本文關(guān)鍵詞：基于改進的BP神經(jīng)網(wǎng)絡(luò)庫存預(yù)測模型及其應(yīng)用研究

  更多相關(guān)文章： BP神經(jīng)網(wǎng)絡(luò) 庫存需求預(yù)測 分類方法

【摘要】：為了應(yīng)對越來越激烈的市場競爭,制造業(yè)企業(yè)往往采用增加產(chǎn)品產(chǎn)量來提高其市場占有率。這使得企業(yè)對于原材料、零部件、半成品及成品的庫存量會大大增加,企業(yè)的庫存成本勢必也隨即增長。為了提高顧客滿意度,降低企業(yè)的庫存成本,庫存控制就成為了提高企業(yè)競爭力的關(guān)鍵因素。因此,庫存需求預(yù)測越來越被企業(yè)所重視。傳統(tǒng)的庫存需求預(yù)測方法有很多,但是在企業(yè)規(guī)模擴大和客戶個性化、多元化、定制化需求增長等“多重因素”的影響下,傳統(tǒng)的庫存預(yù)測方法已然很難滿足預(yù)測要求,預(yù)測誤差比較高,預(yù)測精確度比較低。因此,為了解決困擾很多企業(yè)的庫存問題,企業(yè)如何合理控制庫存成本,尋求一種更好的庫存需求預(yù)測方法以解決上述問題,就顯得尤為重要。在閱讀大量庫存預(yù)測的文獻后發(fā)現(xiàn),隨著BP神經(jīng)網(wǎng)絡(luò)的出現(xiàn)與發(fā)展,其特有的學(xué)習(xí)、概括、非線性特質(zhì)已逐漸被挖掘出來并充分地應(yīng)用在了預(yù)測領(lǐng)域。目前,分類方法與BP神經(jīng)網(wǎng)絡(luò)的結(jié)合是目前研究BP神經(jīng)網(wǎng)絡(luò)的一個研究熱點。本論文以M公司智能物流快遞柜的庫存需求為研究背景,在相關(guān)學(xué)者對庫存預(yù)測的研究基礎(chǔ)上提出了兩點改進與優(yōu)化。第一,本文多角度地分析了M公司智能物流快遞柜庫存需求的影響因素,在前人研究的基礎(chǔ)上,為了更好的提高客戶滿意度,將主成分分析法建立在顧客需求的層次上對BP神經(jīng)網(wǎng)絡(luò)的輸入變量進行數(shù)據(jù)預(yù)處理(篩選處理),即將質(zhì)量屋模型與主成分分析法組合形成的綜合因素分析法對BP神經(jīng)網(wǎng)絡(luò)的輸入變量進行預(yù)處理。第二,針對BP神經(jīng)網(wǎng)絡(luò)隱含層節(jié)點數(shù)的選擇問題,很多專家學(xué)者都是根據(jù)經(jīng)驗公式得到一個確定的值但其經(jīng)驗性過強。為了解決這一問題,本論文提出“二分分割法”的優(yōu)化算法,該方法可更快速、更精確的選擇最佳隱含層節(jié)點數(shù)。首先,根據(jù)前人總結(jié)的經(jīng)驗公式確定一個隱含層節(jié)點數(shù)的大致范圍,其次利用“二分分割法”縮小區(qū)間范圍并反復(fù)比較區(qū)間內(nèi)隱含層節(jié)點數(shù)對應(yīng)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測輸出均方誤差,最后確定均方誤差最小的那個節(jié)點數(shù)即本論文想要得到的最佳隱含層節(jié)點數(shù)。本論文的最終目的是構(gòu)建預(yù)測M公司智能物流快遞柜庫存需求量的方法-BP神經(jīng)網(wǎng)絡(luò)庫存預(yù)測模型。利用MATLAB軟件分別對改進前后的BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型進行實驗訓(xùn)練、仿真預(yù)測,得到最后的預(yù)測輸出。應(yīng)用研究表明改進后的BP神經(jīng)網(wǎng)絡(luò)庫存預(yù)測模型的預(yù)測輸出誤差更小,預(yù)測精確度更高。
【關(guān)鍵詞】：BP神經(jīng)網(wǎng)絡(luò) 庫存需求預(yù)測 分類方法
【學(xué)位授予單位】：南昌航空大學(xué)
【學(xué)位級別】：碩士
【學(xué)位授予年份】：2016
【分類號】：F426.4;F252;TP183
【目錄】：

• 摘要3-4
• ABSTRACT4-8
• 第1章 緒論8-15
• 1.1 研究背景及意義8-9
• 1.1.1 研究背景8-9
• 1.1.2 研究意義9
• 1.2 國內(nèi)外研究現(xiàn)狀9-12
• 1.2.1 國外研究現(xiàn)狀9-10
• 1.2.2 國內(nèi)研究現(xiàn)狀10-12
• 1.3 研究內(nèi)容、方法和技術(shù)路線12-15
• 1.3.1 研究內(nèi)容12-13
• 1.3.2 研究方法和技術(shù)路線13-15
• 第2章 基礎(chǔ)理論概述15-24
• 2.1 庫存理論概述15-16
• 2.1.1 庫存概念15
• 2.1.2 庫存作用15-16
• 2.2 庫存管理理論概述16-17
• 2.2.1 庫存管理的概念16
• 2.2.2 庫存管理的作用16-17
• 2.3 預(yù)測理論概述17-19
• 2.3.1 預(yù)測的概念17-18
• 2.3.2 預(yù)測的分類18-19
• 2.4 BP神經(jīng)網(wǎng)絡(luò)19-23
• 2.4.1 BP網(wǎng)絡(luò)的定義及特點19-20
• 2.4.2 BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)20-21
• 2.4.3 BP神經(jīng)網(wǎng)絡(luò)算法21-23
• 2.4.4 BP神經(jīng)網(wǎng)絡(luò)的不足及應(yīng)用23
• 2.5 本章小結(jié)23-24
• 第3章 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型改進優(yōu)化24-33
• 3.1 影響因素分析24-27
• 3.2 分類方法優(yōu)化27-30
• 3.2.1 主成分分析27-28
• 3.2.2 綜合因素分析法28-30
• 3.3 隱含層優(yōu)化30-32
• 3.3.1 隱含層層數(shù)30
• 3.3.2 隱含層節(jié)點數(shù)30-32
• 3.4 本章小結(jié)32-33
• 第4章 改進前后BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型對比分析33-58
• 4.1 MATLAB學(xué)習(xí)33
• 4.2 數(shù)據(jù)處理33-35
• 4.2.1 輸入量數(shù)據(jù)處理33-34
• 4.2.2 輸出量數(shù)據(jù)處理34-35
• 4.3 改進前BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型分析35-42
• 4.3.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型前期處理35-38
• 4.3.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型構(gòu)建38-39
• 4.3.3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練與仿真預(yù)測39-42
• 4.4 改進后BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型分析42-55
• 4.4.1 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型前期處理42-48
• 4.4.2 BP神經(jīng)網(wǎng)絡(luò)預(yù)測模型構(gòu)建48-52
• 4.4.3 BP神經(jīng)網(wǎng)絡(luò)學(xué)習(xí)訓(xùn)練與仿真預(yù)測52-55
• 4.5 改進前后預(yù)測模型對比分析55-57
• 4.6 本章小結(jié)57-58
• 第5章 結(jié)論與展望58-59
• 參考文獻59-63
• 發(fā)表論文和參加科研情況說明63-64
• 致謝64-65
• 附錄65-69

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 云中客;新的神經(jīng)網(wǎng)絡(luò)來自于仿生學(xué)[J];物理;2001年10期

2 唐春明,高協(xié)平;進化神經(jīng)網(wǎng)絡(luò)的研究進展[J];系統(tǒng)工程與電子技術(shù);2001年10期

3 李智;一種基于神經(jīng)網(wǎng)絡(luò)的煤炭調(diào)運優(yōu)化方法[J];長沙鐵道學(xué)院學(xué)報;2003年02期

4 程科,王士同,楊靜宇;新型模糊形態(tài)神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];計算機工程與應(yīng)用;2004年21期

5 王凡,孟立凡;關(guān)于使用神經(jīng)網(wǎng)絡(luò)推定操作者疲勞的研究[J];人類工效學(xué);2004年03期

6 周麗暉;從統(tǒng)計角度看神經(jīng)網(wǎng)絡(luò)[J];統(tǒng)計教育;2005年06期

7 趙奇 ,劉開第 ,龐彥軍;灰色補償神經(jīng)網(wǎng)絡(luò)及其應(yīng)用研究[J];微計算機信息;2005年14期

8 袁婷;;神經(jīng)網(wǎng)絡(luò)在股票市場預(yù)測中的應(yīng)用[J];軟件導(dǎo)刊;2006年05期

9 尚晉;楊有;;從神經(jīng)網(wǎng)絡(luò)的過去談科學(xué)發(fā)展觀[J];重慶三峽學(xué)院學(xué)報;2006年03期

10 楊鐘瑾;;神經(jīng)網(wǎng)絡(luò)的過去、現(xiàn)在和將來[J];青年探索;2006年04期

中國重要會議論文全文數(shù)據(jù)庫 前10條

1 徐春玉;;基于泛集的神經(jīng)網(wǎng)絡(luò)的混沌性[A];1996中國控制與決策學(xué)術(shù)年會論文集[C];1996年

2 周樹德;王巖;孫增圻;孫富春;;量子神經(jīng)網(wǎng)絡(luò)[A];2003年中國智能自動化會議論文集（上冊）[C];2003年

3 羅山;張琳;范文新;;基于神經(jīng)網(wǎng)絡(luò)和簡單規(guī)劃的識別融合算法[A];2009系統(tǒng)仿真技術(shù)及其應(yīng)用學(xué)術(shù)會議論文集[C];2009年

4 郭愛克;馬盡文;丁康;;序言(二)[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

5 鐘義信;;知識論:神經(jīng)網(wǎng)絡(luò)的新機遇——紀(jì)念中國神經(jīng)網(wǎng)絡(luò)10周年[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

6 許進;保錚;;神經(jīng)網(wǎng)絡(luò)與圖論[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

7 金龍;朱詩武;趙成志;陳寧;;數(shù)值預(yù)報產(chǎn)品的神經(jīng)網(wǎng)絡(luò)釋用預(yù)報應(yīng)用[A];1999年中國神經(jīng)網(wǎng)絡(luò)與信號處理學(xué)術(shù)會議論文集[C];1999年

8 田金亭;;神經(jīng)網(wǎng)絡(luò)在中學(xué)生創(chuàng)造力評估中的應(yīng)用[A];第十二屆全國心理學(xué)學(xué)術(shù)大會論文摘要集[C];2009年

9 唐墨;王科俊;;自發(fā)展神經(jīng)網(wǎng)絡(luò)的混沌特性研究[A];2009年中國智能自動化會議論文集（第七分冊）[南京理工大學(xué)學(xué)報（增刊）][C];2009年

10 張廣遠;萬強;曹海源;田方濤;;基于遺傳算法優(yōu)化神經(jīng)網(wǎng)絡(luò)的故障診斷方法研究[A];第十二屆全國設(shè)備故障診斷學(xué)術(shù)會議論文集[C];2010年

中國重要報紙全文數(shù)據(jù)庫 前10條

1 美國明尼蘇達大學(xué)社會學(xué)博士 密西西比州立大學(xué)國家戰(zhàn)略規(guī)劃與分析研究中心資深助理研究員 陳心想;維護好創(chuàng)新的“神經(jīng)網(wǎng)絡(luò)硬件”[N];中國教師報;2014年

2 盧業(yè)忠;腦控電腦 驚世駭俗[N];計算機世界;2001年

3 葛一鳴 路邊文;人工神經(jīng)網(wǎng)絡(luò)將大顯身手[N];中國紡織報;2003年

4 中國科技大學(xué)計算機系　邢方亮;神經(jīng)網(wǎng)絡(luò)挑戰(zhàn)人類大腦[N];計算機世界;2003年

5 記者 孫剛;“神經(jīng)網(wǎng)絡(luò)”：打開復(fù)雜工藝“黑箱”[N];解放日報;2007年

6 本報記者 劉霞;美用DNA制造出首個人造神經(jīng)網(wǎng)絡(luò)[N];科技日報;2011年

7 健康時報特約記者　 張獻懷;干細胞移植：修復(fù)受損的神經(jīng)網(wǎng)絡(luò)[N];健康時報;2006年

8 劉力;我半導(dǎo)體神經(jīng)網(wǎng)絡(luò)技術(shù)及應(yīng)用研究達國際先進水平[N];中國電子報;2001年

9 ;神經(jīng)網(wǎng)絡(luò)和模糊邏輯[N];世界金屬導(dǎo)報;2002年

10 鄒麗梅 陳耀群;江蘇科大神經(jīng)網(wǎng)絡(luò)應(yīng)用研究通過鑒定[N];中國船舶報;2006年

中國博士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 楊旭華;神經(jīng)網(wǎng)絡(luò)及其在控制中的應(yīng)用研究[D];浙江大學(xué);2004年

2 李素芳;基于神經(jīng)網(wǎng)絡(luò)的無線通信算法研究[D];山東大學(xué);2015年

3 石艷超;憶阻神經(jīng)網(wǎng)絡(luò)的混沌性及幾類時滯神經(jīng)網(wǎng)絡(luò)的同步研究[D];電子科技大學(xué);2014年

4 王新迎;基于隨機映射神經(jīng)網(wǎng)絡(luò)的多元時間序列預(yù)測方法研究[D];大連理工大學(xué);2015年

5 付愛民;極速學(xué)習(xí)機的訓(xùn)練殘差、穩(wěn)定性及泛化能力研究[D];中國農(nóng)業(yè)大學(xué);2015年

6 李輝;基于粒計算的神經(jīng)網(wǎng)絡(luò)及集成方法研究[D];中國礦業(yè)大學(xué);2015年

7 王衛(wèi)蘋;復(fù)雜網(wǎng)絡(luò)幾類同步控制策略研究及穩(wěn)定性分析[D];北京郵電大學(xué);2015年

8 張海軍;基于云計算的神經(jīng)網(wǎng)絡(luò)并行實現(xiàn)及其學(xué)習(xí)方法研究[D];華南理工大學(xué);2015年

9 李艷晴;風(fēng)速時間序列預(yù)測算法研究[D];北京科技大學(xué);2016年

10 陳輝;多維超精密定位系統(tǒng)建模與控制關(guān)鍵技術(shù)研究[D];東南大學(xué);2015年

中國碩士學(xué)位論文全文數(shù)據(jù)庫 前10條

1 陳少吉;基于神經(jīng)網(wǎng)絡(luò)血壓預(yù)測研究與系統(tǒng)實現(xiàn)[D];華南理工大學(xué);2015年

2 張韜;幾類時滯神經(jīng)網(wǎng)絡(luò)穩(wěn)定性分析[D];渤海大學(xué);2015年

3 邵雪瑩;幾類時滯不確定神經(jīng)網(wǎng)絡(luò)的穩(wěn)定性分析[D];渤海大學(xué);2015年

4 胡婷;改進QGA-BP模型及其在彌苴河總氮量預(yù)測中的應(yīng)用[D];昆明理工大學(xué);2015年

5 劉俊輝;基于數(shù)據(jù)清洗方法的河道水位預(yù)測研究[D];昆明理工大學(xué);2015年

6 劉波;短期風(fēng)電功率預(yù)測方法研究[D];南京信息工程大學(xué);2015年

7 蔡邦宇;人臉識別中單次ERP時空特征分析及其快速檢索的應(yīng)用[D];浙江大學(xué);2015年

8 鄭川;垃圾評論檢測算法的研究[D];西南交通大學(xué);2015年

9 李菊;BP神經(jīng)網(wǎng)絡(luò)在房地產(chǎn)批量評估中的應(yīng)用研究[D];昆明理工大學(xué);2015年

10 馬亮;降水點分類預(yù)測方法研究[D];中國地質(zhì)大學(xué)(北京);2015年

，

本文編號：1060209