

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領
文檔簡介
1、企業(yè)在運營過程中原材料的生產、成品的采購等都需要占用大量的資金、庫存以及生產設備,因此及時非常精確地做好需求預測對于企業(yè)的資金運轉、庫存管理以及生產設備的利用率等都會有非常重要的實際意義。目前很多企業(yè)都面臨著庫存占用過大、資金利用率低等問題,成為制約企業(yè)利潤增長的瓶頸,其中對需求的預測不精確是其中很重要的原因,因此對需求預測潛能的挖掘就顯得非常必要。實踐證明,科學合理的需求預測可以為企業(yè)的發(fā)展起到極大的推動作用。
本文基于灰色
2、理論、BP神經網絡和支持向量機的理論,建立了基于改進灰色系統(tǒng)-BP神經網絡-支持向量機的組合預測模型,使得預測模型的精度很高。具體工作如下:
(1)建立了改進的灰色預測模型和BP神經網絡預測模型。首先構建了改進的灰色預測模型,并對改進的灰色預測模型進行了算例分析;通過對汽車需求的影響因素的全面分析,綜合考慮了GDP、石油消費量、人口數(shù)量、居民人均消費水平和公路里程對汽車需求的影響,構建BP神經網絡模型對汽車需求量預測進行了算例
3、分析;
(2)支持向量機預測模型的構建及參數(shù)優(yōu)化。本文針對需求預測這一非線性回歸問題,構建了非線性支持向量回歸機預測模型,選取高斯徑向基作為其核函數(shù),通過粒子群優(yōu)化算法對影響支持向量機模型預測精度的三個參數(shù)進行了優(yōu)化,支持向量機模型的預測精度有所提高;
(3)構建了基于改進灰色系統(tǒng)-BP神經網絡-支持向量機的線性組合預測模型。該模型是以誤差平方和最小作為目標函數(shù),通過該模型可以計算出三種預測方法在組合預測模型中所占的
溫馨提示
- 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
- 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
- 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
- 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
- 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
- 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
- 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。
最新文檔
- 灰色神經網絡與支持向量機預測模型研究.pdf
- 基于灰色系統(tǒng)和神經網絡的省級區(qū)域物流需求預測.pdf
- 基于BP神經網絡改進算法的庫存需求預測.pdf
- 基于改進BP神經網絡的電網物資需求預測研究.pdf
- 基于灰色神經網絡模型的煤炭物流需求預測研究.pdf
- 基于灰色神經網絡組合模型的能源需求預測.pdf
- 基于BP神經網絡的灰色預測模型.pdf
- 基于CPFR的ARIMA-BP神經網絡需求預測模型研究.pdf
- 基于BP神經網絡與灰色系統(tǒng)的短期電力負荷預測.pdf
- 基于支持向量機的區(qū)域物流需求預測模型研究
- 基于神經網絡和灰色系統(tǒng)的水質預測研究.pdf
- 基于灰色神經網絡的浙江道路物流需求預測研究.pdf
- 基于BP神經網絡的汽車保險需求預測研究.pdf
- 基于BP神經網絡的中部地區(qū)物流需求預測.pdf
- 基于Lagrange支持向量回歸機交通流量預測模型的研究——與BP神經網絡預測模型比較.pdf
- 基于灰色系統(tǒng)的供應鏈需求預測研究.pdf
- 基于灰色系統(tǒng)理論的地區(qū)電力需求預測研究.pdf
- 基于支持向量機的區(qū)域物流需求預測研究.pdf
- 基于支持向量機和BP神經網絡的個人信用評估模型研究.pdf
- 基于支持向量機的城市物流需求預測研究
評論
0/150
提交評論