BP网络在客车备件需求预测中的应用研究.pdf

应 用方 法 论 195 BP网络在客车备件需求预测中的应用研究 荆园园 (河南商业高等专科学校，河南郑州 450044) 摘 耍 本文在深入分析备件需求预测面临的问题和对比各种传统预测方法的基础上，探讨利用BP网络模型具有强大的非线 性适应性处理能力这一特点，找出备件需求的内在规律，完成对未来需求的预测。通过对预测结果进行评价分析，发现预测 效果达到预期 目标，证明该模型在预测客车备件需求这一领域具有良好的预测性能和适应性。 关鼍词 Bp网络；客车备件 ；需求预测 中圈分类号 F426 文献标识码 A 文章编号 1673-9671-(2012)102-0195-01 客车备件需求是售后服务的基础和重要组成部分。产品备件 至另一个神经元作为输入信号称之为连接，每个连接通路对应一 准备的是否合理，不仅关系到售后服务的质量，而且也关系到企 个连接权值，神经元的连接方式不同会生成具有不同特性的神经 业的经营效率 。然而，准确的备件预测是相当困难的。一方面 ， 网络。经过几十年的探索，目前已经提出了上百种人工神经网络 影响备件需求量的因素很多，例如产品的市场保有量、产品的地 结构，但大部分都是几种典型网络的组合和变形。 理分布及使用状态、备件的生命周期、备件通用度等等。另一方 根据神经元的连接方式不同这一特点，可将神经网络分为两 面，需求预测具有很强的时效性和复杂性，各种因素的影响力随 大类 ：分层 网络和相互连接型网络。分层 网络的代表是BP网络、 环境变化而变化。 RBF网络和Hopfield网络。 目前国际上采用多种方法进行需求预测的应用研究，如增量 1．3BP神经网络 法、回归法、季节指数法、时间序列法等。但在备件需求预测方 目前应用最为广泛的神经网络结构是多层前馈神经网络。由 面的实际效果却不尽如人意 。起源于二十世纪八十年代的人工 于采用 的网络结构、传递函数和学习规则的不同，前馈网络主要 神经网络 (ANN)属于人工智能技术之一，突破了传统技术的局 有感知神经网络、BP网络 (BackPropagationNetwork)、RBF网络 限，在诸多领域取得了成功。近年来，ANN技术已经成为经济预 等不 同网络模型。上述三种网络各有其优缺点，经对 比得知，BP 测、管理决策领域的研究热点，并已经成功的运用在非线性领域 网络相 比其他网络具有算学习精度高、运行速度很快、网络具有 以及识别、智能传感器等工程领域。 一 定的推广能力和概括能力等多方面优点。 但在汽车和客车备件需求预测领域，很少见到采用该方法进 因此，我们决定采用BP网络作为客车备件需求预测的神经网 行研究的案例 ，因此 ，本文着重研究神经网络在客车备件需求预 络模型。 测领域的应用。 2基于BP网络的客车备件需求预测设计 1人工神经网终基本理论 2．1客车备件需求预测方法设计 1．1人工神经网络概述 2．1．1模型输入和输出设计 人工神经网络 (ArtificialNeuralNetwork，简称ANN)的研究 本文选取对配件需求量影响程度大的三个 因素即近期实际需 始于20世纪四十年代初期。经过半个多世纪的兴衰，经历了从兴 求量 (6个月的实际需求值 )、季节性因素以及客车保有量作为网 起到高潮又到萧条最终走向稳步发展的艰难路途，如今人工神经 络的输入，分别将其量化后得到8个点作为神经网络的输入向量。 网络已经是一门比较成熟的学科了。特别是经过最近将近20年的 显而易见，目标向量Y就是某配件预测月当月的需求