| 摘要 | 第1-5页 |
| ABSTRACT | 第5-10页 |
| 第一章 绪论 | 第10-20页 |
| ·安全库存概述 | 第10-11页 |
| ·安全库存的概念 | 第10页 |
| ·影响安全库存的因素 | 第10页 |
| ·安全库存存在的问题 | 第10-11页 |
| ·人工神经网络在预测库存中的应用 | 第11-12页 |
| ·人工神经网络概述 | 第11页 |
| ·BP 神经网络在库存预测中的应用 | 第11-12页 |
| ·BP 算法改进的研究现状 | 第12-18页 |
| ·国外研究现状 | 第13-16页 |
| ·国内研究现状 | 第16-18页 |
| ·论文的主要研究内容及方案 | 第18-20页 |
| ·研究内容 | 第18-19页 |
| ·研究方案 | 第19-20页 |
| 第二章 安全库存的关键技术 | 第20-30页 |
| ·安全库存量的确定 | 第20-23页 |
| ·一般的安全库存量确定 | 第20-22页 |
| ·定期补货策略下安全库存量的确定 | 第22页 |
| ·定量补货策略下安全库存量的确定 | 第22-23页 |
| ·传统的安全库存模型 | 第23-25页 |
| ·安全库存的基本模型 | 第23-24页 |
| ·传统经济订货批量EOQ 模型 | 第24页 |
| ·ERP 中的安全库存模型 | 第24-25页 |
| ·数据挖掘技术 | 第25-29页 |
| ·数据挖掘概述 | 第25-26页 |
| ·常用的数据挖掘算法和模型 | 第26-28页 |
| ·数据挖掘和信息分析的融合 | 第28-29页 |
| ·本章小结 | 第29-30页 |
| 第三章 BP 神经网络算法的改进 | 第30-45页 |
| ·标准BP 算法 | 第30-36页 |
| ·标准BP 神经网络的拓扑结构 | 第30-31页 |
| ·标准BP 算法的学习过程 | 第31-35页 |
| ·标准BP 算法的步骤 | 第35-36页 |
| ·标准BP 算法的性能分析 | 第36-38页 |
| ·标准BP 算法的主要缺陷 | 第36页 |
| ·标准BP 算法存在缺陷的原因分析 | 第36-38页 |
| ·改进BP 算法 | 第38-44页 |
| ·变步长思想 | 第38-42页 |
| ·BP 神经网络的自调整 | 第42-44页 |
| ·本章小结 | 第44-45页 |
| 第四章 实验数据的收集和预处理 | 第45-54页 |
| ·试验数据的收集 | 第45-50页 |
| ·X 集团库存现状及存在的问题 | 第45-46页 |
| ·影响安全库存的因素分析 | 第46-47页 |
| ·试验数据的收集 | 第47-50页 |
| ·试验数据的处理 | 第50-53页 |
| ·数据清理 | 第50-51页 |
| ·数据集成 | 第51页 |
| ·数据预处理 | 第51-52页 |
| ·预测数据集 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第五章 基于改进BP 神经网络的安全库存预测模型的实现 | 第54-76页 |
| ·实验环境和网络结构的确定 | 第54-57页 |
| ·实验环境 | 第54页 |
| ·网络结构的确定 | 第54-57页 |
| ·基于VSBPNN 的原材料安全库存预测模型的实现 | 第57-62页 |
| ·网络初始化 | 第57-58页 |
| ·网络结构自调整 | 第58-59页 |
| ·网络训练 | 第59-60页 |
| ·仿真实验 | 第60-62页 |
| ·基于VSBPNN 的成品安全库存预测模型的实现 | 第62-69页 |
| ·网络初始化 | 第62-63页 |
| ·网络结构自调整 | 第63-65页 |
| ·网络训练 | 第65-66页 |
| ·仿真实验 | 第66-69页 |
| ·预测结果及分析 | 第69-75页 |
| ·标准BP 算法及其常用改进算法安全库存量预测 | 第69-72页 |
| ·VSBPNN 和常用改进BP 算法的比较 | 第72-74页 |
| ·传统EOQ 方法的预测 | 第74-75页 |
| ·VSBPNN 安全库存量预测模型评估 | 第75页 |
| ·本章小结 | 第75-76页 |
| 第六章 总结和展望 | 第76-78页 |
| ·本文的主要研究工作 | 第76页 |
| ·总结和下一步的工作计划 | 第76-78页 |
| 参考文献 | 第78-81页 |
| 致谢 | 第81-82页 |
| 附录1 数据处理表 | 第82-90页 |
| 附录2 实验主要代码 | 第90-94页 |
| 攻读学位期间的研究成果 | 第94页 |