基于CPFR的农产品采购模型研究

发布时间：2020-07-03 05:19

【摘要】：农产品是具有生命体征的一类产品,它的保质期短,在运输和储存过程中极易腐烂变质,如果管理不善,极易造成社会资源的严重浪费,严重影响农产品的经营利润。而要减少农产品物流过程中的浪费——尤其是库存浪费,降低农产品的经营成本,就必须在农产品采购方面下功夫。作为有待深入研究的课题,农产品采购问题成为本文的研究重点。以往的采购管理研究中对农产品需求预测的准确度不高,主要是由于农产品采购预测中存在许多不确定性因素,很难通过经验判断或简单模型来提高预测的准确度。针对这一问题,本文提出以支持向量机理论为主,多方法融合为辅的农产品需求智能预测系统,将影响农产品未来需求的不确定因素纳入农产品需求预测中,以实现农产品需求的动态预测。由于农产品的供应和需求都是动态变化的,为进一步融合农产品供应链上的供需信息,本文采用CPFR(Collaborative Planning, Forecasting and Replenishment, 联合计划、预测和补充)管理方法,通过联合预测进一步提高供应链需求预测的准确性,为库存补充提供科学的决策依据。本研究的理论价值在于为农产品采购提供了一种新的研究思路,其实践意义则是通过对农产品供应链上需求的准确预测来提高库存补充的合理性,促进农产品采购决策的制定朝着智能化、科学化方向发展。本文首先阐述了CPFR理论的涵义、特点和CPFR的实施框架,分析了农产品采购运用CPFR管理策略的适用性,介绍了当前采购管理研究的主要方面; 在此基础上指明了本研究的目的和意义,并对CPFR理论和农产品采购的国内外研究概况进行了较为详尽的总结和评述。接着分析了农产品的特性和市场规律,根据保质期要求对农产品进行了分类; 根据农产品采购特点对传统的CPFR流程进行了改进; 针对农产品供应链中的零售商和供应商制定了CPFR采购流程,研究了他们之间的联合数据传递过程; 进一步将供应链从两极模式扩展到多级模式,纳入农产品供应链中的上游供应商,形成多层CPFR模型,并探讨了其配置模式; 再加入CTM(Collaborative Transportation Management,联合运输管理)的管理思想,探讨了多层CPFR在农产品供应链中的实施流程。然后在CPFR合作框架下建立了投资博弈模型,定义了两类均衡:内部均衡和边界均衡,并证明了均衡的存在性; 对于多均衡解的选择问题,通常采用均衡精炼的概念,求取帕累托(Pareto)最优解; 而本文提出了均衡的稳定解概念,研究了投资博
【学位授予单位】：华中科技大学
【学位级别】：博士
【学位授予年份】：2005
【分类号】：F224
【图文】：

预测值,RBF神经网络,方法,农产品销售

A( i )和 F (i )分别表示实际销售量和预测销售量。采用 SVM 方法进行农产品销售量预测的步骤为：（1）对历史数据进行平滑预处理和归一化处理，对销售相关数据进行量化然后形成样本集；（2）用训练样本建立如式（5-10）的目标函数；（3）利用改进的 SVM 训练算法来求解式（5-10），得到解iα 和*iα ，i=1,…（4）将得到的拉格朗日乘子解代入式（5-11）中，再利用预测样本对未来销进行预测。为了验证 SVM 方法的优越性，这里将 SVM 方法和 RBF 神经网络方法进行研究数据来源于不同地区 3 个超市的农产品销售数据，共形成 1192 个训练样本SVM 方法中，选取 ε=0.01，δ=1，C=100。训练后另外选取 30 个测试样本进行采用 SVM 方法预测的平均误差为 0.086%；而用 RBF 方法预测的平均误差为 0由此可知，用 SVM 方法预测的精度比用 RBF 方法提高了 0.2%。用两种方法预到的预测曲线与实际曲线如图 5-3 所示，从图中可以看出采用 SVM 方法预测的与实际值贴近，而用 RBF 神经网络方法预测的精度要比 SVM 预测的精度差。

曲线,成本比较,库存补充策略,联合预测

n=3 1 2 3*it 0.467 4.583 8.309*is 4.465 8.352 12联合预测和一般预测的库存补充策略的性能，理法，以一般预测的情况作为比较的基准。从仿真，TC 与 t 的关系曲线当 n＝2 时，TC

【引证文献】