一.研究的背景及意义：

现代经济是激烈竞争的市场经济,这对企业的生产模式和管理方式提出了新的要求。由于顾客需求的个性化和快速变化特征,使企业的生产模式从我能生产什么产品就卖什么产品,向顾客需要什么产品我就开发什么产品变化,因此,代表顾客需求的订单就成为企业生产经营和供应链管理(SCM- Supply ChainManagement)的源头和终点^[1]。

现代市场已经由卖方市场向买方市场转变,因此,能否抓住尽可能多的顾客成为企业生存和保持竞争力的关键。而抓住顾客的关键取决于我们的产品能否最大限度的满足顾客的需求,取决于我们能否及时地应对市场和顾客需求的变化。这就要求我们的企业应该按照顾客的订单组织我们的采购、生产、物流配送等一系列企业活动,只有这样才能使我们的产品适合顾客的需求,同时可以极地提高企业及整条供应链的柔性、降低生产经营成本,特别是库存成本。

正是在这种背景下,企业准确地预测生产订单就变得异常重要,它成为企业进行采购、生产等经营活动的起点。准确地预测企业的生产订单可以有效地缩短整条供应链的提前期,提高其敏捷性,使企业做到JIT(Just In Time),提高其竞争力。

现实的市场对我们预测订单的准确性提出了更高的要求,预测订单的方法有很多,本文利用BP神经网络和径向基函数网络建立预测模型。

二.国内外发展现状：

订单预测可分为长期和短期订单，国内的一般企业针对长期订单都是通过长期合约制作为基础的订单保证，多使用一个长期订单量（如一年的预估或统计值）对每周均摊，故无预测的必要性。短期订单无固定下单模式，属于量少样多切占有大部分营业额，因此，准确的短期订单预测可以大幅度削减存货以快速反应，故短期订单的预测将是研究的焦点。另外，由于行业的不同会影响订单预测的特性与因素考虑。而国外在这一方面做的要比国内更加先进一些。

现代经济是竞争激烈的市场经济,由卖方市场逐渐向买方市场转变是不可改变的发展趋势。这就要求我们的企业应该按照顾客的订单组织我们的采购、生产、物流配送等一系列企业活动,只有这样才能使我们的产品适合顾客的需求,同时可以极大地提高企业的柔性、降低生产经营成本。正是在这种背景下,企业准确地预测生产订单就变得非常重要。目前预测订单的方法有很多,例如基于灰色神经网络的订单需求预测算法。从当前研究的成果来看,国内外大都以传统数据挖掘的方法来进行,这些方法的局限性如下

1它们的各类实现算法相对比较复杂,就具体算法而言应用又过于单一；

2缺乏在数据预测之前对数据的可视化探索；