基于BP神经网络改进算法的库存需求预测

重庆大学硕士学位论文基于BP神经网络改进算法的库存需求预测姓名：黄万杰申请学位级别：硕士专业：管理科学与工程指导教师：罗兵20040309基于BP神经网络改进算法的库存需求预测作者：黄万杰学位授予单位：重庆大学相似文献(10条)1.学位论文张波基于遗传BP神经网络的数据挖掘系统及其应用2005随着数掘库技术的成熟和数据应用的普及，大规模数据库和数据仓库的建、人们开始面对“数据丰富，但信息贫乏”的挑战，要从海量的数据中发现有用的规律就需要用到数据挖掘技术。数据是挖是从大量数据中挖掘出隐含的、先前未知的、对决策有潜存价值的知识和舰则。这些规则蕴涵了数据库中一组对象之间的特定关系，提出一些有用的信息，为经营决策、市场策划、金融预测等提供依据。数据挖掘是一门交叉性学科，涉及机器学习、模式识别、归纳推理、统计学、数据库、高性能计算等多个领域。针对煤炭行业的一般性、特殊性问题，本文提出并建立了一种基于遗传BP神经网络的数据挖掘系统，来解决目前煤炭行业中的不缺数据缺知识的现状。本文重点研究了数据挖掘中采用的算法问题，神经网络算法是数据挖掘技术中常用的一种算法，具有高正确率、抗噪声数掘能力强等优势，其中应用最泛的是BP神经网络算法。运用BP神经网络算法建立数据挖掘系统统对斛决煤炭行业中出现的实际问题有重大的意义。但是BP神经网络算法有算法效率低、收敛速度慢、易陷入局部极小值等问题，要解决这个问题，我们提出一种用遗传算法来对BP神经网络进行辅助优化的方法，即遗传BP神经网络算法。此算法充分避免了上述问题。最后，利用数据可视化技术解决了数据挖掘输出结果不能直观显示给用户的问题。本文利用先进的数据挖掘技术建立了一个基于遗传BP神经网络的数据挖掘系统，并用来指导煤炭行业中出现的问题，在拓展数据挖掘技术的应用方面做了一个有效的尝试，同时对其他行业中出现的类似问题的解决提供了一个方法，有一定的指导作用。2.学位论文钟静BP神经网络在基于数值模拟科学数据挖掘中的应用研究2006在对大规模科学数据进行处理时，往往会因为其具有规模大、特征复杂的特点，使得理解、分析这些科学数据，并从中获取知识变得十分困难，由此科学资料挖掘势在必行。本项目主要研究适合于大规模科学数据挖掘(SDM)的神经网络理论和应用。特别深入研究以独立分量分析(ICA)为主的降维技术、以小波神经网络为主的压缩降噪技术解决科学数据特征复杂不便识别的问题；以同网格结合的神经网络、误差反向传播的BP神经网络、自适应多级自组织特征映像网络为主的分类、聚类技术解决科学数据挖掘中的大规模知识发现问题。提出了面向特殊应用——分子动力学数据模拟的神经网络模型，特别是研究针对科学数据分类、聚类和模式提取问题的神经网络应用。建立实用的科学数据挖掘系统，为从大规模数值模拟数据中提取有价值的信息提供有效的新方法。本文主要研究以误差反向传播BP神经网络处理的分类问题。首先描述了BP网络的基本模型，在传统BP网络的基础上，介绍了用于BP网络中的常见算法：标准BP算法(BP)、附加动量和学习率自适应调整的改进BP算法(BPX)、Levenberg-Marquardt优化方法(LM)，并在Matlab上分别对这几种算法进行分析；然后利用一个高维的动物数据集，在Eclipse平台上建立了一个可扩展的用于BP神经网络的分类模型；针对科学数据的复杂性，以及BP神经网络易发生局部最优的缺点，最后，利用LM算法学习时间短的优点，以及进化策略具有良好的全局搜索能力，提出了将LM优化算法与改进的进化策略相结合的神经网络分类模型(CABEN)。该神经网络分类方法较之以往的神经网络分类方法，不仅解决了局部极小的问题，训练速度也更快，同时提高了分类精度。3.期刊论文董辉.吴习宇.余建桥基于遗传BP神经网络的数据挖掘系统设计-农业网络信息2004,(6)数据挖掘技术是从大量数据中挖掘知识的有效的工具,遗传算法和BP神经网络是现今数据挖掘技术中比较新兴的算法.本文介绍了遗传算法和BP神经网络相互结合的一种新算法,并设计出了相应的数据挖掘系统,且将该系统应用到实际农业实验中.为了便于遗传算法的有效运用,文中还提出了格雷--浮点编码法.4.学位论文杨超BP神经网络在证券公司数据挖掘及预测中的应用及相关算法的探索2008随着国内金融业的改革和发展，特别是中国加入WTO以后，为了提高自身的竞争力，国内金融企业都开始加速建立和完善自己的管理系统。对于处于高端服务性行业的金融行业，潜在和未知的风险将给企业、行业乃至社会金融体系带来巨大的冲击，如何评估风险已然成为迫切的需求。对于金融企业而言，数据挖掘技术、风险评估模型及其应用系统可以帮助发现业务趋势，揭示已知事实，预测未知结果，以达到增加收入、降低成本、回避风险，使企业处于更有利的竞争位置的目的。本论文在对BP神经网络在数据挖掘和风险预警方面充分研究后，提出提前对公司进行财务危机预警的方案。国外财务危机研究集中于公司破产预测，国内缺少这方面的数据。本文着首先眼于中国证券市场存在的ST制度，即连续两年亏损的公司将被特殊处理以警示退市风险,因而提前利用上市公司财务报表数据进行财务危机预警研究具有实用性。其次，应用了Ruck的提出的人工神经网络类器建立了BP人工神经网络模型。此模型输出公司2年后财务危机正常和财务危机的概率，通过比较两个概率确定2年后公司的财务状况。最后，通过1998年到2002年间上市公司的财务数据，证明了BP人工神经网络模型的有效性。对财务正常公司预测的准确率达到82％，对陷入财务危机的公司预测的准确率达到78％。实验中研究了训练集合中正常公司和陷入财务危机公司在数目和行业上搭配问题，如何避免BP人工神经网络过度拟和，中间隐层神经单元数目对预测准确率的影响等。5.学位论文顿煜卿基于BP神经网络的属性选择研究2009数据挖掘是一门从大规模的数据中提取有用信息的技术，数据预处理是数据挖掘任务过程中一项重要的环节，特别是挖掘海量高维数据的信息时数据预处理就显得非常重要。因为通常用于数据分析的数据可能包含数以百计的属性，其中很多属性与数据挖掘不相关，因此通过属性选择找出最小的属性集来有效提高数据挖掘的效率就显得格外重要。而分类数据挖掘有很多的挖掘工具，其中之一就是神经网络，其中以BP神经网络最为常用。但现有的神经网络属性选择方法存在不足之处，因为神经网络这种学习型的算法本身的效率就不太高，而如果我们采用数据集全部的属性对神经网络进行训练和裁剪的话，就会使神经网络的网络规模过大，输入的训练信息量过多，网络学习效率低下等等。为了克服神经网络属性选择的缺陷，就必须提出新的方法以对现有的方法加以改进。本文提出一种改进的神经网络属性选择方法，该方法结合了属性选择模型中Wrapper模型和Filter模型的优点，这种方法能有效改善BP神经网络属性选择方法的不足，加快BP神经网络预测的效率，提高网络的分类预测准确率。文中首先用敏感度分析法对初始属性集中的属性进行排序，然后根据属性排序的结果，通过逐一剔除次要属性，来比较在剔除次要属性后BP神经网络预测和分类的准确率，最后通过比较在不同情况下的准确率结果，找到最小最优属性集。最后使用MATLAB进行了相关的仿真实验，比较属性选择前后的神经网络的分类准确度和效率，仿真的结果表明该方法效果良好。6.期刊论文伍保华.闵锐.WUBao-hua.MINRui基于粗糙集与BP神经网络的数据挖掘分类模型-长春工业大学学报（自然科学版）2009,30(6)利用粗糙集理论对原始数据进行特征选择,约简冗余属性,从而减小BP网络的输入维数.该模型可以在不同的简化层次上给出相对满意的决策,适用于信息不完备情况下的推理和决策研究.7.学位论文刘菲基于遗传算法的BP神经网络在经济预测中的应用2007客户关系管理(CRM)是一种先进的管理理念，要求企业以客户为导向，整合内外流程，持续改进对客户的服务水平。CRM也是一种管理软件和技术，它将最佳的商业实践与数据挖掘、数据仓库、一对一营销，以及其他信息技术紧密结合在一起，为企业的销售、客户服务和决策支持等领域提供了一个业务自动化的解决方案，使企业有一个基于电子商务的面对客户的前沿，从而顺利实现由传统企业模式到以电子商务为基础的现代化企业模式的转化。CRM系统的运用，可以有效的帮助企业开展营销活动，全面迎合用户的需求，从而为其提供合适的产品与服务。然而当企业发展了多年，拥有了大量的客户数据，如何有效地利用这些数据，分析出对于企业有用的知识，进而采取恰当的市场活动来改善客户关系、实现利润最大化，则是每家企业所面临的最大问题。数据挖掘就是从大量的、不完全的、有噪声的、模糊的、随机的数据中，提取隐含在其中的、人们事先不知道的、但又是潜在有用的信息和知识的过程。数据挖掘是一种从大型数据库或数据仓库中提取隐藏的预测性信息的新技术。它能挖掘出潜在的模式知识，找出最有价值的信息，用以指导商业行为或辅助科学研究。针对上述问题，本论文以目前CRM中的数据挖掘研究现状为基础，结合遗传算法、人工神经网络等高性能数据挖掘技术，并在参阅大量文献的基础上，取得了以下研究成果：1．CRM的数据挖掘技术是本文的重点，本文详细地阐述了数据挖掘技术的产生背景、基本概念、技术特点及一般实施过程。数据样本的质量是保证数据挖掘得出可靠知识模式的前提，所以在进行数据挖掘前，要进行必要的数据预处理。对于数据集中的异常样本值，先删除异常的属性值，然后再用遗传BP神经网络模型进行预测填补。2．人工神经网络在CRM中已有许多成功的应用，如银行信用卡欺诈检测等。最为常用的BP神经网络模型本身有许多无法克服的缺点，不利于它在CRM中的有效应用，因此，研究新的BP神经网络优化方法是本文的一个重要内容。遗传算法具有良好的全局寻优特性，本文提出了一种三层染色体结构的遗传算法，用于同时优化BP网络的拓扑结构及权值空间。对于BP神经网络的优化，本文还提出一种带平滑因子的BP算法，通过在BP算法中嵌入平滑因子，对权值空间进行平滑优化。3．CRM的一个重要功能就是为营销、决策提供预测信息。本文提出了利用平滑BP神经模型进行商品市场占有率时序预测的方案。并通过实验证明：这种模型比一般的BP神经网络模型预测精度稍高。通过与传统的状态空间预测模型作比较，说明本模型比状态空间模型具有更好的灵活性和更高的预测精度。8.学位论文李霄林面向摩托车智能设计的数据挖掘系统研究与应用2006当今社会是一个信息的时代，如何充分利用各种各样的信息为人类服务已显得越来越重要。作为新兴的知识发现技术——数据挖掘系统已越来越受到人们的关注，它们为人们从大量数据中获取感兴趣的、有用的信息提供了便捷之道。随着摩托车工业的飞速发展，我国已成为世界上最大的摩托车及零部件制造基地之一。然而我国的摩托车行业却正面临着前所未有的问题，摩托车企业花费大量的人力财力引进生产线及技术，积累了海量的数据，却没有效利用、挖掘、整理、共享，使得企业的自主创新能力和自主开发能力低下，导致产品档次不高、缺乏市场竞争力。如何利用计算机对摩托车行业中保存的大规模数据进行分析、利用并从中发现其中有用的知识以有效地支持决策，提高我国摩托车企业的自主开发能力及产品的市场竞争力，这是我国摩托车行业亟待解决的问题。摩托车智能设计系统利用了人工智能、数据挖掘、神经网络、CAD/CAM/CAE等综合技术，着眼于摩托车产品开发的全生命周期，实现摩托车产品的获取、自动分类、记忆预测、性能分析、参数化造型和虚拟测试等过程，以提高摩托车设计开发的速度和可靠性，提高摩托车设计开发的能力，实现创新设计。摩托车智能设计数据挖掘系统作为其中的一个子系统，主要对摩托车实例库进行清理、分类，并对设计要求进行预测检索，找出最相似的设计方案供进一步推理使用。本文通过对挖掘系统的工作原理、挖掘方法、挖掘过程和开发手段上进行分析研究，结合摩托车总体设计及摩托车车型的特点，提出了一个将ART1神经网络和BP神经网络相结合的数据挖掘算法，构建了数据挖掘机制，实现了基于ART1神经网络和BP神经网络的集成挖掘。论文的主要