改进灰色神经网络的冰箱订单需求预测研究.doc

文章编号: 1006 9348( 2012) 05 0219 04改 进 灰 色 神 经 网 络 的 冰 箱 订 单 需 求 预 测 研 究葛彦强1 ，汪向征2 ，王爱民1( 1 安阳师范学院计算机与信息工程学院，河南 安阳 455002; 2 安阳师范学院教育信息技术与传媒学院，河南 安阳 455002)摘要: 研究冰箱订单需求准确预测问题，由于冰箱需求具有季节性和随机性，传统的数据模型无法准确描 述 订 单 变 化 规 律，预测精度较低。为了提高冰箱订单需求预测精度，将神经网络和灰色理论相结合，构建一种改进灰色神经 网 络 的 冰 箱订 单 预测方法。利用灰色系统理论处理订单产生中的随机性，BP 神经网络预测其非线性变化规律，并利用遗传算法对神经网络 参数进行优化，实现对冰箱订单的准确预测。仿真试验表明，相对于传统预测方法，改进灰色神经网络提高了订单需求的预 测精度，可为冰箱需求的预测提供依据。关键词: 冰箱订单; 需求预测; 灰色神经网络; 遗传算法中图分类号: TP183文献标识码: BResearch on Forecasting of Refrigerator Orders DemandBased on Improved Grey Neural NetworkGE Yan qiang1 ，WANG Xiang zheng2 ，WANG Ai min1( 1 School of Computer Information Engineering，Anyang Normal University，Anyang Henan 455002，China;2 School of Educational Information Technology and Communication，Anyang Normal University，Anyang Henan 455002，China)ABSTRACT: Refrigerator orders are of the characteristics of random，discrete and nonlinear，the traditional modelcannot accurately describe the regularity，and the forecasting precision is quite low In order to improve the forecast accuracy of refrigerators orders demand，neural network and the grey theory was combined to construct a kind of im- proved grey neural network forecasting method of refrigerator orders By using the theory of gray system，the random- ness of refrigerator orders was processed，BP neural network was used to predict the nonlinear variation，and the ge- netic algorithm was used to optimize the neural networks parameters Simulation results show that，compared with the traditional forecasting methods，the proposed method improves the forecasting accuracy of order demand and is ef- ficient in refrigerators orders forecastingKEYWORDS: Refrigerator orders; Demand forecasting; Grey neural network; Genetic algorithm以满足现实的需求2，3。冰箱订单需求具有典型的增长性与季节波动性，一方面，冰箱作为一种主要的家用电器，随着生 活水平的提高逐渐 从 城 市 向 乡 村 普 及，另 一 方 面，冰 箱需 求 又有季节性的波动，夏 季 是 冰 箱的 需 求 旺 季，其 余 季 节 需 求 量会随之减少，因此，冰 箱订 单 既 具 有 随 时 间 增 长 而 增 加 的 趋势，又具有同一季 节 相 似 性 的 规 律，鉴 于 冰 箱订 单 需 求 具 有灰色性质和非线 性 特 点，因 此，有 学 者 提 出 利 用 灰 色 神 经 网络的冰箱订单 需 求 预 测 方 法。在 利 用 灰 色 神 经 网 络 进 行 冰箱订单预测时，网 络 的 收 敛 速 度 极 快，但 采 用 随 机 方 式 初 始化网络连接权值 和 阈，极 易 陷 入 局 部 最 优，影 响 冰 箱订 单1引言随着人民生活水平的提高，人们对各种家用电器的期望值有所上升，电 冰 箱 作 为 一 种 主 要 的 家 用 电 器，其 品 牌、质量、售后服务等因素 受 到 了 人 们 的 关 注，订 单 量 对 于 冰 箱制 造行业进行规划生 产 规 模、有 计 划 地 安 排 生 产 进 度、加 强 资 金管理具有十分重要的作用1。订单需求预测问 题 是 国 内 外 管 理 者、学 者 关 注 的 热 点， 由于订单产生有很大的随机性、离散性、非线性，传统的回归 分析法、灰色模型预 测 法、弹 性 系 数 法 等 预 测 的 结 果 精 度 难4，5预测精度。基金项目: 国家自然基金“甲骨文编辑与编码技术研究”( 60973051 ) ;河南省科技厅科技计划项目“面向旅游 资 源 管 理 的 数 字 化 与可视化技术研究”( 112400450215)收稿日期: 2011 10 02 修回日期: 2011 11 12为了进一步提 高 网 络 的 预 测 精 度，利 用 遗 传 算 法 ( GA)对灰色神经网络参 数 进 行 优 化，实 验 结 果 表 明，相 对 于 各 参比模型，经过遗传算法优化的灰色神经网络的预测精度有了 b1 b2 进一步的提升，取得了较好的预测效果。bn 1 atz( t)= ( y1 ( 0) a y2 ( t) a y2 ( t) y2 ( t) ) eab1=y ( t)b2y ( t)bn 1 y ( t)2冰箱订单预测原理冰箱订单预测受到多种的影响，是一个具有不确定性的222aaa( 7)复杂系统6。灰色系统理论是一种处理不确定性的理论，可以将任何随机过程看成在时空区域内变化的灰色过程，将随 机量看成灰色变量，将系统数据无规律的序列通过生成变换 有规律序列，前后数据之间具有一定的相关性，BP 神经网络 一种具有自学习、并行处理能力和非线性无限逼近能力强的 人工智能学习方法，利用 BP 神经网络对这种规律进行预测， 从而获得订单预测结果。b1b2bn 1令 d =a y2 ( t) a y2 ( t) y2 ( t) ，则式( 7) 可以转a化为下式:= ( ( y1( 0) d) e at 1 at )( 1 + e ) atz( t) atd1 + e1 + e= ( ( y1( 0) d) ( 1 at) + d1 + e at )( 1 + e )11 at1 + e= ( y1( 0) d y1( 0) at + 2d)( 1 + e )11 at at1 + e1 + e3灰色神经网络的冰箱订单需求预测模型( 8)3 1 灰色理论灰色系统理论以部分小样本、贫信息的不确定系统作为 研究对象，通过对部 分 已 知 信 息 进 行 分 析 和 处 理，从 中 提 取 有价值的信息，实 现 对 信 息 的 描 述、预 测 和 监 控。灰 色 系 统 模型简称为灰色 模 型 ( GM) ，GM 模 型 首 先 对 原 始 数 据 进 行 累加，使其呈现一定规律，然后对其进行拟合7。设有时间数据序列 x( 0) :灰色神经网络的网络拓扑结构如图 1 所示。x( 0) = ( x( 0)( 0)( 0)( 0)| t = 1，2，n) = ( x1 ，x2 ，xn ) ( 1)t对 x( 0) 进行累加得一新序列 x( 1) ，x( 1) 第 t 项为 x( 0) 前 t 项之和，即x( 1) = ( x( 1)| t = 1，2，n)t图 1灰色神经网络拓扑结构( 2)12n= ( x( 0)x( 0)， t ， tx( 0)， t )x( 0)1在图 1 中，t 为输入参数序号; y2 ( t) ，yn ( t) 为网络输入参数; 11 ，21 ，2n ，31 ，3n 为网络权值; y1 为网络预测值。t = 1t = 1t = 1根据新的数据序列 x( 1) ，建立白化方程，即dx( 1)( 1)+ ax= u( 3)dt2b1令 a2b22bn 1该方程的解为= u1 ， = u2 ，= un 1 ，则网络初始权值aax* ( 1)( 0) a( t 1)= ( x1 u / a) e+ u / a( 4)t为:x* ( 1)( 1)* ( 1)( 0)为 xt 序列的估计值，对 xt做一次累减得到 xt= a，= y ( 0) ，= u ，= u( 9)( 10)11211n +112nn 1的预测值 x* ( 0) ，即t= = 1 + e at= 31323nx* ( 0)* ( 1)* ( 1)= xt xt 1t = 2，3，n( 5)tLD 层中输出节点的阈值为:3 2灰色神经网络灰色问题是指对灰色的不确定系统行为特征值的发展 = ( d y ( 0) ) ( 1 e at )( 11)13 3灰色神经网络的冰箱订单需求预测过程对于冰箱市场来说，影响其需求量的因素很 多，比 如 季变化进行预测的问题，该不确定系统特征值的原始数列 x( 0)t经过一次累加后生成的数列 x( 1) 呈指数增长规律，因而可以t节性因素、成本、居民收入水平、产品质量、售后服务、产品结构、产品生命周期、销售价格、竞争对手等，根据各因素 对 订单影响的大小，从中选取需求趋势、产品的市场份额、销售价格波动、订单缺货情况和分销商的联合预测情况 5 个因素作 为主要因素进 行 冰 箱 订 单 需 求 预 测，网 络 输 出 为 冰 箱 订 单 数，所以灰色神经网络结构为 1 1 6 1，网络的学习流程 如下:用一个连续函数或微分方程进行数据拟合和预测。为了表达方便，对符号进行了重新定义，x( t) 表示 x( 0) ，y( t) 表示一次t累加后生成的数列，z( t) 表示 x* ( 1) 的预测结果 x* ( 1) 。tt包含 n 个参数的灰色神经网络微分方程为:dy1+ ay1 = b1 y2 + b2 y3 + + bn 1 yn( 6)dt式中，y1 ，y2 ，yn 为系 统 输 入 参 数; a，b1 ，b2 ，bn 1 为 微 分方程系数。其时间响应式为:1)2)3)网络能数进行初始化。计算网络的权值。对于每一个输入序列，计算出每层输出:LA 层: a = 11 tLB 层: b = f( 11 t)用训练数据集对 灰 色 神 经 网 络 进 行 训 练，共 训 练 100 次，其训练过程见图 3 所示。 1 =1 + e 11tLC 层:a = b21 ，c2 = y2 ( t) b22 ，c6 = y6 ( t) b26LD 层: d = 31 c1 + 32 c2 + + 36 c6 y14) 计算预测与期望输出之间误差，并调整连接权值和阈值;5) 判断训练是否结束，若否，则返回步骤 3) 继续执行训练操作。3 4 遗传算法( GA) 改进灰色神经网络利用灰色神经网络进行冰箱订单需求预测时，传统方法 采用随机方法进行网络权值阈值初始化，极易陷入局部最优 值，预测 结 果 极 不 稳 定，为 此，利 用 GA 对 网 络 进 行 改 进，用 GA 对灰色神经网络的 a，b1 ，b2 ，b3 ，b4 ，b5 6 个参数进行优化， 采用实数编码 GA 个体，灰色神经网络预测误差作为个体适 应度函数，通 过 遗 传 进 化 操 作 获 得 最 优 神 经 网 络 权 值 和 阈 值，基于改进灰色神经网络的冰箱预测流程如图 2 所示。图 3 灰色神经网络训练过程图从图 3 的灰色神经网络训练曲线线可知，灰色神经网络收敛速度十分快，但 很 快 陷 入 局 部 最 优 值，无 法 进 一 步 对 神经网络参数作进一步优化，不能获得最优神经网络参数。4 3利用 GA 对网络参数进行寻优利用 GA 对灰色神经网络的 a，b1 ，b2 ，b3 ，b4 ，b5 等 6 个参数进行优化，种群规模为 30，迭代次数为 100 次，GA 算 法 最优个体适应度值随迭代次数的变化如图 4 所示。图 2冰箱需求订单预测过程图 4 遗传算法优化过程图4仿真研究从图 4 可知，经过 GA 对灰色神经网络参数寻优，跳出了局部最优值，获得到网络的最佳参数如表 1 所示。4 1 试验数据利用某冰箱企业过去 3 年( 36 个月) 的数据作为试验数据，前 30 个月数据作为训练集，剩余 6 组数据作为测试来对预测模型性能进行评价，网络共学习进化 100 次。表 1 灰色神经网络最佳初始参数ab1b2b3b4b5参数名称4 2网络初始化和学习利用 MATLAB 神经网络工具箱中的函数 对 灰 色 神 经 网 参数值 0 670 0 313 0 391 0 540 0 672 0 318 络参数进行初始化，设置各层的学习速率均为 0 015，然后利4 4 结果及分析为了 说 明 经 过 GA 优 化 的 灰 色 神 经 网 络 模 型 具 有 更 精 确的预测精度，利用 BP 神经网络模型、灰色神经网络模型作 为对比模型，利用相 同 的 训 练 集 对 各 网 络 进 行 训 练，迭 代 次 数设为 100 次，然后 利 用 相 同 的 测 试 集 对 各 网 络 进 行 测 试， 各模型的输出结果如图 5 所示。5结论冰箱订单具有季节性和随机性，传统的预测方法难以挖 掘出其中的规律，本文利用遗传算法和灰色理论相结合构建 BP 神经网络的新方法，进行冰箱订单预测研究，灰色系统理 论可以有效地捕获出数据序列的规律性，遗传算法能够快速 地找出神经网络的最优参数，从而实现对冰箱订单的准确预 测。仿真结果表明，利用遗传算法优化的灰色神经网络预测 精度更加接 近 冰 箱 订 单 的 真 实 值，相 对 于 其 它 神 经 网 络 模 型，预测精度更高，说 明 改 进 的 神 经 网 络 模 型 是 一 种 有 效 的 冰箱订单的预测方法。参考文献:1申泽，李娟 中国 农 村 家 用 冰 箱消 费 需 求 研 究J 中 国 经 贸导刊，2010，22: 89 902 吴慧媛，刘景洋，董丽伟，傅晓恒 我国各省市冰箱报废量预测J 再生资源与循环经济，2011，1: 20 253华晓晖，闫秀霞 基 于 神 经 网 络 的 订 单 预 测 研 究J 华 东 经济管理，2007，21( 2) : 108 110吕继锋，曾福香，孙 启 国 退 火 遗 传 算 法 优 化 的 神 经 网 络 在 销图 5 不同算法的预测结果对比4售预测 中 的 应 用J 兰 州 交 通 大 学 学 报 ( 自 然 科 学 版 ) ，为了进 一 步 考 察 各 模 型 的 预 测 精 度，利 用 均 方 误 差( MSE) 和平 均 绝 对 误 差 百 分 比 ( MAPE% ) 作 为 模 型 的 评 价指标。从表 2 可知，BP 神经网络订单需求预测 结 果 的 MSE 和 MAPE% 远远高于灰色 神 经 网 络 模 型，对 比 结 果 表 明 灰 色 神 经网络模型预测性能要优于 BP 神经网络 模 型，其 能 更 好 地 挖掘冰箱订单变 化 规 律。同 时 本 文 改 进 灰 色 神 经 网 络 模 型 的 MSE 和 MAPE% 要远远小于灰色神经网络，这表明了利用 遗传算法进行灰色神经网络的参数优化是成功的，能够快速 找到全局最优神经网络的参数，很好避免了灰色神经网络易 陷入局部最优的缺陷，进一步提高了冰箱订单需求的预测精 度。2005，24( 3) : 118 120，134戴宝印，谭家华 改进灰色预测模型在我国船舶订单预测中的应用J 物流科技，2009，6: 44 47侯丽敏，马 国 峰 基 于 灰 色 线 性 回 归 组 合 模 型 铁 路 客 运 量 预J 计算机仿真，2011，28( 7) : 1 3闫娟 灰色神经网络模型在物流需求预测中的研究J 计算 机仿真，201128( 7) : 200