BP神经网络在物流预测中的应用汇总.docx

BP神经网络在物流预测中的应用 摘要：物流预测由于自身的原因, 存在着非线性严重, 难以精确建模等问题。人工神经网络, 对解决非线性问题以及难以精确建模问题有着独特的优势。根据这个想法, 提出了用BP 网络来解决物流预测的问题。本文在介绍人工神经网络的基本理论的基础上，利用 BP 神经网络建立了某地区公路货运路的预测模型，并利用工具MATLB实现了模型的构建与预测过程，得了良好的实验结果, 表明神经网络是解决这类问题的一种有效方法. 关键词：物流预测，神经网络，BP算法 Abstract：Because of their own reasons, Logistics forecast exists serious nonlinear problems, and it is difficult to accurately establish the model. Artificial neural networks for solving nonlinear problems and the difficulty establish model has a unique advantage. According to this idea, the paper proposes to use BP network to solve the problem of logistics forecasting. The paper established prediction process model by using BP neural network based on the basic theory of the introduction of artificial neural network, and use MATLB to realize the construction and prediction of process model, which contribute to good experimental results. It shows that the neural network is an effective method to solve this kind of problem. Keywords: Logistics forecast, Artificial neural networks, BP network 1 物流预测及其现有的解决方法 1.1物流预测 所谓预测, 就是人们对某一不确定的或未知的事件的表述。一般这个不确定的事件具有未来的性质。具体来说, 预测就是要把某一未知的事件发生的不确定性最小化。 从本质上看, 预测是以变化为前提的。如果没有变化, 预测也就不存在了。因此, 可以说预测就是掌握。预测就是: 第一要正确地掌握变化的原因; 第二要了解变化的状态; 第三要从量的变化中找出因果关系: 第四从以上的变化中找出规律性的东西对未来进行判断。 在物流方面, 对未来的预测非常重要, 因为它能使物流经理变被动为主动。物流中的每个领域都在某种程度上受到预测过程的影响—进行预测, 提供预测中所需要的信息, 或者接收预测结果和采用必要的行动。总之, 在物流领域内,预测试图通过定量或者定性地分析对未来进行预言, 其实质就是协助做出物流决策。 1.2物流预测方法 按预测所采用的方法不同分类,可分为定性预测和定量预测。 1)定性预测 定性预测方法是依据预测者对市场有关情况的了解和分析,结合对市场现象未来发展变化的估计,由预测者根据实践经验和主观判断做出的预测。它既可以对市场未来的供给量和需求量进行预测,也可对市场未来发展变化的特点、趋势 做出判断预测。此方法是根据人们的主观判断对事物未来的发展给出的估计。常 用的定性预测方法分为:市场调研法、专家预测法、主观概率法、交叉影响法等。 定性与定量预测法在综合预测过程中也是相辅相成的。在具有较详尽的历史数据 的条件下可以采用定量预测;在历史数据不完备或不确定因素影响较大的情况下 可以采用定性预测。对于一些复杂的物流系统预测,可将这两类预测的结果进行 综合分析,进而提供更符合客观实际的预测结果。 2)定量预测 定量预测的特点,是以大量的历史观察值为主要依据,建立适当的数学模型为预测模型,推断或估计预测目标的未来值。定量预测模型分类的方法很多,常用的分类方法是将其分为相关回归预测模型和时间序列预测模型两大类。 时间序列预测模型的基本思想是:根据预测的惯性原则利用事物发展的历史数据的变化趋势的延续来估计预测目标的未来发展趋势。时间序列预测模型根据采用的工具和手段不同可分为: 移动平均法、指数平滑法、BOX—JEKINS 模型、灰色预测法、神经网络预测法等。其特点为: