銷售預(yù)測是實際要求極高的一項系統(tǒng)工程,在現(xiàn)代日益激烈的市場競爭環(huán)境壓力下,對預(yù)測銷售的精度也是越來越高。隨著現(xiàn)代科學技術(shù)的飛速發(fā)展,企業(yè)管理信息系統(tǒng)里積累了大量的歷史銷售數(shù)據(jù)。這些銷售數(shù)據(jù)一般來說僅僅只是簡單的存儲在企業(yè)的數(shù)據(jù)庫里,參與簡單的統(tǒng)計作業(yè),并沒有受到足夠的重視。本文在對銷售預(yù)測進行深入研究,在決策支持系統(tǒng)的基礎(chǔ)上使用BP神經(jīng)網(wǎng)絡(luò)進行預(yù)測,把BP神經(jīng)網(wǎng)絡(luò)算法和決策支持系統(tǒng)相結(jié)合,使之具有“智能”,能夠比較準確的預(yù)測銷售情況。傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)具有易出現(xiàn)局部最小值,收斂速度慢的特點。對傳統(tǒng)的BP神經(jīng)網(wǎng)絡(luò)模型進行相應(yīng)的改進,提出了銷售預(yù)測BP神經(jīng)網(wǎng)絡(luò)模型,提高了網(wǎng)絡(luò)的訓練速度,減少了誤差精度,具有良好的泛化能力。探討了網(wǎng)絡(luò)的相關(guān)輸入輸出,網(wǎng)絡(luò)的隱含節(jié)點神經(jīng)元數(shù)目選擇的規(guī)則,樣本數(shù)據(jù)的選擇和預(yù)處理過程,相關(guān)初始參數(shù)的選擇以及激活函數(shù)的使用等等問題。該模型是三層BP神經(jīng)網(wǎng)絡(luò),使用系統(tǒng)數(shù)據(jù)庫內(nèi)相關(guān)的數(shù)據(jù)對網(wǎng)絡(luò)進行訓練模擬,可以使用銷售數(shù)據(jù)有效的預(yù)測未來的銷售情況。對基于人工神經(jīng)網(wǎng)絡(luò)的智能銷售系統(tǒng)進行研究,使得改進的BP神經(jīng)網(wǎng)絡(luò)和決策支持系統(tǒng)有效結(jié)合,發(fā)揮神經(jīng)網(wǎng)絡(luò)的預(yù)測性能,為決策支持系...

【文章頁數(shù)】：83 頁

【學位級別】：碩士

【文章目錄】：
摘要
Abstract
第一章 緒論
    1.1 研究背景及意義
    1.2 人工神經(jīng)網(wǎng)絡(luò)的研究現(xiàn)狀
    1.3 智能決策支持系統(tǒng)的研究現(xiàn)狀
    1.4 論文的主要研究內(nèi)容
第二章 相關(guān)理論和技術(shù)
    2.1 人工神經(jīng)網(wǎng)絡(luò)
        2.1.1 人工神經(jīng)網(wǎng)絡(luò)簡介和特點
            2.1.1.1 人工神經(jīng)網(wǎng)絡(luò)簡介
            2.1.1.2 人工神經(jīng)網(wǎng)絡(luò)特點
        2.1.2 人工神經(jīng)網(wǎng)絡(luò)的基本原理
        2.1.3 人工神經(jīng)元模型
        2.1.4 人工神經(jīng)網(wǎng)絡(luò)模型
        2.1.5 人工神經(jīng)網(wǎng)絡(luò)的學習算法
        2.1.6 人工神經(jīng)網(wǎng)絡(luò)的應(yīng)用領(lǐng)域
    2.2 智能決策支持系統(tǒng)
        2.2.1 決策支持系統(tǒng)的一般內(nèi)容
        2.2.2 智能決策支持系統(tǒng)基本概述
        2.2.3 智能決策支持分類
        2.2.4 智能決策支持系統(tǒng)的應(yīng)用領(lǐng)域
    2.3 本章小結(jié)
第三章 人工神經(jīng)網(wǎng)絡(luò)BP算法
    3.1 概述
    3.2 BP神經(jīng)網(wǎng)絡(luò)模型和學習算法
        3.2.1 BP神經(jīng)網(wǎng)絡(luò)模型
        3.2.2 BP學習算法
    3.3 銷售預(yù)測的神經(jīng)網(wǎng)絡(luò)模型設(shè)計
        3.3.1 BP神經(jīng)網(wǎng)絡(luò)模型改進
        3.3.2 網(wǎng)絡(luò)輸入輸出的確定
        3.3.3 BP神經(jīng)網(wǎng)絡(luò)層數(shù)
        3.3.4 BP神經(jīng)網(wǎng)絡(luò)隱含層神經(jīng)元數(shù)目的選擇
        3.3.5 BP神經(jīng)網(wǎng)絡(luò)訓練樣本集的選擇和數(shù)據(jù)的歸一化處理
        3.3.6 BP神經(jīng)網(wǎng)絡(luò)初始參數(shù)選擇
        3.3.7 BP神經(jīng)網(wǎng)絡(luò)激活函數(shù)的選擇
    3.4 本章小結(jié)
第四章 系統(tǒng)分析與設(shè)計
    4.1 系統(tǒng)目標
    4.2 系統(tǒng)的總體結(jié)構(gòu)
        4.2.1 系統(tǒng)需求分析
        4.2.2 系統(tǒng)的總體結(jié)構(gòu)設(shè)計
        4.2.3 數(shù)據(jù)庫和數(shù)據(jù)庫管理系統(tǒng)
        4.2.4 模型庫設(shè)計
        4.2.5 方法庫的設(shè)計
        4.2.6 知識庫的設(shè)計和推理機
    4.3 銷售系統(tǒng)的業(yè)務(wù)流程
    4.4 系統(tǒng)子功能
        4.4.1 人員信息管理信息模塊
        4.4.2 商品銷售數(shù)據(jù)模塊
        4.4.3 決策支持分析模塊
        4.4.4 系統(tǒng)管理模塊
    4.5 本章小結(jié)
第五章 系統(tǒng)的實現(xiàn)與案例分析
    5.1 系統(tǒng)實現(xiàn)
    5.2 實證分析
        5.2.1 鋼鐵廠年銷售預(yù)測
        5.2.2 鋼鐵廠金屬制品銷售量預(yù)測
        5.2.3 結(jié)果分析
    5.3 本章小結(jié)
總結(jié)和展望
參考文獻
攻讀碩士學位期間發(fā)表的學術(shù)論文
致謝



本文編號：3854467