共查询到20条相似文献,搜索用时 531 毫秒
1.
基于人工神经网络的物流中心选址决策模型研究 总被引:2,自引:0,他引:2
物流中心选址在整个物流系统规划中占有十分重要的位置,需要决策者综合考虑多个因素。本文根据物流环境、生产能力和经济效益三方面组成的10个评价指标和单因素评价标准,应用BP神经网络方法对某市物流中心选址进行决策研究。根据单因素评价标准生成足够多用于神经网络建模用的训练样本、检验样本和测试样本,用检验样本实时监控训练过程以避免出现“过训练”现象,建立可靠的BP模型。示例计算结果表明:与多级模糊综合评价方法相比,本文建立的BP神经网络决策模型具有定量分析和比较精细、客观的特点,在物流中心选址决策研究中具有较好的应用价值。 相似文献
2.
针对茶叶物流金融运作模式选择中的复杂性以及传统优化方法的局限性,将BP神经网络理论和仿真方法引入茶叶物流金融模式优化,考虑样本数量不足的实际问题,采用B样条函数插值方法扩充数据量,构建BP神经网络模型并加以训练。结果表明:BP神经网络具有精度较高的智能学习能力,适合于茶叶物流金融模式选择优化。 相似文献
3.
4.
5.
中小企业在资源有限、环境复杂的条件下运营。传统的线性绩效评价方法常常无法捕捉到非线性关系和多元影响因素。BP神经网络通过学习和调整权重参数,能够对复杂的非线性关系进行建模和预测。本文旨在探索和分析BP神经网络在中小企业绩效评价中的应用,为中小企业绩效评价方法优化提供新的思路,从而推动信息技术与企业管理的深度融合。 相似文献
6.
7.
为了解决养老地产PPP项目风险因素冗杂且普遍存在共线性问题,提出因子分析与BP神经网络相结合的风险评价模型。构建了养老地产PPP项目风险指标体系,运用SPSS软件对风险因素降维处理,结合MATLAB工具建立BP神经网络风险评价模型。选取9个相似工程项目数据作为学习样本,对模型进行训练并验证。结果表明,BP神经网络风险评价模型的实际输出结果与期望值误差在±5%以内,说明评价方法具有较高的准确性和可靠性。 相似文献
8.
应用学习向量量化LVQ神经网络方法,以近期14个数据作为财务危机预警建模样本和测试样本,建立了财务危机的顸警模型,经过对样本的反复训练和学习,得到了较好的预测结果。研究结果表明:LVQ神经网络是一种非线性映射模式,在指标间相关度较高、呈非线性变化,或数据缺漏不全等情况下仍可得到比较满意的结果,因此是一种比较理想的预测方法,具有广泛的适用性和较高的推广价值。 相似文献
9.
10.
在常规BP神经网络模型参考自适应控制器基础上采用改进型BP神经网络作为辨识器和控制器,组成新的模型参考神经网络自适应控制系统,利用改进型BP神经网络的优点弥补传统自适应方法的不足,使系统具有更强的鲁棒性,收敛更快,逼近精度更高的优点。仿真结果表明,该系统比传统BP神经网络模型参考自适应系统具有更好的稳定性和更快的响应速度。 相似文献
11.
文章在分析传统绩效评价方法的基础上,构建了企业绩效评价体系,运用基于Matlab的BP神经网络算法,以企业历史数据作为BP神经网络的训练样本进行了实证研究,证明了将BP神经网络应用于企业绩效评价中,能达到令人满意的评价效果。 相似文献
12.
人工神经网络作为重要的综合评价方法,能够解决众多非线性问题,把它运用到地区货运量的预测中,可以解决因数据资料缺失,预测结果与真实结果相差较大的问题,为物流业发展提供重要的数据参考。经过实例分析证明基于神经网络的物流量预测模型是行之有效的。 相似文献
13.
14.
15.
将人工神经网络模型引入到工业品出厂价格指数预测领域,利用我国1990年-2008年的工业品出厂价格指数数据,建立了工业品出厂价格指数预测的人工神经网络模型。实验结果表明:基于BP算法的神经网络模型预测精度高,而且收敛速度快,它为工业品出厂价格指数预测工作提供了一种全新的方法。 相似文献
16.
港口吞吐量的预测是港口决策的重要依据,然而影响港口吞吐量的要素较多,且各要素之间存在着复杂的非线性关系,使常用的预测方法难以取得好的预测效果。文章试图运用BP人工神经网络的方法,采集1999~2012年的实际数据样本,以钦州港为例进行实证分析,构建三层BP神经网络,预测2013年钦州港港口吞吐量。 相似文献
17.
宏观经济系统是一个复杂的非线性系统,对宏观经济进行预测应采用非线性的工具进行建模。采用BP神经网络对西安市宏观经济指标进行预测,此预测模型只需少量训练样本就可以确定网络的权值和阈值。实验表明模型预测精度高,能够对西安市宏观经济系统中的非线性关系进行描述,使建立的非线性模型与实际系统更加接近。 相似文献
18.
19.
20.
选择BP神经网络作为军事物流定单的预测工具,从模型输入层、模型输出层、数据预处理三个方面建立了军事物流定单预测模型,并利用MATLAB的神经网络图形用户接口GUI进行BP神经网络的训练和检验,最后给出了应用方法,并说明注意事项。 相似文献