童林林

摘 要：物流成本有很多影響因素，對于其賦值，如果只是進行猜測，則主觀性較大，預(yù)測物流成本有一定難度。文章在進行分析時，結(jié)合實際情況，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)測實驗；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)測功能，其能夠有效提高電子商務(wù)物流預(yù)測效率。神經(jīng)網(wǎng)絡(luò)成本預(yù)測對整體系統(tǒng)的運行具有重要作用，傳統(tǒng)物流成本計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，這在物流管理意識中起到重要作用，但是成本預(yù)測數(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)計算方法得到的數(shù)據(jù)成本能夠促進物流管理水平提高。

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

中圖分類號：F259.27文獻標(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)濟社會的迅速發(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。但就我國社會當(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)測工作，有效分析物流要素之間的效益關(guān)系，并從實際出發(fā)采取合理有效的成本控制措施，才能擴大物流的經(jīng)濟效益。一直以來，企業(yè)對物流管理十分重視，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)對成本數(shù)據(jù)并不能進行靈活運用，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)進行相關(guān)模型預(yù)測之后，可以將非線性問題進行有效解決。國內(nèi)學(xué)者提出了以下幾種觀點：馮彥喬（2020）提出，在船舶物流運輸中，神經(jīng)網(wǎng)絡(luò)對物流成本起到一定預(yù)測作用，能夠提高物流運輸質(zhì)量[1]；劉柏陽（2015）提出，物流成本預(yù)測能夠提高物流運輸中的質(zhì)量管理，起到質(zhì)量管控作用[2]；孫祖妮（2012）提出，基于成本動因的BP神經(jīng)網(wǎng)絡(luò)在鐵路物流貨運中起到成本預(yù)測作用[3]；蘭柏超（2011）提出，在物流企業(yè)運營成本中，神經(jīng)網(wǎng)絡(luò)可以對成本進行預(yù)測[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[5]；張鳳榮等（2005）提出，基于改進的灰色BP神經(jīng)網(wǎng)絡(luò)可以對區(qū)域內(nèi)物流成本進行預(yù)測[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)測方法述評

1.1? ? 傳統(tǒng)預(yù)測方法

傳統(tǒng)預(yù)測方法有多種，比如移動平均法、指數(shù)平滑法等都是使用線性定量預(yù)測方法，通過建立數(shù)學(xué)模型進行成本預(yù)算，而且在物流發(fā)展過程中，通過使用移動平均模型可以有效預(yù)測發(fā)展規(guī)模；通過使用指數(shù)平滑法可以直接預(yù)測物流需求，并結(jié)合實際情況，進行組合預(yù)測。運輸物流、區(qū)域物流等一般使用線性回歸預(yù)測模型。如果是預(yù)測貨流量，則使用灰色模型較多。研究分析發(fā)現(xiàn)，傳統(tǒng)預(yù)測方法對歷史數(shù)據(jù)精確度有較高要求，物流業(yè)是我國一大新興產(chǎn)業(yè)，在數(shù)據(jù)統(tǒng)計方面沒有經(jīng)驗，精確性也非常低；并且物流業(yè)對系統(tǒng)結(jié)構(gòu)要求也十分嚴(yán)格，要求具有較強的穩(wěn)定性，但是物流系統(tǒng)較為復(fù)雜，而且具有非線性特點，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，對于一些物流預(yù)測問題可以進行有效解決。當(dāng)前，有學(xué)者已經(jīng)將美國一家物流公司作為研究對象，使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測物流成本，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算，直到最后輸出層，所有計算結(jié)束后就會有輸出模式產(chǎn)生，整個過程呈逐層狀態(tài)，因此也稱之為正向傳播。在計算中，如果實際輸出模式、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層層傳送，從輸出層開始，一直到輸入層，而且要結(jié)合實際情況，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。特別有一點需要指出，在學(xué)習(xí)取得效果之后，運用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。BP神經(jīng)網(wǎng)絡(luò)層級較多，如輸入層、隱含層等，借助網(wǎng)絡(luò)作用將隱含層節(jié)個數(shù)、權(quán)值加以合理有效調(diào)節(jié)，這樣收斂速度會不斷加快，期望輸出值也很快能夠達到。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，在進行核算對象設(shè)置時具有靈活多變性，這也是一個重點和較為復(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)輸入原始費用有10 項，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)測模型

2.1? ? 物流成本的影響因素

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

物流行業(yè)通常會通過制訂預(yù)測方案，并從預(yù)測方案中選擇最合適的方案來進行運行。應(yīng)用神經(jīng)網(wǎng)絡(luò)技術(shù)預(yù)測物流狀況時通常會有以下兩種較為常用的方案：第一種方案是以過去一段時間的信息內(nèi)容作為預(yù)測基礎(chǔ)，通過對物流預(yù)測得出相關(guān)方案。歷史信息需要在規(guī)定時間內(nèi)，近期的具體環(huán)境不會發(fā)生較大變化，該方案才能實施。第二種方案是以物流預(yù)測的相關(guān)數(shù)據(jù)為基礎(chǔ)進行的預(yù)測。這種方案的優(yōu)勢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，對相關(guān)變量的研究也較為有限，為了獲得更精確的預(yù)測結(jié)果，通常情況會選擇第一種方案進行物流成本預(yù)測。

2.2? ? 物流成本預(yù)測模型的建立

用人工BP神經(jīng)網(wǎng)絡(luò)進行物流成本預(yù)測模型的建立。

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

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)元之間會有連接。BP神經(jīng)網(wǎng)絡(luò)的輸入節(jié)點和輸出節(jié)點都有，而且每層還有一些隱形節(jié)點，由兩大部分組成，分別是正向傳播和反向傳播。進行正向傳播時，以輸入信號為出發(fā)點，不斷遞層向前，一直傳到輸出層，每層都會有神經(jīng)元節(jié)點狀態(tài)，但是只有下一層的神經(jīng)元狀態(tài)會受到影響。要想在輸出層有期望輸出還是比較困難的，由于在計算時，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行反傳，等到各層神經(jīng)元的連接權(quán)系數(shù)都根據(jù)實際需要進行修改時，誤差就會不斷縮小，能夠達到規(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現(xiàn)，需要根據(jù)實際情況，包括動量系數(shù)、迭代次數(shù)等進行合理選擇，訓(xùn)練數(shù)據(jù)組、檢驗數(shù)據(jù)組都要提前準(zhǔn)備。而且模型運行過程中，網(wǎng)絡(luò)訓(xùn)練也十分關(guān)鍵，需要對MATLAB工具進行合理選擇，并根據(jù)實際需要進行合理調(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)實際情況設(shè)置好層數(shù)，也要確定好輸入節(jié)點和輸出節(jié)點。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)點實際上就是BP神經(jīng)網(wǎng)絡(luò)上的各相關(guān)因素，X1、X2分別代表的是運輸費用和倉儲費用，X3和X4則分別代表的是訂單費用和管理費用，X5為整個庫存搬運過程中所有的開銷統(tǒng)計。正常情況下，輸入單元至少有五個，而輸出單元一般只有一個Y，也就是物流成本。在確定隱含節(jié)點數(shù)、選擇神經(jīng)元數(shù)時，經(jīng)驗法則非常重要，但是很難找到理論依據(jù)，不能保證每個都好用。多數(shù)情況會以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)點數(shù)是2n+1個。

3? ? 案例分析

并不是所有分析指標(biāo)都能夠定量計算，站在系統(tǒng)角度，為了保證各項指標(biāo)具有較強可比性，針對定性指標(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，大級別、小級別都有，因此趨向也沒有一致性。需要結(jié)合實際情況通過效應(yīng)系數(shù)的充分、有效利用，才能做好規(guī)范化處理工作。下面是對相關(guān)效益系數(shù)進行的計算。

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個指標(biāo)的最小值與最大值，評價指標(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)計數(shù)據(jù)，通過MATLAB7.0仿真技術(shù)進行了歸一化處理，表1是部分樣本的運行結(jié)果。

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

通過BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)之后發(fā)現(xiàn)，實際輸出值和期望輸出值的絕對誤差并沒有超過1，從物流成本預(yù)測角度來看，這是十分正常的，說明物流成本預(yù)測的精確度相當(dāng)高。因此進行物流成本預(yù)測之前，結(jié)合實際情況，建立相應(yīng)的預(yù)測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)在進行物流成本預(yù)測時已經(jīng)開始使用BP神經(jīng)網(wǎng)絡(luò)模型，而且具有較強可行性、精確度也非常高。因此，預(yù)測物流成本時可以將BP神經(jīng)網(wǎng)絡(luò)模型進行充分有效的利用，在整個物流管理過程中，所預(yù)測結(jié)果有重要的參考價值，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)測值和實測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)測的精確度會越來越高。當(dāng)然，由于物流成本較為復(fù)雜，在進行相關(guān)預(yù)測的過程中，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，為服務(wù)川渝雙城經(jīng)濟圈多語種跨境電商基地的建設(shè)提供應(yīng)用基礎(chǔ)，同時為專業(yè)課程改革在產(chǎn)教融合方面提供新思路。

參考文獻：

[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[J]．艦船科學(xué)技術(shù)，2020，42（8）：193-195.

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

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

[4] 蘭柏超．物流企業(yè)運營成本的小波神經(jīng)網(wǎng)絡(luò)預(yù)測方法[J]．會計之友，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[J]．遼寧工程技術(shù)大學(xué)學(xué)報（自然科學(xué)版），2010，? ? ? ? 29（5）：945-948.

[6] 張鳳榮，金俊武，李延忠．基于改進的灰色BP神經(jīng)網(wǎng)絡(luò)的區(qū)域物流成本預(yù)測[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.