本文選題：訂單預(yù)測(cè) + 神經(jīng)網(wǎng)絡(luò)��； 參考：《華中科技大學(xué)》2016年碩士論文

【摘要】：在企業(yè)的生命周期中,訂單預(yù)測(cè)是的血液,它可以幫助我們及時(shí)預(yù)測(cè)到市場(chǎng)的需求,快速的分析市場(chǎng)信息,為企業(yè)的市場(chǎng)戰(zhàn)略營(yíng)銷(xiāo)和管理策略提供基礎(chǔ)數(shù)據(jù)和分析。神經(jīng)網(wǎng)絡(luò)已廣泛應(yīng)用于自然科學(xué)和社會(huì)科學(xué)各個(gè)領(lǐng)域,并且都取得大量的成果。電子商務(wù)背景下對(duì)訂單的處理速度和需求預(yù)測(cè)精度和速度都提出了更高的要求。本文研究H外貿(mào)公司的訂單預(yù)測(cè)問(wèn)題。文章首先分析了國(guó)內(nèi)外神經(jīng)網(wǎng)絡(luò)和訂單預(yù)測(cè)的研究現(xiàn)狀,討論了最小二乘法等理論知識(shí),為后文中構(gòu)建的一種動(dòng)態(tài)架構(gòu)人工神經(jīng)網(wǎng)絡(luò)模型奠定理論基礎(chǔ)。接著基于神經(jīng)網(wǎng)絡(luò)構(gòu)建了較優(yōu)化的動(dòng)態(tài)人工神經(jīng)網(wǎng)絡(luò)模型,利用最小二乘法改進(jìn)了訓(xùn)練過(guò)程中的函數(shù)優(yōu)化了非線(xiàn)性過(guò)程中的算法。構(gòu)建出來(lái)的模型相比較于BP神經(jīng)網(wǎng)絡(luò)而言,結(jié)構(gòu)更加簡(jiǎn)潔、理論上數(shù)據(jù)利用率更高。最后通過(guò)調(diào)研H公司的組織結(jié)構(gòu)和訂單預(yù)測(cè)現(xiàn)狀,并進(jìn)行數(shù)據(jù)的采集和分析,采用文章構(gòu)建的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型進(jìn)行訂單預(yù)測(cè)的應(yīng)用。應(yīng)用結(jié)果表明,本文構(gòu)建的動(dòng)態(tài)神經(jīng)網(wǎng)絡(luò)模型是有效的、速度更快、結(jié)果更精確;發(fā)現(xiàn)了H公司在創(chuàng)新產(chǎn)品與業(yè)務(wù)、管理水平、訂單預(yù)測(cè)和管理方面都還有較大的上升空間,因此也提出了公司管理需要注重市場(chǎng)研究和市場(chǎng)學(xué)習(xí)、保持產(chǎn)品的專(zhuān)注、了解全球文化的管理啟示。本研究成果可以為外貿(mào)公司的訂單預(yù)測(cè)提供有效的預(yù)測(cè)方法。
[Abstract]:In the life cycle of the enterprise, the order forecast is the blood, it can help us to forecast the market demand in time, analyze the market information quickly, and provide the basic data and analysis for the marketing and management strategy of the enterprise.Neural network has been widely used in various fields of natural science and social science, and has achieved a lot of results.Under the background of electronic commerce, the processing speed of orders and the precision and speed of demand prediction are required higher.This paper studies the order forecasting problem of H foreign trade company.This paper first analyzes the present research situation of neural network and order prediction at home and abroad, and discusses the theoretical knowledge of least square method, which lays a theoretical foundation for a dynamic architecture artificial neural network model constructed later.Then an optimized dynamic artificial neural network model based on neural network is constructed, and the least square method is used to improve the function in the training process to optimize the algorithm in the nonlinear process.Compared with BP neural network, the constructed model is simpler in structure and more efficient in theory.Finally, by investigating the organization structure of H Company and the status quo of order forecasting, and collecting and analyzing the data, the application of the dynamic neural network model constructed in this paper is used to predict the order.The application results show that the dynamic neural network model constructed in this paper is effective, faster and more accurate.Therefore, it is also pointed out that the management of the company should pay attention to market research and market learning, keep the focus of products, and understand the management enlightenment of global culture.The results of this study can provide an effective forecasting method for order forecasting of foreign trade companies.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2016
【分類(lèi)號(hào)】：TP183;F274

【參考文獻(xiàn)】

相關(guān)期刊論文 前5條

1 牛家洋;王洪國(guó);邵增珍;宋超超;;BP人工神經(jīng)網(wǎng)絡(luò)算法在鳥(niǎo)情時(shí)間序列預(yù)測(cè)的應(yīng)用[J];信息技術(shù)與信息化;2013年03期

2 王珂達(dá);;庫(kù)存與訂單預(yù)測(cè)管理[J];現(xiàn)代商業(yè);2011年27期

3 汪磊,孫名松;基于遺傳神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)模型[J];哈爾濱理工大學(xué)學(xué)報(bào);2005年03期

4 劉勤,朱正紅,陸怡;基于人工神經(jīng)網(wǎng)絡(luò)的藥物銷(xiāo)售額預(yù)測(cè)[J];計(jì)算機(jī)工程;2001年10期

5 徐進(jìn),李玉民;基于遺傳神經(jīng)網(wǎng)絡(luò)的糧食產(chǎn)量系統(tǒng)預(yù)測(cè)方法研究[J];現(xiàn)代化農(nóng)業(yè);2001年09期

相關(guān)博士學(xué)位論文 前1條

1 王健;前饋神經(jīng)網(wǎng)絡(luò)梯度學(xué)習(xí)算法收斂性分析[D];大連理工大學(xué);2012年

相關(guān)碩士學(xué)位論文 前9條

1 牛家洋;基于神經(jīng)網(wǎng)絡(luò)的非線(xiàn)性系統(tǒng)時(shí)間序列的預(yù)測(cè)方法研究[D];山東師范大學(xué);2013年

2 崔小平;幾種前饋型神經(jīng)網(wǎng)絡(luò)分類(lèi)性能的比較分析研究[D];中北大學(xué);2011年

3 曾顯峰;基于人工神經(jīng)網(wǎng)絡(luò)的入侵檢測(cè)技術(shù)研究[D];華南理工大學(xué);2010年

4 王昶;改進(jìn)遺傳神經(jīng)網(wǎng)絡(luò)在時(shí)間序列預(yù)測(cè)中的研究與應(yīng)用[D];四川師范大學(xué);2010年

5 肖忠良;進(jìn)化神經(jīng)網(wǎng)絡(luò)及其在企業(yè)訂單預(yù)測(cè)中的應(yīng)用研究[D];湖南大學(xué);2010年

6 尹漢釗;基于遞歸神經(jīng)網(wǎng)絡(luò)與集成算法的時(shí)間序列預(yù)測(cè)應(yīng)用研究[D];西安電子科技大學(xué);2010年

7 楊渝冰;軍事綜合運(yùn)輸中方案優(yōu)化問(wèn)題的研究及其應(yīng)用[D];國(guó)防科學(xué)技術(shù)大學(xué);2008年

8 林靜怡;優(yōu)化問(wèn)題神經(jīng)網(wǎng)絡(luò)方法研究及實(shí)證分析[D];廈門(mén)大學(xué);2007年

9 戴丹;BP神經(jīng)網(wǎng)絡(luò)用于市場(chǎng)預(yù)測(cè)的研究[D];武漢理工大學(xué);2006年

，

本文編號(hào)：1750796