基于神經(jīng)網(wǎng)絡(luò)的氣象備件庫(kù)存預(yù)測(cè)控制可用性研究

孟 超,劉 名,黨 瑞,賀 易

（1.陜西省大氣探測(cè)技術(shù)保障中心，陜西 西安 710014；2.渭南市氣象局，陜西 渭南 714000；3.灞橋區(qū)氣象局，陜西 西安 710014)

1 引言

為了有效地監(jiān)控以及預(yù)測(cè)氣象災(zāi)害，為社會(huì)發(fā)展提供保障，我國(guó)氣象部門(mén)通過(guò)建設(shè)自動(dòng)氣象站等方式，提升對(duì)災(zāi)害性氣象的預(yù)報(bào)預(yù)測(cè)能力。自動(dòng)氣象站指的是可以連續(xù)、自動(dòng)地監(jiān)測(cè)當(dāng)?shù)氐娘L(fēng)速、風(fēng)向、溫度、濕度、氣壓等氣象資料的自動(dòng)化氣象設(shè)施[1]。包括氣壓儀器、雨量?jī)x器、風(fēng)向儀器、風(fēng)速儀器、溫度儀器、濕度儀器等設(shè)備，使用計(jì)算機(jī)系統(tǒng)實(shí)現(xiàn)設(shè)備的自動(dòng)化運(yùn)行，通過(guò)通信傳輸網(wǎng)絡(luò)將監(jiān)測(cè)數(shù)據(jù)傳輸給遠(yuǎn)程控制系統(tǒng)，提供氣象管理、查詢(xún)等功能[2]。設(shè)立氣象備件庫(kù)，以備氣象設(shè)備出現(xiàn)故障，及時(shí)替換故障設(shè)備，保障自動(dòng)化氣象站的穩(wěn)定運(yùn)行，為國(guó)家和社會(huì)提供高質(zhì)量的氣象服務(wù)。備件庫(kù)存過(guò)多，會(huì)占據(jù)過(guò)多的資金；備件庫(kù)存過(guò)少，會(huì)容易出現(xiàn)自動(dòng)氣象站故障，無(wú)法及時(shí)更換影響氣象觀(guān)測(cè)業(yè)務(wù)運(yùn)行。為此，如何預(yù)測(cè)控制氣象備件庫(kù)存至關(guān)重要，國(guó)內(nèi)外相關(guān)學(xué)者對(duì)庫(kù)存預(yù)測(cè)進(jìn)行了研究。

劉金榮等[3]提出基于神經(jīng)網(wǎng)絡(luò)優(yōu)化算法的庫(kù)存預(yù)測(cè)應(yīng)用研究，以歷史庫(kù)存為基礎(chǔ)，分成訓(xùn)練集、驗(yàn)證集和測(cè)試集。結(jié)合遺傳算法優(yōu)化預(yù)測(cè)模型，利用測(cè)試集完成的模型預(yù)測(cè)結(jié)果，即未來(lái)一周的庫(kù)存需求量。Chou[4]等人提出從前期需求和銷(xiāo)售水平預(yù)測(cè)產(chǎn)品退貨的庫(kù)存模型的策略，將舊產(chǎn)品作為回購(gòu)核心的回報(bào)率建模，分析了最優(yōu)成本和最優(yōu)策略的性質(zhì)，得到了在過(guò)去銷(xiāo)售的收益不可能被預(yù)測(cè)的模型下，最優(yōu)庫(kù)存策略的結(jié)構(gòu)。

氣象備件庫(kù)存預(yù)測(cè)控制關(guān)鍵的環(huán)節(jié)是預(yù)測(cè)氣象備件庫(kù)存需求，國(guó)內(nèi)外均對(duì)此進(jìn)行了深入的研究，國(guó)內(nèi)主要采用Bayesian方法預(yù)測(cè)氣象備件庫(kù)存需求，以此為基礎(chǔ)，預(yù)測(cè)控制氣象備件庫(kù)存。國(guó)外主要采用回歸分析法預(yù)測(cè)氣象備件庫(kù)存需求，預(yù)測(cè)控制氣象備件庫(kù)存。現(xiàn)有氣象備件庫(kù)存預(yù)測(cè)控制方法由于庫(kù)存需求預(yù)測(cè)具有局限性，存在著數(shù)據(jù)擬合度低的缺陷，為了解決上述問(wèn)題，提出基于神經(jīng)網(wǎng)絡(luò)的氣象備件庫(kù)存預(yù)測(cè)控制方法研究，并通過(guò)實(shí)驗(yàn)驗(yàn)證提出方法的可用性。

2 氣象備件庫(kù)存預(yù)測(cè)控制方法研究

2.1 BP 神經(jīng)網(wǎng)絡(luò)氣象備件庫(kù)存需求預(yù)測(cè)模型構(gòu)建

氣象備件庫(kù)存需求預(yù)測(cè)是氣象備件庫(kù)存預(yù)測(cè)控制的關(guān)鍵環(huán)節(jié)，現(xiàn)有氣象備件庫(kù)存預(yù)測(cè)控制方法是以可修復(fù)備件管理多級(jí)法為依據(jù)預(yù)測(cè)氣象備件庫(kù)存需求，但由于此法計(jì)算過(guò)程繁瑣，許多參數(shù)獲取周期過(guò)長(zhǎng)導(dǎo)致有極大的局限性，為此，此文利用BP 神經(jīng)網(wǎng)絡(luò)構(gòu)建氣象備件庫(kù)存需求預(yù)測(cè)模型。

BP 神經(jīng)網(wǎng)絡(luò)是一種依據(jù)誤差逆向傳播進(jìn)行算法訓(xùn)練的多層前饋網(wǎng)絡(luò)，是現(xiàn)今使用最廣泛的網(wǎng)絡(luò)模型之一。BP神經(jīng)網(wǎng)絡(luò)由信息正向傳播與誤差逆向傳播構(gòu)成，結(jié)構(gòu)為三層，分別為輸入層、隱含層與輸出層。其中，輸入層神經(jīng)元功能為接收與傳播輸入信號(hào)；隱含層是內(nèi)部信息處理層，依據(jù)輸入信號(hào)變化需求設(shè)置隱含層結(jié)構(gòu)。若是單隱含層BP 神經(jīng)網(wǎng)絡(luò)，直接將信號(hào)傳播給輸出層，進(jìn)行正向傳播傳遞過(guò)程；若是多隱含層BP 神經(jīng)網(wǎng)絡(luò)，最后一個(gè)隱含層將信號(hào)傳播給輸出層，進(jìn)行正向傳播傳遞過(guò)程；輸出層輸出前兩層處理信號(hào)。當(dāng)輸出值與期望輸出值存在較大偏差時(shí)，返回進(jìn)入誤差逆向傳播過(guò)程。輸出誤差以梯度下降方式更新各層的權(quán)值，逆向朝隱含層與輸入層傳播。

基于BP神經(jīng)網(wǎng)絡(luò)構(gòu)建氣象備件庫(kù)存需求模型，構(gòu)建步驟如下：

步驟一：輸入層神經(jīng)元指的是氣象備件庫(kù)存的影響因素。氣象備件庫(kù)存影響因素如表1所示。

表1 氣象備件庫(kù)存影響因素表

為了簡(jiǎn)化構(gòu)建模型的結(jié)構(gòu)，篩選氣象備件庫(kù)存影響因素，將一級(jí)影響因素作為輸入層的輸入信號(hào)，則輸入層神經(jīng)元數(shù)量設(shè)置為2。此處神經(jīng)元數(shù)量的設(shè)置參考文獻(xiàn)[5]，引用神經(jīng)網(wǎng)絡(luò)建模得到的最優(yōu)神經(jīng)元數(shù)量值。

步驟二：采用二分分割法計(jì)算最佳隱含層節(jié)點(diǎn)數(shù)量。二分分割法流程如圖1所示。

如圖1流程所示，經(jīng)過(guò)四輪實(shí)驗(yàn)，通過(guò)設(shè)置不同的隱含層節(jié)點(diǎn)數(shù)量，得到對(duì)應(yīng)的誤差值，最后通過(guò)二分分割法得到隱含層節(jié)點(diǎn)數(shù)量為6。

圖1 二分分割法隱含層節(jié)點(diǎn)數(shù)量確定流程圖

步驟三：輸出層神經(jīng)元是氣象備件庫(kù)存需求預(yù)測(cè)值，神經(jīng)元數(shù)量設(shè)置為1。

2.2 模型輸入數(shù)據(jù)非線(xiàn)性關(guān)系擬合

BP 神經(jīng)網(wǎng)絡(luò)氣象備件庫(kù)存需求預(yù)測(cè)模型精度會(huì)受到多種因素的影響，如何選擇與處理模型輸入數(shù)據(jù)成為模型應(yīng)用的關(guān)鍵難題。此節(jié)擬合模型輸入數(shù)據(jù)非線(xiàn)性關(guān)系，計(jì)算輸入數(shù)據(jù)的非線(xiàn)性相關(guān)系數(shù)，以此為基礎(chǔ)，選擇輸入數(shù)據(jù)。此處參考了文獻(xiàn)[6]中預(yù)測(cè)模型的構(gòu)建過(guò)程，考慮了預(yù)測(cè)過(guò)程中干擾因素較多的情況，為保證輸入數(shù)據(jù)的貼合性，計(jì)算其非線(xiàn)性相關(guān)系數(shù)。

已知?dú)庀髠浼?kù)存輸入數(shù)據(jù)具有非線(xiàn)性相關(guān)特征[7-9]，設(shè)定輸入數(shù)據(jù)為y(t)，離散形式為y(n)，其非線(xiàn)性相關(guān)函數(shù)為：

式(1)中，R(m)表示的是輸入數(shù)據(jù)的非線(xiàn)性相關(guān)函數(shù)；m表示的是輸入數(shù)據(jù)的數(shù)量。

通過(guò)擬合得到輸入數(shù)據(jù)非線(xiàn)性相關(guān)函數(shù)集總平均為：

式(2)中，R(m)表示的是輸入數(shù)據(jù)非線(xiàn)性相關(guān)函數(shù)集總平均值；N表示的是y(n)的觀(guān)測(cè)值數(shù)量。

對(duì)于每一個(gè)固定的延遲|m|，可以利用的輸入數(shù)據(jù)數(shù)量為N-1-|m|，則擬合輸入數(shù)據(jù)非線(xiàn)性關(guān)系表示為：

式(3)中，R(m)表示的是擬合輸入數(shù)據(jù)非線(xiàn)性關(guān)系函數(shù)。

將公式(3)進(jìn)行歸一化處理，得到表達(dá)式為：

式(4)中，η(m)表示的是歸一化擬合輸入數(shù)據(jù)非線(xiàn)性關(guān)系函數(shù)形式；R(0)表示的是輸入數(shù)據(jù)單位非線(xiàn)性相關(guān)系數(shù)。

輸入數(shù)據(jù)非線(xiàn)性相關(guān)系數(shù)計(jì)算公式為：

通過(guò)上述過(guò)程得到輸入數(shù)據(jù)非線(xiàn)性關(guān)系擬合情況如圖2所示。

圖2 輸入數(shù)據(jù)非線(xiàn)性關(guān)系擬合圖

如圖2所示，由于氣象備件庫(kù)存需要考慮的因素較多，為進(jìn)一步排除干擾因素，上述計(jì)算將非線(xiàn)性相關(guān)系數(shù)大于0.75的數(shù)據(jù)，作為BP神經(jīng)網(wǎng)絡(luò)氣象備件庫(kù)存需求預(yù)測(cè)模型的輸入數(shù)據(jù)，以此來(lái)提升模型預(yù)測(cè)精度。

2.3 氣象備件庫(kù)存預(yù)測(cè)控制

以氣象備件庫(kù)存數(shù)據(jù)為基礎(chǔ)，輸入到構(gòu)建的BP神經(jīng)網(wǎng)絡(luò)氣象備件庫(kù)存需求預(yù)測(cè)模型中，得到氣象備件庫(kù)存需求量，依據(jù)協(xié)方差(Covariance，COV)分析法計(jì)算氣象備件消耗數(shù)量，分類(lèi)氣象備件，以此為基礎(chǔ)，選取不同的預(yù)測(cè)控制方法，實(shí)現(xiàn)以基于BP神經(jīng)網(wǎng)絡(luò)的氣象備件庫(kù)存的預(yù)測(cè)控制。

COV分析法主要是依據(jù)新型自動(dòng)氣象站以往的備品備件消耗數(shù)量，計(jì)算標(biāo)準(zhǔn)偏差值與平均值，而COV.就是標(biāo)準(zhǔn)偏差值與平均值的商值[10-11]。計(jì)算公式為：

式(6)中，SD表示的是標(biāo)準(zhǔn)偏差值；Xi表示的是第i個(gè)樣本值；Xn表示的是樣本X的算術(shù)平均值；N表示的是樣本個(gè)數(shù)。依據(jù)公式(6)的計(jì)算結(jié)果分類(lèi)氣象備件，為氣象備件庫(kù)存預(yù)測(cè)控制方法選取做準(zhǔn)備，具體氣象備件分類(lèi)情況如表2所示。

表2 氣象備件分類(lèi)表

氣象備件的重要等級(jí)是存在較大的不同，對(duì)其庫(kù)存預(yù)測(cè)控制的方式也相應(yīng)不同，為此，利用帕累托分類(lèi)法(Activity Based Classification，ABC)，通過(guò)打分排序氣象備件重要等級(jí)。

ABC分類(lèi)法判斷指標(biāo)與分值，如表3所示。

表3 ABC分類(lèi)法判斷指標(biāo)與分值表

ABC分類(lèi)法氣象備件重要等級(jí)劃分規(guī)則如表4所示。

表4 氣象備件重要等級(jí)劃分規(guī)則表

氣象備件九宮格分類(lèi)依據(jù)如表5所示。

表5 氣象備件九宮格分類(lèi)依據(jù)表

依據(jù)表5分類(lèi)情況分別選擇氣象備件庫(kù)存預(yù)測(cè)控制方法。其中，A1、A2、B1、B2 型氣象備件選取最小-最大值法預(yù)測(cè)控制庫(kù)存，該方法要求庫(kù)存管理人員實(shí)時(shí)監(jiān)測(cè)氣象備件庫(kù)存水平，當(dāng)上述類(lèi)型氣象備件庫(kù)存量下降到最小值時(shí)，對(duì)其進(jìn)行補(bǔ)充，補(bǔ)充值為預(yù)測(cè)最大值減去安全庫(kù)存的差值；

C1、C2 型氣象備件選取EOQ 批量法預(yù)測(cè)控制庫(kù)存，該方法指的是當(dāng)上述類(lèi)型庫(kù)存量下降至訂貨點(diǎn)時(shí)，依據(jù)批量規(guī)則進(jìn)行訂貨；

A3、B3、C3 型氣象備件選取按需求計(jì)劃訂貨方法預(yù)測(cè)控制庫(kù)存。對(duì)于A3、B3、C3型氣象備件來(lái)說(shuō)，其COV.值大于等于1，其需求量很難預(yù)測(cè)，因此，最科學(xué)的預(yù)測(cè)控制方法即按照需求計(jì)劃進(jìn)行訂貨，并嚴(yán)格執(zhí)行使用計(jì)劃。該方法不會(huì)導(dǎo)致氣象備件嚴(yán)重缺貨，也不會(huì)造成氣象備件積壓過(guò)多。

上述過(guò)程實(shí)現(xiàn)了基于BP神經(jīng)網(wǎng)絡(luò)的氣象備件庫(kù)存預(yù)測(cè)控制方法的設(shè)計(jì)，通過(guò)氣象備件庫(kù)存預(yù)測(cè)控制方法的選擇，為自動(dòng)化氣象站制定合理采購(gòu)計(jì)劃提供良好的建議。

3 可用性測(cè)試研究

為了驗(yàn)證設(shè)計(jì)的基于BP 神經(jīng)網(wǎng)絡(luò)的氣象備件庫(kù)存預(yù)測(cè)控制方法的可用性，設(shè)計(jì)仿真對(duì)比測(cè)試，具體測(cè)試過(guò)程如下所示。

3.1 實(shí)驗(yàn)環(huán)境構(gòu)建

測(cè)試采用MATLAB 仿真平臺(tái)進(jìn)行，利用MATLAB神經(jīng)網(wǎng)絡(luò)工具箱中的神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與訓(xùn)練函數(shù)，并對(duì)其依據(jù)實(shí)際情況改進(jìn)，部分使用到的BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)與仿真函數(shù)如表6所示。

表6 部分BP神經(jīng)網(wǎng)絡(luò)仿真函數(shù)表

3.2 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)確定

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)需要測(cè)試與訓(xùn)練，其流程如圖3所示。

圖3 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)測(cè)試、訓(xùn)練流程圖

如圖3所示，BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練方案如表7所示。

表7 BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)訓(xùn)練方案表

BP神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)需要進(jìn)行自動(dòng)調(diào)整，以此來(lái)滿(mǎn)足測(cè)試的需求，隱節(jié)點(diǎn)調(diào)整前、后相關(guān)系數(shù)與發(fā)散度情況如表8與表9所示。

表9 隱節(jié)點(diǎn)調(diào)整后相關(guān)系數(shù)與發(fā)散度表

如表8與表9所示，隱節(jié)點(diǎn)0與1相關(guān)性較大，合并處理，則隱節(jié)點(diǎn)為6個(gè)，確定了BP神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)，為仿真對(duì)比測(cè)試做準(zhǔn)備。

表8 隱節(jié)點(diǎn)調(diào)整前相關(guān)系數(shù)與發(fā)散度表

3.3 神經(jīng)網(wǎng)絡(luò)訓(xùn)練

將測(cè)試樣本集輸入BP神經(jīng)網(wǎng)絡(luò)中，通過(guò)正向傳播與反向權(quán)值調(diào)整，該過(guò)程稱(chēng)為一次訓(xùn)練，經(jīng)過(guò)12次迭代得到收斂曲線(xiàn)如圖4所示。

圖4 神經(jīng)網(wǎng)絡(luò)訓(xùn)練收斂曲線(xiàn)圖

由圖4所示，神經(jīng)網(wǎng)絡(luò)訓(xùn)練收斂速度較快，誤差較小。

3.4 測(cè)試結(jié)果分析

氣象備件庫(kù)存預(yù)測(cè)控制方法的可用性采用數(shù)據(jù)擬合度來(lái)表示，通過(guò)測(cè)試得到數(shù)據(jù)擬合度對(duì)比情況如表10所示。

表10 數(shù)據(jù)擬合度對(duì)比情況表

如表10數(shù)據(jù)顯示，提出方法的數(shù)據(jù)擬合度遠(yuǎn)高于現(xiàn)有方法，表明提出方法具備更好的可用性。

4 結(jié)束語(yǔ)

此文提出的基于神經(jīng)網(wǎng)絡(luò)的氣象備件庫(kù)存預(yù)測(cè)控制方法極大地提升了數(shù)據(jù)擬合度，具備更好的可用性，可以為自動(dòng)化氣象站制定合理采購(gòu)計(jì)劃提供良好的建議。但是未將計(jì)算時(shí)間等因素考慮在內(nèi)，因此，需要對(duì)提出的基于神經(jīng)網(wǎng)絡(luò)的氣象備件庫(kù)存預(yù)測(cè)控制方法進(jìn)行進(jìn)一步的優(yōu)化研究。