江蘇省港口發(fā)展策略研究

王建濤 夏存霞

(南通航運(yùn)職業(yè)技術(shù)學(xué)院航海系，江蘇南通 226010)

江蘇省港口發(fā)展策略研究

王建濤 夏存霞

(南通航運(yùn)職業(yè)技術(shù)學(xué)院航海系，江蘇南通 226010)

根據(jù)評(píng)價(jià)指標(biāo)體系建立的原則，建立了港口競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系，然后利用主成分分析方法對(duì)評(píng)價(jià)指標(biāo)的因素之間進(jìn)行了影響度分析，選取前三個(gè)比較大影響值,建立了神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)港口競(jìng)爭(zhēng)力模型，利用影響值比較大的三個(gè)影響值進(jìn)行了港口競(jìng)爭(zhēng)力評(píng)價(jià)。根據(jù)評(píng)價(jià)結(jié)果，驗(yàn)證了主成分-神經(jīng)網(wǎng)絡(luò)方法對(duì)評(píng)價(jià)港口競(jìng)爭(zhēng)力的可行性，并提出了江蘇省港口提高競(jìng)爭(zhēng)力的相應(yīng)建議。

主成分分析法；BP神經(jīng)網(wǎng)絡(luò)；江蘇；港口競(jìng)爭(zhēng)力

20世紀(jì)60年代，英國(guó)學(xué)者Bird提出Anyport模型，將港口的發(fā)展分成了六個(gè)階段，開(kāi)啟了對(duì)港口競(jìng)爭(zhēng)的研究。隨著港口競(jìng)爭(zhēng)的激化，港口競(jìng)爭(zhēng)的研究不斷深入,對(duì)“港口競(jìng)爭(zhēng)力”也有了比較完整的定義：港口企業(yè)在競(jìng)爭(zhēng)的市場(chǎng)環(huán)境中為相關(guān)企業(yè)和行業(yè)提供質(zhì)優(yōu)價(jià)廉的服務(wù)的能力和機(jī)會(huì)，從而達(dá)到港口企業(yè)價(jià)值的最大化[1,2]。韓國(guó)學(xué)者田一秀[3]，通過(guò)調(diào)查問(wèn)卷的方式，對(duì)東北亞港口進(jìn)行了統(tǒng)計(jì)分析并提出了建議。文獻(xiàn)[4]結(jié)合港口競(jìng)爭(zhēng)力的不同影響因素，作出了西班牙港口排名，為西班牙港口當(dāng)局提升港口競(jìng)爭(zhēng)力做參考。文獻(xiàn)[5]研究了港口之間進(jìn)行合作將對(duì)同一區(qū)域的臨近港口競(jìng)爭(zhēng)力產(chǎn)生積極影響，而區(qū)域港口之間的競(jìng)爭(zhēng)強(qiáng)度和航運(yùn)公司以及碼頭運(yùn)營(yíng)商采取的策略則對(duì)港口競(jìng)爭(zhēng)力產(chǎn)生間接影響。

近些年來(lái)，對(duì)競(jìng)爭(zhēng)力的評(píng)價(jià)利用了數(shù)學(xué)工具和工程方法。文獻(xiàn)[6]分析了目前港口競(jìng)爭(zhēng)力的評(píng)價(jià)方法，主觀評(píng)價(jià)方法簡(jiǎn)單易行，難以量化；客觀評(píng)價(jià)方法的權(quán)重值真實(shí)可靠，冗余指標(biāo)難以刪除，過(guò)程繁瑣。文獻(xiàn)[7]構(gòu)建煤碼頭競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系，采用AHP(Analytic Hierarchy Process，層級(jí)分析法)和TOPSIS(Technique for Order Preference by Similarity to an Ideal Solution )相結(jié)合的方法對(duì)煤碼頭競(jìng)爭(zhēng)力進(jìn)行了評(píng)價(jià)研究，結(jié)合了客觀和主觀評(píng)價(jià)方法。文獻(xiàn)[8]運(yùn)用主成分分析法，確定了西南港口竟?fàn)幜χ笜?biāo)，應(yīng)用SPSS分析軟件進(jìn)行竟?fàn)幜Ψ治?，最終得到西南主要港口竟?fàn)幜τ纱蟮叫〉呐帕许樞?。文獻(xiàn)[9]利用主成分分析及神經(jīng)網(wǎng)絡(luò)方法對(duì)采礦方法進(jìn)行了優(yōu)選，既減少了計(jì)算過(guò)程，又利用神經(jīng)網(wǎng)絡(luò)自學(xué)習(xí)的優(yōu)勢(shì)。目前，利用主成分分析法和神經(jīng)網(wǎng)絡(luò)方法結(jié)合的方法對(duì)港口競(jìng)爭(zhēng)力進(jìn)行分析評(píng)價(jià)還沒(méi)有，有必要對(duì)利用兩者結(jié)合的方法對(duì)港口競(jìng)爭(zhēng)力進(jìn)行應(yīng)用研究。根據(jù)文獻(xiàn)[10]、文獻(xiàn)[11]江蘇港口貨物吞吐量、集裝吞吐量及外貿(mào)貨物運(yùn)輸量等數(shù)據(jù)可知，江蘇省億噸港口數(shù)量全國(guó)第一，但外貿(mào)貨物占總吞吐量占比不高，利用主成分-神經(jīng)網(wǎng)絡(luò)方法對(duì)江蘇港口競(jìng)爭(zhēng)力進(jìn)行實(shí)證研究，找到江蘇主要港口的優(yōu)勢(shì)和劣勢(shì)，促進(jìn)江蘇港口競(jìng)爭(zhēng)力升級(jí)、協(xié)同發(fā)展。

1 港口競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系構(gòu)建

為了盡可能客觀、準(zhǔn)確對(duì)港口競(jìng)爭(zhēng)力進(jìn)行評(píng)價(jià)，就需要建立一個(gè)客觀、全面并且指標(biāo)因素合理的評(píng)價(jià)指標(biāo)體系。根據(jù)文獻(xiàn)[6]設(shè)計(jì)了一個(gè)考慮政策因素及盈利水平的港口競(jìng)爭(zhēng)力的15個(gè)子指標(biāo)體系。根據(jù)競(jìng)爭(zhēng)力評(píng)價(jià)原則，構(gòu)建港口競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)體系，如表1所示。設(shè)立1個(gè)總指標(biāo)，即港口競(jìng)爭(zhēng)力，這是用以評(píng)價(jià)一個(gè)港口競(jìng)爭(zhēng)力強(qiáng)弱的標(biāo)準(zhǔn)。6個(gè)二級(jí)指標(biāo)，分別是港口區(qū)位條件、港口投資情況、吞吐量增長(zhǎng)率、港口作業(yè)能力、港口財(cái)務(wù)狀況及港口政策潛力。15個(gè)三級(jí)指標(biāo)，分別是港口經(jīng)濟(jì)腹地年GDP、港口經(jīng)濟(jì)腹地年外貿(mào)進(jìn)出口總額、港口與經(jīng)濟(jì)腹地距離指數(shù)、港口投資額、港口吞吐量及增長(zhǎng)率、港口集裝箱吞吐量及增長(zhǎng)率、港口航線、港口裝卸率、港口吊橋數(shù)、港口泊位數(shù)、港口總資產(chǎn)、港口總利潤(rùn)及港口政策潛力。

表1 港口競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)

本文選取了江蘇主要港口作為一個(gè)研究群體，以這8個(gè)港口2014年的各項(xiàng)指標(biāo)作為樣本數(shù)據(jù)集，整理后的數(shù)據(jù)[11,12]見(jiàn)表2。

表2 2014年上海港及江蘇主要港口指標(biāo)數(shù)據(jù)

2 港口競(jìng)爭(zhēng)力模型及驗(yàn)證

2.1 基于主成分分析法的港口競(jìng)爭(zhēng)力分析

2.1.1 主成分分析數(shù)學(xué)模型

統(tǒng)計(jì)學(xué)上是將最初的P個(gè)變量作線性組合，作為新的綜合性變量。對(duì)于第一個(gè)綜合性變量(記作F1)，一般要求F1中盡量包含原來(lái)變量的所有信息。一般認(rèn)為Var(F1)越大，則F1包含的信息越多。所以，在全部線性組合中第1主成分的方差最大。在第1主成分不能夠包含原來(lái)P個(gè)變量的全部信息的情況下，需要選取第2個(gè)線性組合F2，即第2主成分，按照這樣的方法可選取第3，第4,…，第P個(gè)主成分。這些主成分之間具有獨(dú)立性，且包含的信息量遞減，表現(xiàn)為方差遞減?，F(xiàn)實(shí)情況中，一般只選前若干個(gè)方差貢獻(xiàn)率最大的主成分，盡管未捕捉到部分信息，可是已經(jīng)獲取了絕大部分有價(jià)值的信息，從而減少了原始變量的個(gè)數(shù)，方便對(duì)問(wèn)題進(jìn)行研究。

假設(shè)有n個(gè)樣本，測(cè)得p項(xiàng)指標(biāo)(p

Zi=(ιi)′X(i=1,2,…p)

現(xiàn)實(shí)情況中，通常協(xié)差陣Σ是未知的，此時(shí)就以樣本協(xié)差陣S來(lái)近似。另外因?yàn)樽兞康牧烤V不同，因此在計(jì)算之前需要對(duì)原始變量數(shù)據(jù)進(jìn)行標(biāo)準(zhǔn)化，以剔除量綱的影響。協(xié)差陣S計(jì)算公式如下:

基于上述方法也可以求出相關(guān)陣，以獲得特征值，進(jìn)而完成主成分分析。理論上講，若存在n個(gè)變量，則最多能夠提取出n個(gè)主成分，如果全部提取就沒(méi)有達(dá)到簡(jiǎn)化數(shù)據(jù)的目的，并且提取全部信息也不具有太大的現(xiàn)實(shí)意義。所以，一般根據(jù)方差累計(jì)貢獻(xiàn)率的大小取前k個(gè)己囊括了85%以上[6]信息的主成分，剩余成分包含信息過(guò)少，可不予考慮。

2.1.2 主成分分析的步驟

主成分分析一般經(jīng)過(guò)以下4步完成:

(1)標(biāo)準(zhǔn)化原始變量數(shù)據(jù)，以避免量綱的影響；

(2)求出標(biāo)準(zhǔn)化數(shù)據(jù)矩陣的協(xié)方差矩陣或相關(guān)矩陣；

(3)計(jì)算協(xié)方差矩陣的特征根和特征向量；

(4)確定主成分。

2.1.3 港口競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)的主成分分析

表2數(shù)據(jù)表示各項(xiàng)港口競(jìng)爭(zhēng)力指標(biāo)的絕對(duì)數(shù)值，絕對(duì)數(shù)值反映了各項(xiàng)指標(biāo)的絕對(duì)大小。本文提出從競(jìng)爭(zhēng)力指標(biāo)相對(duì)值的角度，分析港口競(jìng)爭(zhēng)力。競(jìng)爭(zhēng)力指標(biāo)相對(duì)值計(jì)算公式如下:

相對(duì)競(jìng)爭(zhēng)力指標(biāo)相對(duì)值更加直觀地反映了某港口的某項(xiàng)指標(biāo)在群體中所處的水平，利用上面公式計(jì)算出2014年各港口的競(jìng)爭(zhēng)力相對(duì)值，如下表3。

表3 2014年江蘇及上海港口競(jìng)爭(zhēng)力相對(duì)值

2.1.4 港口競(jìng)爭(zhēng)力評(píng)價(jià)指標(biāo)主成分分析的實(shí)現(xiàn)

如果將過(guò)多的樣本直接輸入神經(jīng)網(wǎng)絡(luò)可能造成網(wǎng)絡(luò)結(jié)構(gòu)十分復(fù)雜，不易得到精準(zhǔn)的訓(xùn)練結(jié)果，因此先對(duì)數(shù)據(jù)作主成分分析處理，得到小于指標(biāo)數(shù)目的主成分作為神經(jīng)網(wǎng)絡(luò)的輸入數(shù)據(jù)。求出協(xié)方差矩陣的特征根和特征向量，對(duì)特征值累計(jì)貢獻(xiàn)率達(dá)到85%以上的進(jìn)行選擇作為主成份，經(jīng)過(guò)數(shù)據(jù)標(biāo)準(zhǔn)化，可以選取前三個(gè)，選取值如表4。

表4 指標(biāo)因素選取影響值

2.2 主成分-BP神經(jīng)網(wǎng)絡(luò)的港口競(jìng)爭(zhēng)力訓(xùn)練及模型

BP (Back Propagation) 神經(jīng)網(wǎng)絡(luò)由Rumelhart和McCelland等科學(xué)家于1986年首次提出，是目前應(yīng)用最為廣泛的人工神經(jīng)網(wǎng)絡(luò)模型[13]。主成分分析法—BP神經(jīng)網(wǎng)絡(luò)方法結(jié)合了兩種方法的優(yōu)點(diǎn)，使建模與仿真更加便有效，映射關(guān)系如圖1。對(duì)于評(píng)價(jià)對(duì)象的評(píng)價(jià)指標(biāo)過(guò)于繁雜時(shí)，將其直接應(yīng)用于BP神經(jīng)網(wǎng)絡(luò)容易引起訓(xùn)練結(jié)果的不穩(wěn)定，因此可以先運(yùn)用主成分分析選出可以代表大部分信息的主成分，將這少數(shù)幾個(gè)主成分輸入BP神經(jīng)網(wǎng)絡(luò)，可以使訓(xùn)練結(jié)果更精準(zhǔn)，評(píng)價(jià)結(jié)果更準(zhǔn)確。

圖1 主成分-BP神經(jīng)網(wǎng)絡(luò)模型

圖2 神經(jīng)網(wǎng)絡(luò)及數(shù)據(jù)管理工具

Matlab提供了建立BP神經(jīng)網(wǎng)絡(luò)模型的工具箱，調(diào)出命令為nntool，使用該工具箱能夠在簡(jiǎn)單的操作界面下快速高效地建立神經(jīng)網(wǎng)絡(luò)。神經(jīng)網(wǎng)絡(luò)的建立需要確定訓(xùn)練函數(shù)，神經(jīng)網(wǎng)絡(luò)權(quán)值和閩值的學(xué)習(xí)函數(shù)，隱含層神經(jīng)元數(shù)目及各層的激勵(lì)函數(shù)等。本文選取各類(lèi)函數(shù)的常用形式及不同的神經(jīng)元數(shù)目，經(jīng)組合建立了10個(gè)神經(jīng)網(wǎng)絡(luò)以備選，如圖2。經(jīng)過(guò)多次訓(xùn)練，發(fā)現(xiàn)神經(jīng)網(wǎng)絡(luò)Network5優(yōu)于其他網(wǎng)絡(luò)，不僅具有良好的收斂性，且通過(guò)Network5的輸出值相對(duì)于期望輸出有較高的擬合精度。

2.3 驗(yàn)證

擬對(duì)所研究的港口群體中各港口2014年的競(jìng)爭(zhēng)力進(jìn)行評(píng)價(jià)，評(píng)價(jià)樣本表2，其中Evaluate_x表示輸入，為待評(píng)價(jià)港口競(jìng)爭(zhēng)力指標(biāo)相對(duì)值的主成分得分； Evaluate_y表示網(wǎng)絡(luò)輸出，為港口相對(duì)競(jìng)爭(zhēng)力指數(shù)，即港口競(jìng)爭(zhēng)力評(píng)價(jià)結(jié)果。本文所構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)Networks具有很好的仿真預(yù)測(cè)功能，港口相對(duì)競(jìng)爭(zhēng)力的測(cè)算通過(guò)該BP神經(jīng)網(wǎng)絡(luò)的仿真功能來(lái)實(shí)現(xiàn)，如圖3。輸入Evaluate_ x，便可得到Evaluate_y，即港口相對(duì)競(jìng)爭(zhēng)力指數(shù)，見(jiàn)表5。

圖3 BP神經(jīng)網(wǎng)絡(luò)仿真

圖4 BP神經(jīng)網(wǎng)絡(luò)訓(xùn)練結(jié)果圖

Evaluate_xEvaluate_yG1蘇州港5.060.581.5810.12G2南京港1.082.873.459.78G3南通港-5.022.060.587.64G4連云港港3.77-3.211.59.12G5泰州-5.54-0.78-0.246.74G6鎮(zhèn)江港-6.321.4-0.746.53G7江陰港(無(wú)錫)9.17-1.88-1.628.23G8揚(yáng)州港-7.631.3-0.766.89

3 評(píng)價(jià)結(jié)果分析

根據(jù)評(píng)價(jià)結(jié)果進(jìn)行數(shù)據(jù)標(biāo)準(zhǔn)化處理，如表6，分析如下：

(1)港口競(jìng)爭(zhēng)力排名依次為蘇州港，南京港，連云港港，江陰(無(wú)錫)港，南通港，泰州港，揚(yáng)州港和鎮(zhèn)江港。利用主成分-BP神經(jīng)網(wǎng)絡(luò)評(píng)價(jià)得到的各個(gè)港口的競(jìng)爭(zhēng)力指數(shù)與《中國(guó)港口綜合競(jìng)爭(zhēng)力指數(shù)排行榜報(bào)告》基本一致，也驗(yàn)證了本方法的可行性。

表6 上海及江蘇主要港口港口競(jìng)爭(zhēng)力指數(shù)

(2)結(jié)合表5、6可以看出，港口競(jìng)爭(zhēng)力指數(shù)與X5即港口吞吐量正相關(guān)，但是也有差異。港口吞吐量蘇州港明顯高于其他港口，其競(jìng)爭(zhēng)力指數(shù)也高于其他港口。但是南京港，南通港，連云港港及江陰港進(jìn)出口吞吐量相差不大，但是競(jìng)爭(zhēng)力排名還是差異比較明顯，特別是南京港和南通港對(duì)比可以發(fā)現(xiàn)。這與南京地理區(qū)位優(yōu)勢(shì)即占據(jù)長(zhǎng)江黃金航道下游重要據(jù)點(diǎn)有關(guān)，南京港不僅通過(guò)長(zhǎng)江航道與國(guó)際港口連接，同時(shí)還為長(zhǎng)江中上游的安徽至重慶的港口向國(guó)內(nèi)外貿(mào)易的一個(gè)中轉(zhuǎn)節(jié)點(diǎn)。

(3)港口競(jìng)爭(zhēng)力指數(shù)與經(jīng)濟(jì)腹地GDP關(guān)系。同樣，蘇州港口的經(jīng)濟(jì)腹地GDP高于其他港口的經(jīng)濟(jì)腹地，也為其競(jìng)爭(zhēng)力提升提供了堅(jiān)實(shí)基礎(chǔ)。但是對(duì)比南通港和連云港港發(fā)現(xiàn)，南通的GDP明顯高于連云港，但是其港口競(jìng)爭(zhēng)力指數(shù)卻比連云港港低。根據(jù)表3發(fā)現(xiàn)，連云港經(jīng)濟(jì)腹地GDP有明顯的被弱化現(xiàn)象，因?yàn)榻K鹽城宿遷等地的進(jìn)出口通道有很多選擇，其中連云港港是重要選擇。所以連云港港經(jīng)濟(jì)腹地GDP不僅要看連云港市的GDP，還要進(jìn)一步統(tǒng)計(jì)外來(lái)貨源的數(shù)據(jù)加以分析。

4 結(jié) 論

利用主成分-BP神經(jīng)網(wǎng)絡(luò)對(duì)港口競(jìng)爭(zhēng)力進(jìn)行評(píng)價(jià)方法可行，評(píng)價(jià)指數(shù)本身相差不大，說(shuō)明還需要做進(jìn)一步的數(shù)據(jù)處理，BP神經(jīng)網(wǎng)絡(luò)的設(shè)計(jì)模型還有進(jìn)一步改進(jìn)的空間。江蘇省主要港口為提高競(jìng)爭(zhēng)力，江蘇港口特別是蘇州港、南通港、南京港應(yīng)立足上海航運(yùn)中心北翼集裝箱干線港的定位，協(xié)助上海港做好支線喂及服務(wù)，大力發(fā)展長(zhǎng)江內(nèi)貿(mào)中轉(zhuǎn)業(yè)務(wù)，加快建成長(zhǎng)江內(nèi)貿(mào)集裝箱運(yùn)輸樞紐港或江海中轉(zhuǎn)港；江蘇省內(nèi)港口特別是連云港港和南京港，應(yīng)努力發(fā)掘自身潛力，利用現(xiàn)有的優(yōu)勢(shì)發(fā)展國(guó)際集裝箱業(yè)務(wù)，合理發(fā)展近洋和遠(yuǎn)洋精品航線，對(duì)貨源充足的主線特別要堅(jiān)持本地港口直接輸出，提高其外貿(mào)速度。

1 大連海事大學(xué)世界經(jīng)濟(jì)研究所課題組.2007年中國(guó)港口綜合競(jìng)爭(zhēng)力指數(shù)排行榜報(bào)告[R].信息產(chǎn)業(yè)報(bào)道. 2008.03.01.

2 Yeo G.T., Song D.W. The Hierarchical Analysis of Perceived Competitiveness:Application to Korean Container Ports[J].Journal of the Eastern Asia Society for Transportation Studies.2005,(6):866-880.

3 田一秀.關(guān)于港口競(jìng)爭(zhēng)力的具體衡量指標(biāo)[M].北京:清華大學(xué)出版社.1993.

4 Jose C.M., Mercedes C.N., Fernando G.L.etc.Low-cost port competitiveness index: Implementation in the Spanish port system[J].Marine Policy.2009,33(4):591-598.

5 Hwang C.C., Chiang C.H. Cooperation and Competitiveness of Intra-Regional Container Ports[J].Journal of the Eastern Asia Society for Transportation Studies, 2010, 8(0):2283-2298.

6 王愛(ài)虎，劉曉輝.港口競(jìng)爭(zhēng)力研究綜述[J].華南理工大學(xué)學(xué)報(bào)，2013(1): 9-16.

7 王森勛.日照港煤碼頭國(guó)內(nèi)環(huán)境分析與競(jìng)爭(zhēng)力提升策略[J].特區(qū)經(jīng)濟(jì)，2013(1):251-253.

8 張菁菁. 基于因子分析法的西南港口競(jìng)爭(zhēng)力評(píng)價(jià)[J].物流工程與管理,2013(10):55-57.

9 陳建宏，劉浪，周智勇等.基于主成分分析與神經(jīng)網(wǎng)絡(luò)的采礦方法優(yōu)選[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版),2010(10):1967-1972.

10 呂妍. 全省去年港口貨物吞吐量超23億噸[N].新華日?qǐng)?bào),2016-01-16.

11 中國(guó)港口年鑒編輯部.中國(guó)港口年鑒[M].北京:中國(guó)港口雜志社,2016.

12 國(guó)家統(tǒng)計(jì)局.中國(guó)統(tǒng)計(jì)年鑒[M].北京:中國(guó)統(tǒng)計(jì)出版社,2015.

13 陳建宏，劉浪，周智勇等.基于主成分分析與神經(jīng)網(wǎng)絡(luò)的采礦方法優(yōu)選[J].中南大學(xué)學(xué)報(bào)(自然科學(xué)版),2010(10):1967-1972.

(責(zé)任編輯：譚銀元)

Study on Jiangsu Port Competitiveness Based on Principal Component-Neural Networks

WANG Jiantao,XIA Cunxia

(Nantong Shipping College, Nantong 226010, China)

According to the principles of evaluation index system, this essay established a port competitiveness evaluation index system, used principal component analysis(PCA) to make impact analysis between factors, selected the first three coefficient of influence, build the model of neural networks model (NNs) for port competitiveness evaluation and selected three influence value to evaluate port competitiveness. According to results of the evaluations,the method of PCA- NNs is feasible for evaluating port competitiveness, and strategies were put forward to improve the competitiveness of Jiangsu Ports.

principal component analysis; back propagation neural network; jiangsu; port competitiveness

江蘇省社科聯(lián)應(yīng)用研究項(xiàng)目(14SWB-126) “自貿(mào)區(qū)視角下江蘇省港口競(jìng)爭(zhēng)力研究”。

2016-08-10

王建濤，男，碩士研究生，博士在讀，主要研究水上運(yùn)輸。

U691

A

1671-8100(2017)01-0008-05