[发明专利]一种具有时间序列特性的产品订单预测方法及装置

说明书

技术领域

本发明属于企业生产管理领域，具体涉及一种具有时间序列特性的产品订单预测方法及装置。

背景技术

订单预测是现代企业生产管理的重要内容之一。现代经济是激烈的市场经济，市场中顾客的需求趋于个性化和多样化，这就对企业的生产经营模式和管理方法提出了新的要求。因此，代表客户需求的订单模式就成了企业经营管理和供应链管理的源头和终点。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。而抓住客户的关键就在于产品是否能够最大限度满足客户的需求，是否能够及时应对市场和客户需求的变化。这就要求企业应该按照市场和客户的需求订单量来组织企业各部门的采购、生产、物流配送等一系列企业活动，这样才能最大限度的调动企业各个部门的生产积极性，极大的提高企业和整条供应链的生产效率，降低运营成本。正是在这样的背景下，准确地预测产品订单就显得格外重要，并成为企业采购、生产、销售等企业活动的正确指引，为下一个生产周期的资源平衡计划提供指导，提高供应链的灵敏度，令生产部门能够合理安排产能及准备生产原料，适应钢铁行业智能化、现代化发展的需要。

时间预测是一个多学科交叉的领域，也是动态数据分析处理的重要手段之一。面对现在越来越多的海量数据，无论是时间上还是空间上，传统的数据分析处理手段已经很难胜任，大量具有重要实际生产意义的信息因为无法得到及时、正确的处理被浪费。所以，为了对具有时间特性的动态数据进行分析处理，必须从分析时间序列数据的变化特征入手，建立适当的预测模型，再根据惯性原则，假定预测对象以往的变化趋势会延续到将来，从而做出较为科学的预测。通过趋势分析，可以在较合理的情况下，制定出长期或短期的预测。趋势分析实际上就是时序序列预测，目前在科学、经济、工程等诸多领域都具有相当的应用研究价值。本发明在原有动态时间序列预测应用研究的基础上，将小波神经网络方法引入时间序列预测，并对此进行较为深入的应用研究。

目前，订单预测的方法很多，从当前研究的方法看，大多是以数据挖掘的方法进行，这些方法在生产应用过程中存在算法复杂的局限性，并且缺乏在数据预测之前对数据的可视化探索，同时应用于动态数据分析优势不明显，不能够体现动态数据的发展趋势。

研究表明，将小波神经网络理论引入时间序列预测模型中，并对动态时序数据进行预测分析，具有很强的应用价值。因为小波神经网络是一种人工智能神经网络，它可以模仿和延伸人脑智能、思维、意识等功能，具有很强的自学习和自适应能力，并且可以进行非线性动态处理，解决非线性问题，满足系统实时性的要求。

发明内容

本发明针对产品订单预测具有时间序列模型的特点，提供了一种具有时间序列特性的产品订单预测方法及装置，以提高订单预测精度，为下一个生产周期的资源平衡计划提供指导，令生产部门能够合理安排产能及准备生产原料，适应企业智能化、现代化发展的需要。

为了达到上述目的，本发明采用如下技术方案：

一种具有时间序列特性的产品订单预测方法，包括：

步骤1、根据存储的历史订单数据获取企业每个时间点的订单数据的统计值；

步骤2、根据订单数据的时间序列特性选取预测模型，确定预测模型的预测输出方程；

根据订单数据的时间序列特性，选取小波神经网络作为时间序列预测模型，在输入历史订单量序列样本为x_i(i＝1,2,...,k)时，隐含层输出计算公式为