基于CPFR的ARIMA-BP神经网络需求预测模型研究

《基于CPFR的ARIMA-BP神经网络需求预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、东北大学硕士学位论文摘要基于CPFR的ARlMA-BP神经网络需求预测模型研究摘要CPFR(CollaborativePlanningForecastingandReplenishment)是针对零售行业的一种供应链管理方案，致力于提高企业内部管理和外部协作的效率。CI'FR实施在提高供应链运行效率的同时也提升了供应链成员之间的合作关系，为全面整合供应链打下基础。CPFR是继VMI(供应商管理库存)之后提出的一个新的供应链整合技术，它将企业的合作从库存管理进一步扩展到需求管理。企业间的协同预测是CPF

2、R实施的核心，它提高了需求预测的精度。而准确的需求预测既可以降低生产成本、运输成本和库存持有成本，又可以提高销售量，从而提高供应链运行效率。本文着重研究了基于CPFR的整合自回归移动平均模型(AutoregressiveIntegratedMovingAverage，简称ARIMA)与反向传播网络(Back—PropagationNetwork，简称BP神经网络)的预测模型，在总结既往研究的基础上，以包含供应商和多个零售商的供应链上的需求为研究对象，具体研究内容包括：(1)基于CPFR的协同预测，在供

3、应商和零售商之间实现了信息的共享，保证了预测数据的准确性，并且成立的项目小组实现了二者之间预测方法的统一，最大程度上减小了预测异常产生的可能性。(2)以供应链上的供应商和零售商的需求为研究对象，神经网络为预测工具，遗传算法为优化手段，介绍了三者的基本理论及相互结合的原理。改进后的神经网络的权值得到优化，大大提高了学习效率。(3)本文将ARIMA和BP神经网络有机结合，先用ARIMA模型对需求序列中的线性部分进行预测，余下的残差序列含有的非线性信息用改进的BP神经网络提取，建立了ARIMA-BP神经网络

4、的模型。通过算例将单一的ARIMA模型、BP神经网络模型和’ARIMA-BP预测模型的预测结果进行对比分析，讨论了该模型的有效性。-u本文对ARIMA．BP神经网络的模型及其在协同预测的应用进行了一定的探讨，为，CPFR上的协同预测提供了一个新的方法。Y关键词：CPFR；ARIMA；BP神经网络；遗传算法Ⅱ●k--4，’■，一东北大学硕士学位论文AbstractResearchONDemandForecastingModelofARIMA．BPNeuralNetworkBasedonCPFRAbstr

5、actInretailingindustry,CPFR(CollaborativePlanningForecastingandReplenishment)wasconsequentlyinitiatedtodownsizethesupplychainoperationcostsandincreasecustomersatisfactionaswell．CPFRisdecidedtoimproveinternalandextemalcooperationefficiency,andlayafoundat

6、ionforthefullintegrationofsupplychain．CPFRnotonlysavedthesupplychainoperationcosts，butincreasedthesalesaswell,andmoreimportant，ledtosupplychainintegrationbycontinuouslyimprovingthepartner’Srelationshipandtrustlevelbyextendingcooperationscopefrominventor

7、ymanagementtodemandmanagement．Inter-enterprisecollaborativedemandforecastingisthecoreofCPFRimplementation,itimprovetheaccuracyofdemandforecasting．AndaccuratedemandforecastingCalllowertheproductioncosts，transportationcostsandinventorycosts，Callincreaseth

8、esales，therebyimprovethesupplychainoperationefficiency．ThearticlestudiesforecastingmodelmainlybasedonAutoregressiveIntegratedMovingAverage(ARIMA)andBack—PropagationNetwork(BPNetwork)ofCPFR,onthebasisofsummingupthepast,whichtakesn