导读:本文包含了库存预测论文开题报告文献综述及选题提纲参考文献，主要关键词:小波,ARMA模型,库存数据预测
库存预测论文文献综述
季金凤,张少中[1]（2019）在《基于小波ARMA模型的零售商品库存预测》一文中研究指出为了提高库存需求预测的准确率,增强零售企业对市场需求的适应能力,提出一种基于小波变换和ARMA(自回归滑动平均)模型的库存需求预测方法。先采用小波变换对数据进行去噪,然后对各尺度下的小波系数进行重构,建立较能反应其本质规律的ARMA模型,最后得到预测结果。实验结果表明:预测误差相当于真实均值的5.05%——说明预测误差合理;预测误差的标准差为14.04——说明预测误差的波动不大,预测稳定。(本文来源于《浙江万里学院学报》期刊2019年06期）
周扬帆[2]（2019）在《深度学习在物流库存预测中的应用研究》一文中研究指出在物流企业快速发展和扩张的过程中,对于物流库存预测的需求也逐渐产生,并不断发展。物流库存预测是物流主体进行运作的决策基础,在整个运作过程中起着举足轻重的作用。在理论结合实践过程中,也产生了许多物流库存预测的方法和技术。但是随着近年来人工智能技术的飞速发展,深度学习在物流库存预测中的应用成为热点问题。文章以深度学习和物流库存预测的基本概念为基础,提出了深度学习在物流库存预测中的具体应用方法,旨在为物流主体运营提质增效提供有益借鉴。(本文来源于《经济师》期刊2019年11期）
陈国洪,刘烁,李燕燕,陈晔[3]（2019）在《大数据挖掘在协议库存物资需求预测的研究和应用》一文中研究指出国网福建电力公司开展协议库存物资需求预测,着重解决当前因协议库存物资需求计划不准确而造成物资结构性缺货、协议合同长期未执行等难题。通过整合ERP系统项目模块和物资模块的海量数据,利用Python算法库挖掘数据的内在联系,先对项目名称进行关键词选取及项目分类,再对项目类型、投资金额、地市、城乡等开展皮尔森相关分析,选取关键影响因子,最后采用随机森林构建大数据模型进行配网物资需求预测,大幅提升预测准确性。(本文来源于《信息通信》期刊2019年09期）
程瑶玉[4]（2019）在《ATO模式下制造商零部件需求预测与库存控制研究》一文中研究指出随着经济全球化,信息变革时代的到来,客户更加追求满足其个性化需求的产品,同时对企业响应速度的要求也日益提高,这使得以最短的时间满足客户多样化需求成为了企业竞相追逐的目标。为了更好的适应市场,企业纷纷采取各种先进的生产技术和管理理念,并逐渐转型为按订单装配(Assemble-to-order,ATO)生产模式的企业。ATO模式下,企业接到客户订单后,按客户订单需求将提前采购入库的零部件装配成产品,之后交付给客户。因此,零部件合理库存控制成为影响ATO模式顺利实施的关键因素。论文以ATO模式下制造商零部件库存管理为出发点,研究了ATO模式下制造商零部件库存控制问题。主要结合ATO模式下零部件需求不稳定性的特点,建立了制造商零部件需求预测模型;依据零部件分类结果制定了平稳需求与非平稳需求零部件库存控制策略。首先,明确了ATO模式的内涵和特点、ATO模式下制造商的生产运作模式,分析了ATO模式下制造商零部件需求预测与库存控制的方法及影响因素。其次,确定了ATO模式下制造商零部件需求量取决于订单量,从而可以根据订单预测结果结合产品零部件明细表(Bill of Materials,BOM)汇总出零部件需求量,即为零部件需求预测量;基于此考虑需求预测影响因素非线性特征,构建基于NAR(Nonlinear Auto-Regressive)网络ATO模式下制造商订单预测模型,并进行算例求解,检验模型的实用性。之后,结合零部件分类制定了平稳需求以及非平稳需求下零部件库存控制策略,以零部件需求预测的结果为依据,对每种策略下零部件库存控制相关参数进行建模求解。最后,以某摩托车企业为例,针对企业库存控制存在的主要问题,运用零部件需求预测模型、零部件分类方法以及零部件库存控制策略进行了改进和优化,从而验证论文研究方法的有效性和合理性。图19幅,表24个,参考文献66篇。(本文来源于《西安工程大学》期刊2019-05-29）
孙嘉坤[5]（2019）在《航空器材需求预测及库存优化探讨》一文中研究指出本篇文章首先对航空器材基本含义进行概述,从需求预测方式不合理、航空器材管理方式滞后、缺少完善的评估机制、航材共享意识淡薄四个方面,对航空器材管理现状进行解析,并以此为依据,提出航空器材需求预测及库存优化对策。(本文来源于《科技风》期刊2019年10期）
段磊[6]（2019）在《基于组合需求预测模型的S公司库存控制研究》一文中研究指出库存控制与需求预测作为企业运营中较为核心的部分,它们之间相辅相成,互相作用,一方面,精准的需求预测会有效减轻存货水平、提高库存管理的效率,另一方面,良好的库存控制能够制定精准的生产计划,从而有效提高需求预测的准确性。因此对企业的需求预测与库存控制研究具有极其重要的理论价值和应用前景。目前,国内外制造企业一直致力于产品库存与需求的优化,但由于快速变化的市场,以及库存决策的不科学,使得企业无法做好产品的库存管理工作,因此,在信息时代下,如何快速响应市场变化,做好需求预测与库存控制是制造企业需要解决的一个难点问题。本文以S公司为研究对象,通过文献研究与实践调研,分析总结了S公司产品需求及库存控制特点,并从需求预测、库存周转率、库存成本等方面对S公司的库存控制现状进行描述,进而提出S公司存在需求预测不合理、库存决策不科学等亟待解决的问题。针对于S公司产品需求波动大,预测方法没有针对性等问题,本文构建了基于BP神经网络和灰色GM(1,1)的组合模型来对产品需求进行预测,以此更好的适应S公司产品需求的特点。同时与公司原有预测方法进行对比分析发现组合模型预测效果更佳。针对于S公司库存决策不合理的问题,本文构建了基于需求预测与库存动态规划的综合模型,通过与公司原有的库存模型进行对比分析,发现综合模型在减少缺货与节约成本方面具有一定的优势。最后,根据模型的对比效果,提出了对S公司库存管理的建议。(本文来源于《南京航空航天大学》期刊2019-03-01）
王美洁,姜同强[7]（2019）在《基于BP神经网络的空调物料库存预测研究》一文中研究指出空调制造中需要的物料种类较多,物料的供应风险和产品重要程度对空调物料的库存量有着极大影响,影响着企业库存总成本。通过卡拉杰克矩阵对空调物料进行分类研究,建立了基于BP人工神经网络的空调物料预测模型。笔者根据空调物料企业库存数据,验证了模型的有效性。(本文来源于《信息与电脑(理论版)》期刊2019年04期）
刘金荣,冯永祥,武星宇[8]（2019）在《基于神经网络优化算法的库存预测应用研究》一文中研究指出在药品流通领域中,企业及时供货可以提高合作商的满意度,较为科学的库存需求预测方法显得非常重要.神经网络算法模型是一种自适应系统,具备自学习功能,可以从已知数据中自动拟合出数据之间具体的非线性关系.以医药企业药品库存历史数据为基础,把库存历史数据分成训练集、验证集和测试集,在神经网络模型训练过程中结合遗传算法优化预测模型,并用测试集完成模型预测效果验证,预测结果就是未来一周的库存需求量.通过库存预测应用研究,可以为企业制定合理的药品采购计划提供参考.(本文来源于《内蒙古工业大学学报(自然科学版)》期刊2019年01期）
聂敬,胡卉,杨万里,刘庆凯[9]（2019）在《基于XNN的库存需求预测》一文中研究指出随着机器学习算法在模型的拟合和应用上的灵活性和预测性能逐渐提高,机器学习算法得到了广泛应用。BP人工神经网络作为机器学习算法的一种,已广泛应用于供应链需求预测,但由于模型的复杂性,使得专业的数据分析人员在没有额外工具的帮助下很难解释预测结果。文章借鉴了可解释神经网络(XNN),一种专门用于学习可解释特征的结构化神经网络,来进行供应链的库存需求预测。与完全连接的神经网络不同,XNN设计的特征可以从网络中以相对直接的方式提取出来,并显示结果。通过适当的正则化,XNN对特征和预测结果之间的关系提出的简洁的解释。并以实例说明这种可解释的需求预测的特性。(本文来源于《物流科技》期刊2019年01期）
陈焱,韦心宇,严谨[10]（2018）在《基于动态规划和大数据建模的电厂燃料库存结构预测模型及系统开发应用》一文中研究指出近年来,电厂煤种复杂多变,配煤掺烧已成为我国燃煤电厂燃料和发电运行的主要技术手段之一,如何在多煤种条件下实现燃料采购与发电运行的协同管控,并进行精细化的配煤掺烧工作成为电厂面临的难题。本成果针对燃煤电厂普遍存在的配煤掺烧下库存结构失衡的问题,创新性的引入了动态规划和大数据分析(本文来源于《企业管理》期刊2018年S2期）
库存预测论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
在物流企业快速发展和扩张的过程中,对于物流库存预测的需求也逐渐产生,并不断发展。物流库存预测是物流主体进行运作的决策基础,在整个运作过程中起着举足轻重的作用。在理论结合实践过程中,也产生了许多物流库存预测的方法和技术。但是随着近年来人工智能技术的飞速发展,深度学习在物流库存预测中的应用成为热点问题。文章以深度学习和物流库存预测的基本概念为基础,提出了深度学习在物流库存预测中的具体应用方法,旨在为物流主体运营提质增效提供有益借鉴。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
库存预测论文参考文献
[1].季金凤,张少中.基于小波ARMA模型的零售商品库存预测[J].浙江万里学院学报.2019
[2].周扬帆.深度学习在物流库存预测中的应用研究[J].经济师.2019
[3].陈国洪,刘烁,李燕燕,陈晔.大数据挖掘在协议库存物资需求预测的研究和应用[J].信息通信.2019
[4].程瑶玉.ATO模式下制造商零部件需求预测与库存控制研究[D].西安工程大学.2019
[5].孙嘉坤.航空器材需求预测及库存优化探讨[J].科技风.2019
[6].段磊.基于组合需求预测模型的S公司库存控制研究[D].南京航空航天大学.2019
[7].王美洁,姜同强.基于BP神经网络的空调物料库存预测研究[J].信息与电脑(理论版).2019
[8].刘金荣,冯永祥,武星宇.基于神经网络优化算法的库存预测应用研究[J].内蒙古工业大学学报(自然科学版).2019
[9].聂敬,胡卉,杨万里,刘庆凯.基于XNN的库存需求预测[J].物流科技.2019
[10].陈焱,韦心宇,严谨.基于动态规划和大数据建模的电厂燃料库存结构预测模型及系统开发应用[J].企业管理.2018