由兩大部分組成，分別是正向傳播和反向傳播。進(jìn)行正向傳播時(shí)，以輸入信號(hào)為出發(fā)點(diǎn)，不斷遞層向前，一直傳到輸出層，每層都會(huì)有神經(jīng)元節(jié)點(diǎn)狀態(tài)，但是只有下一層的神經(jīng)元狀態(tài)會(huì)受到影響。要想在輸出層有期望輸出還是比較困難的，由于在計(jì)算時(shí)，輸出值和期望輸出值之間存在較大誤差，需要沿著之前的連接通路將其進(jìn)行反傳，等到各層神經(jīng)元的連接權(quán)系數(shù)都根據(jù)實(shí)際需要進(jìn)行修改時(shí)，誤差就會(huì)不斷縮小，能夠達(dá)到規(guī)定要求。通過神經(jīng)元變換函數(shù)，輸入層到輸出層任意非線性映射能夠很好地實(shí)現(xiàn)，需要根據(jù)實(shí)際情況，包括動(dòng)量系數(shù)、迭代次數(shù)等進(jìn)行合理選擇，訓(xùn)練數(shù)據(jù)組、檢驗(yàn)數(shù)據(jù)組都要提前準(zhǔn)備。而且模型運(yùn)行過程中，網(wǎng)絡(luò)訓(xùn)練也十分關(guān)鍵，需要對(duì)MATLAB工具進(jìn)行合理選擇，并根據(jù)實(shí)際需要進(jìn)行合理調(diào)節(jié)，并選好參數(shù)。圖1為BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練流程圖。

2.2.2? ? 物流成本預(yù)測(cè)BP神經(jīng)網(wǎng)絡(luò)模型的建立

在建立網(wǎng)絡(luò)模型之前，必須確定網(wǎng)絡(luò)拓?fù)浣Y(jié)構(gòu)，并根據(jù)實(shí)際情況設(shè)置好層數(shù)，也要確定好輸入節(jié)點(diǎn)和輸出節(jié)點(diǎn)。經(jīng)過一番分析后發(fā)現(xiàn)，在充分學(xué)習(xí)三層BP神經(jīng)網(wǎng)絡(luò)之后，幾乎能逼近任何函數(shù)。因此，計(jì)算物流成本之前需要構(gòu)建三層BP神經(jīng)網(wǎng)絡(luò)。輸入神經(jīng)元節(jié)點(diǎn)實(shí)際上就是BP神經(jīng)網(wǎng)絡(luò)上的各相關(guān)因素，X1、X2分別代表的是運(yùn)輸費(fèi)用和倉儲(chǔ)費(fèi)用，X3和X4則分別代表的是訂單費(fèi)用和管理費(fèi)用，X5為整個(gè)庫存搬運(yùn)過程中所有的開銷統(tǒng)計(jì)。正常情況下，輸入單元至少有五個(gè)，而輸出單元一般只有一個(gè)Y，也就是物流成本。在確定隱含節(jié)點(diǎn)數(shù)、選擇神經(jīng)元數(shù)時(shí)，經(jīng)驗(yàn)法則非常重要，但是很難找到理論依據(jù)，不能保證每個(gè)都好用。多數(shù)情況會(huì)以Kolmogorov定理作為依據(jù)，假設(shè)輸入層共有n層，那么確定隱含層節(jié)點(diǎn)數(shù)是2n+1個(gè)。

3? ? 案例分析

并不是所有分析指標(biāo)都能夠定量計(jì)算，站在系統(tǒng)角度，為了保證各項(xiàng)指標(biāo)具有較強(qiáng)可比性，針對(duì)定性指標(biāo)一般都是采用定量處理方式，而如果是定量指標(biāo)，由于衡量單位不統(tǒng)一，大級(jí)別、小級(jí)別都有，因此趨向也沒有一致性。需要結(jié)合實(shí)際情況通過效應(yīng)系數(shù)的充分、有效利用，才能做好規(guī)范化處理工作。下面是對(duì)相關(guān)效益系數(shù)進(jìn)行的計(jì)算。

在上式中，F(xiàn)j和xj分別代表的是目標(biāo)值和效應(yīng)系數(shù)，xjmin和xjmax則分別表示的是預(yù)先確定的第j個(gè)指標(biāo)的最小值與最大值，評(píng)價(jià)指標(biāo)數(shù)用j表示。在訓(xùn)練學(xué)習(xí)過程中，使用的數(shù)據(jù)樣本是一家物流公司成本統(tǒng)計(jì)數(shù)據(jù)，通過MATLAB7.0仿真技術(shù)進(jìn)行了歸一化處理，表1是部分樣本的運(yùn)行結(jié)果。

BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)逐漸進(jìn)入尾期之后，網(wǎng)絡(luò)結(jié)構(gòu)也逐漸確定，在進(jìn)行建模時(shí)采用了四組試樣，表2列出的是相關(guān)測(cè)試結(jié)果。

通過BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)之后發(fā)現(xiàn)，實(shí)際輸出值和期望輸出值的絕對(duì)誤差并沒有超過1，從物流成本預(yù)測(cè)角度來看，這是十分正常的，說明物流成本預(yù)測(cè)的精確度相當(dāng)高。因此進(jìn)行物流成本預(yù)測(cè)之前，結(jié)合實(shí)際情況，建立相應(yīng)的預(yù)測(cè)模型具有一定的可行性。

4? ? 總? ? 結(jié)

隨著高科技的發(fā)展，企業(yè)在進(jìn)行物流成本預(yù)測(cè)時(shí)已經(jīng)開始使用BP神經(jīng)網(wǎng)絡(luò)模型，而且具有較強(qiáng)可行性、精確度也非常高。因此，預(yù)測(cè)物流成本時(shí)可以將BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行充分有效的利用，在整個(gè)物流管理過程中，所預(yù)測(cè)結(jié)果有重要的參考價(jià)值，有助于物流行業(yè)管理水平的提升。當(dāng)然，由于資料數(shù)據(jù)不充分，訓(xùn)練樣本也不是很充足，以至于預(yù)測(cè)值和實(shí)測(cè)值之間還存在一定誤差，還有一定的上升空間。相信隨著樣本的不斷增加，并經(jīng)過嚴(yán)格訓(xùn)練之后，建立在BP神經(jīng)網(wǎng)絡(luò)基礎(chǔ)之上的物流成本預(yù)測(cè)的精確度會(huì)越來越高。當(dāng)然，由于物流成本較為復(fù)雜，在進(jìn)行相關(guān)預(yù)測(cè)的過程中，有人曾使用灰色模型，也有人選擇線性組合模型，本文通過使用BP神經(jīng)網(wǎng)絡(luò)經(jīng)過研究發(fā)現(xiàn)該模型在物流成本預(yù)算方面的精確度較高，而且難度不大，這是本文的一大創(chuàng)新點(diǎn)，為服務(wù)川渝雙城經(jīng)濟(jì)圈多語種跨境電商基地的建設(shè)提供應(yīng)用基礎(chǔ)，同時(shí)為專業(yè)課程改革在產(chǎn)教融合方面提供新思路。

參考文獻(xiàn)：

[1] 馮彥喬．基于神經(jīng)網(wǎng)絡(luò)的船舶物流配送成本預(yù)測(cè)[J]．艦船科學(xué)技術(shù)，2020，42（8）：193-195.

[2] 劉柏陽．物流成本預(yù)測(cè)方法研究[J]．金融經(jīng)濟(jì)，2015（14）：192-194.

[3] 孫祖妮．基于成本動(dòng)因BP神經(jīng)網(wǎng)絡(luò)的鐵路物流貨運(yùn)成本預(yù)測(cè)[D]．北京：北京交通大學(xué)，2012.

[4] 蘭柏超．物流企業(yè)運(yùn)營(yíng)成本的小波神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)方法[J]．會(huì)計(jì)之友，2011（20）：57-59.

[5] 石永奎，邵劍生，李金皓．基于PSO-BP網(wǎng)絡(luò)的煤炭企業(yè)物流成本預(yù)測(cè)[J]．遼寧工程技術(shù)大學(xué)學(xué)報(bào)（自然科學(xué)版），2010，? ? ? ? 29（5）：945-948.

[6] 張鳳榮，金俊武，李延忠．基于改進(jìn)的灰色BP神經(jīng)網(wǎng)絡(luò)的區(qū)域物流成本預(yù)測(cè)[J]．公路交通科技，2005（6）：155-158+166.

[7] 陳果．全球化背景下跨境電商物流模式分析及優(yōu)化[J]．物流科技，2022，45（10）：16-20.