基于BP神經(jīng)網(wǎng)絡(luò)及灰色GM(1,1)模型的服裝供應(yīng)鏈第三方庫存預(yù)測應(yīng)用研究
發(fā)布時間:2024-04-24 22:44
在由服裝制造企業(yè)及品牌代理商組成的服裝供應(yīng)鏈中,第三方物流企業(yè)可以通過預(yù)測模型優(yōu)化服裝物流資源,提升服裝供應(yīng)鏈末端運營效率.首先提出了服裝供應(yīng)鏈管理企業(yè)庫存運營模式.其次,以第三方服裝供應(yīng)鏈管理企業(yè)實際庫存數(shù)據(jù)為基礎(chǔ),依據(jù)服裝行業(yè)變化快、季節(jié)性強、多批次、小批量的特性,針對服裝產(chǎn)品因季節(jié)性產(chǎn)生的"爆倉"問題,建立基于BP神經(jīng)網(wǎng)絡(luò)的第三方物流企業(yè)庫存改進預(yù)測模型.第三,將預(yù)測結(jié)果誤差較大的部分運用灰色GM(1,1)模型進行補充研究,通過預(yù)測結(jié)果與實際數(shù)據(jù)的對比,驗證針對服裝供應(yīng)鏈末端預(yù)測庫存的有效模型.改進預(yù)測模型可以輔助第三方服裝類物流企業(yè)進行科學(xué)決策,為提升供應(yīng)鏈末端效率及物流管理整體水平提供新思路.
【文章頁數(shù)】:9 頁
【文章目錄】:
1 服裝供應(yīng)鏈庫存預(yù)測模型理論基礎(chǔ)
2 預(yù)測模型構(gòu)建
2.1 服裝供應(yīng)鏈管理企業(yè)庫存運營模式
2.2 BP網(wǎng)絡(luò)模型優(yōu)化設(shè)計
1)進行數(shù)據(jù)無綱量化
2)確定輸出層及隱含層對應(yīng)函數(shù)
3)對網(wǎng)絡(luò)進行訓(xùn)練
4)期望輸出與實際輸出比較
5)不合格數(shù)據(jù)調(diào)整權(quán)重
6)全部樣本訓(xùn)練結(jié)束
2.3 PB神經(jīng)網(wǎng)絡(luò)模型仿真模擬
1)數(shù)據(jù)預(yù)處理
2)傳輸函數(shù)設(shè)置
3)訓(xùn)練結(jié)果分析
3 灰色GM(1,1)補充分析模型
3.1 補充模型建立
1)弱化隨機性
2)微分方程擬合
3)預(yù)測還原
4)殘差檢驗
3.2 補充模型數(shù)據(jù)模擬
4 結(jié)論
本文編號:3963617
【文章頁數(shù)】:9 頁
【文章目錄】:
1 服裝供應(yīng)鏈庫存預(yù)測模型理論基礎(chǔ)
2 預(yù)測模型構(gòu)建
2.1 服裝供應(yīng)鏈管理企業(yè)庫存運營模式
2.2 BP網(wǎng)絡(luò)模型優(yōu)化設(shè)計
1)進行數(shù)據(jù)無綱量化
2)確定輸出層及隱含層對應(yīng)函數(shù)
3)對網(wǎng)絡(luò)進行訓(xùn)練
4)期望輸出與實際輸出比較
5)不合格數(shù)據(jù)調(diào)整權(quán)重
6)全部樣本訓(xùn)練結(jié)束
2.3 PB神經(jīng)網(wǎng)絡(luò)模型仿真模擬
1)數(shù)據(jù)預(yù)處理
2)傳輸函數(shù)設(shè)置
3)訓(xùn)練結(jié)果分析
3 灰色GM(1,1)補充分析模型
3.1 補充模型建立
1)弱化隨機性
2)微分方程擬合
3)預(yù)測還原
4)殘差檢驗
3.2 補充模型數(shù)據(jù)模擬
4 結(jié)論
本文編號:3963617
本文鏈接:http://sikaile.net/guanlilunwen/shengchanguanlilunwen/3963617.html
最近更新
教材專著