基于改进RBF-BP神经网络的预测方法研究

摘要：

针对钢铁企业在库存管理方面存在着不能合理控制库存量,从而不能及时正常供应企业生产需求,容易造成企业生产不能正常进行.提出了一种基于改进的麻雀算法优化RBF-BP神经网络(LISSA-RBF-BP)的模型,以宝钢德盛厂物料金钨粉为研究对象,采用此模型对其库存量进行预测,以降低库存成本,减少企业损失.此模型采用鸟群算法优化传统麻雀搜索算法(SSA),提高算法的全局搜索能力,解决了麻雀算法易得到局部最优解问题.采用Logtistic混沌映射优化SSA初始种群,保持种群多样性并能提高算法搜索遍历的均匀性.通过仿真实验结果分析,LISSA-RBF-BP模型比RBF-BP模型和SSA-RBF-BP模型能更加准确的对金钨粉库存量进行预测.

关键词：RBF-BP组合神经网络、库存预测、改进麻雀搜索算法、鸟群算法、Logistic混沌映射

所属期刊栏目：41

分类号：TP393(计算技术、计算机技术)

在线出版日期：2022-10-08（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：105-110