基于BP 神经网络的我国航空货运竞争力水平分析
——以航空公司的视角
戴 澍
（炎黄职业技术学院 经济管理系，江苏 涟水 223499）
摘 要 随着商业发展和消费水平的增加，我国航空货运业进入了新一轮的上升周期，空运需求急速发展。要提高国内航空货运效率，保证行业间的良性竞争竞争力水平的研究显得尤为重要。该文从航空公司的角度出发，构建航空公司货运情况竞争力水平评价指标体系，依托BP 神经网络测算各航空公司的竞争力情况。结合当前的先进理念，提出我国航空公司可持续发展的建议，为航空货运发展提供理论依据。
关键词 BP 神经网络；航空货运；竞争力
近年来，随着国民经济的高速发展和居民消费能力、结构的改变，我国航空物流业取得了长足的发展，据国家统计局数据显示，截至2018 年全国航空货运总量668 万吨，同比增长6.1%，航空货运周转量222.45 亿吨公里同比增长6.9%。但是，从实际情况来看，航空货运的快速发展并不能满足由快件、特种货物、跨境电商等项目持续高速增长带来的航空货运需求。与此同时，一带一路、自贸试验区等国家战略的推进以及有关促进物流业降本增效的文件密集出台，也对航空物流业的发展提出了新的更高的要求。基于此，本文尝试对航空公司货运业务的竞争力水平进行测算，以期对航空物流业的发展提供理论支持。
（3）标准方面：我国关于信用相关的现行有效标准共282项，其中国家标准97项。以“质量信用”为关键字进行检索发现相关现行有效标准共18项，但国家标准仅有3项，分别为GB/T 31870—2015《企业质量信用报告编写指南》、GB/T 31863—2015《企业质量信用评价指标》和GB/T 23791—2009《企业质量信用等级划分通则》，行业标准1项，其余14项都为地方标准。质量信用标准体系尚不完善，当前还应加快质量信用基础标准、质量信用信息管理标准、质量信用产品标准、质量信用服务标准和质量信用管理标准的制修订。
1 BP 神经网络
人工神经网络是一种常见的信息处理模型，常用于数据的预测和分析。人工神经网络通过调整复杂系统内大量节点之间的连接，以达到处理信息的目的[1]。BP 神经网络作为人工神经网络的一种重要形式，是一个包括输入层、中间层和输出层的多层前馈网络，由RunelHART 和McCeland于1986 年首次提出[2]。本文涉及的竞争力水平测算拟采用BP 神经网络。即通过数据标准化处理——输入、输出数据分等量化——网络训练——网络仿真的流程测算各航空公司的竞争力水平[3]。
2 竞争力水平评价指标体系构建
本研究借鉴邓维斌创建的区域物流竞争力指针体系[4]，构建我国航空货运竞争力水平评价指标体系，体系共3 个层面，7 个指标。3 个层面分别是货运飞机飞行情况层面、货运飞机运输情况层面、航空公司管理情况层面，其中货运飞机飞行情况层面包括飞机起飞架次、飞机飞行小时、航空公司运输飞机架数3 个二级指标；货运飞机运输情况包括货运量、货运周转量两个二级指标；航空公司管理情况包括航空公司运营时间、航空公司投诉万分率两个二级指标。上诉7 个指标又可分为效益型和成本型指标，投诉万分率属于成本型指标，其余属于效益型指标。对于效益型指标而言，数值越大竞争力情况越好，成本型指标则相反。具体如图1 所示。
图1 航空公司货运情况竞争力水平评价指标体系
按照随机抽样的方法，抽取中国28 家航空公司作为研究的样本，各航空公司的数据源于《2017从统计看民航》。
其次是数据的分布情况，理想状况是数据呈正态分布，此时选择任一标准化方法均可，若数据分布呈偏态分布或出现极端值现象时则需要对标准化方法进行筛选。考虑到z-score 法在进行数据处理时候是以数据的期望值为参照点，相比较极值处理法和功效系数法，极端值对计算结果影响相对较小。结合本文来看，中国南方航空股份有限公司和中国东方航空股份有限公司的各数据明显大于其他航空公司，属于数据极端情况。综合考虑，本文拟采用z-score 法进行数据标准化处理。
3 实证分析
3.1 数据标准化处理方法的选择
通常为确保数据处理的方便和程序运行时收敛加快，在进行神经网络运算前须要对数据进行标准化处理，以保证所有数据映像到较小的区间。常见的标准化方法包括z-score 法、MAD 法、极值处理法、功效系数法、线性比例法、归一化处理法和向量规范法等，具体如表1 所示。一般认为选择标准法处理方法须要综合考虑数据离散程度和数据分布。
表1 标准化方式汇总
首先考虑数据的离散情况，根据离散程度的不同，标准化方法可分为三类。z-score 法、极值处理法和功效系数法侧重以每一个指标的离散程度最为尺度，成为一类，MAD 法为一类，其余三种方法为一类。孙卫红认为如果指标的变异系数相差不大的话，三类方法计算的结果差异不明显。反之则差异较大，这时推荐使用第一类方法[5]。结合本文的实际情况，起飞架次、货运量等变量的涉及领域和计量单位均不同，且样本数量较多。若计算变异系数则会相差甚大。应使用第一类标准化方法。
商业模式专利保护的历史演进与制度思考—— 以中美比较研究为基础........................................................................张 平 石 丹 09.49
3.2 数据标准化处理
z-score 法公式如式（1）所示，标准化处理后的原始数据如表2 所示。
通过对表5 进行观察，中国南方航空股份有限公司属于强竞争力的航空公司，中国国际航空股份有限公司属于较强竞争力的航空公司，中等竞争力的航空公司包括中国东方航空股份有限公司、山东航空股份有限公司、上海吉祥航空有限公司、扬子江快运航空有限公司、重庆航空有限公司、顺丰航空有限公司和长龙航空有限公司，其余19 家航空公司均属于弱竞争力水平，综合呈现反“J”型分布。竞争力水平最低的是云南祥鹏航空有限责任公司为0.068229。最高的是中国南方航空股份有限公司，达0.91555，是云南祥鹏航空有限责任公司的13.4 倍。整体均值水平0.25，刚好达到中等竞争力水平标准。综合而言，我国航空货运水平竞争力水平整体不高，且两极分化严重。
表2 航空公司货运情况竞争力水平原始数据标准化处理值
3.3 输出与输入的分等量化及神经元个数确定
以表4 的数据作为输入数据，表3 的数据作为目标数据，运用matlab2009 进行BP 神经网络训练。训练函数采用TRAINGD 函数，中间层激活函数和输出层激活函数均采用TANSIG 函数[8]。经过1000 次学习后，网络趋于稳定，查看误差界面，满足精度要求，网络仿真成功，如图2 所示。
表3 航空公司货运情况竞争力水平输出分等量化指标
航空货运业从属于服务业，服务质量水平通常是航空公司区别于竞争对手的核心能力。服务本身并无门槛，关键是服务理念的形成。对于航空公司而言，首先须要建立以服务为导向的企业文化，保证员工严格遵守航空公司各项制度、规定和要求，养成良好的服务意识；其次，要完善航空公司计算机管理系统，以缩短客户办理各种繁杂手续的时间，提高服务质量；第三，要加强与客户的沟通与交流，将情感融入到服务的每一个环节，时刻体现超值服务。
其中Xn为分等量化指标值，Xmin为指标中的最小值，Xmax为指标中的最大值。
本文采用由输入层、输出层、中间层组成的三层BP 神经网络。输入层即为评价体系中的输入指标，因此神经元个数确定为7，输出层为航空公司货运情况的竞争力水平情况，神经元个数为1。中间层神经元个数借鉴谭术魁给出的公式[7]，经过多次拟合确定为3。公式为：j=a+（m+n）0.5，其中j 代表中间层神经元个数，m 和n 分别代表输入层和输出层神经元个数，a 为0 到10 之间的整数。
3.4 神经网络训练与仿真
按[0,1]的值域范围，依靠等分原则，构建输出的分等量化指标，指标共4 层，包括弱竞争力水平、中等竞争力水平、较强竞争力水平、强竞争力水平[6]。对应的取值范围分别是[0,0.25)、[0.25,0.5)、[0.5,0.75)、[0.75,1]。见表3。
表4 航空公司货运情况竞争力水平输入分等量化指标
表5 各航空公司货运情况竞争力水平统计
将表4 中的数据带入训练好的神经网络，进行网络仿真，得到各航空公司竞争力情况（见表5）。
3.5 竞争力水平验证
图2 BP 神经网络训练误差情况
对表5 中计算的各航空公司竞争力水平的可靠性进行验证，验证思路为：另外选取一列可近似替代各航空公司竞争力水平的变量，与本文求出的竞争力水平进行相关系数验证，如呈现正向强相关或正向中等相关的话，则表明两种方式得到的结论一致，换句话讲，本文的计算结果可信。此处选取2016 上半年各大航空公司盈利情况作为相关系数验证变量（数据来源：2017 从统计看民航）。选取此变量的原因有二，一是，盈利情况在很大程度上能体现公司的竞争力水平，一般情况下竞争力水平越高，盈利水平越高。二是，本文的评价体系中，未包括盈利水平，因此不会出现内生变量的问题。相关系数验证拟采用皮尔逊相关系数法，公式为：
另一方面航空货运效率也是关系到航空公司竞争力水平的重要因素，这就要求航空公司能有效组织运输线路，统筹安排运输节点和集散中心，建立完善的物流规划系统和标准化的运营模式，缩短货物在途时间，从根本上加强航空货运的效率。
其由滚筒、压穴头、轴、轮毂组成，可自由旋转，属于无动力压穴，由穴盘的运动带动其旋转从而完成压穴作业。轴两端的轴承以及轴承盖位于机架上的滑道内，可上下自由运动。当穴盘内填料量较厚时，可自动升高，保证压穴质量。按穴盘穴数可分别制作多种压穴头。压穴头根据穴盘上穴孔排列，均匀分布在滚筒的圆周上。由于滚筒表面积有限，压穴头加工繁杂，该压穴装置压穴头数确定为10行6列，共60个。其中心位置与穴孔中心相对应，从而保证在运动中的对准精度。压穴头的行间距与列之间的圆弧长均确定为42mm。
4 结论
本文运用BP 神经网络方法，在经过1000 次迭代后，网络趋于稳定，误差满足精度要求。可认为运用BP 神经网络法计算我国航空货运竞争力水平是可行的。对仿真结果与各航空公司的盈利水平进行相关系数检验，检验系数为0.7571，属于正向中等相关，可认为本文的计算结果真实、可信。
式（1）中X*ij为数据标准化处理后的变量值，Xij为原始数据，
为 数学期望，Sj为标准差。
5 建议
5.1 提高航空公司服务意识，加强航空货运效率
结合输出的分等量化指标，把表2 中各指标评价分为4 个梯度，建立输入的分等量化指标，划分公式见式（2）所示，输入的分等量化指标见表4 所示。
其中r 为皮尔逊相关系数
为样本均值xi，yi、为样本标准差。如果|r|位于0.9 和1.0 之间则属于强相关，|r|位于0.7 和0.9 之间属于中度相关，|r|位于0.5 和0.7 之间属于弱相关性，如果|r|小于0.5，则认为不存在相关关系。运用SPSS22.0 对本例进行皮尔逊相关系数验证，结果为0.7571，属于正向中等相关，可认为两种方式结论一致，本文的计算结果真实、可信。
(2) 荒漠绿洲过渡带胡杨林不同退化程度土壤入渗特征曲线可用Kostiakov模型进行模拟和预测，效果较好。土壤渗透速率随退化程度加剧而显著增大，有效地提高对降雨的快速入渗。
在建设项目电气电动轴电气设备安装过程中，有关人员必须按照有关规定进行施工，并在预防的基础上全面控制安装质量，以控制安装质量。确保建设项目的正常使用，充分发挥功能，提高人民生活水平和生活质量。
5.2 采用差异化经营方针
从前文测算的竞争力水平来看，各航空公司的水平参差不齐。不同的公司的运营模式、盈利水平等都不一样，须要对众多航空公司采用差异化经营。在此之前，首先要对航空公司的竞争力水平进行分类。本文运用SPSS22.0 进行聚类分析，把28 家航空公司分为3 类，第1 类是中国南方航空股份有限公司，第2 类中国国际航空股份有限公司、中国东方航空股份有限公司、长龙航空有限公司、顺丰航空有限公司、重庆航空有限公司，其余航空公司属于第3 类。如图3 所示。
图3 航空公司货运情况竞争力水平聚类分析
对于第1 类公司，要有效发挥行业龙头的优势，充分发挥规模效应和范围效应的力量，整合有形和无形资源，建立品牌效应。同时也要把控市场方向，避免恶性竞争，带动行业良性发展。对于第2 类公司，应大力强化与同类企业的交流，形成深层次合作，追求“聚集效应”，积极创新，力求“弯道超车”。对于第3 类公司，应随时关注市场行情，制定有效的战略规划，寻求更多的扶持政策和扶持措施，在有可能的情况下，着力发展有门槛的细分市场。
5.3 鼓励航空公司与其他物流企业合作
航空货运在运输时效性、便捷性等方面有无可比拟的优势，但是航空货运并不能实现门到门运输，须要辅助其他运输方式，这些运输方式对于航空公司的竞争力水平形成显著影响。只有鼓励航空货运企业与其他物流企业实现运营合作、联合重组、发展混合所有制，才能实现规模化、网络化、专业化，从而打造出完整的物流产业链。
最后，随着“深港通”政策的深入推行，深港股市联动效应显著加强。联动效应加强，虽然有利于投资者在充分考虑深港股市的时变性和相依性基础上，科学预测股市走势，制定合理的投资策略；但是较强的联动效应，也会减弱投资组合分散风险的效果，从而加大由深股通和港股通构成的投资组合的系统性风险，因此我们应该以审慎的态度看待联动效应。
这种创造精神对以后中国共产党的创新建设立下了榜样示范，为后来创造性地开展革命斗争、社会建设提供了宝贵经验，它与当今以改革创新为精髓的社会主义核心价值体系本质上是一致的。
6 参考文献
[1]Cun-bin LI,Ke-cheng WANG. A new grey forecasting model based on BP neural network and Markov chain[J]. Journal of Central South University of Technology,2007(5):713-718.
[2]LIJiulin,GUKangkang,CHUJinlong,JIANGBenchuan,A NG Lin. Ecological Carrying Capacity Prediction of Huainan City Based on GM-BP Neural Network[J].Journal of Landscape Research,2016,8(1):35-40.
[3]Xue-danGong,Dun-mingLiao,TaoChen,JianxinZhou,Ya-jun Yin. Optimization of steel casting feeding system based on BP neural network and genetic algorithm[J]. China Foundry,2016,13(3):182-190.
[4]邓维斌,汤敏.基于扎根理论的区域物流竞争力评价指标体系研究[J].知识经济,2018(4):14-15.
[5]孙红卫,吕春燕,祁爱琴,等.综合评价中数据标准化的原理研究[J].中国卫生统计,2015,32(2):342-344,349.
[6]戴澍,潘梦娣,孙作林,等.淮安市农业土地可持续利用的BP 神经网络仿真[J].湖南工业职业技术学院学报,2016,16(06):7-9,148.
[7]谭术魁,游和远.基于BP 神经网络的湖北省城市土地可持续利用评价[J].科技进步与对策,2006(10):147-150.
[8]石云.Bp 神经网络的Matlab 实现[J].湘南学院学报，2010,31(5):86-88,111.
Analysis on Competitiveness Level of Air Cargo in China Based on BP Neural Network——From the Airlines Perspective
DAI Shu
（Department of Economic Management, Yanhuang Technological College, Lianshui, Jiangsu 223499）
Abstract With the advance of commerce and consumption level, China's air freight industry has entered a new rise cycle, thus the demand for air transport is booming. It's paramount for our country to improve the efficiency of domestic air freight industry and ensure the pattern of benign competition in industries. The research on the level of competitiveness is particularly important. Embarking from airlines angle, this thesis constructs the assessment system of airlines competitiveness, and is based on BP neural network to calculate the condition of airlines' competitiveness.It is also combined with the current advanced concepts, puts forth the suggestion for the sustainable development in China's airlines, which provides a theoretical foundation for the development of air freight.
Keywords BP neural network; air freight; competitiveness
中图分类号 F562.3
文献标志码 A
文章编号 1672-738X（2019）01-0103-06
收稿日期： 2019-01-08
作者简介： 戴澍（1984-），男，江苏涟水人，讲师，硕士。主要研究方向：农业经济、物流管理。
（责任编校：马余平）
标签：bp神经网络论文; 航空货运论文; 竞争力论文; 炎黄职业技术学院经济管理系论文;