面向物流企業(yè)的灰色數(shù)據(jù)挖掘模型研究及應用.pdf

1、隨著現(xiàn)代物流信息化發(fā)展進程的加快，物流企業(yè)對信息管理的高層需求，即對決策支持的需求越來越多，而企業(yè)相關數(shù)據(jù)的不完全和離散性限制了一些數(shù)據(jù)挖掘模型的使用?；疑到y(tǒng)理論對統(tǒng)計數(shù)據(jù)少、信息不完全系統(tǒng)的建模與分析具有較好的效果。本文提出灰色系統(tǒng)的理論與方法在物流行業(yè)的應用，針對物流企業(yè)管理決策的實際問題建立基于灰色系統(tǒng)理論的數(shù)據(jù)挖掘模型。 本文首先對灰色系統(tǒng)理論的基本理論進行研究，闡述了灰色系統(tǒng)建模理論、灰色關聯(lián)分析與灰色聚類方法和灰色

2、預測模型。本文深入研究了GM(1，1)模型的數(shù)據(jù)生成、建立過程及檢驗方法，通過分析GM(1，1)模型誤差產(chǎn)生的機理，根據(jù)影響模型精度的兩個根本原因提出改進參數(shù)估計的GM(1，1)模型(GOM(1，1))和改進邊界條件的GM(1，1)模型，并從GM(1，1)參數(shù)包為起始進行嚴格推導。 在理論研究的基礎上，本文將灰色預測模型和灰色聚類模型應用到物流企業(yè)管理決策的實際問題中，實現(xiàn)了庫存管理中不確定需求的灰色預測和供應鏈合作伙伴選擇的聚

3、類分析。在需求量預測模型中，分別用GM(1，1)模型、GOM(1，1)模型和改進GM(1，1)模型，根據(jù)物流信息系統(tǒng)生成的統(tǒng)計報表中的月出庫量數(shù)據(jù)序列來預測未來庫存的月需求量，并對結果進行檢驗。將經(jīng)典GM(1，1)模型與改進模型的輸出結果進行比較分析，并用時間序列法進行對比驗證。在合作伙伴選擇問題中，運用灰色聚類方法進行對供應鏈合作伙伴的因素指標分析，得到的聚類結果優(yōu)化了選擇并用來輔助決策?；疑珨?shù)據(jù)挖掘模型在物流企業(yè)的管理決策問題中的應