基于改進的BP神經網絡庫存預測模型及其應用研究.pdf

1、學校代碼：10406中圖分類號：F253.4學號：130085210012南昌航空大學南昌航空大學碩士學位論文（專業(yè)學位研究生）基于基于改進的改進的BPBP神經網絡庫存神經網絡庫存預測預測模型模型及其應用及其應用研究研究碩士研究生碩士研究生：阮翔導師導師：楊海軍副教授申請學位級別申請學位級別：專業(yè)碩士學科、專業(yè)學科、專業(yè)：控制工程所在單位所在單位：經濟管理學院答辯日期答辯日期：2016年06月授予學位單位授予學位單位：南昌航空大學I摘要

2、為了應對越來越激烈的市場競爭，制造業(yè)企業(yè)往往采用增加產品產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)競爭力的關鍵因素。因此，庫存需求預測越來越被企業(yè)所重視。傳統(tǒng)的庫存需求預測方法有很多，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)的庫存預測方法已然很難滿足預測要求，

3、預測誤差比較高，預測精確度比較低。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。在閱讀大量庫存預測的文獻后發(fā)現，隨著BP神經網絡的出現與發(fā)展，其特有的學習、概括、非線性特質已逐漸被挖掘出來并充分地應用在了預測領域。目前，分類方法與BP神經網絡的結合是目前研究BP神經網絡的一個研究熱點。本論文以M公司智能物流快遞柜的庫存需求為研究背景，在相關學者對庫存預測的研

4、究基礎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神經網絡的輸入變量進行數據預處理（篩選處理），即將質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神經網絡的輸入變量進行預處理。第二，針對BP神經網絡隱含層節(jié)點數的選擇問題，很多專家學者都是根據經驗公式得到一個確定的值但其經驗性過強。為了解決這一問題，

5、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。首先，根據前人總結的經驗公式確定一個隱含層節(jié)點數的大致范圍，其次利用“二分分割法”縮小區(qū)間范圍并反復比較區(qū)間內隱含層節(jié)點數對應的BP神經網絡預測輸出均方誤差，最后確定均方誤差最小的那個節(jié)點數即本論文想要得到的最佳隱含層節(jié)點數。本論文的最終目的是構建預測M公司智能物流快遞柜庫存需求量的方法BP神經網絡庫存預測模型。利用MATLAB軟件分別對改進前后的BP神經