基于權(quán)值直接確定神經(jīng)網(wǎng)絡(luò)的采購提前期預(yù)測模型

摘 要：精確采購，盡可能地降低庫存成本是大多數(shù)企業(yè)一直追求的目標(biāo)之一。然而準(zhǔn)時采購受到庫存量、采購處理等眾多因素影響，這些因素之間彼此影響，因此對采購提前期的預(yù)測很難給出一個精確的數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)具有很強的非線性映射能力，可以很大程度地解決非線性預(yù)測問題。提出了一種權(quán)值直接確定神經(jīng)網(wǎng)絡(luò)的采購提前期模型，仿真效果達到預(yù)期水平。

關(guān)鍵詞：采購提前期；神經(jīng)網(wǎng)絡(luò)；權(quán)值直接確定

中圖分類號：TP183 文獻識別碼：A

1 采購提前期模型

企業(yè)經(jīng)營活動所需要的物資絕大部分都是通過采購商采購獲得的。采購是企業(yè)物流管理工作的起點。準(zhǔn)時采購也叫JIT（Just In Time）采購法，是一種先進的采購模式。該采購模式中，采購活動以訂單驅(qū)動方式進行。

采購提前期一般由采購申請?zhí)崆疤幚頃r間、采購處理提前時間和采購后處理時間等構(gòu)成。采購申請?zhí)崆疤幚頃r間過程包括確定貨物需求量、選擇供應(yīng)商、價格談判、簽訂訂單、合同審批等過程。采購處理提前時間是指供應(yīng)商簽訂訂單發(fā)貨到約定地點的時間，包括制造、運輸?shù)臅r間。采購后處理提前時間指接收貨物、驗收、到入庫的時間。

采購提前期時間T包括采購申請?zhí)幚頃r間t1，采購處理時間t2和采購后處理時間t3。因此T=t1+t2+t3。馬錚在分析了公司市場環(huán)境的基礎(chǔ)上，提出了影響采購提前期的因素為：需求量x1，現(xiàn)有庫存水平x2，生產(chǎn)力使用情況x3，工人生產(chǎn)效率x4，加工精度x5，運輸方式x6，天氣情況x7，路況距離x8，物資入庫速度x9等因素。

2 采購提前期的神經(jīng)網(wǎng)絡(luò)模型設(shè)計

BP神經(jīng)網(wǎng)絡(luò)是一種層內(nèi)無互聯(lián)結(jié)構(gòu)的前向型神經(jīng)網(wǎng)絡(luò)，一般為三層結(jié)構(gòu)。第一層稱為輸入層，最后一層稱為輸出層，中間層稱為隱含層。特殊情況下，隱含層也可以包含多個層次。根據(jù)柯爾莫哥洛夫定理，一個三層的神經(jīng)網(wǎng)絡(luò)可以逼近任意的一個函數(shù)。所以一般只用三層網(wǎng)絡(luò)結(jié)構(gòu)。過多的隱含層會影響網(wǎng)絡(luò)的收斂速度，會出現(xiàn)“過擬合”現(xiàn)象。

BP神經(jīng)網(wǎng)絡(luò)采用有指導(dǎo)的學(xué)習(xí)方式訓(xùn)練和學(xué)習(xí)：給定一組樣本（（x1，d1），（x2，d2），…，（xp，dp）），其中X為樣本輸入，d為給定輸入下期望的樣本輸出，P為樣本的個數(shù)。神經(jīng)網(wǎng)絡(luò)通過改變各神經(jīng)元的連接值達到在給定的輸入X下神經(jīng)網(wǎng)絡(luò)的輸出yp與相應(yīng)輸入下樣本的輸出dp盡可能的接近。

BP神經(jīng)網(wǎng)絡(luò)具有很強的非線性映射能力，但是也存在著諸如收斂速度慢，存在局部極小點而無法收斂到最優(yōu)解，隱含層層數(shù)及節(jié)點數(shù)的選取僅靠經(jīng)驗而無確定的公式，學(xué)習(xí)新樣本而遺忘舊樣本的趨勢等缺點。本文基于偽逆的思想構(gòu)造一種權(quán)值直接確定的神經(jīng)網(wǎng)絡(luò)。

2.1 理論基礎(chǔ)

為了方便該網(wǎng)絡(luò)在硬件上實現(xiàn)，所有的神經(jīng)元的閾值都設(shè)為0。圖1給出的U系統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，隱含層神經(jīng)元個數(shù)為n，隱含層與輸出層之間的權(quán)值記為？棕jk，則樣本與輸出之間的關(guān)系可表示為y=？棕1？準(zhǔn)1（x）+？棕2？準(zhǔn)2（x）+…+？棕n？準(zhǔn)n（x）。

其網(wǎng)絡(luò)結(jié)構(gòu)圖見圖1。

上述基于U系統(tǒng)構(gòu)成的神經(jīng)網(wǎng)絡(luò)可視為BP神經(jīng)網(wǎng)絡(luò)的一種特例，其權(quán)值確定可采用傳統(tǒng)的迭代法。

2.2 權(quán)值迭代法

3 算例實現(xiàn)

本文采用一汽豐田公司的特約零件供應(yīng)商——天津客車橋公司提供的數(shù)據(jù)進行仿真。數(shù)據(jù)如表1：

在Windows7平臺，使用MATLAB2014A軟件，對上述數(shù)據(jù)進行仿真。利用前15組數(shù)據(jù)為訓(xùn)練樣本，后5組數(shù)據(jù)為測試樣本，結(jié)果如下：

4 結(jié)束語

準(zhǔn)時采購受到庫存量、采購處理等眾多因素影響，這些因素之間彼此影響，因此對采購提前期的預(yù)測很難給出一個精確的數(shù)學(xué)模型。BP神經(jīng)網(wǎng)絡(luò)雖具有很強的非線性映射能力，但是也存在著諸如收斂速度慢，存在局部極小點而無法收斂到最優(yōu)解，隱含層層數(shù)及節(jié)點數(shù)的選取僅靠經(jīng)驗選取而無確定的公式，學(xué)習(xí)新樣本而遺忘舊樣本的趨勢等缺點。本文提出了一種基于U系統(tǒng)的權(quán)值直接確定神經(jīng)網(wǎng)絡(luò)的采購提前期模型，仿真效果達到預(yù)期水平。

參考文獻：

[1] 劉雪.一類新的完備正交系及其在圖形圖像處理中的應(yīng)用[D].北京：北方工業(yè)大學(xué)，2007.

[2] 殷奎喜，岸政七，許根穩(wěn).平滑化的正交型Walsh函數(shù)的構(gòu)造及在廣帶域擴譜通訊中的應(yīng)用.東南大學(xué)學(xué)報，1999，29（6）：20～26.

[3] 張雨濃，郭東生，譚寧.冪激勵前向神經(jīng)網(wǎng)絡(luò)最優(yōu)結(jié)構(gòu)確定算法[J].計算機工程與應(yīng)用，2011，47（2）：29-31.

[4] 張雨濃，勞穩(wěn)超，余曉填等.兩輸入冪激勵前向神經(jīng)網(wǎng)絡(luò)權(quán)值與結(jié)構(gòu)確定[J].計算機工程與應(yīng)用，2012，48（15）：102-106.

[5] 楊文光.權(quán)值直接確定的三角型模糊前向神經(jīng)網(wǎng)絡(luò)[J].中山大學(xué)學(xué)報：自然科學(xué)版，2013，52（2）：33-37.

基金項目：天津職業(yè)大學(xué)培育項目“前向型神經(jīng)網(wǎng)絡(luò)權(quán)值和結(jié)構(gòu)的確定方法研究”（編號：20122108）階段性成果；天津市教育科學(xué)學(xué)會“十二五”課題：高職教育中教學(xué)過程公平模式的實踐研究（編號：JK1250149B）階段性成果

作者簡介：李國輝（1977.10-），男，漢族，天津薊縣人，碩士，講師，主要研究方向：統(tǒng)計理論與應(yīng)用。