基于ＲＢＦ神經(jīng)網(wǎng)絡(luò)的客戶需求預(yù)報

[摘要] 闡述了基于RBF神經(jīng)網(wǎng)絡(luò)的客戶需求預(yù)報方法。以某公司的產(chǎn)品銷售數(shù)據(jù)為例，進行了需求預(yù)報仿真實驗，平均預(yù)報誤差小于4％，證明了此方法的可行性和有效性。

[關(guān)鍵詞] 客戶需求 預(yù)報 RBF神經(jīng)網(wǎng)絡(luò)

一、引言

在經(jīng)濟全球化的激烈競爭中，客戶需求預(yù)報在企業(yè)決策中發(fā)揮著重要的作用，客戶需求預(yù)報主要是預(yù)報未來一段時間內(nèi)客戶對某產(chǎn)品的需求數(shù)量和發(fā)展趨勢。產(chǎn)品需求信息的提前準(zhǔn)確獲取，可以縮短產(chǎn)品的上市時間并提高客戶滿意度。同時客戶需求預(yù)報也是解決不確定需求物流配送問題的一個重要方法，通過客戶需求預(yù)報可以將不確定需求問題轉(zhuǎn)化為確定需求問題。本文采用RBF神經(jīng)網(wǎng)絡(luò)對客戶需求進行預(yù)報，以期得到有效結(jié)果。該研究有利于了解RBF神經(jīng)網(wǎng)絡(luò)在客戶需求預(yù)報問題中的應(yīng)用價值。

二、基于RBF神經(jīng)網(wǎng)絡(luò)的客戶需求預(yù)報

RBF神經(jīng)網(wǎng)絡(luò)是以徑向基函數(shù)作為隱含層神經(jīng)元激活函數(shù)的三層前向型神經(jīng)網(wǎng)絡(luò)，RBF網(wǎng)絡(luò)的優(yōu)越性主要在于具有最佳逼近和全局逼近的性質(zhì)，因此可以用于預(yù)測、識別、函數(shù)逼近和過程建模等問題。RBF神經(jīng)網(wǎng)絡(luò)的拓撲結(jié)構(gòu)如圖1所示。第一層為輸入層，由信號源節(jié)點組成，輸入層節(jié)點只傳遞信號到第二層；第二層為隱含層，隱含層采用徑向基函數(shù)作為網(wǎng)絡(luò)的傳遞函數(shù)，隱含層節(jié)點數(shù)視所描述問題而定，從輸入層空間到隱含層空間的變換是非線性的；第三層為輸出層，它對輸入模式的作用作出響應(yīng)，輸出層節(jié)點計算由隱含層節(jié)點給出的基函數(shù)的線性組合。整個RBF網(wǎng)絡(luò)可以看作是非線性基函數(shù)的線性組合。

RBF神經(jīng)網(wǎng)絡(luò)輸出層第j個節(jié)點的輸出值計算公式如下所示:

;式中RBF網(wǎng)絡(luò)的傳遞函數(shù)采用高斯函數(shù)，表示輸出層第k個節(jié)點的輸出值，表示隱含層第i個節(jié)點到輸出層第j個節(jié)點的連接權(quán)值，x表示神經(jīng)網(wǎng)絡(luò)的輸入向量，表示隱含層第i個節(jié)點的中心，M表示隱含層節(jié)點總數(shù)，表示歐氏函數(shù)，表示偏置量，表示隱含層中心寬度。

基于RBF神經(jīng)網(wǎng)絡(luò)的客戶需求預(yù)報包括訓(xùn)練樣本的選取、待測樣本的選取與RBF神經(jīng)網(wǎng)絡(luò)需求預(yù)報等三部分組成。根據(jù)客戶需求歷史信息，采用此預(yù)報方法可以得到相應(yīng)的預(yù)報結(jié)果。此預(yù)報方法各組成部分的關(guān)系如圖2所示。

本文選取客戶需求數(shù)據(jù)作為訓(xùn)練樣本數(shù)據(jù)：以某客戶需求發(fā)生時間t(1)、t(2)、…、t(n)對應(yīng)的客戶需求量d(1)、d(2)、…、d(n)作為訓(xùn)練樣本。當(dāng)RBF神經(jīng)網(wǎng)絡(luò)完成訓(xùn)練學(xué)習(xí)后，就可以對未來某時刻的客戶需求量進行超前預(yù)報。

三、計算示例

為了驗證此預(yù)報方法的有效性，以國內(nèi)某公司某產(chǎn)品的銷售數(shù)據(jù)為例，對此產(chǎn)品的需求量進行了預(yù)報。此產(chǎn)品的需求數(shù)據(jù)如下表所示：

本文選取2003年～2006年的歷史需求數(shù)據(jù)組成訓(xùn)練樣本，采用提出的RBF客戶需求預(yù)報方法對2007年的產(chǎn)品需求量進行超前預(yù)報。2007年客戶需求量的超前預(yù)報值和誤差如表2所示：

由表2可知，采用基于RBF神經(jīng)網(wǎng)絡(luò)的預(yù)報方法對客戶需求量進行超前一個月至十二個月預(yù)報，其平均誤差為3.27%。

四、結(jié)束語

本文介紹了RBF神經(jīng)網(wǎng)絡(luò)的基本原理，描述了客戶需求信息訓(xùn)練樣本和待測樣本選取等內(nèi)容，提出了基于RBF神經(jīng)網(wǎng)絡(luò)的客戶需求預(yù)報方法。最后以某公司的產(chǎn)品銷售數(shù)據(jù)為例，采用此預(yù)報方法對其產(chǎn)品需求進行了超前一個月至十二個月的預(yù)報，平均預(yù)報誤差小于4％，證明了此方法的可行性和有效性。

參考文獻：

[1]朱道立龔國華羅齊:物流和供應(yīng)鏈管理[M].上海:復(fù)旦大學(xué)出版社， 2001

[2]宋華:現(xiàn)代物流與供應(yīng)鏈管理案例[M].北京:經(jīng)濟管理出版， 2001

[3]魏海坤:神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)設(shè)計的理論與方法[M].北京:國防工業(yè)出版社，2005

[4]田景文高美娟:人工神經(jīng)網(wǎng)絡(luò)算法研究及其應(yīng)用[M].北京: 北京理工大學(xué)出版社，2006.7

[5] 高瑋. 新型進化神經(jīng)網(wǎng)絡(luò)模型[J].北京航空航天大學(xué)學(xué)報，2004， 30(11):79-83

[6]高雋:人工神經(jīng)網(wǎng)絡(luò)原理及仿真實例[M].北京:機械工業(yè)出版社，2007.2

[7]V.M.Rivas， J. J. Merelo. Evolving RBF neural networks for time-series forecasting with EvRBF[J].Information Sciences， Elsevier Inc. 2006， (165): 207-220