(3.238.235.155) 您好!臺灣時間:2021/05/16 18:08
字體大小: 字級放大   字級縮小   預設字形  
回查詢結果

詳目顯示:::

我願授權國圖
: 
twitterline
研究生:張祐嘉
研究生(外文):Yu-Chia Chang
論文名稱:階段式整合預測在品牌產品銷售趨勢模型之研究
論文名稱(外文):The Implementation of Hybrid Modeling to Product Sales ForecastingThe Implementation of Hybrid Modeling to Product Sales Forecasting
指導教授:陳雲岫陳雲岫引用關係
指導教授(外文):Yun-Shiow Chen
學位類別:碩士
校院名稱:元智大學
系所名稱:工業工程與管理學系
學門:工程學門
學類:工業工程學類
論文種類:學術論文
論文出版年:2005
畢業學年度:93
語文別:中文
論文頁數:83
中文關鍵詞:銷售預測GRNN灰預測灰關聯分析
外文關鍵詞:Sales ForecastingGRNNGrey Forecasting ModelGrey Relational Analysis
相關次數:
  • 被引用被引用:11
  • 點閱點閱:120
  • 評分評分:
  • 下載下載:0
  • 收藏至我的研究室書目清單書目收藏:0
摘要
時至今日,需求管理已經成為企業持續成功的必要條件,擁有好的需求預測的公司之抗風險性明顯較高。從供應鏈的觀點看,銷售預測是供應鏈計畫中重要的一環,它是需求的來源。簡言之,銷售預測不是主觀判斷,而是在日益成熟的流程和最佳化的演算法模型指導下的科學。因此,建構一個企業所需要以及適合的銷售趨勢模型,將是本研究的最大宗旨所在。
以往的傳統銷售預測,純就單一預測模式建構已逐漸不復需求,是故,本研究將選取兩種預測模式做搭配,作階段性的整合銷售趨勢模型建構,以提高預測準確度。首先於第一階段中,透過灰關聯分析,進行銷售量的相關影響因子之篩選,並且考慮季節趨勢的影響,以溫氏指數平滑法所得之預測值作為模式的一個輸入變數。接著採用通用迴歸神經網路(General Regression Neural Networl)作為預測模式的主體架構。同時,在GRNN的學習過程中,利用灰色預測的特性,來尋找其平滑常數 ,取代以往傳統的逐步遞減式搜尋,以期能建構一有效且快速的搜尋方式。
實證結果顯示,GRNN模式之平均誤差百分比僅為7.3%,其預測效果與預測穩定度皆比複迴歸分析與指數平滑法來得較佳,並且透過灰關聯分析確能有效篩選因子進而提高預測的準確性。同時也由結果知,在GRNN網路學習中,以灰預測搜尋最適的平滑參數會是一個簡單且快速的有效率方法,這將提供除了依靠電腦程式外的另一項新選擇與應用。
Abstract
In supply chain management, sales forecasting plays an important role in the supply chain planning. The simplex forecasting method is no longer to meet our requirement. In this paper, we propose a hybrid forecasting model to predict the product sales. First, in the traditional forecasting methods seasonal and trend factors considered by winter’s exponential smoothing method, effective economical factors are picked by grey relational analysis. Then, the general regression neural network(GRNN)is adopted as the main structure in forecasting model to establish a sale trend model. Besides, in the process of learning GRNN, we use the grey forecasting model searching for the smoothing parameter σ in order to construct an effective and quickly searching method.

The proposed model is verified by real data. The testing result shows that the Mean Absolute Percentage Error(MAPE)of GRNN model is only 7.3%. Its forecasted effectiveness and forecasted stability are better than multiple regression model and winter's exponential smoothing method. The accuracy of forecast can be enhanced by effectively picking factors with grey relational analysis. Also, it will be a simple and effective method to find adequate the smoothing parameters by grey forecasting in learning of GRNN network.
目錄

中文摘要i
英文摘要ii
誌謝iii
目錄iv
表目錄vi
圖目錄viii
第一章 緒論1
1.1 研究背景與動機1
1.2 研究問題與目的2
1.3 研究方法與步驟3
1.4 研究架構4
第二章 文獻探討6
2.1 自有品牌6
2.2 預測概論7
2.2.1 銷售預測7
2.2.2 預測方法8
2.3 灰色系統理論13
2.3.1 灰色預測類型14
2.3.2 灰色理論相關研究14
2.4 通用迴歸神經網路16
2.5 整合預測之文獻探討17
第三章 研究方法19
3.1 GRNN簡介19
3.1.1 GRNN的理論背景19
3.1.2 決定GRNN的平滑參數21
3.1.3 GRNN的實行步驟22
3.1.4 GRNN與其他類神經網路之不同22
3.2 灰色預測23
3.2.1 灰色建模24
3.2.2 GM(1 , 1)模型24
3.3 灰關聯分析26
3.4 誤差分析29
3.4.1殘差檢驗(Residual Checking)29
3.5灰色預測之流程圖30
3.6 溫式指數平滑法31
第四章 問題定義與預測模型的建構32
4.1 問題定義與研究限制32
4.1.1 時間序列層面33
4.1.2 生產資源層面33
4.1.3 整體經濟層面33
4.2 以GRNN為基礎的預測模型建構34
4.2.1 第一階段變數篩選程序建立35
4.2.2 第二階段GRNN主體架構與平滑參數搜尋方式之建立36
4.3 預測績效評估指標39
第五章 實証分析與討論40
5.1 灰關聯分析41
5.1.1 關聯度分析41
5.1.2 關聯度整理45
5.2 溫式指數平滑法47
5.3 GRNN主體架構與平滑參數搜尋方式之建立50
5.3.1 GM(1,1)建模50
5.3.2 不同數量的訓練範例對GRNN模式學習之影響63
5.3.3 不同層面的輸入因子對GRNN模式之預測的影響64
5.3.3 不同的輸入因子對GRNN模式之預測的影響66
5.4 複迴歸模型分析69
5.5 模式預測能力之比較與預測誤差分析73
5.5.1 模式預測能力之比較73
5.5.2 綜合比較75
第六章 結論建議與未來研究方向78
參考文獻80
參考文獻
1.Angela, P.A., M. E. Camargo, R.R. and D. G. Petry, “Sales Forecasting Using Time Series and Neural Networks,” 19th International Conference on Computers and Industrial Engineering, Vol. 31, pp. 421-424, 1996.
2.Charytoniuk, W. and M. S. Chen, ”Neural-network-based demand forecasting in a deregulated environment,” IEEE Transactions on industry applications, Vol. 36, pp.893-898, 2000.
3.Deng, Ju-Long, “Control Problems of Grey systems, System and Control Letter, Vol. 1, 1982.
4.Disorntetiwat, P. and C. H. Dagli, “Simple Ensemble-averaging Model Based on Reneralized Regression Neural Network in Financial Forecasting Problems,” Adaptive Systems for Signal Processing, Communications and Control Symposium 2000 IEEE AS-SPCC, pp. 477–480, 2000.
5.Fu, Chaoyang., J. Zheng and J. Zhao and W. Xu, “Applying of grey relational analysis for corrosion failure of oil tubes,”Corrosion Science, Vol. 43, pp. 881-889, 2001.
6.James, T. L., O. R. Jens and S. Brian, “A Hybrid Econometric-neural Network Modeling Approach for Sales Forecasting,” Tourism Management, Vol. 27, pp. 175-192, 1996.
7.Kao, P. S., Hocheng, H., “Optimization of Electrochemical Polishing of Stainless Steel by Grey Relational,”Journal of Materials Processing Technology, Vol 140, pp. 255-259, 2003.
8.Kim, Y. S, B. J. Yum and M. Kim, “A Hybrid Model of Partial Squares and Artificial Neural Network for Analyzing Process Monitoring Data,” 2000 IEEE,, pp. 2292-2297, 2001.
9.Law, Rob. and Norman Au, “A Neural Network Model to Forecast Japanese Demend for Travel to Hong Kong,” Tourism Management, Vol. 20, pp.89-97, 1999.
10.Lee, K. C., I. Han and Y. Kwon, “Hybrid Neural Network Model for Bankruptcy Predictions,” Decision Support Systems, Vol. 18, pp. 63-72, 1996
11.Leung, M. T., A. S. Chen and H. Daouk, “Forecasting Exchange Rates using General Regression Neural Networks,” Computers & Operations Research, Vol. 27, pp.1093-1110, 2000.
12.Lin, chin-Tsai, Shih-Yu. Yang, “Forecast of The Output Value of Taiwan’s Opto-Electronics Industry Using The Grey Forecasting Model,” Technological Forecasting and Social Change, Vol. 70, pp. 177-186, 2003.
13.Marketing Definition:“A glossary of Marketing Terms,”Chicago:American Marketing Association, 1960
14.Patton, J. B. and J. Ilic, “Identification of Static Distribution Load Parameters Using General Regression Neural Networks,” Proceedings of the 36th Midwest Symposium on Circuits and Systems, Vol. 2, pp.1023-1026, 1993..
15.Specht, D. F.,“A General Regression Neural Network,”IEEE Transactions on Neural Networks, pp. 568-576. 1991.
16.Still, Richard R,W.C. Edward and A.P. Govoni Norman, Sales Management, 1988
17.Tseng, F.-M, H.-C. Yu, G.-H. Tzeng, “Applied Hybrid Grey Theory to Forecast Seasonal Time Series,” Technological Forecasting anfSocial Change, Vol. 67, pp. 291-302, 2001.
18.Yip, D. H. F., E. L. Hines and W. W. H. Yu, “Application of Artificial Neural Networks in Sales Forecasting,” International Conference on Neural Networks, 1997.
19.Younes Chtioui, Suranjan Panigrahi and Leonard Francl ,“A generalized regression neural network and its application for leaf wetness prediction to forecast plant disease,”Chemometrics and Intelligent Laboratory Systems Vol.48 , ,pp. 47-58, 1999.
20.Yu, S. and L. Guan, “Feature Selection Using General Regression Neural networks for the Automatic Detection of Clustered Microcalcifications,” Proceedings of the 1999 IEEE International Conference on Acoustics Speech and Signal, Vol. 2, pp. 1101–1104. 1999.
21.方世杰編校,市場預測方法一百種,書泉出版社,1998年。
22.林茂文箸,時間數列分析與預測,增訂版,華泰書局,1992年。
23.林隆儀、羅文坤、鄭英傑,新產品行銷策略,超越企管顧問股份有限公司,1991年。
24.周文賢.魏銘佐,企業預測—理論架構與實務運作,華泰文化,2000年
25.郭倉義譯,作業管理,第九版,新陸書局,2001年。
26.春日井博,方世榮校閱,需求預測入門,書泉出版社,1978年。
27.張百棧,生產管理,華泰書局,1996年。
28.葉怡成,應用類神經網路,儒林出版社,1997年。
29.溫坤禮、黃宜豐、陳繁雄、李元秉、連志峰、賴家瑞編著,「灰預測原理與應用」,全華科技圖書股份有限公司,2002年
30.溫坤禮、黃宜豐、張偉哲、張廷政、游美利、賴家瑞編著,灰關聯模型方法與應用,高立圖書有限公司,2003年
31.鄧聚龍箸,淡江大學電機系校閱,灰色系統理論與應用,高立圖書有限公司,2000年。
32.林振松,「應用類神經網路於啤酒之銷售預測」,國立雲林科技大學工業工程預管理研究所,雲林(2001)
33.張瑤峰,「纇神經於銷售預測上之應用」,元智大學工業工程與管理研究所,2001年
34.曾育培,「類神經網路於醫療業顧客失約預測之應用」,國立台北科技大學生產系統工程與管理研究所,2001年。
35.黃在田,「灰色預測理論應用於板厚量測最佳精度之研究」,國立成功大學造船及船舶機械研究所,2000年
36.黃仲達,「灰色理論在農產銷售預測及其供銷關係探討之應用」,國立嘉義大學運輸與物流工程研究所,2002年
37.詹琇伃,「結合ARIMA模式與倒傳遞網路以降低預測誤差」,成功大學工業管理所,2004年。
38.陳學毅,「匯率預測模型績效之研究--時間序列及灰色預測模型之應用」,東海大學國貿研究所,2003年。
39.蔡蓉媛,「通用迴歸類神經網路在中長期電力需求預測模式之研究」,私立元智大學工業工程研究所,2001年 。
40.劉亭宜,「GRNN在晶圓製造裡良率模式之建構與分析」,私立元智大學工業工程研究所,2000年 。
41.謝企榮,「整合類神經網路及灰色理論於國內上櫃股價指數預測模式建立之研究」,義守大學管理科學研究所,1998年。
42.趙嬙,「灰色預測理論應用於汽車產業預測之研究-以台灣,大陸市場為例」,朝陽科技大學企業管理所,2003年。
43.謝志森,「應用灰色預測理論於台灣化妝品消費市場發展趨勢之預測」,朝陽科技大學企業管理所,2004年。
QRCODE
 
 
 
 
 
                                                                                                                                                                                                                                                                                                                                                                                                               
第一頁 上一頁 下一頁 最後一頁 top
1. 張淑美(民84)。從自我概念談青少年的自我追尋與其輔導,學生輔導通訊,36,88-95。
2. 張景媛(民83)。教學策略與師生關係。北縣教育,2,52-55。
3. 洪若和(民82)。國小兒童自我概念之相關研究。中華輔導學報,1,131-157。
4. 范靖惠(民88)。休閒知覺自由與青少年自我概念。學生輔導,60,58-67。
5. 周文欽(民84)。三因素之適應模型:適應問題、因應方式及適應狀況。空大生活科學學報,創刊號,25-44。
6. 邱皓政(民92)。自我概念向度與成份雙維理論之效度檢驗與相關因素研究。教育與心理研究,26,85-131。
7. 林寶貴、錡寶香(民82)。高職階段聽覺障礙學生制控信念與自我概念之研究。特殊教育研究學刊,9,51-72。
8. 李豐章(民83)。淺談師生關係。北縣教育,3,24-25。
9. 李坤崇、歐慧敏(民85)。青少年因應策略量表編製報告。測驗年刊,43,241-262。
10. 李坤崇(民81)。國小學生學習適應及其相關因素之賡續研究。臺南師院學報,258,83-122。
11. 吳麗娟(民87)。父母自我分化、教養態度對青少年子女自我分化、因應策略及適應影響之研究。教育心理學報,30(1),91-132。
12. 吳錦松(民82)。自我概念與生活適應、心理健康關係之研究。黃埔學報,25,103-110。
13. 吳琇瑩(民86)。校園倫理與師生關係。測驗與輔導,141,2906-2908。
14. 吳昆壽(民87)。融合教育的省思。特教新知通訊,5(7),1-2。
15. 吳武典(民86)。國中偏差行為學生學校生活適應之探討。國立台灣師範大學教育心理與輔導學系教育心理學報,29,25-50。