基于改进BP神经网络的动车组配件需求预测
需求预测是实现有效降低物资库存和保障物资供应响应速度的重要基础.结合高铁动车组配件的实际需求规律,提出了一种改进后的BP神经网络预测方法,在归纳动车组配件消耗量主要影响因素的基础上,通过调整权值计算方法,改善算法收敛速度和解的全局最优性,从而显著提高了需求预测的精确度.对上海动车段的实证计算分析表明,所提出方法能对动车组配件进行高精度的需求预测,可为物资管理部门科学储备库存提供决策依据.
动车段、配件、需求预测、神经网络、库存
2019-06-03(万方平台首次上网日期,不代表论文的发表时间)
共3页
31-33