隨著大數(shù)據(jù)的興起,互聯(lián)網(wǎng)技術(shù)與各個(gè)領(lǐng)域的快速融合,使得供應(yīng)鏈的結(jié)構(gòu)發(fā)生新的變化,為供應(yīng)鏈的發(fā)展開(kāi)拓了新的方向。由于在大數(shù)據(jù)的環(huán)境下數(shù)據(jù)的獲取更加快速便捷,使得各個(gè)企業(yè)在新的供應(yīng)鏈體系中實(shí)現(xiàn)信息共享成為可能。在供應(yīng)鏈管理中,需求預(yù)測(cè)是貫穿整個(gè)供應(yīng)鏈必不可少的一個(gè)環(huán)節(jié)。當(dāng)缺乏準(zhǔn)確的市場(chǎng)需求信息時(shí),在信息向供應(yīng)鏈上流傳遞的過(guò)程中產(chǎn)生的牛鞭效應(yīng)將會(huì)影響供應(yīng)鏈中各個(gè)環(huán)節(jié)的協(xié)調(diào)與控制,極大地削弱了整個(gè)供應(yīng)鏈的競(jìng)爭(zhēng)力。然而在大數(shù)據(jù)背景下傳統(tǒng)的預(yù)測(cè)方法已經(jīng)無(wú)法達(dá)到滿(mǎn)意的預(yù)測(cè)精度,這給供應(yīng)鏈管理帶來(lái)了巨大的挑戰(zhàn)。基于上述問(wèn)題,本文提出了大數(shù)據(jù)背景下供應(yīng)鏈需求預(yù)測(cè)與牛鞭效應(yīng)的研究課題,對(duì)于適應(yīng)新的市場(chǎng)需求變化、提高企業(yè)的核心競(jìng)爭(zhēng)力、實(shí)現(xiàn)供應(yīng)鏈整體效益最優(yōu)具有深刻的理論與實(shí)踐意義。本文將大數(shù)據(jù)與供應(yīng)鏈管理相結(jié)合,構(gòu)建了一類(lèi)大數(shù)據(jù)背景下的供應(yīng)鏈模型,并在此基礎(chǔ)上進(jìn)一步分析了供應(yīng)鏈的需求預(yù)測(cè)與牛鞭效應(yīng),論文的主要?jiǎng)?chuàng)新和具體工作如下:(1)針對(duì)大數(shù)據(jù)背景下供應(yīng)鏈所具備的特點(diǎn),構(gòu)建新的供應(yīng)鏈體系。引入Agent理論采用Multi-Agent系統(tǒng)抽象模擬出大數(shù)據(jù)背景下的供應(yīng)鏈結(jié)構(gòu)模型。(2)根據(jù)大數(shù)據(jù)背景下供應(yīng)鏈的結(jié)...

【文章頁(yè)數(shù)】：64 頁(yè)

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第1章 緒論
    1.1 研究背景
    1.2 本文研究目的與意義
        1.2.1 本文的研究目的
        1.2.2 本文的研究意義
    1.3 國(guó)內(nèi)外研究現(xiàn)狀
        1.3.1 供應(yīng)鏈牛鞭效應(yīng)的研究現(xiàn)狀
        1.3.2 需求預(yù)測(cè)的研究現(xiàn)狀
    1.4 本文的研究?jī)?nèi)容及創(chuàng)新點(diǎn)
        1.4.1 本文的研究?jī)?nèi)容
        1.4.2 本文的創(chuàng)新點(diǎn)
第2章 相關(guān)理論基礎(chǔ)
    2.1 大數(shù)據(jù)概述
    2.2 供應(yīng)鏈與供應(yīng)鏈管理
        2.2.1 供應(yīng)鏈
        2.2.2 供應(yīng)鏈管理
    2.3 需求預(yù)測(cè)與牛鞭效應(yīng)
        2.3.1 供應(yīng)鏈中的需求預(yù)測(cè)
        2.3.2 供應(yīng)鏈中的牛鞭效應(yīng)
    2.4 本章小結(jié)
第3章 大數(shù)據(jù)背景下基于MULTI-AGENT系統(tǒng)的供應(yīng)鏈模型
    3.1 基于大數(shù)據(jù)的供應(yīng)鏈體系架構(gòu)
    3.2 AGENT系統(tǒng)與MULTI-AGENT系統(tǒng)
    3.3 基于MULTI-AGENT系統(tǒng)的供應(yīng)鏈
    3.4 本章小結(jié)
第4章 大數(shù)據(jù)背景下基于遺傳算法的支持向量機(jī)需求預(yù)測(cè)與牛鞭效應(yīng)的研究
    4.1 支持向量機(jī)預(yù)測(cè)模型
        4.1.1 線(xiàn)性可分支持向量機(jī)
        4.1.2 支持向量機(jī)需求預(yù)測(cè)模型的構(gòu)建
        4.1.3 支持向量機(jī)模型的核函數(shù)及其參數(shù)選擇
    4.2 基于遺傳算法的支持向量機(jī)預(yù)測(cè)模型的優(yōu)化
        4.2.1 遺傳優(yōu)化算法
        4.2.2 遺傳算法優(yōu)化支持向量機(jī)參數(shù)
    4.3 實(shí)例分析
        4.3.1 需求預(yù)測(cè)分析
        4.3.2 牛鞭效應(yīng)分析
    4.4 本章小結(jié)
第5章 大數(shù)據(jù)背景下基于多變量支持向量機(jī)的需求預(yù)測(cè)與牛鞭效應(yīng)的研究
    5.1 多變量支持向量機(jī)需求預(yù)測(cè)模型
        5.1.1 影響因素選取
        5.1.2 多變量支持向量機(jī)預(yù)測(cè)模型
        5.1.3 BP神經(jīng)網(wǎng)絡(luò)誤差修正
    5.2 實(shí)例分析
        5.2.1 需求預(yù)測(cè)分析
        5.2.2 牛鞭效應(yīng)分析
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
致謝
攻讀碩士期間發(fā)表（含錄用）的學(xué)術(shù)論文



本文編號(hào)：3738039