基于神經(jīng)網(wǎng)絡(luò)的物流系統(tǒng)預(yù)測(cè)法

第四節(jié)

基于神經(jīng)網(wǎng)絡(luò)的物流系統(tǒng)預(yù)測(cè)法關(guān)于神經(jīng)網(wǎng)絡(luò)的理論研究證明：一個(gè)三層前饋神經(jīng)網(wǎng)絡(luò)能以任意精度逼近一個(gè)任意復(fù)雜的非線性函數(shù)。

神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的原理：利用其強(qiáng)大的非線性映射能力，通過(guò)對(duì)歷史數(shù)據(jù)樣本的學(xué)習(xí)自動(dòng)產(chǎn)生自變量與因變量之間的非線性映射關(guān)系，并將這種關(guān)系隱含在神經(jīng)網(wǎng)絡(luò)的結(jié)構(gòu)和參數(shù)中；對(duì)任一新的自變量值，可很快利用該網(wǎng)絡(luò)輸出因變量值。（一）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的數(shù)學(xué)模型三層BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)上圖為多層前饋神經(jīng)網(wǎng)絡(luò)中應(yīng)用最廣泛的三層BP網(wǎng)絡(luò)的拓?fù)浣Y(jié)構(gòu)，由輸入層、隱含層和輸出層三層構(gòu)成，各層的神經(jīng)元個(gè)數(shù)分別為m、l、n。輸入層的m個(gè)節(jié)點(diǎn)代表m個(gè)自變量；輸出層的n個(gè)節(jié)點(diǎn)代表n個(gè)因變量，即要預(yù)測(cè)的多個(gè)目標(biāo)；隱層節(jié)點(diǎn)數(shù)可按經(jīng)驗(yàn)選定或試探確定，它影響的是網(wǎng)絡(luò)訓(xùn)練速度，一般l=（0.5~1）（m+n）。網(wǎng)絡(luò)的輸入、輸出向量分別為：X=(x1,x2,…,xn)TY=(y1,y2,…,yn)T在各層神經(jīng)元個(gè)數(shù)確定、各層神經(jīng)元間權(quán)重及閾值確定的情況下，對(duì)給定的輸入向量X，按下面的公式分別計(jì)算隱層和輸出層的神經(jīng)元的輸出值：f(*)是神經(jīng)元激活函數(shù)，一般取sigmoid函數(shù)：f(u)=1/(1+e-u)（二）神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的學(xué)習(xí)過(guò)程（1）正向計(jì)算第一步，確定初始參數(shù)：各神經(jīng)元節(jié)點(diǎn)數(shù)目、學(xué)習(xí)精度、迭代次數(shù)，初始權(quán)重及閾值。第二步，對(duì)任一輸入向量X，計(jì)算隱層輸出值，即算出輸出層的輸入值。

第三步，計(jì)算輸出層的輸出值。（2）誤差反向傳播計(jì)算

用網(wǎng)絡(luò)輸出值與樣本目標(biāo)值的誤差平方和作為預(yù)測(cè)評(píng)價(jià)值，即

其中，Gi為樣本目標(biāo)值，p為樣本總個(gè)數(shù)，Yi為網(wǎng)絡(luò)輸出值。

權(quán)值及閾值調(diào)整的迭代的計(jì)算公式：式中的，是網(wǎng)絡(luò)學(xué)習(xí)速率。

第四步，計(jì)算輸出值誤差（gk-yk）和bk。第五步，初定學(xué)習(xí)速率、=0.5~0.85。第六步，調(diào)整輸出層與隱層間的權(quán)重Wjk(2,3)和閾值