資源描述:
《基于改進(jìn)的bp神經(jīng)網(wǎng)絡(luò)庫存預(yù)測(cè)模型及其應(yīng)用研究》由會(huì)員上傳分享,免費(fèi)在線閱讀,更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、學(xué)校代碼:10406中圖分類號(hào):F253.4學(xué)號(hào):130085210012南昌航空大學(xué)碩士學(xué)位論文(專業(yè)學(xué)位研究生)基于改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)庫存預(yù)測(cè)模型及其應(yīng)用研究碩士研究生:阮翔導(dǎo)師:楊海軍副教授申請(qǐng)學(xué)位級(jí)別:專業(yè)碩士學(xué)科、專業(yè):控制工程所在單位:經(jīng)濟(jì)管理學(xué)院答辯日期:2016年06月授予學(xué)位單位:南昌航空大學(xué)ResearchandApplicationofInventoryForecastingModelBasedonTheImprovedBPNeuralNetworkADissertationSubmittedfortheDegre
2、eofMasterOnControlEngineeringbyXiangRuanUndertheSupervisionofProf.HaijunYangSchoolofEconomicsandManagementNanchangHangkongUniversity,Nanchang,ChinaJune,2016摘要為了應(yīng)對(duì)越來越激烈的市場競爭,制造業(yè)企業(yè)往往采用增加產(chǎn)品產(chǎn)量來提高其市場占有率。這使得企業(yè)對(duì)于原材料、零部件、半成品及成品的庫存量會(huì)大大增加,企業(yè)的庫存成本勢(shì)必也隨即增長。為了提高顧客滿意度,降低企業(yè)的庫存成本,庫存控制就成為
3、了提高企業(yè)競爭力的關(guān)鍵因素。因此,庫存需求預(yù)測(cè)越來越被企業(yè)所重視。傳統(tǒng)的庫存需求預(yù)測(cè)方法有很多,但是在企業(yè)規(guī)模擴(kuò)大和客戶個(gè)性化、多元化、定制化需求增長等“多重因素”的影響下,傳統(tǒng)的庫存預(yù)測(cè)方法已然很難滿足預(yù)測(cè)要求,預(yù)測(cè)誤差比較高,預(yù)測(cè)精確度比較低。因此,為了解決困擾很多企業(yè)的庫存問題,企業(yè)如何合理控制庫存成本,尋求一種更好的庫存需求預(yù)測(cè)方法以解決上述問題,就顯得尤為重要。在閱讀大量庫存預(yù)測(cè)的文獻(xiàn)后發(fā)現(xiàn),隨著BP神經(jīng)網(wǎng)絡(luò)的出現(xiàn)與發(fā)展,其特有的學(xué)習(xí)、概括、非線性特質(zhì)已逐漸被挖掘出來并充分地應(yīng)用在了預(yù)測(cè)領(lǐng)域。目前,分類方法與BP神經(jīng)網(wǎng)絡(luò)的結(jié)合
4、是目前研究BP神經(jīng)網(wǎng)絡(luò)的一個(gè)研究熱點(diǎn)。本論文以M公司智能物流快遞柜的庫存需求為研究背景,在相關(guān)學(xué)者對(duì)庫存預(yù)測(cè)的研究基礎(chǔ)上提出了兩點(diǎn)改進(jìn)與優(yōu)化。第一,本文多角度地分析了M公司智能物流快遞柜庫存需求的影響因素,在前人研究的基礎(chǔ)上,為了更好的提高客戶滿意度,將主成分分析法建立在顧客需求的層次上對(duì)BP神經(jīng)網(wǎng)絡(luò)的輸入變量進(jìn)行數(shù)據(jù)預(yù)處理(篩選處理),即將質(zhì)量屋模型與主成分分析法組合形成的綜合因素分析法對(duì)BP神經(jīng)網(wǎng)絡(luò)的輸入變量進(jìn)行預(yù)處理。第二,針對(duì)BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點(diǎn)數(shù)的選擇問題,很多專家學(xué)者都是根據(jù)經(jīng)驗(yàn)公式得到一個(gè)確定的值但其經(jīng)驗(yàn)性過強(qiáng)。為了解決
5、這一問題,本論文提出“二分分割法”的優(yōu)化算法,該方法可更快速、更精確的選擇最佳隱含層節(jié)點(diǎn)數(shù)。首先,根據(jù)前人總結(jié)的經(jīng)驗(yàn)公式確定一個(gè)隱含層節(jié)點(diǎn)數(shù)的大致范圍,其次利用“二分分割法”縮小區(qū)間范圍并反復(fù)比較區(qū)間內(nèi)隱含層節(jié)點(diǎn)數(shù)對(duì)應(yīng)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)輸出均方誤差,最后確定均方誤差最小的那個(gè)節(jié)點(diǎn)數(shù)即本論文想要得到的最佳隱含層節(jié)點(diǎn)數(shù)。本論文的最終目的是構(gòu)建預(yù)測(cè)M公司智能物流快遞柜庫存需求量的方法-BP神經(jīng)網(wǎng)絡(luò)庫存預(yù)測(cè)模型。利用MATLAB軟件分別對(duì)改進(jìn)前后的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型進(jìn)行實(shí)驗(yàn)訓(xùn)練、仿真預(yù)測(cè),得到最后的預(yù)測(cè)輸出。應(yīng)用研究表明改進(jìn)后的BP神經(jīng)網(wǎng)絡(luò)庫
6、存預(yù)測(cè)模型的預(yù)測(cè)輸出誤差更小,預(yù)測(cè)精確度更高。關(guān)鍵詞:BP神經(jīng)網(wǎng)絡(luò),庫存需求預(yù)測(cè),分類方法IABSTRACTManufacturingenterprisesusuallyenlargethemarketsharetodealwiththeincreasingmarketcompetition.Theenterpriseinventorycostwillincreaseastheincreasinglyinventorydemandofrawmaterials,components,semi-finishedandfinishedprod
7、ucts.Inordertoimprovecustomersatisfactionandreducetheinventorycost,inventorycontrolhasbecomeakeyfactortoenhancethecompetitivenessofenterprises.Therefore,demandforecastingofinventoryhasbeenpaidmoreandmoreattention.Therearelotsoftraditionaldemandforecastingmethodsofinvento
8、ry,whileintheinfluenceof"multiplefactors"suchasthecompanyscaleexpands,theindividualneedsandmultiplemark