论文总字数：24589字

摘 要

订单需求预测是针对销售产品作出预测。科学、准确的订单需求预测是制定企业发展战略和规划、运营管理的重要依据，便于及时供货。

本文主要探讨了基于BP神经网络模型在产品订单预测分析中的应用研究。以空调市场的需求量为研究对象，从影响需求量的因素出发，对空调市场的需求量进行宏观需求分析，在分析需求量预测统计指的基础上，建立模型对订单需求量进行科学，系统的预测。

首先，对订单需求量进行研究分析，在指标体系、企业运营的综合条件、市场环境和客户等诸多方面的信息都有很深入的了解。

其次，对空调市场需求量进行宏观的分析，分别从需求趋势，产品的市场份额，销售价格波动，订单缺货情况，分销商的联合预测和季节性因素六个因素加以阐述，为第三章中选择影响订单需求量的相关指标确定了范围。

最后，建立BP神经网络模型对空调市场的订单需求量进行实证分析，进行数据处理，实现BP神经网络建模，分为两个部分；来实现空调订单需求，第一部分，利用已知数据进行神经网络的训练，并验证误差，得到合理误差的神经网络时在进行下一个程序的预测，然后得出预测结果，得出结论。

关键字：订单需求，BP神经网络,仿真模型

Orders based on artificial neural network algorithm analysis and prediction of demand

Abstract

Order demand forecasting is to make a forecast for sales of products. Scientific and accurate orders and demand forecasts is to develop an important basis for business development strategy and planning, operations management, to facilitate the timely delivery.

This paper mainly discusses the analysis based on BP neural network model to predict the product order application. Demand for air-conditioning market, starting from the impact of demand factors, macro-demand analysis of the demand for air-conditioning market model, based on analysis of statistical indicators of demand forecasting, order demand for scientific prediction of the system.

First of all, demand for the order to carry out research and analysis, has a very in-depth understanding of many aspects of the information of the index system, the general terms of business operations, market environment and customer.

Secondly, the macroscopic analysis of the air conditioning market demand, demand trends, market share, sales price fluctuations, order out of stock, distributors Joint forecasting and seasonal factors, six factors elaborated for the third chapter select the relevant indicators to determine the scope of the order demand.

Finally, BP neural network model based on the order of air conditioning market demand for the empirical analysis, data processing, the BP neural network modeling, is divided into two parts; Order to implement the air conditioning, the first part, using the known data of the neural network training, and verify the error, properly when the error of the neural network in the prediction of the next program, then the predicted results and conclusions.

Keywords ：Order demand Gray neural network The simulation model

目录

摘 要 I

Abstract II

第一章 绪论 1

1.1问题的提出 1

1.1.1研究的背景 1

1.1.2研究目的 2

1.1.3研究意义 2

1.2国内外的现状 2

1.2.1现阶段订单需求预测的方法 2

1.2.2 BP神经网络预测法 4

1.3研究内容 5

1.3.1研究内容 5

1.3.2本文的结构安排 6

第二章 BP神经网络模型预测 7

2.1 BP神经网络简介 7

2.1.1 BP神经网络模型的结构 7

2.1.2BP神经网络关于订单需求学习研究步骤 8

2.1.3 BP神经网络预测订单需求的特点 10

2.1.4 BP神经网络的局限性 11

2.2 BP神经网络建立模型的步骤 12

第三章 空调需求预测模型的分析与建立方法 14

3.1 影响因素 14

3.1.1需求趋势 14

3.1.2产品的市场份额 14

3.1.3价格波动 15

3.1.4订单满足率 15

3.1.5分销商的联合预测 15

3.1.6季节性因素 15

3.2 BP神经网络预测模型的建立过程 16

3.3 matlab工具箱 16

第四章 编程仿真实现 20

4.1 数据的处理 20

4.2训练和验证BP神经网络 21

4.2.1 选择训练样本数据 21

4.2.2输入输出样本，并验证 22

4.2.3定义3层网络BP 22

4.3用已经训练好的BP神经网络作预测 25

4.3.1选择训练样本数据 25

4.3.2验证数据模型 25

4.3.3预测订单数据 26

第五章 结论与展望 28

参考文献 29

致 谢 31

附录： 32

第一章 绪论

1.1 问题的提出

1.1.1研究的背景

在激烈的市场经济竞争条件下，面对大量的数据的采集，无论是从时间还是空间上都对企业的生产和管理方式提出了新的要求。由于顾客需求的多样化，使企业的生产方式向客户需要我生产什么产品，我就给客户生产什么样产品转变，因此企业生产经营和供应链管理的源头和终点就成了订单需求^[1]。由于现代的市场已经成为买方市场，所以是否能够抓住尽可能多的顾客成为企业是否能够生存下去的关键。而是否能够吸引并抓住顾客，完全就由我们的产品是否能够最大可能的满足顾客的要求决定，取决于我们是否能够及时有效地应对市场以及顾客需求的变化。所以，我们的企业要按照顾客的需求订单来计划安排我们的采购、生产、物流配送、安装调试等一系列活动，因为只有这样才能满足顾客的要求，从而牢牢的抓住顾客。同时我们也可以提高企业及整条供应链的柔韧性、尽可能的减少生产成本，尤其是库存成本。所以就是在这种时代背景下，企业是否能够准确的预测生产订单就变得尤为重要，它已经成为企业采购、生产、物流配送等等一系列活动的起点。减少企业供应链的提前期，增强企业生产的敏锐性，尽可能的使企业做到JIT ( Just In Time)，并提升它的综合实力以增强它的竞争力，就需要我们的企业能够准确的预测企业的订单需求。在实际的市场经济情况中，各种各样突发情况使我们如何准确预测订单变得更难。本文利用BP神经网络建立预测模型^[2]。

请支付后下载全文，论文总字数：24589字