汽车制造业物料供应需求优化预测仿真研究

摘要：

对汽车制造业物料供应需求进行准确预测,可对汽车制造业物料供应链进行优化,降低供应链的整体运作成本.进行物料供应需求预测时,应计算当前生产对汽车制造业物料的需求量,但是传统方法只能凭经验初步获取汽车制造对物料的需求量,根据需求量建立物料供应需求预测,不能准确计算当前生产对汽车制造业物料的需求量,导致建立的模型存在较大误差,不能对物料供应需求进行准确预测.提出一种遗传算法与改进BP网络的汽车制造业物料供应需求优化预测方法.上述方法先建立了泊松分布的物料需求时间模型,确定当前生产对汽车制造业物料的需求量,对汽车制造业物料需求时间序列进行相空间重构,利用BP神经网络构建物料预测样本矩阵,融合遗传算法优化BP神经网络的权值和阈值,获取汽车制造业物料需求预测的最优解函数,以上述函数为依据对汽车制造业物料需求进行预测.仿真结果表明,所提方法为汽车制造企业入场物流的有效组织提供了依据.

关键词：遗传算法、网络、预测

所属期刊栏目：33

分类号：TP391(计算技术、计算机技术)

资助基金：2015年河南省高等学校重点科研项目15A520121

在线出版日期：2016-12-22（万方平台首次上网日期，不代表论文的发表时间）

页数：共4页

页码：421-424