基于支持向量機的庫存預測及成本優(yōu)化研究及應用.pdf

1、近年來我國飼料原料成本不斷上漲、市場競爭愈演愈烈，但需求增長卻呈遞減趨勢，這使得飼料添加劑企業(yè)的生存壓力越來越大，競爭形勢日益嚴峻。中小型飼料添加劑企業(yè)必須積極主動探尋新的經(jīng)營管理方式，將降低成本增加效益作為企業(yè)生存發(fā)展的首要任務。因此，在企業(yè)庫存管理中，怎樣有效的利用庫存預測方法來實現(xiàn)企業(yè)的成本控制從而實現(xiàn)降本增效具有深遠的現(xiàn)實意義。本文將人工智能技術與先進的管理方法相結(jié)合對企業(yè)庫存進行預測并合理地確定生產(chǎn)原料安全庫存和原料采購量，使

2、企業(yè)在滿足正常生產(chǎn)領用需要的同時有效降低庫存成本，提高資金周轉(zhuǎn)率，從而提高企業(yè)盈利水平。
　　本文通過分析比較，設計并實現(xiàn)了基于最小二乘支持向量機的庫存預測方法，并基于此利用安全庫存理論對公司的成本優(yōu)化進行了合理的分析和設計。首先，針對目前人工智能方法中常用到的基于神經(jīng)網(wǎng)絡的庫存預測方法存在的問題諸如收斂速度慢或不收斂、存在局部極小值、網(wǎng)絡結(jié)構(gòu)選擇具有隨機性、對小樣本預測易出現(xiàn)過學習現(xiàn)象等缺陷，提出了基于最小二乘支持向量機的企業(yè)庫

3、存預測算法及模型。通過結(jié)合某公司的庫存實際情況，利用適合的預測系數(shù)有效地實現(xiàn)了對原料的庫存用量預測。通過仿真試驗并經(jīng)過與企業(yè)實際數(shù)據(jù)的驗證后證明本文所提出的算法及模型具有對噪聲魯棒性強、適應性強、計算簡單等優(yōu)點。其次，本文通過對該公司庫存數(shù)據(jù)進行統(tǒng)計分析，并進行檢驗，確定其符合動態(tài)分布模型中的正態(tài)分布，從而通過統(tǒng)計理論確定了合理的安全庫存量。最后，結(jié)合公司經(jīng)營特點，確定其庫存模型符合多周期非連續(xù)型存儲模型，并驗證其某原料使用數(shù)據(jù)樣本總體

4、符合正態(tài)分布，從而對公司的安全庫存量設定進行優(yōu)化。本文利用基于最小二乘支持向量機的企業(yè)庫存預測后的原料消耗量對采購量進行優(yōu)化，并與實際發(fā)生的庫存成本進行對比，最終得出基于最小二乘支持向量機的企業(yè)庫存預測采購量和采用優(yōu)化后的安全庫存量為公司降低了庫存成本，加速了企業(yè)的資金周轉(zhuǎn)。
　　本文首先研究了相關的機器學習方法，然后根據(jù)畜牧行業(yè)的庫存管理結(jié)構(gòu)建立了基于最小二乘支持向量機的原料庫存預測模型，并通過R實現(xiàn)了該預測算法，驗證了模型的有