本文選題：訂單預測 + 神經(jīng)網(wǎng)絡　； 參考：《華中科技大學》2016年碩士論文

【摘要】：在企業(yè)的生命周期中,訂單預測是的血液,它可以幫助我們及時預測到市場的需求,快速的分析市場信息,為企業(yè)的市場戰(zhàn)略營銷和管理策略提供基礎數(shù)據(jù)和分析。神經(jīng)網(wǎng)絡已廣泛應用于自然科學和社會科學各個領域,并且都取得大量的成果。電子商務背景下對訂單的處理速度和需求預測精度和速度都提出了更高的要求。本文研究H外貿(mào)公司的訂單預測問題。文章首先分析了國內(nèi)外神經(jīng)網(wǎng)絡和訂單預測的研究現(xiàn)狀,討論了最小二乘法等理論知識,為后文中構(gòu)建的一種動態(tài)架構(gòu)人工神經(jīng)網(wǎng)絡模型奠定理論基礎。接著基于神經(jīng)網(wǎng)絡構(gòu)建了較優(yōu)化的動態(tài)人工神經(jīng)網(wǎng)絡模型,利用最小二乘法改進了訓練過程中的函數(shù)優(yōu)化了非線性過程中的算法。構(gòu)建出來的模型相比較于BP神經(jīng)網(wǎng)絡而言,結(jié)構(gòu)更加簡潔、理論上數(shù)據(jù)利用率更高。最后通過調(diào)研H公司的組織結(jié)構(gòu)和訂單預測現(xiàn)狀,并進行數(shù)據(jù)的采集和分析,采用文章構(gòu)建的動態(tài)神經(jīng)網(wǎng)絡模型進行訂單預測的應用。應用結(jié)果表明,本文構(gòu)建的動態(tài)神經(jīng)網(wǎng)絡模型是有效的、速度更快、結(jié)果更精確;發(fā)現(xiàn)了H公司在創(chuàng)新產(chǎn)品與業(yè)務、管理水平、訂單預測和管理方面都還有較大的上升空間,因此也提出了公司管理需要注重市場研究和市場學習、保持產(chǎn)品的專注、了解全球文化的管理啟示。本研究成果可以為外貿(mào)公司的訂單預測提供有效的預測方法。
[Abstract]:In the life cycle of the enterprise, the order forecast is the blood, it can help us to forecast the market demand in time, analyze the market information quickly, and provide the basic data and analysis for the marketing and management strategy of the enterprise.Neural network has been widely used in various fields of natural science and social science, and has achieved a lot of results.Under the background of electronic commerce, the processing speed of orders and the precision and speed of demand prediction are required higher.This paper studies the order forecasting problem of H foreign trade company.This paper first analyzes the present research situation of neural network and order prediction at home and abroad, and discusses the theoretical knowledge of least square method, which lays a theoretical foundation for a dynamic architecture artificial neural network model constructed later.Then an optimized dynamic artificial neural network model based on neural network is constructed, and the least square method is used to improve the function in the training process to optimize the algorithm in the nonlinear process.Compared with BP neural network, the constructed model is simpler in structure and more efficient in theory.Finally, by investigating the organization structure of H Company and the status quo of order forecasting, and collecting and analyzing the data, the application of the dynamic neural network model constructed in this paper is used to predict the order.The application results show that the dynamic neural network model constructed in this paper is effective, faster and more accurate.Therefore, it is also pointed out that the management of the company should pay attention to market research and market learning, keep the focus of products, and understand the management enlightenment of global culture.The results of this study can provide an effective forecasting method for order forecasting of foreign trade companies.
【學位授予單位】：華中科技大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP183;F274

【參考文獻】

相關期刊論文 前5條

1 牛家洋;王洪國;邵增珍;宋超超;;BP人工神經(jīng)網(wǎng)絡算法在鳥情時間序列預測的應用[J];信息技術與信息化;2013年03期

2 王珂達;;庫存與訂單預測管理[J];現(xiàn)代商業(yè);2011年27期

3 汪磊,孫名松;基于遺傳神經(jīng)網(wǎng)絡的入侵檢測模型[J];哈爾濱理工大學學報;2005年03期

4 劉勤,朱正紅,陸怡;基于人工神經(jīng)網(wǎng)絡的藥物銷售額預測[J];計算機工程;2001年10期

5 徐進,李玉民;基于遺傳神經(jīng)網(wǎng)絡的糧食產(chǎn)量系統(tǒng)預測方法研究[J];現(xiàn)代化農(nóng)業(yè);2001年09期

相關博士學位論文 前1條

1 王健;前饋神經(jīng)網(wǎng)絡梯度學習算法收斂性分析[D];大連理工大學;2012年

相關碩士學位論文 前9條

1 牛家洋;基于神經(jīng)網(wǎng)絡的非線性系統(tǒng)時間序列的預測方法研究[D];山東師范大學;2013年

2 崔小平;幾種前饋型神經(jīng)網(wǎng)絡分類性能的比較分析研究[D];中北大學;2011年

3 曾顯峰;基于人工神經(jīng)網(wǎng)絡的入侵檢測技術研究[D];華南理工大學;2010年

4 王昶;改進遺傳神經(jīng)網(wǎng)絡在時間序列預測中的研究與應用[D];四川師范大學;2010年

5 肖忠良;進化神經(jīng)網(wǎng)絡及其在企業(yè)訂單預測中的應用研究[D];湖南大學;2010年

6 尹漢釗;基于遞歸神經(jīng)網(wǎng)絡與集成算法的時間序列預測應用研究[D];西安電子科技大學;2010年

7 楊渝冰;軍事綜合運輸中方案優(yōu)化問題的研究及其應用[D];國防科學技術大學;2008年

8 林靜怡;優(yōu)化問題神經(jīng)網(wǎng)絡方法研究及實證分析[D];廈門大學;2007年

9 戴丹;BP神經(jīng)網(wǎng)絡用于市場預測的研究[D];武漢理工大學;2006年

，

本文編號：1750796