基于BP神经网络的港口货运运营风险控制研究

摘要

港口是供船舶安全进出和停泊的运输枢纽，是水陆交通的集结点。随着港口规模的增大、吞吐量的上升，港口客户逐渐增多和分散，带来了港口收入的逐年增加。同时，由于对客户信用程度、付款能力等信息了解不准确，导致欠款用户增多、欠款金额上升以及付款时间迟缓，增加了港口企业的损失，因而需要加强港口风险规避。由于客户散、杂、多，客户风险控制需要引入客户分类管理。目前，客户分类已经应用到诸如保险、零售、风险投资等领域，而且客户分类的目的主要是提高利润和减小投资风险等。对于港口客户分类的研究还不完善，目前还没有进行适用于港口运营风险控制的客户分类研究，本文通过分析客户在港特点，引入客户分类管理，抽取出适用于港口风险控制的客户分类指标，并针对不同等级的客户制定相应的风险规避措施。
　　本文以某港口信息化建设现状为研究背景，以客户分类和流程优化为手段，以港口运营风险控制为目的。在研究客户分类、港口风险控制的基础上做了如下研究:第一，分析港口现有流程中存在的问题，以及这些问题对港口运营风险产生的影响。第二，研究基于BP神经网络的客户分类算法，进行BP神经网络算法的改进研究。第三，分析港口客户分类指标，构建适合港口的客户分类模型，然后实现BP神经网络训练和客户分类。第四，将客户分类结果应用到风险控制:根据客户分类结果对现有流程进行优化，分析客户从签订合同、业务办单、财务费收到计费的流程，实现以运营风险控制为目的的流程优化设计。最后，利用J2EE技术实现优化后的流程，达到基于客户分类的辅助决策和运营风险控制的目的。

目录

声明

致谢

摘要

1 绪论

1．1 研究背景

1．1．1 选题背景

1．1．2 项目背景

1．2 研究目的和意义

1．3 论文研究内容、方法及创新点

1．3．1 研究内容

1．3．2 研究方法

1．3．3 论文创新点

1．4 论文结构

2 文献综述

2．1 客户分类的方法现状

2．1．1 客户分类方法

2．1．2 客户分类指标分析

2．2 港口企业运营风险控制现状

2．3 人工神经网络

2．3．1 人工神经网络的概念

2．3．2 人工神经网络工作原理

2．3．3 人工神经网络的功能

2．4 BP神经网络

2．4．1 BP神经网络概念

2．4．2 BP神经网络的改进研究

2．4．3 BP神经网络算法分析

3 基于BP神经网络的港口客户分类

3．1 港口客户分类的必要性

3．2 客户分类指标选取

3．2．1 港口业务分析

3．2．2 客户分类指标分析

3．2．3 客户分类指标提取

3．3 基于改进BP神经网络模型构建

3．3．1 样本选择和预处理

3．3．2 确定BP网络结构

3．3．3 提高BP网络效率的研究

3．4 BP神经网络模型的实现

3．4．1 BP算法程序分析

3．4．2 训练BP神经网络

3．4．3 训练结果

3．5 客户分类实现

3．5．1 客户分类业务流程

3．5．2 客户分类管理

4 基于客户分类的运营风险控制

4．1 客户分类与运营风险控制的关系

4．2 基于客户分类的流程优化

4．2．1 签订合同流程优化

4．2．2 费用测算

4．2．3 货物质押管理

4．2．4 客户账户管理

4．3 提货控制点

4．3．1 出库单核发控制

4．3．2 货物提货量控制

5 运营风险控制实现

5．1 系统开发实现的关键技术

5．1．1 系统架构分析

5．1．2 关键技术分析

5．2 数据层实现

5．2．1 数据库层实现

5．2．2 数据访问层实现

5．3 业务逻辑层实现

5．4 用户表示层实现

5．5 流程优化后对现有系统的影响

6 总结与展望

6．1 总结

6．2 研究展望

参考文献

作者简历

学位论文数据集