摘要
针对备件需求影响因素众多且不同备件的影响因素不尽相同的情况,提出了一种基于灰色关联分析的BP神经网络需求预测模型。首先使用灰色关联度筛选出影响备件需求的主要因素;然后以主要因素的数据作为神经网络的输入对神经网络进行训练,使用训练好的神经网络对备件需求进行预测;最后通过实例验证了基于灰色关联度BP神经网络的预测模型相对于传统BP神经网络预测模型能够较大地提高预测的精度。
In this paper, in the view of the multiple factors influencing the spare parts demand, we proposed a BP neural network demand forecasting model based on grey correlation analysis, detailed the processes of the model, and at the end, through an empirical example, demonstrated the improvement of the model over traditional BP neural network based forecasting models.
出处
《物流技术》
北大核心
2014年第2期90-92,104,共4页
Logistics Technology
基金
装备维修科学研究与改革项目(2012171)
关键词
备件需求预测
灰色关联度
BP神经网络
关联度阈值
spare part demand forecasting
grey correlativity
BP neural network
correlativity threshold
