基于BP神经网络的港口竞争力评价研究

论文摘要

随着世界经济的发展,国际间交流的增加,港口间的竞争日益加剧,港口功能不断拓展,港口竞争力所涉及的范围和内容也不断变化。在此背景下,要及时调整港口发展战略,使港口在市场竞争中取得主动地位,对港口竞争力的研究就显得极为重要。所谓港口竞争力,是指港口凭借其自然环境、码头设施和腹地经济的资源,吸引各种生产和航运要素,并通过对各种资源的优化配置,在占有运输市场、物流增值和维持港口可持续发展等方面相对于其它港口所具有的比较优势。港口竞争力的评价体系,则是围绕与港口竞争力有关的各项指标进行全面测评的有效方法。随着目前港口竞争的日益激烈,建立一套适合港口特点的竞争力评价指标体系,采用科学的方法对其进行评价有着非常重要的意义。正确地对港口竞争力进行系统分析和定量化综合评价,能够帮助决策者了解港口的发展状况,明确港口自身的竞争地位和薄弱环节,以便采取有效的措施,培育和提升港口竞争力,从而获得最佳的经济效益和社会效益,这对于港口的未来发展有着非常现实的指导意义,同时也可以为港口制定发展战略提供策略导向。本文在国内外对港口竞争力的评价指标体系和评价方法的研究基础上,针对当前港口竞争力评价方法所存在的不足,创新性地提出一种基于BP神经网络的评价方法,通过建立港口竞争力的评价指标体系和BP神经网络模型,给出了可行的评价程序,在计算方法上,用MATLAB的神经网络工具箱(NNT)来进行网络设计和计算,由学习样本的训练和测试,使模型的误差达到预定的范围内。最后,以实例验证了这种方法的有效性和可操作性。

论文目录

• 摘要
• Abstract
• 第1章 绪论
• 1.1 选题背景和研究意义
• 1.1.1 选题背景
• 1.1.2 研究意义
• 1.2 国内外相关研究综述
• 1.3 本文的主要研究内容和研究方法
• 1.3.1 主要研究内容
• 1.3.2 本文的研究方法
• 第2章 港口竞争力及其评价方法
• 2.1 港口竞争力概述
• 2.1.1 港口竞争力的含义
• 2.1.2 港口竞争力的特点
• 2.2 港口竞争力评价已有方法综述
• 2.2.1 主成分分析法
• 2.2.2 因子分析法
• 2.2.3 层次分析法
• 2.2.4 模糊评价法
• 2.3 人工神经网络评价法的提出
• 第3章 人工神经网络理论
• 3.1 人工神经网络简介
• 3.2 人工神经网络模型
• 3.2.1 生物神经元模型
• 3.2.2 神经元数学模型
• 3.2.3 神经元网络模型
• 3.3 人工神经网络的学习
• 3.4 人工神经网络在企业竞争力评价中的应用
• 第4章 港口竞争力评价指标体系的建立
• 4.1 港口竞争力评价指标体系的设计原则
• 4.1.1 科学性原则
• 4.1.2 代表性原则
• 4.1.3 可比性原则
• 4.1.4 可操作性原则
• 4.1.5 相对独立性原则
• 4.1.6 绝对指标和相对指标相结合的原则
• 4.2 影响港口竞争力的主要因素
• 4.2.1 港口投资趋势
• 4.2.2 港口吞吐量增长率
• 4.2.3 港口作业能力
• 4.2.4 港口财务状况
• 4.2.5 港口自然条件
• 4.3 港口竞争力评价指标的确定
• 第5章 基于BP神经网络的港口竞争力评价模型的建立
• 5.1 人工神经网络模型的选择——BP神经网络模型
• 5.1.1 BP神经网络的结构
• 5.1.2 BP学习算法
• 5.2 BP神经网络模型的评价程序
• 5.3 BP神经网络模型的实现
• 5.3.1 评价指标的确定
• 5.3.2 训练样本数据的采集及处理
• 5.3.3 BP神经网络的建立
• 5.4 BP神经网络模型的训练结果及仿真
• 5.4.1 BP神经网络的训练结果
• 5.4.2 BP神经网络的仿真
• 5.5 BP神经网络模型的GUI实现
• 第6章 模型应用与实例分析
• 6.1 待评价港口
• 6.2 港口竞争力评价的具体过程
• 6.3 实例评价结果分析
• 第7章 结论及展望
• 7.1 基本结论
• 7.2 存在问题及后续有待研究的内容
• 参考文献
• 附录 BP神经网络训练程序
• 攻读学位期间公开发表论文
• 致谢
• 研究生履历