賈冬青，陳玉芳，崔 晶

（河北工程技術(shù)高等專科學(xué)校，河北省滄州市浮陽南大道6號(hào) 061001）

商品庫存影響著企業(yè)的物流成本和服務(wù)質(zhì)量，庫存控制的最佳方法是根據(jù)歷史銷售數(shù)據(jù)對潛在需求進(jìn)行準(zhǔn)確的預(yù)測。一些季節(jié)需求型農(nóng)資商品因受季節(jié)變化影響，其銷售數(shù)據(jù)呈現(xiàn)周期性非線性變化趨勢。同時(shí)，季節(jié)需求型農(nóng)資商品銷售具有持續(xù)性，往往以商品的月銷售數(shù)據(jù)作為統(tǒng)計(jì)指標(biāo)，因此，可使用的歷史銷售數(shù)據(jù)擁有量少。BP神經(jīng)網(wǎng)絡(luò)模型具有良好的逼近任意非線性函數(shù)的優(yōu)勢，灰色預(yù)測方法則具有少量數(shù)據(jù)建模和累加生成以強(qiáng)化歷史數(shù)據(jù)規(guī)律性的特點(diǎn)，因此，這兩種方法組合預(yù)測上述時(shí)間序列可取長補(bǔ)短，以達(dá)到較好的預(yù)測效果。

1 BP神經(jīng)網(wǎng)絡(luò)模型和灰色模型的組合預(yù)測法

1.1 數(shù)據(jù)的歸一化處理

為提高模型的通用性和不同年份數(shù)據(jù)的可比性，往往需對數(shù)據(jù)進(jìn)行歸一化處理。針對季節(jié)需求型農(nóng)資商品銷售量這種周期性非線性變化趨勢的數(shù)據(jù)，文中采用的歸一化方法是把數(shù)值標(biāo)準(zhǔn)化到最大值為1（即每年各月份銷售量除以該年份的最大月銷售量）。

1.2 用BP神經(jīng)網(wǎng)絡(luò)對歸一化數(shù)據(jù)進(jìn)行預(yù)測

1.2.1 BP神經(jīng)網(wǎng)絡(luò)的確定

BP神經(jīng)網(wǎng)絡(luò)包括輸入層、隱含層和輸出層，各層神經(jīng)元間的連接由權(quán)重反應(yīng)。學(xué)習(xí)過程由正向計(jì)算和反向傳播組成，通過反復(fù)訓(xùn)練學(xué)習(xí)直到誤差信號(hào)最小或?qū)W習(xí)結(jié)果令人滿意為止。

1.2.2 網(wǎng)絡(luò)學(xué)習(xí)和測試

用MATLAB仿真軟件建立初始庫存模型，輸入樣本數(shù)據(jù)進(jìn)行訓(xùn)練，當(dāng)訓(xùn)練曲線收斂到既定精度或有效曲線上升時(shí)停止訓(xùn)練，并用測試集監(jiān)測網(wǎng)絡(luò)的普化性。若訓(xùn)練曲線經(jīng)過很多次迭代后仍不能收斂，修改隱層神經(jīng)元的個(gè)數(shù)或調(diào)整權(quán)值矩陣的初值，反復(fù)試驗(yàn)，直到達(dá)到既定精度后，MATLAB生成一個(gè)庫存模型，即可進(jìn)行分析與預(yù)測工作。

1.2.3 分析與預(yù)測

靈敏度分析用于評估一個(gè)給定的輸入變量對網(wǎng)絡(luò)輸出的影響。改變該變量的輸入，而其它輸入變量為某固定值，監(jiān)測網(wǎng)絡(luò)輸出的改變，由此可以對庫存進(jìn)行很好的仿真，找出庫存的瓶頸環(huán)節(jié)與重點(diǎn)控制處，從而改善庫存系統(tǒng)。

1.3 利用GM(1，1)模型進(jìn)行反歸一化處理

歸一化處理后的數(shù)據(jù)必須經(jīng)過反歸一化處理才能得出有效的數(shù)據(jù)。針對文中的歸一化方法，反歸一化的方法應(yīng)該是歸一化的數(shù)據(jù)去乘該年份的最大月銷售量。而預(yù)測年份的最大月銷售量未定，要根據(jù)歷史年份最大月銷售量進(jìn)行預(yù)測，而歷史年份最大月銷售量每年只有一個(gè)，數(shù)據(jù)貧乏，只能通過灰色系統(tǒng)理論模型進(jìn)行預(yù)測，且該時(shí)間序列為單因素時(shí)間序列的預(yù)測，應(yīng)采用GM(1，1)模型。

2 應(yīng)用實(shí)例

表1為某品牌農(nóng)藥2008～2012年各月銷售數(shù)據(jù)，擬依此預(yù)測2013年該商品各月的銷售情況。

表1 某品牌農(nóng)藥2008～2012年各月銷售數(shù)據(jù)

2.1 數(shù)據(jù)的歸一化處理

將表1的數(shù)據(jù)按照文中的歸一化方法進(jìn)行處理，歸一化后的數(shù)據(jù)如表2所示。

表2 2008～2012年各月銷售量歸一化數(shù)據(jù)

2.2 用BP神經(jīng)網(wǎng)絡(luò)模型實(shí)現(xiàn)對歸一化數(shù)據(jù)的預(yù)測

2.2.1 輸入輸出向量設(shè)計(jì)

利用2008～2010年的歸一化月銷售量作為輸入向量X，2009～2011年的歸一化月銷售量作為輸出向量Y。

2.2.2 BP神經(jīng)網(wǎng)絡(luò)設(shè)計(jì)

由于輸入向量為12個(gè)元素，所以網(wǎng)絡(luò)輸入層的神經(jīng)元有12個(gè)，網(wǎng)絡(luò)中間層的神經(jīng)元個(gè)數(shù)依次設(shè)計(jì)為6，12，16，22進(jìn)行測試，尋找一個(gè)訓(xùn)練誤差小，訓(xùn)練速度快的作為最后的中間層神經(jīng)元個(gè)數(shù)。輸出相量有12個(gè)，所以輸出的神經(jīng)元個(gè)數(shù)為12。網(wǎng)絡(luò)中間層的神經(jīng)元傳遞函數(shù)采用tansig，輸出層神經(jīng)元傳遞函數(shù)采用logsig，訓(xùn)練函數(shù)采用trainlm。

2.2.3 網(wǎng)絡(luò)訓(xùn)練

以X作為輸入向量，Y作為輸出向量，訓(xùn)練次數(shù)設(shè)定為1000，訓(xùn)練目標(biāo)為0.00 001，中間層神經(jīng)元個(gè)數(shù)依次設(shè)定為6，12，16，22進(jìn)行網(wǎng)絡(luò)訓(xùn)練，觀察訓(xùn)練結(jié)果。經(jīng)觀察，中間層神經(jīng)元個(gè)數(shù)為16時(shí)訓(xùn)練速度最快，因此確定中間層的神經(jīng)元個(gè)數(shù)為16。

2.2.4 網(wǎng)絡(luò)測試及測試結(jié)果分析

訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)必須進(jìn)行網(wǎng)絡(luò)測試才能判斷是否可以投入實(shí)際應(yīng)用。用2009～2011年的歸一化月銷售量來預(yù)測2012年的歸一化月銷售量，以檢驗(yàn)預(yù)測誤差能否滿足要求，測試結(jié)果如圖1所示。從圖1看出，實(shí)際銷售量和預(yù)測需求量擬合程度極高，網(wǎng)絡(luò)預(yù)測值和實(shí)際銷售量之間的誤差非常小，都在0左右，完全滿足應(yīng)用要求，因此，可通過該網(wǎng)絡(luò)進(jìn)行預(yù)測。

2.2.5 利用BP神經(jīng)網(wǎng)絡(luò)模型進(jìn)行預(yù)測

通過2010～2012年的歸一化月銷售量預(yù)測2013年各月的歸一化銷售量，預(yù)測結(jié)果為:

2.3 利用GM(1，1)預(yù)測2013年最高月銷售量并實(shí)現(xiàn)反歸一化

利用往年的最高月銷售量通過GM(1，1)預(yù)測2013年的最高月銷售量，原始數(shù)據(jù)、預(yù)測值及相對誤差如表3所示。從表中可以看出，相對誤差最大的只有0.37%，最小的為0，預(yù)測效果很好，預(yù)測數(shù)據(jù)具有一定的決策參考價(jià)值。

表3 某品牌農(nóng)藥2008～2013年的實(shí)際銷售量與預(yù)測銷售量

利用預(yù)測結(jié)果中2013年最高月銷售量去乘Y2013向量，得出2013年1～12月份的潛在消費(fèi)需求分別是693，673，692，825，1 238，4 076，4 729，5 135，2 561，896，645，600，可以以此數(shù)據(jù)作為該商品庫存控制的依據(jù)。

3 結(jié)束語

實(shí)驗(yàn)驗(yàn)證結(jié)果表明，通過BP網(wǎng)絡(luò)模型和GM(1，1)模型組合很好的實(shí)現(xiàn)了季節(jié)需求型農(nóng)資商品潛在需求的高效預(yù)測，達(dá)到了控制庫存降低成本，提高服務(wù)質(zhì)量的目的。

［1］ 賈冬青.零售業(yè)庫存控制模型研究［D］.北京:北京交通大學(xué)，2008.

［2］ Naresh K.Malhotra Marketing Research:An Applied Orientation［M］.Tsinghua University Press and Prentice Hall，1998.

［3］ BHATTACHARJE.A multi-period profit maximizing model for retail supply chain management:an integration of demand and supply-side mechanisms［J］.Management Science 2000，122:584-601.