基于BP神经网络的二手汽车配件需求预测

发布时间：2021-06-06 12:58

　　随着二手汽车保有量增长,二手汽车售后服务行业快速发展,售后服务成为二手汽车产业链中的主要获利途径。配件库存直接影响着二手汽车售后服务质量,精准的库存控制,能够在保证服务质量的同时,降低成本。针对二手汽车配件库存问题,选取某企业实地数据,在分析二手车售后配件销售业务波动变化规律的基础上,以铝合金车轮为例进行实证分析,构建BP神经网络进行配件需求预测。 

【文章来源】：产业科技创新. 2020,2(14)

【文章页数】：2 页

【部分图文】：

误差变化图

图2反映出，训练过程中步长和梯度完整的变化过程。从总体上看，步长和梯度在持续。下降，并趋于平缓，这说明随着训练次数的增长，误差曲面进入了一个相对较为平坦的区域。

根据2017年01月～2019年02月中国某公司出口尼日利亚某地的铝合金车轮数据，训练样本仿真曲线如图3所示，该地铝合金车轮需求真实数据分布与仿真曲线的总体拟合程度极高，预测数据点逼近真实数据点。使用2019年03月～2019年07月出口尼日利亚某地的铝合金车轮销售数据样本带入模型进行训练检验，测得平均相对误差百分比为2.67%，小于5%，模型效果较为理想。

【参考文献】：
期刊论文
[1]基于改进BP神经网络的动车组配件需求预测[J]. 王辉.  铁路采购与物流. 2019(04)
[2]基于BP神经网络的空调物料库存预测研究[J]. 王美洁,姜同强.  信息与电脑(理论版). 2019(04)
[3]PSO-BP神经网络在某煤机企业安全库存预测中的应用[J]. 姜石.  煤炭技术. 2017(10)



本文编号：3214428