基于權值直接確定神經網絡的采購提前期預測模型

摘 要：精確采購，盡可能地降低庫存成本是大多數企業一直追求的目標之一。然而準時采購受到庫存量、采購處理等眾多因素影響，這些因素之間彼此影響，因此對采購提前期的預測很難給出一個精確的數學模型。人工神經網絡具有很強的非線性映射能力，可以很大程度地解決非線性預測問題。提出了一種權值直接確定神經網絡的采購提前期模型，仿真效果達到預期水平。

關鍵詞：采購提前期；神經網絡；權值直接確定

中圖分類號：TP183 文獻識別碼：A

1 采購提前期模型

企業經營活動所需要的物資絕大部分都是通過采購商采購獲得的。采購是企業物流管理工作的起點。準時采購也叫JIT（Just In Time）采購法，是一種先進的采購模式。該采購模式中，采購活動以訂單驅動方式進行。

采購提前期一般由采購申請提前處理時間、采購處理提前時間和采購后處理時間等構成。采購申請提前處理時間過程包括確定貨物需求量、選擇供應商、價格談判、簽訂訂單、合同審批等過程。采購處理提前時間是指供應商簽訂訂單發貨到約定地點的時間，包括制造、運輸的時間。采購后處理提前時間指接收貨物、驗收、到入庫的時間。

采購提前期時間T包括采購申請處理時間t1，采購處理時間t2和采購后處理時間t3。因此T=t1+t2+t3。馬錚在分析了公司市場環境的基礎上，提出了影響采購提前期的因素為：需求量x1，現有庫存水平x2，生產力使用情況x3，工人生產效率x4，加工精度x5，運輸方式x6，天氣情況x7，路況距離x8，物資入庫速度x9等因素。

2 采購提前期的神經網絡模型設計

BP神經網絡是一種層內無互聯結構的前向型神經網絡，一般為三層結構。第一層稱為輸入層，最后一層稱為輸出層，中間層稱為隱含層。特殊情況下，隱含層也可以包含多個層次。根據柯爾莫哥洛夫定理，一個三層的神經網絡可以逼近任意的一個函數。所以一般只用三層網絡結構。過多的隱含層會影響網絡的收斂速度，會出現“過擬合”現象。

BP神經網絡采用有指導的學習方式訓練和學習：給定一組樣本（（x1，d1），（x2，d2），…，（xp，dp）），其中X為樣本輸入，d為給定輸入下期望的樣本輸出，P為樣本的個數。神經網絡通過改變各神經元的連接值達到在給定的輸入X下神經網絡的輸出yp與相應輸入下樣本的輸出dp盡可能的接近。

BP神經網絡具有很強的非線性映射能力，但是也存在著諸如收斂速度慢，存在局部極小點而無法收斂到最優解，隱含層層數及節點數的選取僅靠經驗而無確定的公式，學習新樣本而遺忘舊樣本的趨勢等缺點。本文基于偽逆的思想構造一種權值直接確定的神經網絡。

2.1 理論基礎

為了方便該網絡在硬件上實現，所有的神經元的閾值都設為0。圖1給出的U系統神經網絡結構模型，隱含層神經元個數為n，隱含層與輸出層之間的權值記為？棕jk，則樣本與輸出之間的關系可表示為y=？棕1？準1（x）+？棕2？準2（x）+…+？棕n？準n（x）。

其網絡結構圖見圖1。

上述基于U系統構成的神經網絡可視為BP神經網絡的一種特例，其權值確定可采用傳統的迭代法。

2.2 權值迭代法

3 算例實現

本文采用一汽豐田公司的特約零件供應商——天津客車橋公司提供的數據進行仿真。數據如表1：

在Windows7平臺，使用MATLAB2014A軟件，對上述數據進行仿真。利用前15組數據為訓練樣本，后5組數據為測試樣本，結果如下：

4 結束語

準時采購受到庫存量、采購處理等眾多因素影響，這些因素之間彼此影響，因此對采購提前期的預測很難給出一個精確的數學模型。BP神經網絡雖具有很強的非線性映射能力，但是也存在著諸如收斂速度慢，存在局部極小點而無法收斂到最優解，隱含層層數及節點數的選取僅靠經驗選取而無確定的公式，學習新樣本而遺忘舊樣本的趨勢等缺點。本文提出了一種基于U系統的權值直接確定神經網絡的采購提前期模型，仿真效果達到預期水平。

參考文獻：

[1] 劉雪.一類新的完備正交系及其在圖形圖像處理中的應用[D].北京：北方工業大學，2007.

[2] 殷奎喜，岸政七，許根穩.平滑化的正交型Walsh函數的構造及在廣帶域擴譜通訊中的應用.東南大學學報，1999，29（6）：20～26.

[3] 張雨濃，郭東生，譚寧.冪激勵前向神經網絡最優結構確定算法[J].計算機工程與應用，2011，47（2）：29-31.

[4] 張雨濃，勞穩超，余曉填等.兩輸入冪激勵前向神經網絡權值與結構確定[J].計算機工程與應用，2012，48（15）：102-106.

[5] 楊文光.權值直接確定的三角型模糊前向神經網絡[J].中山大學學報：自然科學版，2013，52（2）：33-37.

基金項目：天津職業大學培育項目“前向型神經網絡權值和結構的確定方法研究”（編號：20122108）階段性成果；天津市教育科學學會“十二五”課題：高職教育中教學過程公平模式的實踐研究（編號：JK1250149B）階段性成果

作者簡介：李國輝（1977.10-），男，漢族，天津薊縣人，碩士，講師，主要研究方向：統計理論與應用。