基于成本动因BP神经网络的铁路物流货运成本预测
|
摘要
铁路货物运输是铁路运输的重要组成部分,合理的控制货运成本可以有效地降低铁路运输总成本,而加强货运成本管理的重要前提就是准确及时地进行货运成本预测。选择合理的预测方法,可以提前为铁路运输企业提供有效的成本信息,为企业应对复杂多变的市场环境提供保障。成本预测方法很多,但并不是所有预测方法都符合铁路运输成本的特点,适合我国铁路运输的实际情况。本文通过比较不同预测方法得到的铁路货运成本预测结果,确定一个符合铁路运输成本特点的预测方法。
通过分析我国铁路运输成本的构成及影响因素可以得出,在铁路运输成本支出中间接成本占较大比重,而且运输成本数据具有较强的非线性,在对运输成本进行预测之前,既要选择恰当的间接费用分配指标合理地分配客货运成本,又要充分考虑铁路运输成本预测自身特性。基于以上两点考虑,选择作业成本法和BP神经网络相结合的方法对铁路货运成本进行预测。首先,从作业角度出发,利用成本动因理论,选取对货运成本影响较大的成本动因作为分配间接成本的指标,并结合定性分析和定量分析利用聚类分析法合并成本动因,再利用BP神经网络很强的学习能力、容错能力以及非线性映射能力,解决运输成本样本采集不精确和成本数据呈非线性关系的问题。以所选成本动因为输入变量,在MATLAB软件中反复进行信号的正向传播和误差的反向传播过程,不断学习训练,存储学习结果,获得预测结果。并将结果与灰色系统预测方法所得的预测结果进行比较。
最后以某铁路运输企业货运成本预测为例,分别用成本动因BP神经网络预测方法和灰色系统预测方法进行预测,并分析。结果表明,通过作业成本法选择成本动因,然后利用BP神经网络模型进行成本预测的方法比灰色系统预测法更适合用于国铁路货运成本预测。
Railway freight transportation is one of the most important parts of railway transportation. To extend effective control for cost saving can reduce the total railway transportation cost. On the premise of that is to forecast cost accurately and timely. So choosing a reasonably prediction method can not only provide effective cost information, but also make the company do well in the complicated and volatile economic environment. There are a lot of prediction methods, but not all of them fit for railway transportation cost and the situation of our country's railway transportation. In this paper, we compare the forecast results of some prediction methods to find a method which is more suit our railway transportation.
By analyzing the parts of the railway transportation cost and the influencing factors, we can get that the indirect cost has a large proportion in the transportation cost, and between the sample data of the transportation cost has a non-linear relationship. Before estimating the cost we should choose some reasonable distribution targets for the freight cost and consider the non-linear relationship of the cost. Based on the two reasons, we forecast the freight cost with ABC and BP neural network. ABC can consider all the activities in the transportation, and distribute the activities to the cost reasonably. In addition, BP neural network has Strong learning ability and fault-tolerant ability, it can solve the problems which the other methods cannot. Then using MATLAB software trains the network repeatedly to get the forecast results we need.
At the last of the paper, the paper estimates a railway company's freight cost with two methods. They are cost driver-BP neural network and grey system. Comparison of the predicted results, we get that the cost driver-BP neural network have an ideal result, it can be an ideal method for the freight cost estimation.
通过分析我国铁路运输成本的构成及影响因素可以得出,在铁路运输成本支出中间接成本占较大比重,而且运输成本数据具有较强的非线性,在对运输成本进行预测之前,既要选择恰当的间接费用分配指标合理地分配客货运成本,又要充分考虑铁路运输成本预测自身特性。基于以上两点考虑,选择作业成本法和BP神经网络相结合的方法对铁路货运成本进行预测。首先,从作业角度出发,利用成本动因理论,选取对货运成本影响较大的成本动因作为分配间接成本的指标,并结合定性分析和定量分析利用聚类分析法合并成本动因,再利用BP神经网络很强的学习能力、容错能力以及非线性映射能力,解决运输成本样本采集不精确和成本数据呈非线性关系的问题。以所选成本动因为输入变量,在MATLAB软件中反复进行信号的正向传播和误差的反向传播过程,不断学习训练,存储学习结果,获得预测结果。并将结果与灰色系统预测方法所得的预测结果进行比较。
最后以某铁路运输企业货运成本预测为例,分别用成本动因BP神经网络预测方法和灰色系统预测方法进行预测,并分析。结果表明,通过作业成本法选择成本动因,然后利用BP神经网络模型进行成本预测的方法比灰色系统预测法更适合用于国铁路货运成本预测。
Railway freight transportation is one of the most important parts of railway transportation. To extend effective control for cost saving can reduce the total railway transportation cost. On the premise of that is to forecast cost accurately and timely. So choosing a reasonably prediction method can not only provide effective cost information, but also make the company do well in the complicated and volatile economic environment. There are a lot of prediction methods, but not all of them fit for railway transportation cost and the situation of our country's railway transportation. In this paper, we compare the forecast results of some prediction methods to find a method which is more suit our railway transportation.
By analyzing the parts of the railway transportation cost and the influencing factors, we can get that the indirect cost has a large proportion in the transportation cost, and between the sample data of the transportation cost has a non-linear relationship. Before estimating the cost we should choose some reasonable distribution targets for the freight cost and consider the non-linear relationship of the cost. Based on the two reasons, we forecast the freight cost with ABC and BP neural network. ABC can consider all the activities in the transportation, and distribute the activities to the cost reasonably. In addition, BP neural network has Strong learning ability and fault-tolerant ability, it can solve the problems which the other methods cannot. Then using MATLAB software trains the network repeatedly to get the forecast results we need.
At the last of the paper, the paper estimates a railway company's freight cost with two methods. They are cost driver-BP neural network and grey system. Comparison of the predicted results, we get that the cost driver-BP neural network have an ideal result, it can be an ideal method for the freight cost estimation.
引文
[1]黎雪荣,马遥,等.2012-2016年中国铁路运输行业投资分析及前景预测报告[R].广东：中投顾问,2012.
[2]铁道部统计中心.中华人民共和国铁道部2011年铁道统计公报[R].北京：中华人民共和国铁道部,2011.
[3]黄孟复.中国民营经济发展报告[M].北京：社会科学文献出版社,2004.
[4]汪鸣.现代物流发展对货物运输的要求[J].铁道货运.2004(3)：09-11.
[5]郭十倜.企业物流成本构成及降低途径[J].交通企业管理,2007,22(1)：57-58.
[6]陈锡生,陈月蓉.铁路运输成本预测技术[J].中国铁路,1995(7)：28-31.
[7]张乃堪.新建铁路营运成本预测方法的分析与完善[J].道路运输与经济.1998,20(6)：33-35
[8]王涛.运输车辆单车成本预测模型研究及应用[J].物流工程与管理,2012(4)：37-39.
[9]李夏苗,朱晓立.铁路货运送达时间的估计与预测[J].交通运输系统工程与信息,2003,3(2)：81-87.
[10]吴璇,王烈.铁路货运对经济社会影响作用的研究[J].铁道运输与经济,2010,32(11)：10-13.
[11]周廷美,兰悦明.灰色系统理论在铁路运输成本预测分.析中的应用[J].铁路与计算机,1995,13(5)：23-27.
[12]陈飞.灰色预测模型及应用[J].商情(教育经济研究),2008(5)：112
[13]王曙光,韩燮.基于BP神经网络成本预测[J].山西电子技术,2005(5)：36-37.
[14]卢沁瑶.基于作业成本法的合资铁路运营成本及其相关研究[D].成都：西南交通大学,2006.
[15]赵继阳,熊天文.用改进的前向神经网络预测铁路货运量[J].西南交通大学学报,1998,33(3)：252-256.
[16]陈福贵,李远富.基于BP神经网络的铁路货运量预测[J].铁道货运,2005(9)：15-17.
[17]张世玺,杨平,等.人工神经网络在铁路系统中的应用与展望[J].控制工程,2003,10(z2)：14-16,19.
[18]于芳,张磊.支出率法在新线运输成本预测中的应用-京九铁路运输成本计算实例分析[J].铁道经济研究,1996(2)：29-31.
[19]涂旭,李雅娟.对于铁路客运成本计算方法的进一步探讨[J].华东交通大学学报,2003.20(6)：75-77.
[20]Bowersox,Donald J.,David J.Closs, and Theodore P.Stank(1999), "Sizing Global Logistics Expenditures, "in 21st Century Logisties:Making SuPPly Chain Integration a Reality, Oak Brook, IL:Council of Logistics Management, pp.211-214.
[21]Bowersox,Donald J.,Roger J.Calantone, and Alexandre M. RodrigUes(2003)," Estimation of Global Logistics Expenditures Using Neural Networks," Journal of Business Logistics, Vol24,No.2,pp.21-36.
[22]Alexandre M. Rodrigues,Bowersox,Donald J. and Roger J.Calantone(2005),"Estimation of Global and national Logistics Expenditures:2002 Data Update" Journal of Business Logistics, Vol26,No.2,pp.1-17.
[23]Shaw-Er wang.Cost structure and Productivity growth of the Taiwan Railway. Transportation Research Part E.2006(42).317-339.
[24]Seung-Ju Jeong.The European freight railway system as a hub-and-spoke network. Transportation Research Part A:Policy Practice.2007.06.523-536.
[25]林慧丹,杨涛.运输管理学[M].上海：上海财经大学出版社,2010.
[26]罗伯特.S.卡普兰,安东尼.A.阿特金森.高级管理会计[M].大连：东北财经大学出版社,1999.
[27]孙航.ABC的基本理论和方法及其诮用研究[C].厦门大学出版社,1995.
[28]李岱安,范秀君.中国铁路成本计算系统[J].中国铁路,2001(10)：7-12.
[29]金波.铁路运输成本计算引进作业成本法初探[J].铁道经济研究,2003(4)：34-37.
[30]Robert S. Kaplan,Anthony A. Atkinson.Advanced Management Accounting[J]东北财经大学出版社,2000：109.
[31]赵立三,王丹.关于成本动因问题的理论探讨[J].会计研究,1998(6)：32-35.
[32]Cooper,Robin.The Rise of Activity-based Costing-Part Three:How Many cost Drivers Do You Need, and How Do You Select Them? Journal of cost Management Winter 1989:pp45.
[33]生艳梅,周永古.成本动因选择浅析[J].财会通讯,2010(6)：110-111.
[34]段洁.铁路建设项目运输成本预测研究[D].北京交通大学,2011.
[35]王平心,于洪涛,张枫.作业成本法的产生及其新发展[J].西安交通人学学报,2001,21(1)：21-24.
[36]刘运国.作业成本法在我国铁路运输企业应用的案例研究[J].会计研究,2001(2)：31-39.
[37]孙朝苑.“网运分离”条件下铁路运输成本的测算研究[D].西南交通大学,2002.
[38]Merchant K A,Shields M D.Commentary on when and why to measure cost less accurately to improve decision making[J].Accounting Horizons,1993(7):79-80.
[39]李补喜,王平心,陈琳.作业成本计算中成本动因合并理论研究[J].系统工程理论与实践,2005(8)：55-61.
[40]王平心.作业成本法计算理论与应用研究[J].大连：东北财经大学出版社,2001.
[41]Yair M.Babad,Bala V. Balachandran.Cost Driver Optimization in Activity-Based Costing.The Accounting Review.1993,Vol.68,NO.3,:pp.563-575.
[42]黄越,梁晓琳.成本动因合并聚类分析的运用[J].财会月刊,2011(24)：52-54.
[43]李岱安.中国铁路成本计算[M].北京：中国铁道出版社.1999.
[44]彭涛.人工神经网络房地产价格评估模型的研究及应用[D].长安大学,2009.
[45]邢进良.BP神经网络模型及其应用[J].沙洋师范高等专科学校学报,2007,8(5),46-50.
[46]钟强.基于BP神经网络的高速公路交通量预测[J].甘肃科技纵横,2009,38(1),39-40.
[47]李志清.铁路运输企业运输支出预算指标体系研究[D].华东交通大学,2008.
[48]Neural Network Toolbox. Mathworks,2007:1-13.
[49]柴乔林,肖宗水,等.BP神经网络容错能力实验分析[J].计算机工程与应用,1999(5)：33,45.
[50]王法中.基于神经网络的煤炭企业物流成本预测[D].山东科技大学,2007.
[51]王志明,Kolmogorov定理的一个变形[J].数学杂志,2008,28(4)：393-398.
[52]李耀勇,郑南宁.前馈神经网络的隐节点个数与网络推广能力的关系[J].西安交通大学学报,1996,30(9)：20-23.
[53]陈祥光.人工神经网络技术及应用[M].北京：中国电力出版社,2003.
[54]邓聚龙.灰色系统预测模型GM(1,1)的基本思想与实现过程[J].系统工程,1997,15(2)：13-16.
[2]铁道部统计中心.中华人民共和国铁道部2011年铁道统计公报[R].北京：中华人民共和国铁道部,2011.
[3]黄孟复.中国民营经济发展报告[M].北京：社会科学文献出版社,2004.
[4]汪鸣.现代物流发展对货物运输的要求[J].铁道货运.2004(3)：09-11.
[5]郭十倜.企业物流成本构成及降低途径[J].交通企业管理,2007,22(1)：57-58.
[6]陈锡生,陈月蓉.铁路运输成本预测技术[J].中国铁路,1995(7)：28-31.
[7]张乃堪.新建铁路营运成本预测方法的分析与完善[J].道路运输与经济.1998,20(6)：33-35
[8]王涛.运输车辆单车成本预测模型研究及应用[J].物流工程与管理,2012(4)：37-39.
[9]李夏苗,朱晓立.铁路货运送达时间的估计与预测[J].交通运输系统工程与信息,2003,3(2)：81-87.
[10]吴璇,王烈.铁路货运对经济社会影响作用的研究[J].铁道运输与经济,2010,32(11)：10-13.
[11]周廷美,兰悦明.灰色系统理论在铁路运输成本预测分.析中的应用[J].铁路与计算机,1995,13(5)：23-27.
[12]陈飞.灰色预测模型及应用[J].商情(教育经济研究),2008(5)：112
[13]王曙光,韩燮.基于BP神经网络成本预测[J].山西电子技术,2005(5)：36-37.
[14]卢沁瑶.基于作业成本法的合资铁路运营成本及其相关研究[D].成都：西南交通大学,2006.
[15]赵继阳,熊天文.用改进的前向神经网络预测铁路货运量[J].西南交通大学学报,1998,33(3)：252-256.
[16]陈福贵,李远富.基于BP神经网络的铁路货运量预测[J].铁道货运,2005(9)：15-17.
[17]张世玺,杨平,等.人工神经网络在铁路系统中的应用与展望[J].控制工程,2003,10(z2)：14-16,19.
[18]于芳,张磊.支出率法在新线运输成本预测中的应用-京九铁路运输成本计算实例分析[J].铁道经济研究,1996(2)：29-31.
[19]涂旭,李雅娟.对于铁路客运成本计算方法的进一步探讨[J].华东交通大学学报,2003.20(6)：75-77.
[20]Bowersox,Donald J.,David J.Closs, and Theodore P.Stank(1999), "Sizing Global Logistics Expenditures, "in 21st Century Logisties:Making SuPPly Chain Integration a Reality, Oak Brook, IL:Council of Logistics Management, pp.211-214.
[21]Bowersox,Donald J.,Roger J.Calantone, and Alexandre M. RodrigUes(2003)," Estimation of Global Logistics Expenditures Using Neural Networks," Journal of Business Logistics, Vol24,No.2,pp.21-36.
[22]Alexandre M. Rodrigues,Bowersox,Donald J. and Roger J.Calantone(2005),"Estimation of Global and national Logistics Expenditures:2002 Data Update" Journal of Business Logistics, Vol26,No.2,pp.1-17.
[23]Shaw-Er wang.Cost structure and Productivity growth of the Taiwan Railway. Transportation Research Part E.2006(42).317-339.
[24]Seung-Ju Jeong.The European freight railway system as a hub-and-spoke network. Transportation Research Part A:Policy Practice.2007.06.523-536.
[25]林慧丹,杨涛.运输管理学[M].上海：上海财经大学出版社,2010.
[26]罗伯特.S.卡普兰,安东尼.A.阿特金森.高级管理会计[M].大连：东北财经大学出版社,1999.
[27]孙航.ABC的基本理论和方法及其诮用研究[C].厦门大学出版社,1995.
[28]李岱安,范秀君.中国铁路成本计算系统[J].中国铁路,2001(10)：7-12.
[29]金波.铁路运输成本计算引进作业成本法初探[J].铁道经济研究,2003(4)：34-37.
[30]Robert S. Kaplan,Anthony A. Atkinson.Advanced Management Accounting[J]东北财经大学出版社,2000：109.
[31]赵立三,王丹.关于成本动因问题的理论探讨[J].会计研究,1998(6)：32-35.
[32]Cooper,Robin.The Rise of Activity-based Costing-Part Three:How Many cost Drivers Do You Need, and How Do You Select Them? Journal of cost Management Winter 1989:pp45.
[33]生艳梅,周永古.成本动因选择浅析[J].财会通讯,2010(6)：110-111.
[34]段洁.铁路建设项目运输成本预测研究[D].北京交通大学,2011.
[35]王平心,于洪涛,张枫.作业成本法的产生及其新发展[J].西安交通人学学报,2001,21(1)：21-24.
[36]刘运国.作业成本法在我国铁路运输企业应用的案例研究[J].会计研究,2001(2)：31-39.
[37]孙朝苑.“网运分离”条件下铁路运输成本的测算研究[D].西南交通大学,2002.
[38]Merchant K A,Shields M D.Commentary on when and why to measure cost less accurately to improve decision making[J].Accounting Horizons,1993(7):79-80.
[39]李补喜,王平心,陈琳.作业成本计算中成本动因合并理论研究[J].系统工程理论与实践,2005(8)：55-61.
[40]王平心.作业成本法计算理论与应用研究[J].大连：东北财经大学出版社,2001.
[41]Yair M.Babad,Bala V. Balachandran.Cost Driver Optimization in Activity-Based Costing.The Accounting Review.1993,Vol.68,NO.3,:pp.563-575.
[42]黄越,梁晓琳.成本动因合并聚类分析的运用[J].财会月刊,2011(24)：52-54.
[43]李岱安.中国铁路成本计算[M].北京：中国铁道出版社.1999.
[44]彭涛.人工神经网络房地产价格评估模型的研究及应用[D].长安大学,2009.
[45]邢进良.BP神经网络模型及其应用[J].沙洋师范高等专科学校学报,2007,8(5),46-50.
[46]钟强.基于BP神经网络的高速公路交通量预测[J].甘肃科技纵横,2009,38(1),39-40.
[47]李志清.铁路运输企业运输支出预算指标体系研究[D].华东交通大学,2008.
[48]Neural Network Toolbox. Mathworks,2007:1-13.
[49]柴乔林,肖宗水,等.BP神经网络容错能力实验分析[J].计算机工程与应用,1999(5)：33,45.
[50]王法中.基于神经网络的煤炭企业物流成本预测[D].山东科技大学,2007.
[51]王志明,Kolmogorov定理的一个变形[J].数学杂志,2008,28(4)：393-398.
[52]李耀勇,郑南宁.前馈神经网络的隐节点个数与网络推广能力的关系[J].西安交通大学学报,1996,30(9)：20-23.
[53]陈祥光.人工神经网络技术及应用[M].北京：中国电力出版社,2003.
[54]邓聚龙.灰色系统预测模型GM(1,1)的基本思想与实现过程[J].系统工程,1997,15(2)：13-16.