基于Levenberg—Marquardt算法改进BP神经网络的卷烟销量预测模型研究

《基于Levenberg—Marquardt算法改进BP神经网络的卷烟销量预测模型研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、蒋兴恒等基于Levenberg-Marquardt算法改进BP神经网络的卷烟销量预测模型研究81经济与管理基于Levenberg—Marquardt算法改进BP神经网络的卷烟销量预测模型研究蒋兴恒，朱素蓉21安徽中烟工业有限责任公司滁州卷烟厂，企业管理科，安徽滁州清流中路599号239000；2安徽省广电数码科技有限公司，财务科，安徽合肥桐城南路359号230031摘要：针对一般时间序列分析方法中预测方法的不足，采用改进的BP神经网络对卷烟销量进行预测。介绍说明改进的BP神经网络Levenberg—Marquardt算法原理，对卷烟销量数据进行归一化处理，建立卷烟销量神经网络预测模型，利用Ma

2、tlab软件对数据进行训练、仿真。与实际销量进行对比分析，证明采用改进的BP神经网络预测结果准确。关键词：卷烟销售量：神经网络；生产作业计划doi：10．3969／j．issn．1004-5708．2011．05．014中图分类号：Ts4．o7文献标识码：A文章编号：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卷烟销量是制定调拨计划和生产作业计划的重要对预测值的检验，结果表明，所采用的预测模型收敛速依据，直接影响烟草企业内部相关

5、资源的配置，若能提度快、仿真程度高、检验误差较小，可以实际应用于卷前准确预测下月甚至更长时期的卷烟销量，则对进一烟销量预测。步优化资源配置和提高经营管理水平等工作具有重要1卷烟销量预测方法意义。本文基于Levenberg．Marquardt算法改进的BP神经分月卷烟销量数据，是以时间数列所构成的序列，网络对2003年一2010年分月卷烟销售数据(取自安徽其每个数值都是由许多不同因素共同作用的结果。针中烟工业公司生产经营汇总月报表)进行分析，建立卷对类似时问序列的预测方法主要有：水平模型平滑预烟销量预测模型，对销量进行预测。并将原始数据分测法、线性趋势模型外推预测法、季节变动序列预测法为训练数据

6、和检验数据，分别用于函数的训练仿真和和随机时序列Box．Jenkins预测法等_1J。本文在利用神经网络进行预测之后，分别使用上述预测方法进行了作者简介：蒋兴恒，男，本科，统计师，招标师，主要从事卷烟工业企业计算。从计算的结果来看，相比基于Levenberg．Mar．生产经营数据的统计、分析，问卷调查及招投标管理等，Tel：quardt算法改进BP神经网络的预测误差，上述预测方0550—3067355，E—mail：jxhstar@126．tom法的结果误差总体偏大。收稿日期：2010—12．16神经网络预测是目前比较前沿和热门的预测方82中国烟草学报2011年10月第17卷第5期法。人工神经

7、网络是对人脑的抽象、简化和模拟，是一I，，其中，厂为雅克比矩阵，e是网络误差向量。如果种应用类似于大脑神经突触连接的结构进行信息处理=0的话，就变成采用近似Hessian矩阵的拟牛顿法；的数学模型，由大量节点和相互之问的加权连接构成，如果很大，即成为小步长的梯度下降法，由于牛顿网络输出则根据网络的连接方式、权重值和激励函数法在误差极小点附近通常能够收敛的更快更准确，因的不同而不同。在实际应用中，8