（地球探测与信息技术专业论文）基于rsann理论的产品生命周期预测研究.pdf

桂林工学院硕士学位论文 摘要 产品生命周期管理是一种先进的企业信息化思想，它能够把过去和现在的那些行之 有效的技术、系统、流程、实施方法论和企业智力资产进行继承与集成，在正确的企业 战略思想和商业原则指导下，将其提升为符合企业实际情况的解决方案，让企业信息化 变得更加现实和更容易实施。然而，现实系统复杂的不确定性和时变性使得对产品生命 周期的预测精度受到很大的限制，目前尚无成熟、系统的适用于非线性时变系统的理论。 近年来新兴的人工神经网络方法由于具有根强的非线性逼进能力和自学习、自适应等特 性，在模式识别、系统辨识、智能控制、图像处理、故障诊断等领域得到了广泛的应用， 而且，其智能化分析的特性适于对未来做出预测和评价从而给解决这类问题提供了新 的思想和方法。它的原理是采用误差反传的特性解决隐含层引入咀后的学习问题，即采 用梯度下降法使权值的改变总是朝着误差小的方向改进，最终达到最小误差。理论证明， 利用人工神经网络算法可以对产品生命周期的状态进行系统、智能的预测。基于此认识， 本文对该类问题进行了较为系统深入的分析研究。 虽然人工神经网络方法具有很多优点，但也存在语义功能差，知识的获取过程和推 理过程有黑箱性，难以约简输入的冗余数据等缺点。粗糙集理论是一种研究不精确数据 的分析、推理，挖掘数据间的关系，发现隐含的知识，揭示潜在规律的行之有效的方法， 在数据挖掘等领域得到了广泛的应用。本文分析论述了人工神经网络算法的工作原理， 采用多层前馈神经网络对产品生命周期进行预测。本文的主要工作有：( 1 ) 在神经网络 的误差函数中引入加权系数，弱化前期学习样本，强化近期学习样本：( 2 ) 针对人工神 经网络算法的缺点，引入粗糙集理论对a n n 的输入端进行置前的数据处理明朗化数据 的获取过程，并对输入的冗余数据进行属性约简，构建了r s n 算法的预测模型。对产 品生命周期预测的计算实例表明，这种新算法的精确度得到了显著提高同时也为其他 类似的问题提供了一些参考。显然，本文的研究具有明显的理论意义与实际意义。 关键词：r s a n n ；人工神经网络：粗糙集；产品生命周期；预测 桂林工学院硕士学位论文 a b s tr a c t p l m ( p r o d u c tc y c l e t i l e m a n a g e r n c l l t ) ：l s ak i n do f a d v a n c e d i d e o l o g y o f c i m s ( c o r p o r a t i o nm a n a g e m e n ti n f o r m a t i o ns y s t e m ) , w h i c hc a ni n h e r i ta n di n t e g r a t et h ep a s t a n dm o d e mt e c h n o l o g y , s y s t e m s ，p r o c e d u r e s ，m e a s u r e s ，a n dc o r p o r a t i o ni n t e l l i g e n c ea s s e t s u n d e rt h ed i r e c t i o no fc o r r e c tc i m sa n dc o m m e r c i a lp r i n c i p l e s p l mw o u l db er e g a r d e da s a s o l u t i o nf o rc o r p o r a t i o n sp r a c t i c a lp r o b l e m s ，a n dt h ep l mw o u l dm a k et h ec m gb e c o m e m o l ep r a c t i c a la n de a s t e r l yi m p l e m e n t e d h o w e v e r , t h ep r e d i c t i n gp r e c i s i o no fp l mi s c o n s t r a i n e dg r e a t l yb yt h eu n c e r t a i n t yo ft h er e a ls y s t e m sc o m p l e x i t y ，a tp r e s e n t ，t h e r ei s1 7 1 0 m a t u r ea n ds y s t e m a t i c a lt h e o r ys u i t e dt ot h en o n l i n e a rs y s t e m s i nt e e e n ty e a r s ，w i t ht h e c h a r a c t e r i s t i c so fn o n l i n e a rf o r c i n gi n t oa b i l i t y , s e l f - - s t u d ya n ds e l f - - a d a p t a t i o n ，t h en o w d e v e l o p i n ga r t i f i c i a ln e u r a ln e t w o r kh a sb e e ne x t e n s i v e l ya p p l i e a t e d i nt h ef i e l d so fp a t t e r r e c o g n i t i o n ，s y s t e md i s t i n g u i s h ，i n t e r e s t e dc o n t r o l ，i m a g ep r o c e s s i n g ，a n dt r o u b l ed i a g n o s i n g a n da l s ot h ec h a r a c t e r i s t i co fi n t e l l i g e n ta n a l y s i si ss u i t a b l ef o rp r e d i c t i n ga n da p p r a i s i n g ，t h u s p r o v i d i n gn e wi d e o l o g i e sa n dw a y sf o rs o l v i n gt h e s ek i n d so f p r o b l e m s ，t h i sp r i n c i p l et oa d o p t c h a r a c t e r i s t i ct h a te r r o rs p r e a di n s t e a di si ti m p l yl a y e ri n t r o d u c ep r o b l e mc o n c e r n i n gs t u d y a f t e rt os o l v e ，a d o p tg r a d i e n td e s c e n tm e t h o d ，m a k er i g h tv a l u ei si ti m p r o v ee r r o rf i n a l l y ，t h e t h e o r yp r o v e st h a ta r t i f i c i a ln e u r a ln e t w o r ka l g o r i t h m i s h e l p st op r e d i c to fs y s t e ma n d i n t e l l i g e n c ef o rt h es t a t eo f p r o d u c tc y c l el i f e a l t h o u g ht h em e t h o d so fa r t i f i c i a ln e u r a ln e t w o r k sh a v em a n ya d v a n t a g e s ，t h e r ei sab a d f u n c t i o no fs e m a n t e m e ，f o re x a m p l eo b t a i n i n gc o u r s ea n dr e a s o n i n gp r o c e s sh a v ed a r kc a s e n a t u r ea n di ti sd i f f i c u l ti oi n v i t es i m p l er e d u n d a n ts h o r t c o m i n go f d a t u mt h a ti n p u tk n o w l e d g e r st h e o r yi sa 1e f f e c t u a lm e t h o dt h a tf o c u s e so nt h er e a s o n i n go fi n a c c u r a t ed a t e ，e x c a v a t et h e r e l a t i o n so f d a t e s ，f i n d st h ei m p l yk n o w l e d g e ，a n dr e v e a tt h ep o t e n t i a ll a w ，t h i sa r t i c l ea n a l y s e s t h eo p e r a t i o np r i n c i p l eo f a r t i f i c i a ln e u r a ln e t w o r ka l g o r i t h ma n dp r e d i c t st h ep r o d u c tc y c l el i f e w i t ht h em u l t i - - l a w y e r l yf e e d b a c k e dn e a r a ln e t w o r ka n dd i r e c t i n ga g a i n s tt h es h o r t c o m i n go f t h ea r t i f i c i a ln e u r a ln e t w o r ka l g o r i t h m ，1i n t r o d u c et h er st oh a n d l et h ed a t ab e f o r ei m p u t t i n g t h e mt ot h ea n n ，m a k et h eo b t a i n i n gc o u r s eo ft h ed a t am o l ec l e a r , s h o r t e nt h er e d u n d a n t d a t u m ，a n dt h e nc o n s t r u c tt h ep r e d i c t i o nm o d e lo f t h er s a n na l g o r i t h m t h ec a l c u l a t i o nr e s u l t 桂林工学院硕士学位论文 “p r o d u c tc y c l el i f ep r o v e st h a tt h i sa c c u r a c yo fn e w a l g o r i t h mh a sb e e ni m p r o v e dg r e a t l m a n da l s oo f t e ns e v e r a lr e f e r e n c e sf o ro t h e rl i k e w i s e p r o b l e m s o b v i o u s l y , t h er e s e a r c hh a s t h e o r e t i c a lm e a n i n ga n dp r a c t i c a lm e a n i n g k e yw o r d s ：r s a n n ：a r t i f i c i a in e u r a ln e t w o r k s ；r o u g hs e t ；p r o d u c tc y c l el i f em a n a g e m e n t p r e d i c t i o n 桂林工学院硕士学位论文 独创性声明 本人声明所呈交的论文是我个人在导师指导下进行的研究工作及取得的 研究成果。尽我所知，除了文中特别加以标注和致谢的地方外，论文中不包含 其他人已经发表或撰写过的研究成果，也不包含为获得桂林工学院或其它教育 机构的学位或证书而使用过的材料。与我一同工作的同志对本研究所作的任何 贡献均已在论文中作了明确的说明并表示了谢意。 弥翌癌隰连吐! ：宣里 关于论文使用使用授权的说明 本人完全了解桂林工学院有关保留、使用学位论文的规定，即：学校有权 保留送交论文的复印件，允许论文被查阅和借阅；学校可以公布论文的全部或 部分内容，可以采用影印、缩印或其他复制手段保存论文。 签名： 桂林工学院硕士学位论文 1 1 论文研究的背景 第1 章绪论 8 0 年代后，随着自动化、信息、计算机和网络技术的广泛应用，企业制 造能力和水平都有了飞速的发展，企业在追求产量的同时。也越来越重视新 产品开发的上市时间( t ) 、质量( q ) 、成本( c ) 、服务( s ) 、产品创新( k ) 和环 境( e ) 等指标。企业迫切需要将信息技术、现代管理技术和制造技术相结合。 并应用于企业产品全生命周期( 从市场需求分析到最终报废处理) 的各个阶 段，对产品全生命周期信息、过程和资源进行管理，实现物流、信息流、价 值流的集成和优化运行，以提高企业的市场应变能力和竞争能力。 每种产品在市场上都将经历从无到有、由盛到衰、直至被淘汰的生命 历程，这就是产品生命周期。由于产品生命周期的不同阶段，产品销售量 和利润有升有降，需要不同的营销、融资、生产、采购和人事策略，因此， 根据产品销售历史上的统计资料和产品在市场上的销售现状，预测其产品 目前所处的状态有着主要的战略意义。 预测是对尚未发生和目前还不明确的事物进行预先的估计和推测，是 以现实对事物将要发生的结果进行探讨的研究。常用的预测方法如指数平 滑、曲线拟合等都存在一个共同的局限性：就是要求预先知道被控对象的 数学模型，但实际上许多对象具有复杂的不确定性和时变性：此外，还具 有复杂的非线性，例如有的是已知但难于用数学描述，有的是未知非线性， 必将造成根本无法或者很难精确建模。虽然灰色系统理论中有预测模型识 别的手段，但对非线性时变系统尚无成熟的和系统的辨识理论和方法，要 实行有效的实时预测就很难了。人工神经网络有表示任意非线性关系和学 习等能力，给解决这类问题提供了新思想和新方法。自从l a p e d e s t 和f a r b e r f l 首先应用人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 技术进行预测开 始，神经网络方法日益成为人们关注的热点，国内外众多专家学者对a n n 应用于预测做出了大量的研究，并取得了一定的成果。 桂林工学院硕士学位论文 神经网络方法是仿效生物处理模式以获得智能信息处理功能的方法神 经网络着眼于脑的微观网络结构，通过大量神经元的复杂连接，由底到顶， 通过自学习、自组织和非线性动力学所形成的并行分布方式，来处理难以 语言化的模式信息。 神经网络用于非线性预测的基本原理是将观钡值数据作为神经网络的 输入向量，将预测值作为神经网络的输出向量；然后用足够的样本模式训 练这个神经网络，使不同的输入向量得到不同的输出值。这样，神经网络 所具有的连接权值，便是网络经过自适应学习所得到的正确的内部表示； 训练好的神经网络便可作为一种定性与定量相结合的有效工具。对不同的 预测对象进行预测。但神经网络处理信息一般不能将输入信息空间维数简 化，当输入信息空间维数较大里，网络不仅结构复杂，而且训练时间也很 长。 粗糙集( r o u g hs e t ，r s ) 理论是一种较新的智能信息处理方法，可以 有效地分析和处理不精确、不一致、不完整等各种不完备信息。并从中发 现稳含的知识，揭示潜在规律。粗糙集理论基于分类的思想，以等价关系 和不可分辨关系描述和刻画知识，并以此为基础对知识进行化简、推理等 计算。该理论已经广泛应用于知识发现、数据挖掘、机器学习、模式分类、 过程控制等领域。粗糙集在处理信息中通过发现数据间的关系，不仅可以 去掉冗余输入信息，而且可以简化输入信息的表达空间维数。 粗糙集理论方法和神经网络方法处理信息中，两者各有优势，也分别 存在缺陷。为此把两者结合起来，其基本原理是先用粗糙集方法对信息进 行预处理，即把粗糙集网络作为前置系统，再根据粗糙集方法预处理后的 信息结构，构成神经网络信息处理系统。 1 ，2 论文研究的目的与意义 市场需求的迅速变化对产品生命周期的预测提出了更高的要求，研究更 为全面、精确的产品生命周期方法具有明显的现实意义。人工神经网络( a n n ) 是二十世纪八十年代中期迅速兴起的一门非线性科学，它力图模拟人脑的 桂林工学院硕士学位论文 神经网络方法是仿效生物处理模式以获得智能信息处理功能的方法神 经网络着眼于脑韵微观网络结构，通过大量神经元的复杂连接，由底到顶 通过自学习、自组织和非线性动力学所形成的并行分布方式，来处理难以 语言化的模式信息。 神经网络用于= ：| = 线性预测的基本原理是将观测值数据作为神经网络的 输入向量，将预测值作为神经网络的输出向量：然后用足够的样本模式训 练这个神经网络，使不同的输入向量得到不同的输出值。这样，神经网络 所具有的连接权值，便是网络经过自适应学习所得到的正确的内部表示： 训练好的神经网络便可作为一种定性与定量相结合的有效丁具，对不同的 预测对象进行预测。但神经网络处理信息一般不能将输入信息空间维数简 化，当输入信息空间维数较大里，网络不仅结构复杂，而且训练时间也很 长。 粗糙集( r o u g hs e t ，r s ) 理论是一种较新的智能信息处理方法，可以 有效地分析和处理不精确、不一致、不完整等各种不完备信息，并从中发 现媳含的知识，揭示潜在规律。粗糙集理论基于分类的思想，以等价关系 和不可分辨关系描述和刻画知识并以此为基础对知识进行化简、推理等 计算。该理论已经广泛应用于知识发现、数据挖掘、机器学习、模式分类、 过程控制等领域。粗糙集在处理信息中通过发现数据间的关系，不仅可以 去掉冗余输入信息，而且可以简化输入信息的表达空间维数。 粗糙集理论方法和神经网络方法处理信息中，两者各有优势，也分别 存在缺陷。为此把两者结合起来，其基本原理是先用粗糙集方法对信息进 行预处理，即把粗糙集网络作为前置系统，再根据粗糙集方法预处理后的 信息结构，构成神经网络信息处理系统。 1 2 论文研究的目的与意义 市场需求的迅速变化对产品生命周期的预测提出了更高的要求，研究更 为全面、精确的产品生命周期方法具有明显的现实意义。人工神经网络( a n n ) 是二1 世纪八十年代中期迅速兴起的一门非线性科学，它力图模拟人脑的 是二1 世纪八十年代中期迅速兴起的一门非线性科学，它力图模拟人脑的 桂林工学院硕士学位论文 一些基本特征，如自适应性、自组织性、容错性等。实现智能化的分析， 并对未来做出预测和评价，但也存在语义功能差，知识的获取过程和推理 过程有黑箱性，难以约简输入的冗余数据等缺点。本文提出了一种新的 r s a n n 预测算法，利用粗糙集( r s ) 理论对a n n 的输入端进行置前的数据处 理，明朗化数据的获取过程，对输入的冗余数据进行属性约简，此外，结 合对传统神经网络算法的改进，即对神经网络的输入值和目标值进行预处 理、在权和阀值修正算法中加入一个动量项以提高学习速率、对神经网络 的学习率进行自适应选择以及通过改进误差函数，在神经网络的误差函数 中引入加权系数，弱化前期学习样本，强化近期学习样本，极大地提高了 新算法的预测精度。 1 3 论文的主要工作 本文的主要工作包括以下几个方丽： 1 详细论述人工神经网络的工作原理与学习规则，针对神经网络算法 的缺陷，对神经网络的输入值和目标值进行了预处理；在权和阀值 修正算法中加一个动量项以提高学习速率；对神经网络的学习率进 行自适应选择：改进误差函数，在神经网络的误差函数中引入加权 系数，弱化前期学习样本，强化近期学习样本。 2 论述粗糙集的原理与特点。 3 针对神经网络知识获取过程和推理过程的黑箱性缺陷，引入粗糙集 理论对a n n 的输入端进行置前的数据处理，明朗化数据的获取过程， 并对输入的冗余数据进行属性约简，构建了r s a n n 算法的预测模型。 4 运用v c + + 语言编制r s a n n 算法程序，以某集团产品的长期利润率变 动情况对其进行学习调试，并与传统的神经网络算法进行了比较分 析。 桂林工学院硕士学位论文 第2 章产品生命周期预测的基本方法 2 1p l m 的基本概念 产品生命周期管理( p r o d u c tl i f ec y c l em a n a g e m e n t ，p l m ) 是一种先 进的企业信息化思想，是企业制定产品有关决策的重要依据。它能够把过 去和现在的那些行之有效的技术、系统、流程、实施方法论和企业智力资 产进行继承与集成，在正确的企业战略思想和商业原则指导下，将其提升 为符台企业实际情况的解决方案，让企业信息化变得更加现实和更容易实 施。充分了解产品生命周期各个阶段的特点，可以使企业更好地预测本企 业产品的发展趋势，有效利用企业营销组合战略( 产品、价格、地点、促 销) ，使企业在动态的市场环境中求得生存与发展，赢得有利的市场地位。 所谓产品生命周期，是指产品从进入市场到最后被市场淘汰的全过程，它 是产品的市场生命周期。典型的产品生命周期一般可分为四个阶段，即： 萌发期、成长期、成熟期、衰退期。p l m 主要的管理理念体现在：( 1 ) 需 求管理。需求管理主要是指管理来自于企业外的市场、客户和来自于企业 内的制造、工艺、生产等对产品在外观、性能、结构、维修等方面的特殊 要求的信息。( 2 ) 产品开发技术及管理。产品开发技术包括产品的数字定 义和数字装配、知识工程及知识驱动自动化，数字工厂、虚拟产品及开发 过程等。( 3 ) 制造过程管理。客户个性化需求的增长以及产品生命周期的 日益缩短等对制造业的制造模式提出了新的要求。制造过程管理主要包括 工艺管理、制造资源管理、生产计划与调度管理、生产过程监控管理等， 其目标是制造过程的全程优化和协调。( 4 ) 产品开发流程管理。全面的工 作流规则保证与时间相关的业务信息能够自动地在正确时间传送到指定的 地点。p l m 通过工作流实现企业内外部物流、信息流、价值流与责任流的 有机集成，并能支持企业经营过程的重组，贯彻并行工程的思想。( 5 ) 协 同思想。在一个广义企业内优化产品生命周期的关键是协同工作。p l m 是 进行价值链协同的一个统一方式，它支持所有参与产品生命周期的人员( 包 桂林工学院硕士学位论文 括：设计人员、工艺人员、制造人员、销售人员、维修人员、客户、供应 商等) 在产品投入市场的过程中协调工作。也提供协同的设计环境：发布 预定机制、电子白板、公告栏、实时通知等。( 6 ) 基于知识的管理。随 着p l m 系统从管理执行层向管理决策层的渗透，通过集成数据仓库、数据 挖掘和流等角度对企业处于不同生命周期的产品组合进行分析，对产品规 划、产品开发、产品退出等决策进行支持。具体功能包括新产品开发决策 智能、研发规划管理、研发项目管理、相关报告报表生成等。在应用上， t e a m c e n t e r 通过网络协同跨越管理企业和产品熬个生命周期的产品数据， 从协同管理的角度上将p l m 向前推进一步；i b m 公司给许多大型企业提供 了一系列的应用p l m 系统解决方案，并取得了成功。例如，日本托达( t o d a ) 赛车制造有限公司就是i b mp l m 系统的成功用户，其利用该系统大大缩短 了零部件及产品的开发周期，优化了产品全生命周期的各个阶段，取得了 显著的效益。此外，除了实际的研究及应用，在p l m 理论上也有一定的进 展。如，t h o m a s ，v - 【2 1 等阐述了信息技术与p l m 之间的关系；s t r o w b r i d g e ， a | 3j 则将电子商务应用到了p l m 中来；j x g a o 4 1 从企业集成的角度讨论 了产品数据管理的应用；近年来国外有关产品生命周期工程和产品生命周 期成本的研究逐年增多。这些研究不仅促进了p l m 理论的探讨，也为p l m 的应用提供了一些思路和方法。 可见，p l m 不仅仅是技术措施，而且是一种可持续发展的经营战略， 通过经营观念的转变，借助管理工具软件形成一系列业务解决方案，促使 产品研发和业务过程的创新和全面改进。 2 2p l m 的研究概况 上世纪5 0 年代，国外学者将产品生命周期理论引入产品市场分析，用 以解释和预测产品的发展。关于这些早期研究的论述，请参阅文献【5 1 。8 0 年代产品生命周期思想逐渐进入我国。胡坚( 1 9 9 8 ) 综述了产品生命周期 预测的几种经典算法；蔡莉等( 1 9 9 9 ) 用模型化的语言揭示了产品生命周 期的发展过程并进行实用研究【7 i ；韩永夫等( 1 9 9 9 ) 运用经济计量数学模型 桂林工学院硕士学位论文 与经济学原理相结合，将定性分析预测和定量分析研究预测有机地结合起 来，构建了企业产品生命周期预测模型【8 l ；陈新辉、乔忠( 2 0 0 1 ) 利用产品 销售量、利润率和市场占有率作为研究指标，构建了产品生命周期的模糊 识别模型1 9 1 ：同样的，梁唯溪、黎志成( 2 0 0 3 ) 也利用模糊数学的理论和方 法，选取产品销售量、销售利润率和市场占有率3 个指标，并以企业决策 年度为时间变量，根据q s i m 定性推理状态转换表，判断相邻时间间隔的产 品生命周期变化趋势，建立了产品生命周期的模糊识别模型【l ；黄文馨 ( 2 0 0 3 ) 利用综合判断法，根据多个判据的组合，定位了产品生命周期阶 段之间的界面，并以此来划分产品生命周期的阶段】。 目前对产品生命周期进行预测分析的研究很少，能查阅到的文献仅有 十余篇。这些研究虽然有些有成果，但总的来说，研究还处于起步阶段， 主要表现在以下几点：( 1 ) 研究者人数少，而且属于不同单位和专业，造 成彼此缺乏交流：( 2 ) 定量研究的数学工具基本上是经典算法，并未涉及 到处理复杂问题所常用的启发式算法；( 3 ) 研究多是侧重于学术研究，与 实际应用尚有距离。 2 3 产品生命周期预测的基本方法 目前产品生命周期预测的基本方法主要经典法和智能法两大类。 2 3 1 经典法 1 销售增长率法。市场销售状况，是产品生命周期各阶段的基本特征 之一，因而成为分析和预测的主要内容。产品销售增长率法，就是用产品 销售增长率的大小，来判断产品生命周期的各个阶段。产品投放市场的初 期，销售增长速度缓慢时为导入期，销售增长速度呈直线上升时为成长期， 销售稳定时为成熟期，销售增长速度呈直线下降时为衰退期。销售增长速 度快慢的具体判断，可参考下列经验数据：产品销售增长率小于1 0 为导 入期，增长率大于1 0 为成长期，增长率在0 1 0 之间为成熟期，增长率 桂林工学院硕士学位论文 小于零，即为负数时，则是衰退期。在采用上述经验数据作为判断产品生 命周期阶段划分的标准时，应视其销售的长远趋势，而不能以某一时期因 受客观环境影响呈短期波动来确定。也就是说，有时可能受某种客观因素 的影响，致使产品的销售增长率发生短期的不规则波动，不能据此说明产 品销售改变了其生命周期阶段。 销售增长法虽然比较简单明了，不必作复杂的数学计算，但使用此法 判断产品生命周期阶段不很准确，只是一种定性分析的量化技术，往往需 要同其它方法结合使用，才有可能达到预期的效果。 2 类比预测法。类比预测法简称类比法或类推法，是一种应用范围较 广泛的定性预测方法。此法用于产品生命周期阶段的分析和预测时，就是 把对比产品与相类似的产品生命周期的发展变化规律进行比较分析，以判 断对比产品的生命周期阶段。这里所讲的类似产品的含义是很广泛的，它 包括同类型的产品、同系列产品、换代产品、替换品和互补品，以及国外 某些产品的发展变化倾向国内同类产品对比，等等。 类比法在掌握的数据资料有限情况下应用时，具有一定的参考价值。 如果对预测目标已掌握了足够数据资料，则此法只能作为采用其它定量预 测的一种定性补充方法。 3 普及率分析与预测法。普及率法主要用于耐用消费品生命周期阶段 的分析与预测。人们对耐用消费品的需求数量有限，不如日用生活消费品 需求多、购买频率高。对于这类商品，可以通过社会拥有量、社会普及率 等方法来测算产品生命周期所处的阶段及社会需求量。 耐用消费品的普及率，一般用每百户或每百人拥有多少该种产品来表 示。利用这种方法时，要根据该产品的技术性能，测定其一般的使用年限， 以便计算市场销售中有多少是属于重复购买，有多少是属于第一次购买。 使用年限较长的耐用消费品，在其生命周期的导入期和成长期的前期，可 以不考虑以旧换新的重复购买问题，到其成长期和成熟期，随着使用年限 的到期、报废的增加，则需要考虑该产品销售中的以旧换新的问题。 耐用消费品普及率的计算方法有两种： 桂林工学院硕士学位论文 一种是根据该种耐用消费品的社会拥有量计算。计算公式为： 按家庭户( 或人口) 平均普及率： 垄鱼塑查量 ( 2 - 1 ) 家庭户( 或人口) 总数 在计算按人口平均的普及率时，对人口总数的确定，一般要根据耐用消 费品的性质、使用对象，规定一个年龄界限，或其它限制条件，如计算手表 的人均普及率，则不包括儿童人数。 计算平均普及率的另一种方法，是根据随机抽样调查资料计算。计算 公式为： 按家庭户( 或人口) 平均普及率：墼垫壅生塑查堕主曼箜生! 堕! 塑( 2 2 ) 被抽蛋的总户( 或人) 数 前一种计算方法是利用全面统计资料推算，包括范围全面，缺点是有的 户或人拥有两件以上的同类产品时，会使平均普及率扩大。后一种方法是 利用抽样资料计算，可以弥补前一种方法的不足。 利用耐用消费品平均普及率数据，可以大致判断其产品生命周期所处 阶段。下列经验数据，可供判断时参考。当家庭普及率在5 以内时，可视 为导入期，5 5 0 为成长前期，5 0 8 0 为成长后期，8 0 9 0 为成熟期， 9 0 以上，则已基本满足市场需求，逐步转入衰退期，如无新产品代替，市 场需求稳定在一个水平。 4 数学模型法。此法是定性与定量分析的基础上，建立描述、概括产 品需求变化规律的数学模型，用以进行预测分析。 ( 1 ) 逻辑曲线预测法。逻辑曲线在坐标图上，呈现为一条对称的s 形 曲线。产品销售的初期增长速度缓慢，随后以较大的速度增加，达到一定 程度后，增长速度几乎完全停顿，渐渐成为一条成横轴平行的直线。所以， 逻辑曲线预测法，主要适用于那些销售已经基本满足市场需求及达到饱和 水平的产品，并且其历史统计资料已经显示出s 形的情况下。逻辑曲线的 基本公式为： 三；k + a b r ( 2 3 ) r 桂林工学院硕士学位论文 配合逻辑曲线用于预测，可仿照修正指数曲线的配合方法，仅改用y 的倒数为计算的基础，即其公式改为： 霉= 志c z _ 4 ) 式中，f 第t 期观察值 r 第t 期预测值 f 时期序号 k 、a 、b 均为待定参数 在确定3 个待定参数时，需要有一组能被3 整除的预测对象的观察值。 先将这些历史统计数据分成3 等分，设每1 等分有几个数据，数据的时间 间隔相等，并求其倒数之和，分别为：，i 1 、z 专、，可1 ：然后再计 算3 个参数的数值。计算公式如下： b = 、r 上一v 1 厶3r 厶2 r y ，! 一y ! ( 2 5 ) 州：专一寺丽b - 1 沼s ， k = 拯专一c 赫m 协， ( 2 ) 皮尔曲线预测法。这种曲线是由于两位近代生物学家将其广泛应 用于人口研究而定的名称，曲线的基本公式如下： y “t = 兰一( 2 8 ) 12 + a e - h , ( 2 8 ) 式中，寞第t 期预测值 t 时期序号 k 、a 、卜待定参数 桂林工学院硕士学位论文 皮尔曲线在座标图上，也是里现为一条对称的s 形曲线。产品开始销 售时缓慢地递增，增至一定程度后，则继续迅速增长，但高速增长到一定 时期，市场需求开始饱和，增长速度就会缓和下来，使曲线接近于一条水 平线，即y 值渐近于k 值。所以这种方法，主要适应预测对象销售发展趋 势呈s 形，而且其历史统计数据倒数的阶差的环比值大体为常数 的产品，进行销售预测。 ( 3 ) 戈珀资曲线预测法。戈珀资曲线是以英国的一名统计学家和数学 家的名字面命名的曲线，此曲线在产品销售预测中，也使用得比较多，其 曲线方程为： 多，= k a ”( 2 9 ) 即： i n r , = i n k + i n a ( 2 - 10 ) 式中，f 第t 期预测值 t 时序号，t = 0 ，l ，2 ， k 、a 、b - 待定参数 戈珀资曲线，当i n a 0 ，b 1 时，是一条不对称的s 形曲线，并且随 着时间t 的向前推移，曲线逐渐接近控制值k 具体地说，曲线的增长速度 是先慢，到一定程度后迅速加快，最后又逐渐减慢，致使y 值逐渐接近一 个饱和值。戈珀资曲线的上述变化情况，正好符合般产品生命周期的发 展变化趋势，所以能够用于产品市场销售趋势的预测。 5 联合预测法。联合预测法就是以简单算术平均或加权平均的方式， 将两种或两种以上的可行预测方法或预钡模型所提出的预测结果进一步结 合起来，作为最终预测结果。联合预测的优势在于，其精确度几乎不受参 加联合的预测方法的种类的影响，并且随着参加联合预测的方法种类的增 加，预测值的精确度呈提高趋势；加权平均的联合预测值的精确度，更高 于简单算术平均的联合预测值的精确度。 简单算术平均联合预测法的计算公式为： 桂林_ t - 学院硕士学位论文 p 2 去p ( 2 - 1 1 ) 式中，p 联合预测值 矿第i 种方法的预测值 n - - 参加联合的预测方法种类 加权平均联合预测法的计算公式为： p = 彬霉 ( 2 6 ) 式中，彬第f 种预测方法预测值的权数，就是对每一种参加联合预 测值，按各自精确度或模型号的拟合程度给予权重。 2 3 2 智能法 人工神经网络对产品生命周期的预测主要集中在两个方面：时间序列 预测和回归预测。 1 、时间序列预测。“m 一竞赛”数据一直被认为是预测方法比较研究 中的经典数据，其方法是先将各序列中的最新数据从样本中除去，然后要 求各参赛模型对这些最新数据进行预测。每个参赛模型得到的结果随后与 真实数据进行比较，以确定出优劣。 h i l l 等【1z j 对a n n 和统计模型进行了更为深入的研究，他们的研究包括 “m 一竞赛”中使用过的几个时间序列模型：非季节化的单指数平滑、一 个自然预测模型及另一种基于主观判断的方法。比较结果表明a n n 显著的 优于统计方法和主观判断方法， 2 、回归预测。神经网络应用于回归预测的基本思路是用一个多层前向 网络( 含一个或多个隐藏层) 表示一个回归方程，将方程的解释变量作为 网络的输入，方程的被解释变量作为网络的输出。由于它能反映出各变量 间的任意的映射关系，并且具有自适应能力、抗干扰性，能够进行增长式 学习，克服回归预测方法的某些缺陷，所以，神经网络用于回归预测具有 非常明显的优势。 桂林工学院硕士学位论文 2 4 方法分析 任何经济现象不可能长期按既定量增加或保持固定的增长速度，在2 3 中的基本预测方法都有自身的局限性，如销售增长法虽然比较简单明了， 不必作复杂的数学计算，但使用此法判断产品生命周期阶段不很准确，只 是一种定性分析的量化技术，往往需要同其它方法结合使用，才有可能达 到预期的效果；此外，类比法只能作为采用其它定量预测的种定性补充 方法；所以在我国当前的产品生命周期预测活动中，也有同时采用两种以 上可行方法预测一个项目，如有的将多种定性预测方法综合应用，也有的 将定性预测方法与定量预测方法综合运用，对于聩合预测结果的精确度问 题，从理论上讲，由于这种方法的最终预测值是平均数，所以其精确度最 高的要差，而比精确度最低的那种要好。既然它是平均数，无疑将几种方 法的预测结果，起到了“中和”作用。可见，只有当预测者对所采用的几 种方法的预测结果难以准确地评价其优劣时，才采用联合预测法。 人工神经网络算法是目前比较流行的启发式算法之一，在处理不确定 性、复杂问题中得到了广泛应用。将启发式算法引入于产品生命周期预测 的研究中是理论发展的需要。本文对a n n 算法进行了一些改进，并其应用 于产品生命周期预测的实践中，取得了良好的效果。 桂林工学院硕士学位论文 第3 章基于r s a n n 的预测方法 人工神经网络( a r t if i c i a ln e u r a ln e t w o r k ，a n n ) l l 驯是人类对其大脑神 经网络认识理解的基础上，人工构造的能够实现某种功能的网络。它是实 际模仿入脑神经网络和结构而建立一种信息处理系统，是大量的处理单元 相互连接组成的复杂的网络，能够进行复杂的逻辑操作和非线性关系的实 现。然而，a n n 算法虽然有很好的运算功能，但它只适合处理量化信息，对 知识的获取过程和推理过程有黑箱性，而且对输入的冗余数据一般难以约 筒。因此，寻找一种可以对a n n 的输入端进行置前的数据处理，使其获取 明朗化，并能够对输入的冗余数据进行约简的算法，可以显著提高a n n 的 运算性能。z d z i s l a wp a w l a k 提出的粗糙集理论是一种研究不精确数据的分 析、推理，挖掘数据间的关系，发现隐含的知识，揭示潜在的规律提供了 行之有效的方法。目前，粗糙集理论已被成功地应用于机器学习、决策分 析、过程控制、模式识别与数据挖掘等领域。本文将粗糙集理论( r o u g hs e t s ) 与a n n 算法相结合，提出了r s a n n 算法。 3 1a n n 理论 3 1 1 洲的工作原理 人工神经网络是由大量被称为节点的简单信息处理单元( 神经元) 组 成，每个节点向邻近的其它节点发出抑制或激励信号，整个网络的信息处 理便是通过这些节点之间相互作用而完成的。 一个神经元的工作原理结构可以用图3 1 表示，它有n 个输入 x ix ：，矗是该神经元接收到的信息；一个输出y 是神经元的输出信息。 桂林工学院硕士学位论文 y = _ 厂( q - o ) 图3 1 神经元的工作原理图 对于某一神经元设来自神经元i 和该神经元之间的连接权为q ，该神经 元的阀值为0 ，则有： y = ，( q 一一( 3 1 ) i = 1 厂为该神经元的输入输出函数，神经元的非线性表现在它的输入输出 函数厂上，一些常用的转换函数有：阀值型转换函数、分段线性转换函数、 s i g m o i d 转换函数和恒等线性转换函数等。 3 1 2 神经潮络的学习规则 本文采用的是比较常用的b p 神经网络。b p 神经网络，即多层前馈式误 差反传播神经网络，通常由输入层、输出层和若干隐含层构成，每层由若 干个结点组成，每一个结点表示一个神经元，上层结点与下层结点之间通 过权联接，同一层结点之间没有联系。b p 神经网络的学习过程分为信息的 正向传播过程和误差的反向传播过程两个阶段。外部输入的信号经输入层、 隐含层的神经元逐层处理向前传播到输出层给出结果。如果在输出层得不 到期望输出，则转入逆向传播过程，将实际值与网络输出之间误差沿原来联 结的通路返回，通过修改各层神经元的联系权值，使误差减少，然后再转 入正向传播过程，反复迭代，直到误差小于给定的值为止。 b p 算法的学习过程如下： ( 1 ) 正向传播过程 桂林工学院硕士学位论文 输入层 输入值一般为样本各分量输入值，输出值一般等于输入值。 隐含层 对于节点j ，其输入值x ，为其前一层各节点输出值q 的加权和： 蕾= 0 ( 3 2 ) 输出值： d ，= f ( x ，) ( 3 3 ) 式中工( ) 称为激励函数或作用函数，一般采用s i g m o i d 函数： 1 z ( _ ) 2 鬲毒丽( 3 - 4 ) 式中口称为阀值， 称为温度系数。 隐含层可为一层或多层，但是随着隐含层的增多，网格的复杂程度也随 之增加，学习速度减慢，另外网络的推导能力也有可能下降。网络隐含层 及节点数目的选取是b p 网络学习算法有待解决的一个问题。 输出层 输出层的输入坼与输出q 与隐含层类似。分别为： = d j ( 3 - 5 f q = 五耳) ( 3 - 6 ) ( 2 ) 反向传播 b p 学习算法的误差函数一般定义为实际输出与期望输崮的均方误差 和。通过误差函数最小化的过程不断的改变权重，完成从输入到输出的非 线性映射。 设网络输入模式样本为x ，= x ， 期望输出为t 肚均方误差函数e ，为： e p = ；( _ 一) 2 ( 3 - 7 ) 。 而对于所有的学习样本。系统的均方误差为： 。专车；“一 桂林工学院硕士学位论文 为了达到学习目的，要根据误差函数来相应地调整网络间的连接权值。一 般来说经典的b p 学习算法采用梯度下降法调整权值，每次调整的增量为： 钆，：一r 堕( 3 - 9 ) = 一= 一 () a 式中0 r 1 称为学习率。 从( 9 ) 式可推出下列连接权值的修正量公式 a c o “= ，7 坑d ，( 3 1 0 ) 对于输出节点： 反= 0 。一q ) o k ( 1 一q ) ( 3 - 1 1 ) 对于隐含节点： t = o 月一o ，) 正( 3 _ 1 2 ) 3 1 3 b p 模