一种新型GRNN神经网络的制冷压缩机销售预测研究

发布时间：2017-06-07 00:02

  本文关键词：一种新型GRNN神经网络的制冷压缩机销售预测研究，，由笔耕文化传播整理发布。

【摘要】：随着国内食品冷冻行业的快速发展,制冷压缩机的需求也随之快速增加。如何快速有效的占领一个市场成为关键,但是对市场的占领不能单纯的依靠个人经验来预测,而是要依靠科学有效的理论算法去预测。而有效的市场预测是建立在认真研究各种市场因素的基础上的。本文首先介绍了制冷压缩机销售预测的研究背景和研究意义,并分析了影响制冷压缩机销售的几种因素。然后介绍了几种常用的市场销售预测算法,线性回归预测算法,神经网络预测算法等,并分析了各自的优缺点。根据各种常见的预测算法的缺陷,本文提出了一种基于改进遗传算法优化的广义回归神经网络(Generalized regression neural network,GRNN)预测算法,由于GRNN神经网络的预测效果只需要通过设置平滑因子来确定,因此该算法改进遗传优化的方式,获得性能最佳的GRNN神经网络。最后通过MATLAB仿真分析可知,本文所提出的算法具有较优的精度和收敛性,通过对制冷压缩机历年销售数据的训练,得到未来一段时间的市场预测,整体误差在5%以内。
【关键词】：遗传优化 模糊 GRNN 神经网络 销售预测
【学位授予单位】：上海交通大学
【学位级别】：硕士
【学位授予年份】：2015
【分类号】：TP183;F274;F426.6
【目录】：

• 摘要5-6
• ABSTRACT6-9
• 第一章 绪论9-16
• 1.1 本课题研究背景和研究意义9-10
• 1.2 影响制冷压缩机销售状况的因素分析10-12
• 1.3 销售预测模型的国内外研究现状12-13
• 1.3.1 销售预测模型国外研究12-13
• 1.3.2 销售预测模型国内研究13
• 1.4 制冷压缩机的市场分析13-14
• 1.5 本文的主要研究工作和论文章节14-16
• 第二章 企业产品销售预测相关理论16-26
• 2.1 基于时间序列的预测理论17-21
• 2.1.1 时间序列预测法的概念17
• 2.1.2 时间序列预测法的种类17-21
• 2.1.2.1 单指数平滑法17-18
• 2.1.2.2 线性指数平滑法18-19
• 2.1.2.3 季节性指数平滑法19-20
• 2.1.2.4 阻尼趋势指数平滑法20-21
• 2.2 基于时间序列的数据挖掘预测模型21-23
• 2.3 人工神经网络23-24
• 2.4 各类预测算法的性能对比24-25
• 2.5 本章总结25-26
• 第三章 新型广义回归神经网络26-42
• 3.1 神经网络概述26-28
• 3.1.1 人工神经网络概述26-27
• 3.1.2 人工神经网络的基本特征27-28
• 3.2 广义回归神经网络28-32
• 3.2.1 广义回归神经网络(GRNN)概述28
• 3.2.2 GRNN理论基础28-30
• 3.2.3 GRNN的基本结构30-31
• 3.2.4 GRNN存在的问题31-32
• 3.3 一种基于改进遗传优化的模糊GRNN神经网络32-41
• 3.3.1 模糊理论32-33
• 3.3.2 改进遗传算法33-38
• 3.3.2.1 传统遗传算法33-35
• 3.3.2.2 改进遗传算法35-36
• 3.3.2.3 基于改进遗传算法的GRNN平滑因子优化36-38
• 3.3.3 新型GRNN神经网络38-41
• 3.4 本章总结41-42
• 第四章 基于新型GRNN网络的预测模型仿真分析42-52
• 4.1 A公司制冷压缩机销售公司概况42-43
• 4.2 A公司制冷压缩机销售预测仿真和分析43-51
• 4.2.1 制冷压缩机销售数据样本获取和预处理43-45
• 4.2.2 制冷压缩机的销售预测45-49
• 4.2.3 改进GRNN网络和传统预测算法的性能对比49-51
• 4.3 本章总结51-52
• 第五章 总结与展望52-54
• 5.1 本文总结52-53
• 5.2 未来展望53-54
• 参考文献54-56
• 致谢56-57
• 攻读硕士学位期间发表的学术论文57-58
• 附录：历年制冷压缩机销售数据58-59

【相似文献】

中国期刊全文数据库 前10条

1 王红卫;林健良;;基于改进的GRNN的销量预测[J];计算机工程与科学;2010年01期

2 刘遵雄;周天清;;基于奇异谱分析的GRNN模型在金融时间序列中的应用[J];华东交通大学学报;2011年02期

3 高凌琴;;基于GRNN的汽车保有量预测模型[J];山东理工大学学报(自然科学版);2011年04期

4 李益民;;基于GRNN的主要编组站办理车辆数的预测[J];铁道运输与经济;2012年02期

5 丁硕;常晓恒;巫庆辉;;基于GRNN的霍尔式位移传感器特性曲线拟合研究[J];电子测试;2014年01期

6 王琪洁;杜亚男;刘建;;Introducing atmospheric angular momentum into prediction of length of day change by generalized regression neural network model[J];Journal of Central South University;2014年04期

7 卢斌;慕亚茹;徐一秋;;基于GRNN的网络出口流量预测[J];黑龙江科技信息;2008年13期

8 张坤;郁ng;李彤;;基于GRNN和混沌系统的数字图像加密方法研究[J];计算机测量与控制;2010年09期

9 贺湘宇;何清华;蒋苹;何志勇;;基于动态GRNN模型的挖掘机液压系统故障检测[J];中国工程机械学报;2010年03期

10 牛东晓;刘达;邢棉;;Electricity price forecasting using generalized regression neural network based on principal components analysis[J];Journal of Central South University of Technology;2008年S2期

中国重要会议论文全文数据库 前10条

1 银涛;俞集辉;;基于GRNN的电力系统短期负荷预测[A];第十届全国电工数学学术年会论文集[C];2005年

2 Ziwen Leng;Junwei Gao;Yong Qin;Xin Liu;Jing Yin;;Short-term Forecasting Model of Traffic Flow Based on GRNN[A];第25届中国控制与决策会议论文集[C];2013年

3 陈其红;阚树林;秦臻;;基于广义回归神经网络(GRNN)的设备可靠性预测[A];2011年全国机械行业可靠性技术学术交流会暨第四届可靠性工程分会第三次全体委员大会论文集[C];2011年

4 柴毅;凌睿;;基于参数优化与GRNN逼近的非线性PID控制[A];第二十六届中国控制会议论文集[C];2007年

5 徐中;张敬莹;赵小波;;基于GRNN的粘弹材料阻尼性能的预测[A];第六届中国功能材料及其应用学术会议论文集（10）[C];2007年

6 王小辉;王琪洁;;基于广义回归神经网络的日长变化的高精度预报[A];中国天文学会2011年学术年会手册[C];2011年

7 马珊;庞永杰;张铁栋;;基于GRNN的声图像特征研究[A];第十五届中国海洋（岸）工程学术讨论会论文集(上)[C];2011年

8 陈端;曹阳;梅一韬;仲云飞;吴邦彬;;GRNN神经网络在大坝渗流预测中的应用[A];2012年中国水力发电工程学会大坝安全监测专委会年会暨学术交流会论文集[C];2012年

9 李慧英;李晓奇;;旅游需求预测分析——对比GRNN与多元回归分析方法的应用[A];第四届中国智能计算大会论文集[C];2010年

10 陈欣;肖建华;栾培贤;徐强;王洪斌;;基于BP与GRNN神经网络的PRRS预测模型的研究[A];中国畜牧兽医学会信息技术分会2012年学术研讨会论文集[C];2012年

中国硕士学位论文全文数据库 前6条

1 赵焕;轻涂纸涂布量测定方法的实验研究[D];天津科技大学;2013年

2 董江伟;风速相似性形态研究及其在短期风速预测中的应用[D];南京信息工程大学;2016年

3 陈曦;基于ARCH-因子分析-GRNN组合技术的中国跨国公司汇率风险预测模型构建[D];北京外国语大学;2016年

4 张宇;一种新型GRNN神经网络的制冷压缩机销售预测研究[D];上海交通大学;2015年

5 金帅军;基于GRNN神经网络的农作物虫害量预测系统设计[D];内蒙古工业大学;2013年

6 任茹香;基于GRNN的变权重组合预测模型在传染病发病率预测中的应用[D];浙江大学;2011年

  本文关键词：一种新型GRNN神经网络的制冷压缩机销售预测研究，由笔耕文化传播整理发布。

本文编号：427740