APP下载

基于GRNN的订单需求量预测研究

2018-02-01蒋秋霖张聪李颖昉王昕

软件导刊 2018年1期
关键词:实验

蒋秋霖+张聪+李颖昉+王昕

摘要:

按需生产是企业在市场经济中保持竞争力关键所在,所以准确预测下一阶段订单需求量尤为重要。运用广义回归神经网络预测某企业下一阶段订单需求量,并与BP神经网络及灰色神经网络进行对比实验。结果表明,GRNN神经网络模型订单在需求预测方面更具优越性,能准确预测未来订单需求量。

关键词:

广义回归神经网络;订单需求量;预测研究

DOIDOI:10.11907/rjdk.172147

中图分类号:TP319

文献标识码:A文章编号文章编号:1672-7800(2018)001-0149-03

Abstract:Production on demand is the key to maintain the competitiveness of enterprises in the market economy, so it is important to accurately predict the next phase of order demand. By using the generalized regression neural network to predict demand next stage refrigerator orders an enterprise, and compared with that of BP neural network and grey neural network model. The results show that the order of GRNN in forecasting is superior, can accurately predict the future demand for orders.

Key Words:generalized regression neural network; order quantity; forecast research

0引言

市场经济环境下,按客户需求生产成为各家电生产商主要生产方式[1-2]。准确预测下一阶段订单数量可合理分配产能,避免仓库积压,提高利润[3]。对冰箱订单市场而言,影响需求量因素很多,如季节、成本、质量、品牌、售后、价格波动、销售力度、竞争对手、市场特征、性价比等,因此准确预测需求量成为企业生存与保持竞争力的关键[4-5]。本文利用广义回归神经网络预测某企业下一阶段冰箱订单需求量,为企业合理分配产能提供依据,使企业保持良好竞争力。

1GRNN模型

1.1概述

1991年,美国学者Donald F.Specht提出了广义回归神经网络(Generalized Regression Neural Network,GRNN)。广义回归神经网络属于径向基神经网络[6],对解决非线性问题有很好魯棒性,学习速度快,预测小样本较为准确,在众多领域得到广泛应用[7-10]。因冰箱订单数据量有限,属于小样本空间,所以采用GRNN进行预测。

2预测实验与分析

本文实验采用PC机配置为:英特尔酷睿i3处理器, 4G内存, Windows7(32bit)操作系统,MATLAB R2015b实验平台。实验数据采用某公司5年内冰箱订单量。……

登录APP查看全文

猜你喜欢

实验
记住“三个字”,写好小实验
记一次有趣的实验
有趣的实验
做个怪怪长实验
NO与NO2相互转化实验的改进
实践十号上的19项实验
《实验流体力学》征稿简则
我实验,我快乐