基于BP神經(jīng)網(wǎng)絡(luò)的卷煙配送中心銷售預(yù)測.pdf

1、隨著市場經(jīng)濟的發(fā)展，企業(yè)日益需要高質(zhì)量的銷售預(yù)測為其管理決策提供支持，近年來人工神經(jīng)網(wǎng)絡(luò)(Artificial Neural Network，ANN)技術(shù)已較多的應(yīng)用于銷售預(yù)測并顯示出一定的優(yōu)勢，怎樣優(yōu)化ANN來取得更好的預(yù)測效果成為研究的熱點。 卷煙配送中心的銷售是一個非線性復(fù)雜系統(tǒng)，通過對ANN參數(shù)的反復(fù)訓(xùn)練能夠獲得數(shù)據(jù)間的依存關(guān)系，實現(xiàn)對任意復(fù)雜函數(shù)的映射。BP神經(jīng)網(wǎng)絡(luò)(Back-propagation Neural Ne

2、twork，BPNN)因其結(jié)構(gòu)簡單易于實現(xiàn)，在銷售預(yù)測中得到廣泛應(yīng)用。然而迄今為止，對于BPNN結(jié)構(gòu)的設(shè)計沒有構(gòu)造性結(jié)論。論文運用計算能力和計算特性均較好的C語言編寫了BPNN預(yù)測程序，使用某卷煙配送中心的實際銷售數(shù)據(jù)，對年、月、周銷售預(yù)測中影響B(tài)PNN預(yù)測精度和收斂速度的主要因素：輸入數(shù)據(jù)確定、樣本數(shù)據(jù)選擇及處理方法、隱層節(jié)點數(shù)以及學(xué)習(xí)速率和動量因子的確定進行了詳細討論。 利用BPNN預(yù)測年銷量時，對收斂速度及誤差進行綜合考慮

3、來確定最佳隱層節(jié)點數(shù)，獲得訓(xùn)練樣本及測試樣本的預(yù)測平均準確率分別為99.98％和94.21％：而預(yù)測效果最好的傳統(tǒng)預(yù)測模型(對數(shù)回歸模型)的預(yù)測平均準確率為98.52％。利用BPNN預(yù)測月銷量時，對影響因素、隱層節(jié)點數(shù)的設(shè)計、樣本數(shù)據(jù)的處理以及學(xué)習(xí)速率和動量因子的選擇等深入研究進行確定，并通過調(diào)整輸入數(shù)據(jù)中的月份因子對網(wǎng)絡(luò)進一步改進，預(yù)測精度總體比調(diào)整前提高了2個百分點達到了95.62％，特殊月份提高了18個百分點(即2月份從75.56

4、％提高到93.56％)；訓(xùn)練樣本及測試樣本預(yù)測的平均準確率分別為98.46％和95.62％，BPNN較傳統(tǒng)模型(預(yù)測效果最好的指數(shù)回歸模型90.33％)表現(xiàn)出明顯的優(yōu)越性。周銷量預(yù)測時，對工作周進行了重新定義并引入節(jié)假日因子，選擇合適的樣本，訓(xùn)練樣本及測試樣本預(yù)測的平均準確率分別為98.09％和95.32％，結(jié)果表明神經(jīng)網(wǎng)絡(luò)適用于卷煙配送中心的周銷量預(yù)測。 上述研究結(jié)果表明網(wǎng)絡(luò)結(jié)構(gòu)參數(shù)的優(yōu)化能夠明顯改進神經(jīng)網(wǎng)絡(luò)的性能，并證明BP