贾冬青，陈玉芳，崔 晶

（河北工程技术高等专科学校，河北省沧州市浮阳南大道6号 061001）

商品库存影响着企业的物流成本和服务质量，库存控制的最佳方法是根据历史销售数据对潜在需求进行准确的预测。一些季节需求型农资商品因受季节变化影响，其销售数据呈现周期性非线性变化趋势。同时，季节需求型农资商品销售具有持续性，往往以商品的月销售数据作为统计指标，因此，可使用的历史销售数据拥有量少。BP神经网络模型具有良好的逼近任意非线性函数的优势，灰色预测方法则具有少量数据建模和累加生成以强化历史数据规律性的特点，因此，这两种方法组合预测上述时间序列可取长补短，以达到较好的预测效果。

1 BP神经网络模型和灰色模型的组合预测法

1.1 数据的归一化处理

为提高模型的通用性和不同年份数据的可比性，往往需对数据进行归一化处理。针对季节需求型农资商品销售量这种周期性非线性变化趋势的数据，文中采用的归一化方法是把数值标准化到最大值为1（即每年各月份销售量除以该年份的最大月销售量）。

1.2 用BP神经网络对归一化数据进行预测

1.2.1 BP神经网络的确定

BP神经网络包括输入层、隐含层和输出层，各层神经元间的连接由权重反应。学习过程由正向计算和反向传播组成，通过反复训练学习直到误差信号最小或学习结果令人满意为止。

1.2.2 网络学习和测试

用MATLAB仿真软件建立初始库存模型，输入样本数据进行训练，当训练曲线收敛到既定精度或有效曲线上升时停止训练，并用测试集监测网络的普化性。……