【摘要】：農(nóng)產(chǎn)品是具有生命體征的一類產(chǎn)品,它的保質(zhì)期短,在運(yùn)輸和儲存過程中極易腐爛變質(zhì),如果管理不善,極易造成社會資源的嚴(yán)重浪費(fèi),嚴(yán)重影響農(nóng)產(chǎn)品的經(jīng)營利潤。而要減少農(nóng)產(chǎn)品物流過程中的浪費(fèi)——尤其是庫存浪費(fèi),降低農(nóng)產(chǎn)品的經(jīng)營成本,就必須在農(nóng)產(chǎn)品采購方面下功夫。作為有待深入研究的課題,農(nóng)產(chǎn)品采購問題成為本文的研究重點(diǎn)。 以往的采購管理研究中對農(nóng)產(chǎn)品需求預(yù)測的準(zhǔn)確度不高,主要是由于農(nóng)產(chǎn)品采購預(yù)測中存在許多不確定性因素,很難通過經(jīng)驗(yàn)判斷或簡單模型來提高預(yù)測的準(zhǔn)確度。針對這一問題,本文提出以支持向量機(jī)理論為主,多方法融合為輔的農(nóng)產(chǎn)品需求智能預(yù)測系統(tǒng),將影響農(nóng)產(chǎn)品未來需求的不確定因素納入農(nóng)產(chǎn)品需求預(yù)測中,以實(shí)現(xiàn)農(nóng)產(chǎn)品需求的動(dòng)態(tài)預(yù)測。由于農(nóng)產(chǎn)品的供應(yīng)和需求都是動(dòng)態(tài)變化的,為進(jìn)一步融合農(nóng)產(chǎn)品供應(yīng)鏈上的供需信息,本文采用CPFR(Collaborative Planning, Forecasting and Replenishment, 聯(lián)合計(jì)劃、預(yù)測和補(bǔ)充)管理方法,通過聯(lián)合預(yù)測進(jìn)一步提高供應(yīng)鏈需求預(yù)測的準(zhǔn)確性,為庫存補(bǔ)充提供科學(xué)的決策依據(jù)。本研究的理論價(jià)值在于為農(nóng)產(chǎn)品采購提供了一種新的研究思路,其實(shí)踐意義則是通過對農(nóng)產(chǎn)品供應(yīng)鏈上需求的準(zhǔn)確預(yù)測來提高庫存補(bǔ)充的合理性,促進(jìn)農(nóng)產(chǎn)品采購決策的制定朝著智能化、科學(xué)化方向發(fā)展。 本文首先闡述了CPFR理論的涵義、特點(diǎn)和CPFR的實(shí)施框架,分析了農(nóng)產(chǎn)品采購運(yùn)用CPFR管理策略的適用性,介紹了當(dāng)前采購管理研究的主要方面; 在此基礎(chǔ)上指明了本研究的目的和意義,并對CPFR理論和農(nóng)產(chǎn)品采購的國內(nèi)外研究概況進(jìn)行了較為詳盡的總結(jié)和評述。 接著分析了農(nóng)產(chǎn)品的特性和市場規(guī)律,根據(jù)保質(zhì)期要求對農(nóng)產(chǎn)品進(jìn)行了分類; 根據(jù)農(nóng)產(chǎn)品采購特點(diǎn)對傳統(tǒng)的CPFR流程進(jìn)行了改進(jìn); 針對農(nóng)產(chǎn)品供應(yīng)鏈中的零售商和供應(yīng)商制定了CPFR采購流程,研究了他們之間的聯(lián)合數(shù)據(jù)傳遞過程; 進(jìn)一步將供應(yīng)鏈從兩極模式擴(kuò)展到多級模式,納入農(nóng)產(chǎn)品供應(yīng)鏈中的上游供應(yīng)商,形成多層CPFR模型,并探討了其配置模式; 再加入CTM(Collaborative Transportation Management,聯(lián)合運(yùn)輸管理)的管理思想,探討了多層CPFR在農(nóng)產(chǎn)品供應(yīng)鏈中的實(shí)施流程。 然后在CPFR合作框架下建立了投資博弈模型,定義了兩類均衡:內(nèi)部均衡和邊界均衡,并證明了均衡的存在性; 對于多均衡解的選擇問題,通常采用均衡精煉的概念,求取帕累托(Pareto)最優(yōu)解; 而本文提出了均衡的穩(wěn)定解概念,研究了投資博
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級別】：博士
【學(xué)位授予年份】：2005
【分類號】：F224
【圖文】：

A( i )和 F (i )分別表示實(shí)際銷售量和預(yù)測銷售量。采用 SVM 方法進(jìn)行農(nóng)產(chǎn)品銷售量預(yù)測的步驟為：（1）對歷史數(shù)據(jù)進(jìn)行平滑預(yù)處理和歸一化處理，對銷售相關(guān)數(shù)據(jù)進(jìn)行量化然后形成樣本集；（2）用訓(xùn)練樣本建立如式（5-10）的目標(biāo)函數(shù)；（3）利用改進(jìn)的 SVM 訓(xùn)練算法來求解式（5-10），得到解iα 和*iα ，i=1,…（4）將得到的拉格朗日乘子解代入式（5-11）中，再利用預(yù)測樣本對未來銷進(jìn)行預(yù)測。為了驗(yàn)證 SVM 方法的優(yōu)越性，這里將 SVM 方法和 RBF 神經(jīng)網(wǎng)絡(luò)方法進(jìn)行研究數(shù)據(jù)來源于不同地區(qū) 3 個(gè)超市的農(nóng)產(chǎn)品銷售數(shù)據(jù)，共形成 1192 個(gè)訓(xùn)練樣本SVM 方法中，選取 ε=0.01，δ=1，C=100。訓(xùn)練后另外選取 30 個(gè)測試樣本進(jìn)行采用 SVM 方法預(yù)測的平均誤差為 0.086%；而用 RBF 方法預(yù)測的平均誤差為 0由此可知，用 SVM 方法預(yù)測的精度比用 RBF 方法提高了 0.2%。用兩種方法預(yù)到的預(yù)測曲線與實(shí)際曲線如圖 5-3 所示，從圖中可以看出采用 SVM 方法預(yù)測的與實(shí)際值貼近，而用 RBF 神經(jīng)網(wǎng)絡(luò)方法預(yù)測的精度要比 SVM 預(yù)測的精度差。

n=3 1 2 3*it 0.467 4.583 8.309*is 4.465 8.352 12聯(lián)合預(yù)測和一般預(yù)測的庫存補(bǔ)充策略的性能，理法，以一般預(yù)測的情況作為比較的基準(zhǔn)。從仿真，TC 與 t 的關(guān)系曲線 當(dāng) n＝2 時(shí)，TC

【引證文獻(xiàn)】

相關(guān)期刊論文 前3條

1 徐軍玲;王韜;;基于CPFR的供應(yīng)商與零售商關(guān)系治理研究[J];科研管理;2006年02期

2 方丹輝;張金隆;周琦;;基于CPFR的農(nóng)產(chǎn)品采購模式研究[J];武漢理工大學(xué)學(xué)報(bào)(信息與管理工程版);2009年03期

3 陳軍;但斌;張旭梅;;多級價(jià)格折扣下基于損耗控制的生鮮農(nóng)產(chǎn)品EOQ模型[J];系統(tǒng)工程理論與實(shí)踐;2009年07期

相關(guān)博士學(xué)位論文 前2條

1 陳軍;考慮流通損耗控制的生鮮農(nóng)產(chǎn)品供應(yīng)鏈訂貨策略及供需協(xié)調(diào)研究[D];重慶大學(xué);2009年

2 黃崇珍;基于復(fù)雜系統(tǒng)的供應(yīng)鏈需求流管理研究[D];哈爾濱工程大學(xué);2008年

相關(guān)碩士學(xué)位論文 前2條

1 熊穎;案例研究：PIO公司基于CPFR的庫存管理研究[D];華南理工大學(xué);2011年

2 馬金鋒;ICC-CPFR模型及其在大型零售企業(yè)中的應(yīng)用研究[D];北京交通大學(xué);2009年

本文編號：2739244