【毕业论文】基于BP人工神经网络模型的营销渠道风险预警系统研究

在企业界，许多企业缺乏渠道风险预警观念，对营销渠道的管理水平也十分有限，并没有对营销渠道风险进行系统性研究。

因此，如何对渠道风险进行预警管理，便成为迫切和现实的问题了。

研究意义对于风险预警管理，美国花旗集团前董事长沃尔特瑞斯敦曾说过生活的全部内容是风险管理而不是消除风险。

因此，公司最基本的任务之就是如何预警和管理风险，并在其中寻找成功的途径。

具体到企业营销渠道管理而言，其生存和发展犹如人的成长，期间会受到各种病菌的侵蚀，难免会生病，因而渠道风险的存在是必然的。

若在渠道病入膏盲时再看病求医，则悔之晚矣。

被美国人称为麻省奇迹的王安公司，由辉煌时期年收入达亿美元到申请破产保护，根本的原因就在于忽视了渠道风险预警。

在当前激烈竞争的市场环境下，研究渠道风险预警的应用势在必行。

建立风险预警的核心是树立风险意识，而建立风险预警机制的关键是健全风险防范制度，保障风险信息传导的顺畅，以及研究风险管理措施。

企业只有准确及时地对即将出现的营销渠道风险采取预警措施，防范于未然，才有可能在激烈的市场竞争中获得更大的发展机遇。

本文在营销渠道理论和经济预警理论的基础上，首先对营销渠道风险诱因进行辨识，进而基于神经网络建立营销渠道风险预警模型来实现对营销渠道风险的预防第章绪论基于人工神经网络模型的营销渠道风险预警系统研究和控制，使企业能够了解渠道风险波动趋势。

在定程度上，为企业控制渠道风险提供了依据，这不论是在实践上还是在理论上，都有研究价值。

同时，营销渠道风险管理作为项新兴的研究课题，本文的研究成果对营销渠道风险管理理论无疑是种有益的补充。

研究内容与框架从总体上看，本文共分为如下七个部分第章阐述了论文的研究背景和意义，并且对研究内容进行了简单地概括，形成了本文的研究框架。

最后，介绍了本文可能存在的创新点。

第二章介绍了营销渠道风险预警体系的理论基础营销渠道理论和经济预警理论，并且综述了现有关于营销渠道风险预警管理的研究情况，分析了当前研究的不足。

第三章阐述了营销渠道风险和营销渠道风险预警管理的概念，并对营销渠道风险预警系统的运行流程进行了分析。

第四章按照不同的标准，对营销渠道风险进行了分类分析了营销渠道风险诱因，并以问卷调查为基础，对问卷调查的结果进行统计分析，形成了更具可信度的营销渠道风险诱因体系。

然后，将各诱因指标化，对指标进行详细说明。

第五章在分析了目前用于营销渠道风险预警方法的缺点的基础上，说明神经网络模型用于营销渠道风险预警的可行性与优越性。

结合营销渠道的特点与神经网络的优越性，构建了面向的神经网络模型，用于营销渠道风险预警，并应用公司旗下的品牌在国内的个子渠道的渠道数据对模型进行了训练和检测。

第六章对综合预警信号的输出方法和单因素预警信号的输出方法做了简要的分析，同时阐述了二者之间的关系，并参考相关研究的结论，给出了可供参考的各风险状态下的临界值。

最后，简要分析了各风险状态下的管理对策。

第七章总结全文的主要内容，指出论文存在的不足之处，对今后的研究方向提出建议。

本文总体框架如下基于人工神经网络模型的营销渠道风险预警系统研究第章绪论提出问题营销渠道风险的概念营销渠道风险预警的概念风险分类诱因分析预警指标体系市场调查构建营销渠道风险预警模型实证研究验证模型的有效性总结与展望背景分析文献评述提出问题理论分析实证分析结论图研究框架本文可能存在的创新点本文的特色在于选题新颖，在对营销渠道风险进行理论探索研究的同时，运用定性与定量相结合的方法，完成了渠道预警的实证研究。

本研究可能有以下几个创新点在借鉴已有的营销渠道风险管理理论的基础上，分析了营销渠道的风险诱因，考虑定性与定量的结合，建立了新的营销渠道诱因体系。

通过问卷调查对营销渠道风险诱因进行筛选，将风险诱因指标化，使渠道风险组成明细化。

利用聚类分析，对样本数据的状态划分情况进行了检测，经检测的数据可作为预警工作的基础。

基于营销渠道风险的特点，本文构建了结构为的三层神经网络风险预警模型，并利用相关企业的渠道数据完成了实证研究，对模型进行了训练与检测，结果表明神经网络模型能够有效评估企业营销渠道的风险状态，为后期预警系统的建立提供了技术支持。

第章绪论基于人工神经网络模型的营销渠道风险预警系统研究本章小结本章阐述了本课题的研究背景和研究意义，并且对研究内容进行了简单地概括，同时给出了研究框架。

最后，介绍了本文可能存在的创新点。

基于人工神经网络模型的营销渠道风险预警系统研究第二章文献综述第二章文献综述营销渠道理论营销渠道理论是营销理论的主要构成部分，在经过近百年的研究发展和总结后，营销学者对渠道理论的研究主要集中三大领域对渠道绩效的研究对渠道行为的研究以及对渠道关系的研究。

以下是关于这三个方面的主要文献综述以渠道绩效为重心的营销渠道理论绩效是指企业为了达到特定的目标，合理利用有限资源的经济性程度。

企业通过绩效测量，可了解其目前的管理水平，进而修正过去的管理失误，正确地引导企业的资源分配方┘├┘┬┘┘图树状图距离欧氏距离，方法组间平均联结法分类情况如下基于人工神经网络模型的营销渠道风险预警系统研究第五章基于人工神经网络预警模型的构建图分类结果图经过分析可以看出，中度风险状态和低度风险状态的划分正确。

最后，对低度风险状态与安全状态的划分情况进行检测。

检测结果如下┬┐┘├┐┘├┐┘┬┐┘├┐┘├┐┘├┘┬┐┘├┘┘图树状图距离欧氏距离，方法组间平均联结法分类情况如下第五章基于人工神经网络预警模型的构建基于人工神经网络模型的营销渠道风险预警系统研究图分类结果图经过分析可以看出，低度风险状态与安全状态的划分正确。

至此，本文对各种状态的划分情况的检测完毕，从检测的结果来看，各状态间的划分情况正确，可作为神经网络模型的样本基础。

网络设计根据上文分析，按照网络的般设计原则，隐含层神经元的传递函数为型正切函数，即。

由于本文的输出层已被规划到区间，中，因此，输出层神经元的传递函数可以设定为型对数函数，即，建立结构为的三层神经网络。

利用如下代码在中创建个符合上述要求的神经网络。

各参数含义如下输入向量的取值范围第层神经元的个数，共层第层的传递函数网络的训练函数网络的性能函数。

执行的结果创建个层的神经网络。

当我们使用函数创建前馈神经网络后，网络会自动地初始化各层权值和阀值，权值为区间，上的任意随机数。

在节，本文已将样本数据进行了归化处理，所以每个指标的取值范围为所以基于人工神经网络模型的营销渠道风险预警系统研究第五章基于人工神经网络预警模型的构建。

本文建立的三层神经网络结构的，而经函数创建的神经网络，会将三层神经网络默认为二层，不会显示输入层神经元的状况，所以，在本文中。

关于各层的传递函数的选择情况前文已作说明，隐含层神经元的传递函数为型正切函数，即输出层神经元的传递函数设定为型对数函数，即。

在网络中，学习率是人为设定的个固定的常数，而且它的值将直接影响到网络的训练性能。

如果选择的太大，会降低网络的稳定性反之，会导致过长的训练时间。

如果学习率在训练的过程中得到适当的变化，又使得它的值不会过大，就可以加快网络的训练速度，而且确保了网络的稳定性。

函数能自适应修改学习率，避免人为主观设定学习率的缺点。

所以本文选择用函数作为训练函数。

在神经网络中，通常选用典型的前向反馈网络误差性能函数来评价网络的性能，其表达式为公式其中，为训练样本数为输出层神经元数为期望输出为实际输出。

基于上述分析，本文建立了用于营销渠道风险预警的神经网络，代码如下为表中的前组样本数据前组数据对应的风险状态设定了渠道预警网络个输入向量的取值范围其中，当我们使用函数创建前馈神经网络后，网络会自动地初始化各层权值和阀值。

通过下列代码来查看经初始化的权值和阀值当前输入层到隐含层权值第五章基于人工神经网络预警模型的构建基于人工神经网络模型的营销渠道风险预警系统研究，执行结果如下图函数初始化的输入层权值当前输入层到隐含层阈值执行结果如下图函数初始化的输入层阀值当前隐含层到输出层权值，执行结果如下基于人工神经网络模型的营销渠道风险预警系统研究第五章基于人工神经网络预警模型的构建图函数初始化的隐含层权值当前隐含层到输出层阈值执行结果如下图函数初始化的隐含层阀值网络训练与检测对于已创建的神经网络，利用表中的前组数据进行训练，训练后的网络才能满足实际应用的要求。

训练参数的设定如下所示，其他参数取默认值。

表网络参数属性参数名称取值属性最大训练次数。

若超过，则训练终止两次显示之间的训练步数无显示时设为学习率训练目标训练时间，表示训练时间不限网络训练代码如下函数用于将网络初始化训练结果如下图所示第五章基于人工神经网络预警模型的构建基于人工神经网络模型的营销渠道风险预警系统研究图训练误差曲线可见经过次训练后，网络的目标误差达到要求。

此时，可通过如下代码查看经过调整后的各层权值和阀值训练后输入层到隐含层权值执行结果如下图训练后输入层到隐含层权值训练后输入层到隐含层阈值执行结果如下基于人工神经网络模型的营销渠道风险预警系统研究第五章基于人工神经网络预警模型的构建图训练后输入层到隐含层阀值训练后隐含层到输出层权值执行结果如下图训练后隐含层到输出层权值训练后隐含层到输出层阀值执行结果如下图训练后隐含层到输出层阀值同时，还提供了函数用于对网络训练结果的进步分析，评估网络的训练效果。

分析过程如下，得到仿真结果前组数据的网络输出为第五章基于人工神经网络预警模型的构建基于人工神经网络模型的营销渠道风险预警系统研究图训练数据的仿真输出，运行此代码得图函数返回值函数返回了个值。

和分别表示最优回归直线的斜率和轴截距。

当，时，网络输出与目标输出完全相同，此时网络具有最优性能。

表示网络输出与目标输出的相关系数，它越接近，表示网络输出与期望输出越接近，网络的性能越好。

图给出了由函数显示的图形，横坐标为期望输出，纵坐标为网络输出，表示数据理想回归直线网络输出等于目标输出时的直线由虚线表示最优回归直线由红线表示。

从图中我们可以看到虚线和红线几乎重合，与非常接近，说明网络具有非常好的性能。

图网络训练结果输出图形硕士学位论文基于人工神经网络模型的营销渠道风险预警系统