物流系統(tǒng)需求預(yù)測概述(參考版)
2025-03-03 09:41本頁面
【正文】 50。3)和閾值 ?k。第五步，初定學(xué)習(xí)速率 ?、 ?=~。 第三步，按式（ 638）計(jì)算輸出層的輸出值 yk（ k=1， 2， … ， n）。46圖 66 三層 BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)47圖 66 三層 BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)48二、神經(jīng)網(wǎng)絡(luò)預(yù)測的學(xué)習(xí)過程（一）正向計(jì)算 第一步，確定初始參數(shù)：各層神經(jīng)元節(jié)點(diǎn)數(shù)目、學(xué)習(xí)精度、迭代次數(shù)；初始權(quán)重及閾值。=(千噸 )， y0的置信度為 95%的預(yù)測區(qū)間為：45第四節(jié) 基于神經(jīng)網(wǎng)絡(luò)的物流系統(tǒng)預(yù)測法一、神經(jīng)網(wǎng)絡(luò)預(yù)測的數(shù)學(xué)模型? 神經(jīng)網(wǎng)絡(luò)的理論： 一個(gè)三層前饋神經(jīng)網(wǎng)絡(luò)能以任意精度逼近一個(gè)任意復(fù)雜的非線性函數(shù)。=34萬輛，yy0的置信度為（ 1?）的預(yù)測區(qū)間： 44預(yù)測值的顯著性檢驗(yàn)? 例 68 根據(jù)例 65中的統(tǒng)計(jì)數(shù)據(jù)，預(yù)測 1992年的置信度為 95%的薄鋼板需求量。 43預(yù)測值的顯著性檢驗(yàn)? 通過對預(yù)測值的置信區(qū)間估計(jì)來說明預(yù)測值的波動范圍，檢驗(yàn)預(yù)測值的顯著性。0： |y與 x之間完全線性相關(guān)；|=r1： ||y與 x之間顯著線性相關(guān)；?r： ||y與 x之間微弱線性相關(guān)；?r?809（萬噸） ?451y = + +利用 Excel：b0=,+ b2如果該地區(qū) 2023年的國民生產(chǎn)總值預(yù)計(jì)為 451億、人均月收入 1400元，要求預(yù)測該港口 2023年的年吞吐量。xmx2(千噸 ) 37（二） 多元線性回歸預(yù)測分析? y=b0+ b1x1?341992的薄鋼板需求量預(yù)測值 （ 4）利用模型預(yù)測結(jié)果 33（一）一元線性回歸預(yù)測法例 65 薄鋼板消耗量與當(dāng)年的汽車產(chǎn)量之間有一定的相關(guān)性，假設(shè)該國 1992的汽車年產(chǎn)量約為 34萬輛，試估計(jì) 1992年的薄鋼板消耗量。 32三、回歸分析預(yù)測方法? 原理： 根據(jù)事物內(nèi)部因素變化的因果關(guān)系來預(yù)測事物未來的發(fā)展趨勢。 －561． 計(jì)算時(shí)間序列的一次、二次指數(shù)平滑值 2． 建立二次指數(shù)平滑預(yù)測模型 3． 利用預(yù)測模型進(jìn)行預(yù)測 31（四）二次指數(shù)平滑法例 64某公司近年產(chǎn)品銷售量如下（見表 61），用二次指數(shù)平滑法預(yù)測 2023年和 2023年銷售量。)/ ItL+1T(613) Ft+1=)+?(1?)S t)(611)Tt+1=?Tt)(St+?111829（三）趨勢和季節(jié)性因素的校正St+1=?=T 3=?1000+??(10861000)+()?=F2=1086+=(1000+)?1008今年第二季度的預(yù)測需求為：S 2==1000T 1=?1100+? 28（二）趨勢校正例 63利用例 62中的歷史數(shù)據(jù)預(yù)測今年第三季度的需求，要考慮趨勢因素。S t——
教學(xué)課件相關(guān)推薦
鄂ICP備17016276號-1