基于CPFR的ARIMA-BP神經(jīng)網(wǎng)絡(luò)需求預(yù)測模型研究.pdf

1、CPFR(Collaborative Planning Forecastingand Replenishment)是針對(duì)零售行業(yè)的一種供應(yīng)鏈管理方案，致力于提高企業(yè)內(nèi)部管理和外部協(xié)作的效率。CPFR實(shí)施在提高供應(yīng)鏈運(yùn)行效率的同時(shí)也提升了供應(yīng)鏈成員之間的合作關(guān)系，為全面整合供應(yīng)鏈打下基礎(chǔ)。CPFR是繼VMI（供應(yīng)商管理庫存）之后提出的一個(gè)新的供應(yīng)鏈整合技術(shù)，它將企業(yè)的合作從庫存管理進(jìn)一步擴(kuò)展到需求管理。企業(yè)間的協(xié)同預(yù)測是CPFR實(shí)施的核心

2、，它提高了需求預(yù)測的精度。而準(zhǔn)確的需求預(yù)測既可以降低生產(chǎn)成本、運(yùn)輸成本和庫存持有成本，又可以提高銷售量，從而提高供應(yīng)鏈運(yùn)行效率。
　　 本文著重研究了基于CPFR的整合自回歸移動(dòng)平均模型(Autoregressive Integrated Moving Average，ARIMA)與反向傳播網(wǎng)絡(luò)(Back-Propagation Network，BP神經(jīng)網(wǎng)絡(luò))的預(yù)測模型，在總結(jié)既往研究的基礎(chǔ)上，以包含供應(yīng)商和多個(gè)零售商的供應(yīng)鏈上

3、的需求為研究對(duì)象，具體研究內(nèi)容包括：
　　 (1)基于CPFR的協(xié)同預(yù)測，在供應(yīng)商和零售商之間實(shí)現(xiàn)了信息的共享，保證了預(yù)測數(shù)據(jù)的準(zhǔn)確性，并且成立的項(xiàng)目小組實(shí)現(xiàn)了二者之間預(yù)測方法的統(tǒng)一，最大程度上減小了預(yù)測異常產(chǎn)生的可能性。
　　 (2)以供應(yīng)鏈上的供應(yīng)商和零售商的需求為研究對(duì)象，神經(jīng)網(wǎng)絡(luò)為預(yù)測工具，遺傳算法為優(yōu)化手段，介紹了三者的基本理論及相互結(jié)合的原理。改進(jìn)后的神經(jīng)網(wǎng)絡(luò)的權(quán)值得到優(yōu)化，大大提高了學(xué)習(xí)效率。
　　

4、 (3)本文將ARIMA和BP神經(jīng)網(wǎng)絡(luò)有機(jī)結(jié)合，先用ARIMA模型對(duì)需求序列中的線性部分進(jìn)行預(yù)測，余下的殘差序列含有的非線性信息用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)提取，建立了ARIMA-BP神經(jīng)網(wǎng)絡(luò)的模型。通過算例將單一的ARIMA模型、BP神經(jīng)網(wǎng)絡(luò)模型和ARIMA-BP預(yù)測模型的預(yù)測結(jié)果進(jìn)行對(duì)比分析，討論了該模型的有效性。
　　 本文對(duì)ARIMA-BP神經(jīng)網(wǎng)絡(luò)的模型及其在協(xié)同預(yù)測的應(yīng)用進(jìn)行了一定的探討，為CPFR上的協(xié)同預(yù)測提供了一個(gè)新的方