資源描述：
《基于Levenberg—Marquardt算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的卷煙銷量預(yù)測(cè)模型研究》由會(huì)員上傳分享，免費(fèi)在線閱讀，更多相關(guān)內(nèi)容在學(xué)術(shù)論文-天天文庫。
1、蔣興恒等基于Levenberg-Marquardt算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的卷煙銷量預(yù)測(cè)模型研究81經(jīng)濟(jì)與管理基于Levenberg—Marquardt算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的卷煙銷量預(yù)測(cè)模型研究蔣興恒，朱素蓉21安徽中煙工業(yè)有限責(zé)任公司滁州卷煙廠，企業(yè)管理科，安徽滁州清流中路599號(hào)239000；2安徽省廣電數(shù)碼科技有限公司，財(cái)務(wù)科，安徽合肥桐城南路359號(hào)230031摘要：針對(duì)一般時(shí)間序列分析方法中預(yù)測(cè)方法的不足，采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)對(duì)卷煙銷量進(jìn)行預(yù)測(cè)。介紹說明改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)Levenberg—Marquardt算法原理，對(duì)卷煙銷量數(shù)據(jù)進(jìn)行歸一化處理，建立卷煙銷量神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)模型，利用Ma
2、tlab軟件對(duì)數(shù)據(jù)進(jìn)行訓(xùn)練、仿真。與實(shí)際銷量進(jìn)行對(duì)比分析，證明采用改進(jìn)的BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)結(jié)果準(zhǔn)確。關(guān)鍵詞：卷煙銷售量：神經(jīng)網(wǎng)絡(luò)；生產(chǎn)作業(yè)計(jì)劃doi：10．3969／j．issn．1004-5708．2011．05．014中圖分類號(hào)：Ts4．o7文獻(xiàn)標(biāo)識(shí)碼：A文章編號(hào)：1004．5708(2011J05．0081．06PredictionmodelofcigarettesalesbasedonBPneuralnetworkimprovedbyLevenberg-MarquardtalgorithmJIANGXing．heng，ZHUSu．rong21ChuzhouCigaretteFactory
3、，ChinaTobaccoAnhuiIndustrialCo．，Ltd．，Chuzhu239000，China；2AnhuiBroadcastingandTVScienceTechnologyCO．，Ltd．，Hefei230031，ChinaAbstract：ABPneuralnetworkimprovedbyLevenberg·Marquardtalgorithmwasillustrated，establishedandappliedtofore—castcigarettesalestoovercomiedisadvantagesofgeneraltimeseriesanalysis．Ci
4、garettesalesdatawerenormalizedandrepeat—edtrainingandsimulatingonthemodelwithMatlabsoftware．Comparedwithrealsalesdata，theforecastoftheimprovedBPneuralnetworkisprovedaccurate．Keywords：cigarettesales；neuralnetwork；Levenberg—Marquardtalgorithm卷煙銷量是制定調(diào)撥計(jì)劃和生產(chǎn)作業(yè)計(jì)劃的重要對(duì)預(yù)測(cè)值的檢驗(yàn)，結(jié)果表明，所采用的預(yù)測(cè)模型收斂速依據(jù)，直接影響煙草企業(yè)內(nèi)部相關(guān)
5、資源的配置，若能提度快、仿真程度高、檢驗(yàn)誤差較小，可以實(shí)際應(yīng)用于卷前準(zhǔn)確預(yù)測(cè)下月甚至更長時(shí)期的卷煙銷量，則對(duì)進(jìn)一煙銷量預(yù)測(cè)。步優(yōu)化資源配置和提高經(jīng)營管理水平等工作具有重要1卷煙銷量預(yù)測(cè)方法意義。本文基于Levenberg．Marquardt算法改進(jìn)的BP神經(jīng)分月卷煙銷量數(shù)據(jù)，是以時(shí)間數(shù)列所構(gòu)成的序列，網(wǎng)絡(luò)對(duì)2003年一2010年分月卷煙銷售數(shù)據(jù)(取自安徽其每個(gè)數(shù)值都是由許多不同因素共同作用的結(jié)果。針中煙工業(yè)公司生產(chǎn)經(jīng)營匯總月報(bào)表)進(jìn)行分析，建立卷對(duì)類似時(shí)問序列的預(yù)測(cè)方法主要有：水平模型平滑預(yù)煙銷量預(yù)測(cè)模型，對(duì)銷量進(jìn)行預(yù)測(cè)。并將原始數(shù)據(jù)分測(cè)法、線性趨勢(shì)模型外推預(yù)測(cè)法、季節(jié)變動(dòng)序列預(yù)測(cè)法為訓(xùn)練數(shù)據(jù)
6、和檢驗(yàn)數(shù)據(jù)，分別用于函數(shù)的訓(xùn)練仿真和和隨機(jī)時(shí)序列Box．Jenkins預(yù)測(cè)法等_1J。本文在利用神經(jīng)網(wǎng)絡(luò)進(jìn)行預(yù)測(cè)之后，分別使用上述預(yù)測(cè)方法進(jìn)行了作者簡(jiǎn)介：蔣興恒，男，本科，統(tǒng)計(jì)師，招標(biāo)師，主要從事卷煙工業(yè)企業(yè)計(jì)算。從計(jì)算的結(jié)果來看，相比基于Levenberg．Mar．生產(chǎn)經(jīng)營數(shù)據(jù)的統(tǒng)計(jì)、分析，問卷調(diào)查及招投標(biāo)管理等，Tel：quardt算法改進(jìn)BP神經(jīng)網(wǎng)絡(luò)的預(yù)測(cè)誤差，上述預(yù)測(cè)方0550—3067355，E—mail：jxhstar@126．tom法的結(jié)果誤差總體偏大。收稿日期：2010—12．16神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)是目前比較前沿和熱門的預(yù)測(cè)方82中國煙草學(xué)報(bào)2011年10月第17卷第5期法。人工神經(jīng)
7、網(wǎng)絡(luò)是對(duì)人腦的抽象、簡(jiǎn)化和模擬，是一I，，其中，廠為雅克比矩陣，e是網(wǎng)絡(luò)誤差向量。如果種應(yīng)用類似于大腦神經(jīng)突觸連接的結(jié)構(gòu)進(jìn)行信息處理=0的話，就變成采用近似Hessian矩陣的擬牛頓法；的數(shù)學(xué)模型，由大量節(jié)點(diǎn)和相互之問的加權(quán)連接構(gòu)成，如果很大，即成為小步長的梯度下降法，由于牛頓網(wǎng)絡(luò)輸出則根據(jù)網(wǎng)絡(luò)的連接方式、權(quán)重值和激勵(lì)函數(shù)法在誤差極小點(diǎn)附近通常能夠收斂的更快更準(zhǔn)確，因的不同而不同。在實(shí)際應(yīng)用中，8
