本文關(guān)鍵詞：智能制造模式下基于改進(jìn)BP-ARIMA組合模型產(chǎn)品需求預(yù)測方法

  更多相關(guān)文章： ARIMA BP神經(jīng)網(wǎng)絡(luò) 需求預(yù)測 智能制造

【摘要】：為有效預(yù)測智能制造模式下的不確定性需求,提出自回歸移動(dòng)平均模型ARIMA和改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的組合模型,對(duì)預(yù)測數(shù)據(jù)中包含線性規(guī)律的Lt以及非線性規(guī)律的ε_(tái)t進(jìn)行模擬和分析,以解決預(yù)測有效性和精度問題.通過數(shù)據(jù)樣本構(gòu)建,對(duì)ARIMA模型結(jié)構(gòu)進(jìn)行辨識(shí),確定p,d,q參數(shù),并對(duì)模型進(jìn)行診斷和檢驗(yàn);在此基礎(chǔ)上進(jìn)行需求數(shù)據(jù)一次預(yù)測;通過連接權(quán)值的修正降低BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)誤差,并對(duì)一次預(yù)測結(jié)果與原需求數(shù)據(jù)樣本存在的誤差進(jìn)行二次預(yù)測.實(shí)例數(shù)據(jù)分析表明:組合模型的預(yù)測精度較ARIMA模型有顯著提高,因此組合預(yù)測模型在預(yù)測效果上具有合理性和有效性.
【作者單位】： 沈陽航空航天大學(xué)經(jīng)濟(jì)與管理學(xué)院;沈陽航空航天大學(xué)機(jī)電工程學(xué)院;香港浸會(huì)大學(xué)理學(xué)院;
【關(guān)鍵詞】： ARIMA BP神經(jīng)網(wǎng)絡(luò) 需求預(yù)測 智能制造
【基金】：國家自然科學(xué)基金(71201106,71301108) 中國博士后科學(xué)基金特別資助(2014T70462);中國博士后科學(xué)基金面上項(xiàng)目(2013M530228) 遼寧省教育廳項(xiàng)目(W2014038)
【分類號(hào)】：TP183;F424
【正文快照】： 傳統(tǒng)制造業(yè)的智能化改造過程中,網(wǎng)絡(luò)協(xié)同制造W、離散型與流程型智能制造[2]新模式下,產(chǎn)品需求呈現(xiàn)出更為復(fù)雜的線性與非線性趨勢,采用合理的方法進(jìn)行需求預(yù)測是有效抑制供應(yīng)鏈牛鞭效應(yīng)的關(guān)鍵.除了自回歸移動(dòng)平均法(ARIMA)13_41等時(shí)間序列方法以外,大量的人工智能方法15_7]也在

【相似文獻(xiàn)】

中國期刊全文數(shù)據(jù)庫 前10條

1 王習(xí)濤;;ARIMA模型在期貨交易預(yù)測中的應(yīng)用研究[J];微計(jì)算機(jī)信息;2006年15期

2 張翼飛;陳洪;劉嶺;張彥琦;郭波濤;易東;;ARIMA季節(jié)乘積模型在腸道傳染病預(yù)測中的應(yīng)用[J];激光雜志;2008年02期

3 蔣金良;林廣明;;基于ARIMA模型的自動(dòng)站風(fēng)速預(yù)測[J];控制理論與應(yīng)用;2008年02期

4 曹昱東;王浩;;基于ARIMA模型上海市生活垃圾的預(yù)測與分析[J];電子測試;2013年16期

5 吳u，

本文編號(hào)：636972