一、BP神经网络在电子商务供应链中的应用(论文文献综述)
乔波[1](2021)在《服装企业绿色供应链风险评价研究》文中进行了进一步梳理随着在世界经济快速发展,环境问题也逐渐变成了世界关注方向。为解决严峻的环境问题,我国《2021年政府工作报告》提出了“推动绿色发展”的总方针。与此同时,为了适应宏观市场环境、满足政府相关要求,企业在发展战略之中也逐渐加入了“绿色、环保”的要求,采用绿色供应链管理。服装企业作为“中国制造”的典型轻工业,面临着多方面的挑战,而针对服装企业加强绿色供应链管理,对于服装企业未来的发展具有很大的意义。服装企业供应链包括从产品供应、生产制造、物流服务、销售、售后等环节,任何环节都是主要环节,任何环节都不能出现问题。现在,国内服装企业在绿色供应链管理方面没有足够的经验。本文通过分析研究与供应链风险相关的文献,结合实际企业,针对服装企业供应链进行调研,采用神经网络建立相关风险评价模型对调研结果进行风险分析,最后将模型应用到实际企业中,对该企业的绿色供应链进行风险评价。首先,详述了研究的背景与意义、国内外研究现状,明确论文研究方向。其次,介绍供应链风险和绿色供应链风险管理的内容,以及研究所用风险分析评价模型的相关理论。然后,通过分析服装企业绿色供应链结构的构成和特点,研究服装企业绿色供应链的内部和外部风险因素,对相关风险因素进行分析,通过调查问卷的方式对风险指标进行调研,最后采用因子分析法来确定服装企业绿色供应链风险评价指标体系。再次,综合神经网络对风险进行评价的优势,基于神经网络搭建服装企业绿色供应链风险评价模型,然后进行评价预测。最后,以G服装公司为实例,进行仿真训练,评价了服装供应链的总风险。根据评价和研究,对服装企业绿色供应链风险规避,提出具有针对性的建议。
孔繁辉[2](2020)在《全渠道供应链网络库存优化与定价策略研究》文中研究指明互联网的高速发展从根本上改变了供应链网络的内部结构与商业运作模式,以线下实体店、PC网店、移动网店、直播平台等并存的全新零售模式促使全渠道供应链网络逐渐形成。全渠道供应链网络供需关系的跨渠道性使得网络运行效率低下、内部协调能力较差,特别是库存系统紊乱以及产品定价恶性竞争问题突出。在此背景下,本文聚焦全渠道供应链网络中的库存优化与定价策略问题,以全渠道供应链中网络节点物流量预测结果为基础,对全渠道供应链网络中的库存控制与动态定价进行研究,从而提高全渠道供应链网络整体运行效率与内部协调能力。本文主要进行了以下几个方面研究:(1)全渠道供应链网络的运行特征及模式。在对全渠道供应链网络内部业务构成、网络运行环节以及运行过程分析基础上,深入分析全渠道供应链网络的显着特征,认清全渠道供应链网络的高度集成性和供需关系跨渠道性,在此基础上,剖析全渠道供应链网络的全新运作模式,探究多核心辐射模式对全渠道供应链网络内部优化造成的影响。(2)全渠道供应链网络优化要素分解。将全渠道供应链网络优化要素分为网络节点物流量、库存成本与定价策略,其中,对节点物流量进行预测是研究全渠道供应链网络库存优化与定价策略问题的前提和基础,节点企业根据物流量指标构建随机型库存决策模型,从而合理优化库存系统,同时,网络节点在充分考虑库存因素基础上对各营销渠道定价进行动态调整。(3)全渠道供应链网络节点物流量预测。物流量是供应链网络中节点成员进行业务往来的载体,也是企业协调物流系统的重要桥梁,节点成员通过对网络物流量的合理控制,实现对库存与定价决策的自我调节。对于全渠道供应链网络而言,节点成员间的物流联系更加复杂,这就对物流量预测方法提出了更高要求,传统的浅层学习模型在预测中过拟合问题凸显,因此本文构建深度学习模型对全渠道供应链网络节点物流量进行智能预测。(4)以物流量为基础的库存优化模型构建。库存优化的核心是通过制定最优的订货批量以及最佳的订货时间,从而最小化库存成本。在全渠道供应链网络中,库存系统需求率可以通过网络节点物流量直观体现,节点企业根据前一订货周期内的需求率以及订货批量,对下一订货周期的需求率做出理性判断,进而构建随机型库存决策模型,实现库存系统的供需平衡。(5)考虑库存因素的全渠道供应链网络定价策略。将全渠道供应链网络定价与库存优化相联动,在零售商全渠道营销共建共享库存情形下,分析网络节点不同渠道间价格冲突的相互作用原理,构建以零售商收益最大化为目标函数的非线性规划方程。当顾客需求服从均匀分布,各个渠道中的定价策略对自身以及其他渠道市场需求同时产生影响时,零售商在各个渠道间的定价策略存在纳什均衡。综上,本文从全渠道视角出发,将移动渠道和社交媒体渠道等新兴互联网营销渠道纳入供应链网络优化研究,打破了单一渠道或双渠道供应链网络为研究对象的渠道限制,最大程度上贴近供应链网络运行的实际情况;本文将深度学习算法运用到供应链网络节点物流量预测中,构建了栈式自编码器智能预测模型,该模型可通过多次迭代训练抽象数据的本质特征,预测结果比以往浅层神经网络模型具有更高的准确性;本文将物流量、库存和定价联合建模,以节点物流量预测为基础构建了随机型库存决策模型,以库存优化为前提求解出零售商在不同渠道的纳什均衡定价。
李致远[3](2020)在《基于SCOR模型九州通医药集团供应链风险识别与控制研究》文中研究说明近年来,由于医药企业对供应链质量及效率提出了很高要求,供应链风险管理日益成为医药企业供应链管理体系中至关重要的一环。可是,各种供应链风险事件的频发却暴露出整个医药行业在供应链管理方面所面临的各种问题。本文运用SCOR模型、BP神经网络法、调查问卷法、案例归纳法等研究了九州通医药集团供应链管理所面临的多重风险,分析了该企业内外部环境和供应链运行存在的问题,基于SCOR模型对九州通医药集团供应链风险因素进行了针对性识别,建立了供应链风险指标框架体系,并针对重要供应链风险点提出了相应的控制措施。主要内容包括7个部分:第一部分,分析论题产生的背景和研究意义,从供应链的涵义及形成机理、供应链风险的涵义及分类、供应链风险的识别与控制、供应链风险因素的评估方法与模型、供应链运作参考模型(SCOR)研究等5个方面入手,对国内外文献进行了归纳、分类和梳理;第二部分,概述供应链风险理论和SCOR模型,为本文后续的理论与实证研究提供理论依据和支撑;第三部分,运用PEST分析法和核心竞争力模型对九州通医药集团所面临的外部环境、行业环境和企业自身的内部环境进行了分析;第四部分,分析九州通医药集团供应链现状、结构、发展新方向和供应链风险管理中存在的问题;第五部分,基于SCOR模型,从计划、采购、配送、退货、研发和外部风险6个方面出发,识别了九州通医药集团供应链风险中的主要风险种类和风险因素,并对180份调查问卷进行了信度和效度分析以及BP神经网络统计、预测,最终确定28个关键风险指标因素;第六部分,利用调查问卷的相关数据,构建了九州通医药集团供应链风险指标框架体系;第七部分,针对九州通医药集团重要供应链风险点提出控制措施。本文形成如下结论:第一,九州通医药集团存在的9大供应链风险问题制约其供应链未来健康发展。第二,本文基于SCOR模型,对九州通医药集团供应链风险管理面临的6大风险种类进行了分析,识别了28个关键风险指标因素并运用BP神经网络法进行了准确预测,并且运用供应链管理相关理论和工具进一步对这28个关键风险指标因素进行了控制研究。第三,为促进九州通医药集团供应链管理的健康发展,本文结合九州通医药集团供应链风险实际,提出了9大项九州通医药集团供应链风险防范及配套措施建议。
高博[4](2019)在《电子商务商家信用机制的研究 ——基于社交网络数据的分析》文中指出当前我国电子商务发展迅速,自2013年起已经连续五年稳居全球第一大网络零售市场,网络零售成为电子商务中重要的组成部分,而网络零售B2C电子商务平台已经逐渐成为消费者网络购物的主要方式。电子商务商家信用是商家传递商品和服务质量的重要信号,商家信用是影响消费者网络购物决策的主要因素之一。电子商务交易中商家和消费者之间存在着信息不对称,商家掌握商品等信息相对较多是信息优势方,消费者掌握商品等信息相对较少是信息劣势方,同时电子商务交易领域当中存在着刷单、炒信、虚假评价等违法违规现象,使得电子商务交易中的失信问题仍然比较突出。电子商务信用最大的问题就是失信,产生信用风险,造成信用危机,这已经成为当前电子商务信用研究和应用实践中最突出的问题,严重阻碍了电子商务的发展。电子商务交易中商家失信行为对电子商务交易影响比较大,为了解决电子商务交易中的信用问题,有必要对电子商务商家信用机制及其相关问题进行分析与研究。为了解决电子商务交易中的信用问题,本研究首先对电子商务信用问题进行经济学分析,找出电子商务交易当中存在失信行为、产生信用风险的原因以及减少失信行为降低信用风险的措施。接着分析了电子商务信用风险的动态演化过程,发现解决电子商务交易信用问题的关键在于解决商家的信用问题。其次为了解决商家信用评价数据来源单一的问题,构建了基于社交网络的电子商务商家信用评价指标体系对商家信用进行更加全面的评价。然后为了解决电子商务平台中反映商家信用水平评价数据的真实性和可靠性问题,构建了基于区块链的去中心化分布式电子商务商家信用评价模型并进行了应用分析。最后分析了我国电子商务信用治理的现状,总结了电子商务信用治理的方式,为我国电子商务信用治理提出了自己的意见和建议。本研究的主要工作包括以下四个方面:1.电子商务信用风险分析。利用信息不对称理论,交易成本理论和博弈论分析了电子商务交易当中存在失信行为、产生信用风险的原因,提出减少失信行为降低信用风险的措施。利用演化博弈理论构建了电子商务消费者群体与商家群体、商家群体与监管方群体的演化博弈模型,分析电子商务交易当中消费者、商家和监管方策略行为的动态演化过程以及电子商务信用风险的动态演化过程,通过分析发现解决电子商务交易当中的信用问题,减少电子商务信用风险的关键在于解决商家的信用问题,减少商家的失信行为。2.基于社交网络的电子商务商家信用评价分析。电子商务商家信用评价机制反映了商家的信用状况,减少了电子商务交易中的信息不对称,在一定程度上约束了商家的失信行为,降低了电子商务交易信用风险。但是现有电子商务平台商家信用评价机制主要还是利用来自于电子商务交易平台自身的相关指标数据来构建电子商务商家信用评价指标体系对商家信用进行评价,商家信用评价数据来源单一而且还存在着刷单、炒信等违法违规现象,不能全面和客观的反映商家信用水平。针对商家信用数据来源单一的问题,利用社会资本理论将电子商务商家的社会资本应用于商家的信用评价当中,将商家社交网络影响力作为商家的社会资本纳入到电子商务商家信用评价机制当中,构建基于社交网络的电子商务商家信用评价指标体系。采集电子商务商家信用评价指标数据,并对相关指标数据进行处理,建立基于社交网络的电子商务商家信用评价模型,并利用处理过的指标数据对商家信用评价模型进行实证分析,从而对商家信用进行更加全面的评价。3.基于区块链的电子商务商家信用评价模型。针对电子商务交易领域当中存在刷单、炒信、虚假评价等违法违规现象很难确保电子商务平台中反映商家信用水平的评价数据的真实性和可靠性问题,利用区块链技术的特点提出构建基于区块链的去中心化分布式电子商务商家信用评价模型,并分析了该模型在电子商务交易评价中的具体应用,为解决传统电子商务模式中电子商务交易评价数据可能被伪造和篡改的问题提供了思路和方法。4.电子商务信用治理的思路。分析了我们国家电子商务信用治理的现状,根据已有的电子商务信用治理方式结合本研究结论,提出了我们国家电子商务信用治理的具体措施,推动我国电子商务信用体系建设,改善电子商务交易信用状况,从而推动我国电子商务又好又快地发展。本研究利用社会资本理论构建基于社交网络的电子商务商家信用评价指标体系和电子商务商家信用评价模型,可以对商家信用进行更加全面的评价,丰富了社会资本理论和社交网络在信用评价领域当中的研究与应用,拓展了社会资本和电子商务商家信用评价的研究范畴。基于区块链的电子商务商家信用评价模型为解决电子商务交易领域当中刷单、炒信、虚假评价等违法违规问题提供了信思路和新方法,丰富了区块链技术的应用场景,推动了区块链等新技术在电子商务领域中的应用。相关研究可以为我国电子商务信用治理提供理论依据,从而推动我国电子商务又好又快地发展。
方磬[5](2019)在《智慧物流园区供应链协同运作模式及风险评价研究》文中研究说明“互联网+”时代背景下,智慧化、信息化是我国传统物流园区转型升级的必然趋势之一。我国正处于智慧物流园区发展的初级阶段,仍面临着同质化竞争激烈、基础设施建设薄弱、信息技术运用率低、信息共享不足、供应链协同性差等问题。2017年,国家出台相关政策推动供应链与互联网、物联网相融合,以大数据为技术支撑,打造协同共享的智慧供应链体系,这对促进供应链管理整合资源,提升产业集成和协同水平,推动现代物流向网络化、数据化、策略化、效益化的智慧物流转型具有重要意义。同时,这也给智慧物流园区的运作模式提供了一种新的研究思路。智慧物流园区供应链协同运作可以充分发挥现代信息技术优势,运用互联网、物联网、大数据、云计算等技术构建信息平台,将智慧物流园区供应链上下游企业紧密联系起来,能够让商流、物流、资金流、信息流畅通地在供应链上进行双向流动,最大限度发挥园区资源配置的作用,降低整体的供应链成本,创造整体价值。然而供应链主体的多元化需求、外部环境的改变都会增大供应链协同的复杂性,加剧协同过程的不确定性,影响其稳定性。如何正确认识供应链协同的内外部风险,并对其展开风险管理是智慧物流园区运营过程中必须面对的问题。通过构建AHP-BP模型对风险进行评估,克服了过于主观或者过于客观而导致的评价结果不合理问题,评价研究具有一定的合理性,有利于为正确的风险管理决策提供依据。
周倩[6](2018)在《基于B2B平台的线上供应链金融风险评测与防控研究》文中指出中小型企业长期面临着授信资质薄弱、财务信息不规范导致的融资难的困境,供应链金融(SCF)则从供应链关系角度为中小型企业融资开辟了新的途径,依据核心企业的良好信用资质向中小型企业提供融资,降低了融资门槛,缓解了供应链各个环节的资金压力,实现了物流业和金融业的跨界结合。在互联网技术的推动下,基于B2B平台的线上供应链金融(E-SCF)进一步升级了业务模式,B2B电商平台的加入实现了多方资源的整合,促进了供应链金融业务四流合一,企业在平台上累积的还贷记录可进一步作为后期的融资信用凭证。线上供应链金融扩大了业务覆盖范围,形成了综合一体的供应链金融生态圈。本文首先研究了供应链金融的模式演进,对比剖析了传统供应链金融和线上供应链金融下的业务模式以及风险形成机理。然后应用层次分析法建立了全面的与时俱进的线上供应链金融风险评测指标体系,总结了包括宏观与行业风险、主体信用风险、关系类风险、操作类风险、融资项风险五大方面共63个三级风险指标,经过指标筛选确定了31个入模指标,为线上供应链金融业务风险评估提供参考依据。本文综合研究了线上供应链金融风险管理的前端风险评估和后端风险防控,研究方法结合了定性分析和定量分析,并考虑了静态风险和动态风险。本文在建立的线上供应链金融风险指标体系基础上,运用BP神经网络方法来评估线上供应链金融风险程度,并应用问卷采集的深圳某银行的供应链金融风险数据进行了MATLAB仿真实验,验证了BP神经网络方法在小规模样本下的线上供应链金融风险评估的有效性。在线上供应链金融风险的防控方面,本文从技术层面介绍了具备去中心化、信息透明共享特点的区块链技术,分析了区块链与E-SCF风险控制的耦合性,讨论了基于区块链技术的线上供应链金融风险控制方法的适用性和有效性。以质押物风险控制作为切入点,提出了基于区块链技术的质押物每日盯市补仓策略,相继进行了模型分析和数值实验测试。另一方面,本文综合技术层面和系统管理层面向线上供应链金融业务开展机构提出了优化线上供应链金融风险控制的管理措施和建议。
杨婉蓉[7](2018)在《电子商务环境下农产品供应链风险研究》文中指出近些年来,由于国家对“三农”问题的重视和我国食品安全问题的发生,农产品供应链风险研究的重要性也日益凸显,农产品供应链的风险已经成为制约我国农业经济发展的一个重要瓶颈。随着电子商务的爆炸式的增长态势,我国的农村电商也高速发展,各大电商平台纷纷进入农村市场。目前电子商务的手段已经很大程度的改变了我国传统农产品供应链的发展,促进了我国农产品供应链的发展,但是它在给我们带来便利的同时也带来了许多原来没有的风险,使风险不确定事件变得更加复杂和多元化,因此原来传统农产品供应链的风险应对措施不再完全适用于新的电子商务环境。因此,本文从电子商务的角度出发,对电子商务环境下农产品供应链风险进行识别并对其进行评估。本文的主要研究内容如下:首先系统的介绍了本文的研究背景、意义和方法等,提出本文的目的和创新点,并且结合我国现在电子商务、农产品供应链发展以及相关供应链风险研究的现状,分析传统农产品供应链和电子商务环境下的运行模式和农产品供应链的风险在电子商务环境下与传统环境之间的区别,并对电子商务环境下农产品供应链的风险进行识别。然后通过对电子商务环境下风险的识别,最终建立了从供应链经营角度出发的包含30个风险因素的电子商务环境下农产品供应链风险评估指标体系,最后用MATLAB建立电子商务下的农产品供应链的BP神经网络,再用BP神经网络对本文建立的风险评估指标体系进行评估,通过对BP神经网络的训练以及进行实证分析,证实了这种模型的实用性和可靠性。研究的结论主要是从建立农产品品牌效应、健全物流体系、完善供应链信息系统和促进平台多样化发展方面提出了相应的政策建议,对我国目前电子商务环境下的农产品供应链的发展和风险控制具有一定的指导意义。
曹胜军[8](2016)在《基于改进BP神经网络模型的家电企业供应链绩效评价研究》文中提出在经济全球化市场下,家电行业呈现出生产多品种定制化、产品高能耗智能化、销售方式多样化、以及小家电更新换代更快等特点,如何降低生产运作成本,提高节能环保水平,加强电商服务能力管理,进而提高家电企业的竞争力等问题也成为现实。传统的家电企业纵向化以及简单的横向式发展模式已无法及时响应复杂多变的市场环境,这就促使家电企业根据市场需求的变化柔性化地与其横向企业联系起来,形成供应链体系。通过对供应链上的整个运作流程的优化,实现物流、信息流和资金流的合理流动,使生产资料以最快的速度通过优化的供应链变成增值的产品来满足顾客的需求。供应链绩效评价作为供应链动态联盟绩效评价模式,它为在频繁变化、复杂的市场需求环境中衡量供应链利润、环保目标的实现程度以及提供经营决策支持都具有十分重要的意义。在总结国内外相关文献的基础上,本文首先对目前家电企业供应链管理及其供应链绩效评价现状的分析,指出了供应链绩效评价指标体系存在的问题,从而提出影响家电企业供应链管理的关键因素。同时,在分析建立指标体系原则和传统四维平衡计分卡模型的基础上,添加了节能环保和电子商务服务能力两个维度,建立了六维平衡计分卡模型。其次,通过梳理前人的评价方法,对各个方法进行对比分析,选择具有相对客观性、动态性的BP神经网络模型。再则,以具体的格力2014年1月-2015年6月共18组数据作为研究样本,借助软件Matlab2012b,建立三种训练函数(traingd函数、traingdx函数和trainscg函数)的BP神经网络模型,仿真结果显示变梯度算法(trainscg)以最少的训练步数、最小的误差值逼近目标误差。最后,本文就家电行业供应链中出现的问题提出相关建议。本文的主要研究结论为:(1)建立六维平衡积分卡模型——财务、内部流程、学习与创新、顾客、节能环保、电商服务能力。(2)选择改进BP神经网络模型作为家电企业供应链绩效评价模型,并且实例证明模型是切实可行的。(3)就家电行业供应链目前出现的问题——成本问题、节能环保问题、电商管理问题,提出相关建议。
湛必云[9](2016)在《在线供应链金融风险预警研究》文中进行了进一步梳理在我国经济发展、社会就业方面,特别是在当前我国经济转型和结构调整的关键时期,中小企业具有举足轻重的作用。然后由于我国中小企业资信状况差、抵抗风险能力弱、缺乏可用于银行贷款所需的抵押担保的资产,导致我国中小企业一直以来都面临着融资难的问题。同时,在我国整个宏观经济持续下行、传统产业面临着去产能的紧迫问题、利率市场化的背景下,银行业也迎来了阵痛期,存贷利差收窄、坏账率大幅上升,积极开拓新的业务、挖掘新的利润增长点成为银行业探寻的出路之一。而且,物流企业当前的业务模式主要还是提供物流运输和仓储等比较基础的服务,盈利能力单一、利润率较低,亟待业务模式优化和产业升级。供应链金融正是解决以上三者的需求和问题的有效方法之一。供应链金融不是针对于单个企业的融资模式,而是基于整条供应链和真实的交易关系,将银行、供应链上的相关企业和物流公司结合在一起,为整条供应链提供融资和金融服务等整体性金融解决方案。尤其在当前大数据、云计算、电子商务等互联网技术的快速发展和“互联网+”国家战略的制定下,供应链金融与互联网的融合发展将更加高效便捷和低成本地解决中小企业融资难的问题,并为供应链整体带来更大的价值增值。本文梳理了传统供应链金融的三种典型模式,并探析了在线供应链金融的基本模式;然后通过文献梳理、专家调研与打分法和数理统计方法建立了较为科学和完善的在线供应链金融风险预警指标体系,并通过算例分析验证了所构建的指标体系的有效性和适用性;最后基于BP神经网络模型构建了在线供应链金融风险预警系统,为商业银行、电商企业等开展在线供应链融资业务时判定风险、规避风险、监控和管理风险提供了科学的手段和可靠的依据。
谢海燕[10](2015)在《港口供应链网络均衡模型及风险评估研究》文中指出随着供应链网络的发展,港口供应链已成为人们关注和研究的热点。港口供应链网络错综复杂,成员众多。这些组成成员构建形式各异,层次不齐。因此,为实现资源的合理配置,优势互补,提高整个供应链的作业效率成了港口供应链管理的最大目标。另外,在全球经济一体化的形式下,港口供应链涉及的行业越来越多,范围越来越大。在对商品进行生产、运输和存贮的过程中,有很多不确定性因素存在,这些不确定性如果不能被及早发现并制止,将会给整个供应链带来无法预计的后果,所以对港口供应链的风险进行评估是必要的,也是保证港口供应链协调发展的一项重要的任务。为了降低港口供应链各环节的不确定性与风险性,加强供应链中各成员之间的协作,本文对港口供应链网络均衡模型和风险评估进行了研究。本文的主要研究成果如下:1.基于港口供应链网络中同层成员间相互竞争,不同层成员间相互合作的关系,提出了一个由供应商、港口物流商和客户组成的三层港口供应链网络均衡模型,并在此基础上引入了电子商务。从供应商、港口物流商及客户三个角度给出了各自的最优目标及全局的最优目标,并基于变分不等式理论给出了最优目标的求解方法。最后通过算例验证了模型的有效性和合理性。2.为了降低求解二次规划问题的计算复杂度和计算量,提高算法的速度和精度,提出了基于变分不等式的线性和近似线性支持向量机训练方法。该方法将线性支持向量机训练过程中凸二次规划的求解问题转化为变分不等式的求解问题,进而得到最优分类超平面。该求解过程占用内存较少,从而可以提高支持向量机分类的训练速度。实验结果表明,基于变分不等式的支持向量机泛化能力强,而且比传统的支持向量机有更快的收敛速度。3.为了减少各种风险对港口供应链造成的损失,增强港口供应链管理的稳定性和运营的高效性,建立了基于支持向量机的港口供应链风险评估模型,并与基于BP神经网络、径向基神经网络评估模型进行对比分析,通过实例计算表明基于支持向量机的港口供应链风险评估模型是可行的。同时,考虑采集数据的误差问题,对采集数据引入容错值,构成容错区间,利用粗神经网络方法对港口供应链风险评估模型的数据进行了不确定分析,讨论了不同的容错值对评估误差的影响。为港口供应链风险评估模型的建立和发展提供了参考。
二、BP神经网络在电子商务供应链中的应用(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、BP神经网络在电子商务供应链中的应用(论文提纲范文)
(1)服装企业绿色供应链风险评价研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.2.3 国内外研究现状评述 |
1.3 研究内容和研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
第2章 相关理论概述 |
2.1 服装企业绿色供应链 |
2.1.1 绿色供应链管理 |
2.1.2 服装企业绿色供应链概念 |
2.1.3 服装企业绿色供应链与传统供应链的区别 |
2.2 供应链风险管理与风险分析评价相关模型 |
2.2.1 供应链风险管理 |
2.2.2 供应链风险分析评价相关模型 |
2.3 本章小结 |
第3章 服装企业绿色供应链风险评价指标体系构建 |
3.1 服装企业绿色供应链结构与特点 |
3.1.1 服装企业绿色供应链结构 |
3.1.2 服装企业绿色供应链结构特点 |
3.2 服装企业绿色供应链风险因素的识别 |
3.2.1 服装企业绿色供应链内部风险因素分析 |
3.2.2 绿色供应链外部风险因素分析 |
3.2.3 服装企业绿色供应链风险指标调研 |
3.3 构建服装企业绿色供应链风险评价指标体系 |
3.3.1 风险评价指标的选取原则 |
3.3.2 服装企业绿色供应链风险评价指标筛选 |
3.4 本章小结 |
第4章 服装企业绿色供应链风险评价模型构建 |
4.1 基于神经网络的服装企业绿色供应链风险评价模型设计 |
4.1.1 BP神经网络对服装企业绿色供应链风险研究的适用性 |
4.1.2 神经网络模型参数的设定 |
4.1.3 服装企业绿色供应链风险评价模型的建立 |
4.2 基于神经网络的服装企业绿色供应链风险评价模型求解 |
4.2.1 BP神经网络模型学习算法 |
4.2.2 BP神经网络的学习步骤 |
4.2.3 BP神经网络模型在MATLAB的实现 |
4.3 基于服装企业绿色供应链的神经网络模型验证 |
4.4 本章小结 |
第5章 案例分析 |
5.1 G服装公司概况 |
5.1.1 G公司基本情况 |
5.1.2 G公司绿色供应链现状 |
5.2 基于G公司绿色供应链的仿真过程与结果 |
5.3 G公司绿色供应链风险管理建议 |
5.3.1 增强绿色设计与技术革新 |
5.3.2 绿色原材料和优质供应商的选择 |
5.3.3 生产制造环节节能降耗 |
5.3.4 提升供应链的快速反应能力 |
5.3.5 绿色物流与优化库存 |
5.3.6 废旧服装再生利用规范化 |
5.4 本章小结 |
结论 |
参考文献 |
附录 1 |
附录 2 |
附录 3 |
攻读硕士学位期间承担的科研任务与主要成果 |
致谢 |
(2)全渠道供应链网络库存优化与定价策略研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景与意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究目标与内容 |
1.2.1 研究目标 |
1.2.2 研究内容 |
1.3 研究方法与技术路线 |
1.3.1 研究方法 |
1.3.2 技术路线 |
1.4 本文创新点 |
第二章 研究综述 |
2.1 全渠道供应链网络物流量预测 |
2.1.1 物流量预测 |
2.1.2 深度学习预测算法 |
2.2 全渠道供应链网络库存优化 |
2.2.1 库存系统构成 |
2.2.2 库存优化决策 |
2.3 全渠道供应链网络定价策略 |
2.3.1 产品动态定价 |
2.3.2 弹性定价策略 |
2.4 研究评述 |
第三章 全渠道供应链网络运行特征及模式 |
3.1 全渠道供应链网络运行流程 |
3.1.1 网络结构 |
3.1.2 网络运行环节 |
3.1.3 业务运行过程 |
3.2 全渠道供应链网络运行特征 |
3.2.1 供需关系跨渠道性 |
3.2.2 节点信息共建共享 |
3.3 全渠道供应链网络模式 |
3.3.1 推-拉式模式 |
3.3.2 多核心辐射模式 |
3.4 全渠道供应链网络优化要素分解 |
3.4.1 网络物流量预测 |
3.4.2 库存成本控制 |
3.4.3 节点动态定价 |
3.5 本章小结 |
第四章 基于深度学习的全渠道供应链网络物流量预测 |
4.1 问题描述与假设 |
4.2 深度学习模型选择与构建 |
4.2.1 模型选择 |
4.2.2 特征提取 |
4.2.3 主成分分析 |
4.2.4 评价指标体系的建立 |
4.3 全渠道供应链网络物流量预测 |
4.3.1 预测步骤 |
4.3.2 模型输出 |
4.4 数值算例 |
4.4.1 算例描述 |
4.4.2 预测结果分析 |
4.4.3 性能度量与比较 |
4.5 本章小结 |
第五章 全渠道供应链网络节点库存优化 |
5.1 全渠道供应链网络节点库存优化目标 |
5.2 随机型库存决策 |
5.2.1 随机变量 |
5.2.2 库存决策模型 |
5.3 全渠道供应链网络节点库存优化模型构建 |
5.3.1 问题假设与符号说明 |
5.3.2 构建的优化模型 |
5.3.3 求解步骤 |
5.4 数值算例 |
5.4.1 算例描述 |
5.4.2 库存优化分析 |
5.5 本章小结 |
第六章 考虑库存因素的全渠道供应链网络定价策略 |
6.1 全渠道供应链网络定价特点 |
6.1.1 多种销售模式并存 |
6.1.2 渠道冲突显着 |
6.2 考虑库存因素的全渠道供应链网络节点动态定价模型 |
6.2.1 问题描述与假设 |
6.2.2 模型参数 |
6.3 弹性定价策略分析 |
6.3.1 模型构建 |
6.3.2 模型分析 |
6.4 数值算例 |
6.4.1 算例描述 |
6.4.2 结果分析 |
6.5 本章小结 |
第七章 结论与展望 |
7.1 研究结论 |
7.2 研究展望 |
参考文献 |
在学期间取得的科研成果和科研情况说明 |
致谢 |
(3)基于SCOR模型九州通医药集团供应链风险识别与控制研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状综述 |
1.2.1 供应链的涵义及形成机理研究 |
1.2.2 供应链风险的涵义及分类研究 |
1.2.3 供应链风险的识别与控制研究 |
1.2.4 供应链风险因素的评估方法与模型研究 |
1.2.5 供应链运作参考模型(SCOR)研究 |
1.2.6 对现有文献的评述 |
1.3 研究内容 |
1.4 研究方法和技术路线 |
1.4.1 研究方法 |
1.4.2 技术路线 |
第2章 供应链风险理论和SCOR模型概述 |
2.1 供应链风险理论 |
2.1.1 供应链风险理论发展脉络 |
2.1.2 供应链风险理论的基本内容 |
2.2 SCOR模型 |
2.2.1 SCOR涵义及流程 |
2.2.2 SCOR模型优势 |
2.3 BP神经网络法 |
2.3.1 BP神经网络涵义及优势 |
2.3.2 BP神经网络结构及学习方式 |
2.4 医药企业供应链风险管理成功案例 |
2.4.1 华润医药 |
2.4.2 国药控股 |
2.4.3 华润医药和国药控股的供应链风险管理启示 |
第3章 九州通医药集团内外部环境分析 |
3.1 九州通医药集团简介 |
3.2 九州通医药集团外部环境分析 |
3.2.1 外部一般环境分析 |
3.2.2 行业分析 |
3.2.3 同行业其他企业分析 |
3.3 内部环境分析 |
第4章 九州通医药集团供应链风险分析 |
4.1 九州通医药集团供应链现状 |
4.2 九州通医药集团供应链结构 |
4.3 九州通医药集团供应链发展新方向 |
4.3.1 专注研发供应链新技术 |
4.3.2 向医院提供第三方服务 |
4.4 九州通医药集团供应链管理存在的问题 |
第5章 基于SCOR模型九州通医药集团供应链风险识别 |
5.1 基于SCOR模型九州通医药集团供应链风险因素识别 |
5.1.1 计划风险 |
5.1.2 采购风险 |
5.1.3 配送风险 |
5.1.4 退货风险 |
5.1.5 研发风险 |
5.1.6 外部风险 |
5.2 调查问卷设计 |
5.2.1 调查问卷 |
5.2.2 数据处理和问题分析 |
5.3 问卷的信度和效度检验 |
5.3.1 信度检验 |
5.3.2 效度检验 |
5.4 期望值的确定 |
第6章 九州通医药集团供应链风险控制研究 |
6.1 计划风险 |
6.2 采购风险 |
6.2.1 规避采购风险手段 |
6.2.2 采购质量管理 |
6.3 配送风险 |
6.3.1 控制配送成本 |
6.3.2 控制配送成本策略 |
6.4 退货风险类型及诱因 |
6.4.1 退货风险类型 |
6.4.2 退货风险诱因 |
6.5 研发风险 |
6.6 外部风险 |
6.6.1 供应链鲁棒性影响因素 |
6.6.2 供应链鲁棒性运作管理 |
第7章 九州通医药集团供应链风险防范及配套措施 |
7.1 发展战略计划 |
7.2 重视与供应链成员间的协作关系 |
7.3 做好采购风险控制 |
7.3.1 优化合作伙伴选择 |
7.3.2 建立供应商长期战略伙伴关系 |
7.3.3 强化质量体系管理 |
7.3.4 定期对采购内部控制执行情况进行评价 |
7.4 配送管理体系建设 |
7.4.1 建立配送关键岗位轮岗制度 |
7.4.2 加快配送管理制度体系建设 |
7.4.3 与物流园区达成长期战略合作协议 |
7.5 做好退货处置管理 |
7.5.1 建设供应链节点企业信息反馈平台 |
7.5.2 建立基于客户满意度的药品采购模式 |
7.6 控制研发风险 |
7.6.1 技术积累 |
7.6.2 提升产品的工艺标准化水平 |
7.7 建立外部风险应急处理机制 |
7.8 加强信息共享 |
7.9 加强供应链文化建设 |
结论 |
参考文献 |
致谢 |
附录 |
(4)电子商务商家信用机制的研究 ——基于社交网络数据的分析(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景与研究意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 主要研究内容 |
1.3 研究方法与技术路线 |
1.3.1 研究方法 |
1.3.2 技术路线 |
1.4 创新点 |
第2章 基础理论和文献综述 |
2.1 电子商务信用概述 |
2.1.1 信用的含义与解释 |
2.1.2 信用与信任的关系 |
2.1.3 电子商务信用风险内涵 |
2.1.4 电子商务信用评价内涵与应用 |
2.2 相关理论介绍 |
2.2.1 演化博弈理论 |
2.2.2 社会资本理论 |
2.3 相关文献研究 |
2.3.1 社交网络研究 |
2.3.2 电子商务信用评价研究 |
2.3.3 社交网络在信用评价中的应用研究 |
2.4 文献述评 |
2.5 本章小结 |
第3章 电子商务信用的经济学分析 |
3.1 电子商务信用的经济学基础 |
3.2 基于信息不对称理论的电子商务信用问题分析 |
3.3 基于交易成本理论的电子商务信用问题分析 |
3.4 基于博弈论的电子商务信用问题分析 |
3.5 降低电子商务信用风险的措施 |
3.6 本章小结 |
第4章 电子商务信用风险演化分析 |
4.1 电子商务交易双方之间的演化博弈分析 |
4.1.1 演化博弈模型的构建 |
4.1.2 演化博弈模型的演化均衡与稳定分析 |
4.1.3 数值模拟分析 |
4.2 电子商务商家与监管方之间的演化博弈分析 |
4.2.1 演化博弈模型的构建 |
4.2.2 演化博弈模型的演化均衡与稳定分析 |
4.2.3 数值模拟分析 |
4.3 本章小结 |
第5章 社会资本视角下电子商务商家信用的理论分析 |
5.1 社会资本在信用问题研究中的应用 |
5.2 社交网络中的社会资本分析 |
5.2.1 社交网络与社会资本的关系 |
5.2.2 电子商务商家在微博中社会资本的获得与积累 |
5.3 基于社交网络的电子商务商家信用评价指标体系 |
5.3.1 影响社交网络用户影响力的主要因素 |
5.3.2 电子商务平台商家信用评价指标 |
5.3.3 构建基于社交网络的电子商务商家信用评价指标体系 |
5.4 本章小结 |
第6章 基于社交网络的电子商务商家信用评价分析 |
6.1 电子商务商家微博影响力评价模型 |
6.1.1 微博用户影响力评价指标 |
6.1.2 基于区间直觉模糊集的商家微博影响力评价模型 |
6.2 基于社交网络电子商务商家信用评价指标数据的获取与处理 |
6.2.1 天猫B2C平台服装类目商家信用评价数据的采集与处理 |
6.2.2 天猫平台服装类目商家微博影响力数据的采集与处理 |
6.3 基于社交网络的电子商务商家信用评价模型 |
6.3.1 确定商家信用评价指标权重 |
6.3.2 商家信用等级分类 |
6.3.3 商家信用评价模型 |
6.4 本章小结 |
第7章 基于区块链的电子商务商家信用评价模型 |
7.1 区块链技术概述 |
7.1.1 区块链技术的本质 |
7.1.2 区块链技术的主要特征 |
7.1.3 区块链技术发展阶段 |
7.2 模型设计与应用 |
7.2.1 模型设计 |
7.2.2 模型应用分析 |
7.3 本章小结 |
第8章 电子商务信用治理的思路 |
8.1 我国电子商务信用治理的现状 |
8.1.1 电子商务信用治理体系的层次结构 |
8.1.2 电子商务信用治理存在的问题 |
8.2 电子商务信用治理的方式 |
8.3 我国电子商务信用治理的措施 |
8.4 本章小结 |
第9章 结论与展望 |
9.1 主要研究结论 |
9.2 研究局限和展望 |
附录 |
参考文献 |
攻读博士期间的研究成果 |
致谢 |
(5)智慧物流园区供应链协同运作模式及风险评价研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 研究内容 |
1.3 研究方法与技术路径 |
1.3.1 研究方法 |
1.3.2 技术路径 |
1.4 本研究的创新点 |
第二章 文献综述 |
2.1 智慧物流及智慧物流园区研究综述 |
2.1.1 智慧物流研究现状 |
2.1.2 智慧物流园区的概念及特征 |
2.1.3 智慧物流园区的信息化建设 |
2.2 供应链协同研究综述 |
2.2.1 供应链协同的概念界定 |
2.2.2 供应链协同的运用研究 |
2.3 智慧物流园区供应链协同运作模式研究综述 |
2.3.1 物流园区协同运作研究 |
2.3.2 智慧物流园区运作模式研究 |
2.4 智慧物流园区供应链协同风险管理研究综述 |
2.4.1 物流园区风险识别与评价研究 |
2.4.2 供应链协同的影响因素及风险研究 |
2.4.3 风险识别与风险评价方法比较 |
2.5 研究评述 |
第三章 智慧物流园区供应链协同相关概念分析 |
3.1 智慧物流园区供应链协同的含义及特征 |
3.2 智慧物流园区供应链协同的动因分析 |
3.3 智慧物流园区供应链协同主体及需求分析 |
3.4 智慧物流园区供应链协同的技术支持 |
3.5 小结 |
第四章 智慧物流园区供应链协同运作模式研究 |
4.1 传统供应链协同模式分析 |
4.1.1 单一式供应链协同模式 |
4.1.2 集群式供应链协同模式 |
4.2 智慧物流园区供应链协同运作模式构建 |
4.2.1 智慧物流园区信息平台的构建 |
4.2.2 基于信息平台的供应链协同运作模式的构建 |
4.3 基于信息平台的供应链协同运作模式实施流程 |
4.4 基于信息平台的供应链协同运作模式的优点 |
4.4.1 规范业务流程,企业自主灵活 |
4.4.2 整合共享资源,提升合作效益 |
4.4.3 畅通双向监管,提高决策柔性 |
4.4.4 重塑合作关系,推动产业发展 |
4.5 小结 |
第五章 智慧物流园区供应链协同风险评价指标体系构建 |
5.1 评价指标选取原则 |
5.2 评价指标初选 |
5.3 评价指标精选 |
5.3.1 数据收集 |
5.3.2 信度分析 |
5.3.3 效度分析 |
5.4 评价指标体系的确定 |
5.5 小结 |
第六章 基于AHP-BP的智慧物流园区供应链协同风险评价模型 |
6.1 AHP与 BP神经网络 |
6.1.1 层次分析法 |
6.1.2 BP神经网络 |
6.1.3 AHP-BP模型的优点 |
6.2 AHP-BP模型的建立 |
6.2.1 建立评价指标体系 |
6.2.2 基于AHP的指标权重计算 |
6.2.3 进行BP神经网络模型训练 |
6.3 实证研究 |
6.3.1 A物流中心研究背景 |
6.3.2 A物流中心运作模式分析 |
6.3.3 基于AHP-BP的供应链协同风险评价研究 |
6.4 风险防范策略 |
6.4.1 智慧物流园区层面 |
6.4.2 供应链节点企业层面 |
6.5 小结 |
第七章 研究结论与展望 |
7.1 研究总结 |
7.2 研究局限性 |
参考文献 |
附录A |
附录B |
攻读硕士学位期间发表的论文 |
致谢 |
(6)基于B2B平台的线上供应链金融风险评测与防控研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景及意义 |
1.1.1 论文研究背景 |
1.1.2 论文研究意义 |
1.2 研究现状及文献综述 |
1.2.1 供应链金融研究与实践 |
1.2.2 线上供应链金融 |
1.2.3 供应链金融风险管理 |
1.2.4 文献总结 |
1.3 研究思路与研究方法 |
1.3.1 论文研究思路 |
1.3.2 论文研究内容 |
1.3.3 论文技术路线 |
第2章 供应链金融模式演进及风险形成机理 |
2.1 供应链金融模式演进 |
2.1.1 传统供应链金融 |
2.1.2 基于B2B平台的线上供应链金融 |
2.2 供应链金融风险形成机理 |
2.2.1 供应链金融风险影响因素 |
2.2.2 基于B2B平台的线上供应链金融不同模式下的风险分析 |
2.3 本章小结 |
第3章 基于B2B平台的线上供应链金融风险指标体系 |
3.1 E-SCF风险评测指标集 |
3.1.1 宏观行业风险 |
3.1.2 主体信用风险 |
3.1.3 关系类风险 |
3.1.4 操作类风险 |
3.1.5 融资项风险 |
3.1.6 E-SCF风险评测指标体系 |
3.2 E-SCF风险指标筛选 |
3.2.1 定量指标筛选 |
3.2.2 定性指标筛选 |
3.2.3 最终风险指标集 |
3.3 E-SCF风险评估方法 |
3.3.1 BP神经网络概念 |
3.3.2 BP神经网络的构建 |
3.4 本章小结 |
第4章 基于BP神经网络的E-SCF风险评测 |
4.1 数据收集及处理 |
4.1.1 数据收集 |
4.1.2 数据处理 |
4.2 BP神经网络设计 |
4.2.1 BP神经网络结构 |
4.2.2 BP神经网络的参数设置 |
4.3 Matlab仿真实验 |
4.3.1 实验过程 |
4.3.2 仿真结果 |
4.4 本章小结 |
第5章 供应链金融风险控制——区块链技术 |
5.1 区块链及其应用 |
5.1.1 区块链技术 |
5.1.2 区块链在金融领域应用 |
5.2 区块链与供应链金融风险控制 |
5.2.1 区块链与E-SCF耦合性 |
5.2.2 基于区块链技术的质押物盯市补仓机制 |
5.2.3 区块链技术在供应链金融风险控制方面的其它应用 |
5.3 E-SCF风险防控对策建议 |
5.3.1 技术层面 |
5.3.2 管理层面 |
5.4 本章小结 |
第6章 总结与展望 |
参考文献 |
致谢 |
附录A 50家中小型企业数据 |
附录B 线上供应链金融业务风险调查问卷 |
个人简历、在学期间发表的学术论文与研究成果 |
(7)电子商务环境下农产品供应链风险研究(论文提纲范文)
摘要 |
abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究目的和意义 |
1.3 研究内容和研究方法 |
1.3.1 研究内容 |
1.3.2 研究方法 |
1.4 创新点和难点 |
第2章 相关理论基础 |
2.1 相关概念 |
2.1.1 电子商务 |
2.1.2 供应链和农产品供应链 |
2.1.3 供应链风险 |
2.2 电子商务相关理论基础 |
2.2.1 我国农产品电子商务的发展 |
2.2.2 电子商务风险相关研究 |
2.3 农产品供应链风险相关理论 |
2.3.1 供应链风险相关研究 |
2.3.2 农产品供应链风险相关研究 |
2.4 本章小结 |
第3章 电子商务环境下农产品供应链风险评价指标体系建立 |
3.1 传统环境与电子商务环境下农产品供应链结构特点 |
3.1.1 传统农产品供应链 |
3.1.2 电子商务环境下农产品供应链 |
3.1.3 不同环境下的供应链模式对比 |
3.2 电子商务环境下农产品供应链风险识别方法 |
3.3 电子商务环境下农产品供应链风险指标体系构建基础 |
3.3.1 评估指标的选取原则 |
3.3.2 评估指标体系的构建方法与流程 |
3.4 电子商务环境下农产品供应链风险指标体系风险识别 |
3.4.1 电子商务环境农产品供应链风险来源 |
3.4.2 电子商务环境下的农产品供应链风险体系的确定 |
3.5 本章小结 |
第4章 基于BP神经网络的风险评估模型构建 |
4.1 风险评价选择比较 |
4.1.1 风险评价方法介绍 |
4.1.2 风险评价方法选择 |
4.2 基于BP神经网络的风险评估模型构建 |
4.2.1 BP神经网络的原理及工作过程 |
4.2.2 BP神经网络模型的设计 |
4.3 面向MATLAB的 BP神经网络训练 |
4.4 本章小结 |
第5章 模型应用与案例分析 |
5.1 模型的训练与检验 |
5.1.1 数据样本及其处理 |
5.1.2 模型的训练 |
5.1.3 模型的测试 |
5.2 实例分析 |
5.2.1 案例概况 |
5.2.2 案例风险评价指标分析 |
5.2.3 基于BP神经网络的实例风险评价 |
5.3 结果分析 |
5.4 本章小结 |
第6章 电子商务环境下农产品供应链风险管理对策建议 |
6.1 加强质量把控,建立品牌效应 |
6.2 健全农产品物流体系 |
6.3 建立完善的农产品供应链信息系统 |
6.4 促进平台多样化发展 |
6.5 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 不足与展望 |
参考文献 |
附录 |
致谢 |
攻读硕士学位期间从事的科研工作及取得的成果 |
(8)基于改进BP神经网络模型的家电企业供应链绩效评价研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 研究背景及意义 |
1.1.1 研究背景 |
1.1.2 研究目的 |
1.1.3 研究意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 研究内容和方法 |
1.3.1 研究方法 |
1.3.2 研究内容 |
1.3.3 技术路线 |
2 相关理论概述 |
2.1 供应链管理相关理论 |
2.1.1 供应链管理相关概念 |
2.1.2 供应链管理的特点 |
2.1.3 供应链管理的优势 |
2.2 家电供应链管理理论 |
2.2.1 家电供应链成本管理 |
2.2.2 家电供应链创新管理 |
2.3 供应链绩效评价相关理论 |
2.3.1 供应链绩效概念 |
2.3.2 供应链绩效评价的原则 |
2.3.3 供应链绩效评价的特点和作用 |
2.4 BP神经网络模型 |
2.4.1 BP神经网络模型概念 |
2.4.2 BP神经网络模型的特点 |
2.4.3 BP神经网络模型研究现状 |
3 家电企业供应链绩效评价现状分析 |
3.1 家电企业供应链管理现状分析 |
3.1.1 家电企业供应链管理概述 |
3.1.2 家电企业供应链特征 |
3.1.3 家电企业供应链管理评述 |
3.2 家电企业供应链绩效评价现状分析 |
3.2.1 评价指标体系分析 |
3.2.2 评价方法分析 |
3.2.3 家电企业供应链绩效评价评述 |
3.3 家电企业供应链绩效评价改进思路 |
3.3.1 评价对象 |
3.3.2 评价方法 |
3.4 本章小结 |
4 家电企业供应链绩效评价指标体系构建 |
4.1 供应链绩效评价指标体系现状概述 |
4.2 指标体系建立的原则和方法 |
4.2.1 指标体系建立的原则 |
4.2.2 指标体系建立的方法 |
4.3 建立指标体系的模型分析 |
4.3.1 平衡计分卡四维度 |
4.3.2 六维平衡计分卡模型 |
4.4 指标体系的构建 |
4.4.1 指标的选取 |
4.4.2 指标的量化 |
5 家电企业供应链绩效评价方法及评价准则 |
5.1 供应链绩效评价方法现状概述 |
5.2 基于改进BP神经网络的评价模型 |
5.2.1 参数确定 |
5.2.2 原理 |
5.2.3 BP神经网络运作流程 |
5.3 家电企业供应链绩效评价准则 |
6 实证研究 |
6.1 案例简介及样本数据来源 |
6.1.1 格力电器简介[80] |
6.1.2 样本数据来源 |
6.2 实例评价 |
6.3 评价结果分析 |
6.4 家电行业供应链管理相关建议 |
6.5 本章小结 |
7 结论与展望 |
7.1 结论 |
7.2 不足和展望 |
参考文献 |
作者在读期间的研究成果 |
附录 1 |
致谢 |
(9)在线供应链金融风险预警研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 研究内容与框架 |
1.3.1 研究内容 |
1.3.2 研究框架 |
1.4 研究方法与论文创新点 |
1.4.1 研究方法 |
1.4.2 论文创新点 |
第二章 国内外研究综述 |
2.1 供应链金融研究综述 |
2.1.1 供应链金融的概念界定 |
2.1.2 供应链金融的基本模式 |
2.1.3 供应链金融的风险研究 |
2.2 在线供应链金融研究综述 |
2.2.1 在线供应链金融的概念界定 |
2.2.2 在线供应链金融的运作模式 |
2.2.3 在线供应链金融的风险控制 |
2.3 本章小结 |
第三章 在线供应链金融相关介绍 |
3.1 传统供应链金融的三种典型模式 |
3.1.1 商业银行主导的供应链金融 |
3.1.2 核心企业主导的供应链金融 |
3.1.3 物流企业主导的供应链金融 |
3.2 在线供应链金融基本概念和基本模式 |
3.2.1 在线供应链金融的基本概念 |
3.2.2 在线供应链金融基本模式 |
3.3 本章小结 |
第四章 在线供应链金融风险预警指标体系建立 |
4.1 在线供应链金融风险预警指标体系初步建立 |
4.2 在线供应链金融风险预警指标体系最终建立 |
4.3 风险预警指标体系算例分析 |
4.3.1 在线供应链金融风险预警指标临界值的确定 |
4.3.2 多层次灰色综合评价法基本步骤 |
4.3.3 算例分析 |
4.4 本章小结 |
第五章 在线供应链金融风险预警系统构建 |
5.1 BP人工神经网络简介 |
5.2 基于BP人工神经网络的在线供应链金融风险预警模型的建立 |
5.2.1 样本的选取和数据的归一化处理 |
5.2.2 BP神经网络拓扑结构的建立 |
5.2.3 基于BP神经网络的在线供应链金融风险预警模型的训练 |
5.2.4 基于BP神经网络的在线供应链金融风险预警模型的检验 |
5.3 本章小结 |
第六章 总结与展望 |
6.1 研究结论 |
6.2 研究展望 |
参考文献 |
附录 |
致谢 |
攻读硕士学位期间已发表或录用的论文 |
(10)港口供应链网络均衡模型及风险评估研究(论文提纲范文)
创新点摘要 |
摘要 |
英文摘要 |
第1章 绪论 |
1.1 研究背景 |
1.2 研究意义 |
1.3 国内外研究现状 |
1.3.1 港口供应链国外研究现状 |
1.3.2 港口供应链国内研究现状 |
1.3.3 均衡理论研究现状 |
1.3.4 供应链风险评估研究现状 |
1.4 研究的目标与主要内容 |
1.4.1 研究的目标 |
1.4.2 研究的主要内容 |
1.5 研究的基本思路与方法 |
1.5.1 研究的基本思路 |
1.5.2 研究方法 |
1.6 本章小结 |
第2章 基础理论概述 |
2.1 最优化理论 |
2.1.1 凸理论 |
2.1.2 具有约束条件的最优化问题 |
2.2 变分不等式理论 |
2.2.1 变分不等式的定义 |
2.2.2 变分不等式解的性质 |
2.2.3 变分不等式算法 |
2.3 支持向量机及其学习算法简介 |
2.3.1 线性支持向量机算法 |
2.3.2 近似线性可分支持向量机算法 |
2.3.3 非线性可分支持向量机算法 |
2.3.4 用于拟合的支持向量机 |
2.4 神经网络简介 |
2.4.1 BP神经网络简介 |
2.4.2 径向基神经网络简介 |
2.4.3 粗神经网络简介 |
2.5 本章小结 |
第3章 港口供应链网络均衡模型 |
3.1 港口供应链网络均衡模型构建 |
3.2 港口供应链各层决策者的行为及目标分析 |
3.2.1 供应商的行为及其最优目标 |
3.2.2 港口物流商的行为及其最优目标 |
3.2.3 客户的行为及其最优条件 |
3.3 港口供应链网络平衡条件分析 |
3.3.1 供应链平衡条件 |
3.3.2 平衡条件分析 |
3.4 算法实现 |
3.4.1 投影算法 |
3.4.2 修正投影算法 |
3.4.3 算法步骤 |
3.5 实例分析 |
3.6 本章小结 |
第4章 基于电子商务的港口供应链网络均衡模型 |
4.1 网络均衡模型构建 |
4.2 网络模型中各层决策者的最优状态 |
4.2.1 供应商的最优状态分析 |
4.2.2 港口物流商的最优状态分析 |
4.2.3 客户的最优状态分析 |
4.3 网络模型的平衡状态及其求解算法 |
4.3.1 平衡状态 |
4.3.2 求解步骤 |
4.3.3 计算结果 |
4.4 实例分析 |
4.5 本章小结 |
第5章 港口供应链风险评估研究 |
5.1 基于变分不等式的线性支持向量机 |
5.1.1 问题转化 |
5.1.2 算法步骤 |
5.1.3 实例分析 |
5.2 基于变分不等式的近似线性支持向量机 |
5.2.1 问题转化 |
5.2.2 算法步骤 |
5.2.3 实例分析 |
5.3 基于支持向量机的港口供应链风险评估 |
5.3.1 港口供应链风险评估指标体系设定 |
5.3.2 模型建立及结果分析 |
5.3.3 与其他神经网络方法对比分析 |
5.4 基于粗神经网络的港口供应链风险评估 |
5.4.1 模型建立 |
5.4.2 结果分析 |
5.5 本章小结 |
第6章 结论 |
参考文献 |
附录 港口供应链风险评估指标体系数据表 |
攻读学位期间公开发表论文 |
致谢 |
作者简介 |
四、BP神经网络在电子商务供应链中的应用(论文参考文献)
- [1]服装企业绿色供应链风险评价研究[D]. 乔波. 燕山大学, 2021(01)
- [2]全渠道供应链网络库存优化与定价策略研究[D]. 孔繁辉. 天津理工大学, 2020(05)
- [3]基于SCOR模型九州通医药集团供应链风险识别与控制研究[D]. 李致远. 兰州理工大学, 2020(01)
- [4]电子商务商家信用机制的研究 ——基于社交网络数据的分析[D]. 高博. 中央财经大学, 2019(08)
- [5]智慧物流园区供应链协同运作模式及风险评价研究[D]. 方磬. 南京财经大学, 2019(04)
- [6]基于B2B平台的线上供应链金融风险评测与防控研究[D]. 周倩. 清华大学, 2018(04)
- [7]电子商务环境下农产品供应链风险研究[D]. 杨婉蓉. 重庆邮电大学, 2018(01)
- [8]基于改进BP神经网络模型的家电企业供应链绩效评价研究[D]. 曹胜军. 西安建筑科技大学, 2016(02)
- [9]在线供应链金融风险预警研究[D]. 湛必云. 上海交通大学, 2016(05)
- [10]港口供应链网络均衡模型及风险评估研究[D]. 谢海燕. 大连海事大学, 2015(12)