智能制造模式下基于改进BP-ARIMA组合模型产品需求预测方法

发布时间：2017-08-07 22:11

  本文关键词：智能制造模式下基于改进BP-ARIMA组合模型产品需求预测方法

  更多相关文章： ARIMA BP神经网络 需求预测 智能制造

【摘要】：为有效预测智能制造模式下的不确定性需求,提出自回归移动平均模型ARIMA和改进BP神经网络的组合模型,对预测数据中包含线性规律的Lt以及非线性规律的ε_t进行模拟和分析,以解决预测有效性和精度问题.通过数据样本构建,对ARIMA模型结构进行辨识,确定p,d,q参数,并对模型进行诊断和检验;在此基础上进行需求数据一次预测;通过连接权值的修正降低BP神经网络学习误差,并对一次预测结果与原需求数据样本存在的误差进行二次预测.实例数据分析表明:组合模型的预测精度较ARIMA模型有显著提高,因此组合预测模型在预测效果上具有合理性和有效性.
【作者单位】： 沈阳航空航天大学经济与管理学院;沈阳航空航天大学机电工程学院;香港浸会大学理学院;
【关键词】： ARIMA BP神经网络 需求预测 智能制造
【基金】：国家自然科学基金(71201106,71301108) 中国博士后科学基金特别资助(2014T70462);中国博士后科学基金面上项目(2013M530228) 辽宁省教育厅项目(W2014038)
【分类号】：TP183;F424
【正文快照】： 传统制造业的智能化改造过程中,网络协同制造W、离散型与流程型智能制造[2]新模式下,产品需求呈现出更为复杂的线性与非线性趋势,采用合理的方法进行需求预测是有效抑制供应链牛鞭效应的关键.除了自回归移动平均法(ARIMA)13_41等时间序列方法以外,大量的人工智能方法15_7]也在

【相似文献】

中国期刊全文数据库 前10条

1 王习涛;;ARIMA模型在期货交易预测中的应用研究[J];微计算机信息;2006年15期

2 张翼飞;陈洪;刘岭;张彦琦;郭波涛;易东;;ARIMA季节乘积模型在肠道传染病预测中的应用[J];激光杂志;2008年02期

3 蒋金良;林广明;;基于ARIMA模型的自动站风速预测[J];控制理论与应用;2008年02期

4 曹昱东;王浩;;基于ARIMA模型上海市生活垃圾的预测与分析[J];电子测试;2013年16期

5 吴u，

本文编号：636972