未来智讯 > 神经网络论文 > 基于灰色神经网络的商品销售预测

基于灰色神经网络的商品销售预测

发布时间:2019-01-11 01:06:01 文章来源:未来智讯    
    基于灰色神经网络的商品销售预测作者:未知   摘要:该文选取灰色神经网络的计算方法对产品的需求进行评估推测,该推测是商品销售推测的组成局部,它直接影响到企业的生产,销售,投资等诸多方面,是决策者决策的有力依据。该方法联合了灰色系统理论和人工神经网络理论,力图展现一种最新的预测方法,是用计算机分析运算来预测一种少数据,信息不确定的现实事物,以达到最后的目的。
  关键词:灰色神经网络;商品销售;算法;销售预测
  中图分类号:F71文献标识码:A文章编号:1009-3044(2009)27-7743-02
  
  市场销售是根据根据市场过去和如今的信息,运用一定的数学方法,对产品的需求进行评估推测,市场预测能够削减企业风险,为企业决策提供依据。做为市场预测组成局部的需求预测,是直接影响企业生产企业,投资取向,库存保有量的重要依据,精确的需求预测能够削减库存,降低订单流失率,更有效的配置资源。对于商品销售预测来说,有很多种方法,本文选取灰色神经网络来预测商品销量。
  
  1 灰色系统和神经网络概括
  
  1.1 灰色系统
  灰色系统理论是一种研讨少数据、贫信息、不确定性问题的新方法,它以“局部信息已知,局部信息未知”的“小样本”,“贫信息”不确定系统为研讨对象,通过对“局部”已知信息的生成、开发、提取有价值的信息,实现对系统运行行为、演化规律的准确描述和有效监控。它是我国学者邓聚龙教授在1982年最初提出的,经过20年的发展,灰色系统已基本建立起一门新兴学科的结构体系,其主要内容包括以灰色朦胧集为基础的理论体系,以灰色关联空间为依托的分析体系,以灰色序列生成为基础的方法体系,以灰色模型为核心的模型体系和以系统分析、评估、建模、预测、决策、抑制、优化为主体的技能体系。
  灰色系统中建立的模型称为灰色模型(GreyModel)简称GM模型,是以原始数据序列为基础做某种生成后建立的微分方程。建模中最有代表性的是针对时间序列的GM建模,它直接将时间序列数据转化为微分方程,利用系统信息,使抽象的模型量化,量化的观念模型化,最终进行模型优化,从而使所建的GM模型在寻求不到系统的几率特性或隶属特性的情况下显示其优越性。
  1.2 神经网络
  人工神经网络理论(ArtificialNeuralNetworks)是智能算法理论的一种,由于其具有大规模并行处理、分布式信息存储,容错性,自组织性和自适应性等特点,目前已经得到了国内外学者的广泛关注。目前,人工神经网络已成功应用在函数拟合、数据预测、模式识别、优化抑制等很多工程领域,并在一些传统方法难以解决的问题上取得了如意的结果。
  人工神经是由一些称为神经元的基本部件按一定准则组合变成的,它由神经元,神经元间连接方式和训练准则三个因素组成。其中最主要的局部是神经元,它由由输入,非线性变换和输出三局部构成,是一个基本计算单元,计算过程为,输入经过权值连接到内部后求和,和值最初与一个阀值做对照,然后经过非线性变化,得到输出。神经元的非线性变换有多种形式,对照常用的有Sigmoid函数,限幅函数等。神经元间不同的连接方式构成了不同类型的神经网络,比如信号由一层单向传播到另一层的前馈型神经网络,信号在层与层之间传播的反馈型神经网络等。目前,对照典型的神经网络包括BP网络,RBF网络、小波网络等。
  
  2 基于灰色神经网络的销量建模
  
  2.1 网络建模
  对于销量预测的问题来说,灰色模型GNNM(1,N)的微分表达式为:
  其中, y1是商品的销售量,y2-yn是影响销售量的因子。
  求解微分方程(1)可得如下的离散响应方程:
  令 ,则式2变为:
  y1的阀值设为: 。
  BP网络LB层神经元的激活函数取为Sigmoid函数:
  将式(3)变型后映射到BP网络中,得到如下的映射销量问题的灰色神经网络模型,如图1所示。
  2.2 学习算法
  该模型中各个参数根据网络输出和实际输出的误差进行调整,从而是网络输出不时逼近实际输出,学习算法如下:
  Step 1.根据系统数据列特征,采用两个较小的值做为 a,b1,b2,…,bn-1
  Step 2.根据网络权值定义计算ω11,ω21,ω22, …,ω2n,ω31,ω32,…,ω3n
  Step 3.对每一个输入序列(t,y(t)),(t=1,2,3,…,N)进行如下操作:
  t输入LA层节点,对LB、LC、LD层的节点进行如下计算:
  计算每层输出
  计算网络输出与期望输出的误差
  调整隔层权值:
  调整LB到LC的连接权值:
  
  调整LA到LB的连接权值:
  调整阀值:
  Step 4反复步骤3,直至满足结束条件为止。
  2.3 整体设计
  选取灰色神经网络进行销量预测,总的步骤分为灰色神经网络构建,灰色神经网络训练和灰色神经网络预测三步,其中灰色神经网络构建是根据输入输出变量构建灰色神经网络,灰色神经网络训练是对网络进行训练,灰色神经网络预测是对训练好的网络对数据进行预测,其灰色神经网络预测系统整体框图如图2所示。
  
  3 基于灰色神经网络的销量预测
  
  选取灰色神经来对某型冰箱的销售的做预测,分析得出影响该型冰箱的市场需求的因素为以下几个目标,1)竞争对手;2)市场特征;3)成本;4)广告力度;5)品牌认可;6)售后服务;7)价格性价比。输出数据为销售量,用模糊神经网络进行训练预测,设置输入节点数为8,输出节点数为1,即为预测销售量,网络共迭代100次,得到的预测值和实际值的结果如图3所示。
  从图3中能够看到,灰色神经网络预测的销量值和实际值相当接近,说明了灰色神经网络预测的有效性。
  
  4 结束语
  
  针对商品销售量预测牵涉因素较多,普通方法难以正确预测的问题,本文提出了基于灰色神经网络的商品销量预测,该网络以灰色理论为基础,以BP网络为结构原型,通过预测误差来实时调整里面的参数,使网络预测值不时逼进实际值,通过仿真实验证明了该方法的有效性。

转载请注明来源。原文地址:https://www.7428.cn/page/2019/0111/78740/
 与本篇相关的热门内容: