摘 要：精確采購(gòu)，盡可能地降低庫(kù)存成本是大多數(shù)企業(yè)一直追求的目標(biāo)之一。然而準(zhǔn)時(shí)采購(gòu)受到庫(kù)存量、采購(gòu)處理等眾多因素影響，這些因素之間彼此影響，因此對(duì)采購(gòu)提前期的預(yù)測(cè)很難給出一個(gè)精確的數(shù)學(xué)模型。人工神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力，可以很大程度地解決非線性預(yù)測(cè)問(wèn)題。提出了一種權(quán)值直接確定神經(jīng)網(wǎng)絡(luò)的采購(gòu)提前期模型，仿真效果達(dá)到預(yù)期水平。

關(guān)鍵詞：采購(gòu)提前期；神經(jīng)網(wǎng)絡(luò)；權(quán)值直接確定

中圖分類(lèi)號(hào)：TP183 文獻(xiàn)識(shí)別碼：A

1 采購(gòu)提前期模型

企業(yè)經(jīng)營(yíng)活動(dòng)所需要的物資絕大部分都是通過(guò)采購(gòu)商采購(gòu)獲得的。采購(gòu)是企業(yè)物流管理工作的起點(diǎn)。準(zhǔn)時(shí)采購(gòu)也叫JIT（Just In Time）采購(gòu)法，是一種先進(jìn)的采購(gòu)模式。該采購(gòu)模式中，采購(gòu)活動(dòng)以訂單驅(qū)動(dòng)方式進(jìn)行。

采購(gòu)提前期一般由采購(gòu)申請(qǐng)?zhí)崆疤幚頃r(shí)間、采購(gòu)處理提前時(shí)間和采購(gòu)后處理時(shí)間等構(gòu)成。采購(gòu)申請(qǐng)?zhí)崆疤幚頃r(shí)間過(guò)程包括確定貨物需求量、選擇供應(yīng)商、價(jià)格談判、簽訂訂單、合同審批等過(guò)程。采購(gòu)處理提前時(shí)間是指供應(yīng)商簽訂訂單發(fā)貨到約定地點(diǎn)的時(shí)間，包括制造、運(yùn)輸?shù)臅r(shí)間。采購(gòu)后處理提前時(shí)間指接收貨物、驗(yàn)收、到入庫(kù)的時(shí)間。

采購(gòu)提前期時(shí)間T包括采購(gòu)申請(qǐng)?zhí)幚頃r(shí)間t1，采購(gòu)處理時(shí)間t2和采購(gòu)后處理時(shí)間t3。因此T=t1+t2+t3。馬錚在分析了公司市場(chǎng)環(huán)境的基礎(chǔ)上，提出了影響采購(gòu)提前期的因素為：需求量x1，現(xiàn)有庫(kù)存水平x2，生產(chǎn)力使用情況x3，工人生產(chǎn)效率x4，加工精度x5，運(yùn)輸方式x6，天氣情況x7，路況距離x8，物資入庫(kù)速度x9等因素。

2 采購(gòu)提前期的神經(jīng)網(wǎng)絡(luò)模型設(shè)計(jì)

BP神經(jīng)網(wǎng)絡(luò)是一種層內(nèi)無(wú)互聯(lián)結(jié)構(gòu)的前向型神經(jīng)網(wǎng)絡(luò)，一般為三層結(jié)構(gòu)。第一層稱為輸入層，最后一層稱為輸出層，中間層稱為隱含層。特殊情況下，隱含層也可以包含多個(gè)層次。根據(jù)柯?tīng)柲缏宸蚨ɡ?，一個(gè)三層的神經(jīng)網(wǎng)絡(luò)可以逼近任意的一個(gè)函數(shù)。所以一般只用三層網(wǎng)絡(luò)結(jié)構(gòu)。過(guò)多的隱含層會(huì)影響網(wǎng)絡(luò)的收斂速度，會(huì)出現(xiàn)“過(guò)擬合”現(xiàn)象。

BP神經(jīng)網(wǎng)絡(luò)采用有指導(dǎo)的學(xué)習(xí)方式訓(xùn)練和學(xué)習(xí)：給定一組樣本（（x1，d1），（x2，d2），…，（xp，dp）），其中X為樣本輸入，d為給定輸入下期望的樣本輸出，P為樣本的個(gè)數(shù)。神經(jīng)網(wǎng)絡(luò)通過(guò)改變各神經(jīng)元的連接值達(dá)到在給定的輸入X下神經(jīng)網(wǎng)絡(luò)的輸出yp與相應(yīng)輸入下樣本的輸出dp盡可能的接近。

BP神經(jīng)網(wǎng)絡(luò)具有很強(qiáng)的非線性映射能力，但是也存在著諸如收斂速度慢，存在局部極小點(diǎn)而無(wú)法收斂到最優(yōu)解，隱含層層數(shù)及節(jié)點(diǎn)數(shù)的選取僅靠經(jīng)驗(yàn)而無(wú)確定的公式，學(xué)習(xí)新樣本而遺忘舊樣本的趨勢(shì)等缺點(diǎn)。本文基于偽逆的思想構(gòu)造一種權(quán)值直接確定的神經(jīng)網(wǎng)絡(luò)。

2.1 理論基礎(chǔ)

為了方便該網(wǎng)絡(luò)在硬件上實(shí)現(xiàn)，所有的神經(jīng)元的閾值都設(shè)為0。圖1給出的U系統(tǒng)神經(jīng)網(wǎng)絡(luò)結(jié)構(gòu)模型，隱含層神經(jīng)元個(gè)數(shù)為n，隱含層與輸出層之間的權(quán)值記為？棕jk，則樣本與輸出之間的關(guān)系可表示為y=？棕1？準(zhǔn)1（x）+？棕2？準(zhǔn)2（x）+…+？棕n？準(zhǔn)n（x）。

其網(wǎng)絡(luò)結(jié)構(gòu)圖見(jiàn)圖1。

上述基于U系統(tǒng)構(gòu)成的神經(jīng)網(wǎng)絡(luò)可視為BP神經(jīng)網(wǎng)絡(luò)的一種特例，其權(quán)值確定可采用傳統(tǒng)的迭代法。

2.2 權(quán)值迭代法

3 算例實(shí)現(xiàn)

本文采用一汽豐田公司的特約零件供應(yīng)商——天津客車(chē)橋公司提供的數(shù)據(jù)進(jìn)行仿真。數(shù)據(jù)如表1：

在Windows7平臺(tái)，使用MATLAB2014A軟件，對(duì)上述數(shù)據(jù)進(jìn)行仿真。利用前15組數(shù)據(jù)為訓(xùn)練樣本，后5組數(shù)據(jù)為測(cè)試樣本，結(jié)果如下：

4 結(jié)束語(yǔ)

準(zhǔn)時(shí)采購(gòu)受到庫(kù)存量、采購(gòu)處理等眾多因素影響，這些因素之間彼此影響，因此對(duì)采購(gòu)提前期的預(yù)測(cè)很難給出一個(gè)精確的數(shù)學(xué)模型。BP神經(jīng)網(wǎng)絡(luò)雖具有很強(qiáng)的非線性映射能力，但是也存在著諸如收斂速度慢，存在局部極小點(diǎn)而無(wú)法收斂到最優(yōu)解，隱含層層數(shù)及節(jié)點(diǎn)數(shù)的選取僅靠經(jīng)驗(yàn)選取而無(wú)確定的公式，學(xué)習(xí)新樣本而遺忘舊樣本的趨勢(shì)等缺點(diǎn)。本文提出了一種基于U系統(tǒng)的權(quán)值直接確定神經(jīng)網(wǎng)絡(luò)的采購(gòu)提前期模型，仿真效果達(dá)到預(yù)期水平。

參考文獻(xiàn)：

[1] 劉雪.一類(lèi)新的完備正交系及其在圖形圖像處理中的應(yīng)用[D].北京：北方工業(yè)大學(xué)，2007.

[2] 殷奎喜，岸政七，許根穩(wěn).平滑化的正交型Walsh函數(shù)的構(gòu)造及在廣帶域擴(kuò)譜通訊中的應(yīng)用.東南大學(xué)學(xué)報(bào)，1999，29（6）：20～26.

[3] 張雨濃，郭東生，譚寧.冪激勵(lì)前向神經(jīng)網(wǎng)絡(luò)最優(yōu)結(jié)構(gòu)確定算法[J].計(jì)算機(jī)工程與應(yīng)用，2011，47（2）：29-31.

[4] 張雨濃，勞穩(wěn)超，余曉填等.兩輸入冪激勵(lì)前向神經(jīng)網(wǎng)絡(luò)權(quán)值與結(jié)構(gòu)確定[J].計(jì)算機(jī)工程與應(yīng)用，2012，48（15）：102-106.

[5] 楊文光.權(quán)值直接確定的三角型模糊前向神經(jīng)網(wǎng)絡(luò)[J].中山大學(xué)學(xué)報(bào)：自然科學(xué)版，2013，52（2）：33-37.

基金項(xiàng)目：天津職業(yè)大學(xué)培育項(xiàng)目“前向型神經(jīng)網(wǎng)絡(luò)權(quán)值和結(jié)構(gòu)的確定方法研究”（編號(hào)：20122108）階段性成果；天津市教育科學(xué)學(xué)會(huì)“十二五”課題：高職教育中教學(xué)過(guò)程公平模式的實(shí)踐研究（編號(hào)：JK1250149B）階段性成果

作者簡(jiǎn)介：李國(guó)輝（1977.10-），男，漢族，天津薊縣人，碩士，講師，主要研究方向：統(tǒng)計(jì)理論與應(yīng)用。