改进的混沌理论和BP神经网络化工产品需求预测模型设计

摘要：

随着化工产品的个性化定制需求越来越多,产品需求预测成为了企业调整生产的一种手段.针对目前化工行业上下游产品关联大、市场需求变化规律性不明显的特点,改进了一种基于混沌理论相空间重构算法的BP神经网络化工产品需求预测模型.使用自相关法和Cao氏法来确定相空间参数,构建混沌系统相空间对数据进行预处理;其次改进了构建基于BP神经网络的深度学习算法模型,通过实验确定BP神经网络隐藏层结点的个数,提高预测精度并构建单步测模型预测下一时期需求,进而构建多步预测模型.实验结果表明,该方法平均预测精度大于90％,优于其他类型的神经网络预测方法,对工厂及时调整生产具有一定的指导意义.

关键词：混沌理论、相空间重构、BP神经网络、机器学习

所属期刊栏目：50

分类号：TP391(计算技术、计算机技术)

在线出版日期：2022-08-30（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：177-181