大数据背景下供应链需求预测与牛鞭效应的研究

发布时间：2023-02-08 16:52

　　随着大数据的兴起,互联网技术与各个领域的快速融合,使得供应链的结构发生新的变化,为供应链的发展开拓了新的方向。由于在大数据的环境下数据的获取更加快速便捷,使得各个企业在新的供应链体系中实现信息共享成为可能。在供应链管理中,需求预测是贯穿整个供应链必不可少的一个环节。当缺乏准确的市场需求信息时,在信息向供应链上流传递的过程中产生的牛鞭效应将会影响供应链中各个环节的协调与控制,极大地削弱了整个供应链的竞争力。然而在大数据背景下传统的预测方法已经无法达到满意的预测精度,这给供应链管理带来了巨大的挑战。基于上述问题,本文提出了大数据背景下供应链需求预测与牛鞭效应的研究课题,对于适应新的市场需求变化、提高企业的核心竞争力、实现供应链整体效益最优具有深刻的理论与实践意义。本文将大数据与供应链管理相结合,构建了一类大数据背景下的供应链模型,并在此基础上进一步分析了供应链的需求预测与牛鞭效应,论文的主要创新和具体工作如下:(1)针对大数据背景下供应链所具备的特点,构建新的供应链体系。引入Agent理论采用Multi-Agent系统抽象模拟出大数据背景下的供应链结构模型。(2)根据大数据背景下供应链的结...

【文章页数】：64 页

【学位级别】：硕士

【文章目录】：
摘要
ABSTRACT
第1章 绪论
    1.1 研究背景
    1.2 本文研究目的与意义
        1.2.1 本文的研究目的
        1.2.2 本文的研究意义
    1.3 国内外研究现状
        1.3.1 供应链牛鞭效应的研究现状
        1.3.2 需求预测的研究现状
    1.4 本文的研究内容及创新点
        1.4.1 本文的研究内容
        1.4.2 本文的创新点
第2章 相关理论基础
    2.1 大数据概述
    2.2 供应链与供应链管理
        2.2.1 供应链
        2.2.2 供应链管理
    2.3 需求预测与牛鞭效应
        2.3.1 供应链中的需求预测
        2.3.2 供应链中的牛鞭效应
    2.4 本章小结
第3章 大数据背景下基于MULTI-AGENT系统的供应链模型
    3.1 基于大数据的供应链体系架构
    3.2 AGENT系统与MULTI-AGENT系统
    3.3 基于MULTI-AGENT系统的供应链
    3.4 本章小结
第4章 大数据背景下基于遗传算法的支持向量机需求预测与牛鞭效应的研究
    4.1 支持向量机预测模型
        4.1.1 线性可分支持向量机
        4.1.2 支持向量机需求预测模型的构建
        4.1.3 支持向量机模型的核函数及其参数选择
    4.2 基于遗传算法的支持向量机预测模型的优化
        4.2.1 遗传优化算法
        4.2.2 遗传算法优化支持向量机参数
    4.3 实例分析
        4.3.1 需求预测分析
        4.3.2 牛鞭效应分析
    4.4 本章小结
第5章 大数据背景下基于多变量支持向量机的需求预测与牛鞭效应的研究
    5.1 多变量支持向量机需求预测模型
        5.1.1 影响因素选取
        5.1.2 多变量支持向量机预测模型
        5.1.3 BP神经网络误差修正
    5.2 实例分析
        5.2.1 需求预测分析
        5.2.2 牛鞭效应分析
    5.3 本章小结
结论
参考文献
致谢
攻读硕士期间发表（含录用）的学术论文



本文编号：3738039