基于灰色神经网络的商品销售预测.docVIP

基于灰色神经网络的商品销售预测 　　摘要:该文采用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部分,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。该方法结合了灰色系统理论和人工神经网络理论,力求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,以达到最终的目的。 　　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现在的信息,运用一定的数学方法,对产品的需求进行评估推测,市场预测可以减少企业风险,为企业决策提供依据。做为市场预测组成部分的需求预测,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,精确的需求预测可以减少库存,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,本文采用灰色神经网络来预测商品销量。 　　 　　1 灰色系统和神经网络概述 　　 　　1.1 灰色系统 　　灰色系统理论是一种研究少数据、贫信息、不确定性问题的新方法,它以“部分信息已知,部分信息未知”的“小样本”,“贫信息”不确定系统为研究对象,通过对“部分”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、演化规律的正确描述和有效监控。它是我国学者邓聚龙教授在1982年首先提出的,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、控制、优化为主体的技术体系。 　　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,量化的概念模型化,最后进行模型优化,从而使所建的GM模型在寻求不到系统的概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、优化控制等很多工程领域,并在一些传统方法难以解决的问题上取得了满意的结果。 　　人工神经是由一些称为神经元的基本部件按一定规则组合形成的,它由神经元,神经元间连接方式和训练规则三个因素组成。其中最主要的部分是神经元,它由由输入,非线性变换和输出三部分构成,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,和值首先与一个阀值做比较,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,比较常用的有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,比较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,从而是网络输出不断逼近实际输出,学习算法如下: 　　Step 1.根据系统数据列特征,选取两个较小的值做为 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重复步骤3,直至满足结束条件为止。