[发明专利]一种基于BP神经网络的蔬菜冷链物流系统

说明书

本发明涉及蔬菜冷链物流技术领域，且公开了一种基于BP神经网络的蔬菜冷链物流系统，包括如下步骤：根据蔬菜冷链物流监测数据构建预警模型；建立预警指标体系；预警指标归一化；模型训练及预测；预警结果分类以及警情程度判定；步骤S1具体为：对整个供应链中蔬菜风险状况信息进行采集和汇总，经过数据处理后进行分析和评价，并构建BP神经网络；将PSO应用于BP神经网络的训练中，优化神经网络的连接权值；步骤S2具体为：根据整个冷链涉及的加工、贮藏、运输和销售四个环节，分析影响蔬菜风险品质和质量的因素。该基于BP神经网络的蔬菜冷链物流系统，方便准确地对蔬菜冷链物流进行及时预警。

技术领域

本发明涉及蔬菜冷链物流技术领域，具体为一种基于BP神经网络的蔬菜冷链物流系统。

背景技术

蔬菜冷链物流是指蔬菜从产地采摘后，在加工、运输、贮藏和销售等环节下始终处于相对适宜的低温环境中，最大程度地保证其品质和口感，减少损耗和环境污染的特殊供应链系统。据统计，每年由于冷链物流造成约113万吨蔬菜的浪费，总价值在100亿美元左右，其数量足以满足数亿人对蔬菜的需求量。现如今，蔬菜供货商之间竞争的核心不仅仅是价格，更加注重蔬菜的品质和口感。为了最大程度地提供给顾客高品质的蔬菜产品，因此实现对蔬菜冷链物流全程的实时监控和及时预警具有重要意义。

由于蔬菜冷链物流的预警涉及整个供应链，涵盖的范围广，受供应链环境复杂等诸多因素的影响，造成蔬菜产品受损的原因有所不同。传统的BP神经网络在对风险预警模型进行预测时收敛速度慢，易陷入局部权值，而且结果精度差，学习能力不强，因此导致预测结果误差较大。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于BP神经网络的蔬菜冷链物流系统，具备准确地对蔬菜冷链物流进行及时预警的优点，解决了现有技术中，BP神经网络在对风险预警模型进行预测时收敛速度慢，易陷入局部权值，而且结果精度差，学习能力不强，导致预测结果误差较大的问题。

(二)技术方案

为实现上述准确地对蔬菜冷链物流进行及时预警的目的，本发明提供如下技术方案：一种基于BP神经网络的蔬菜冷链物流系统，包括如下步骤：

S1：根据蔬菜冷链物流监测数据构建预警模型；

S2：建立预警指标体系；

S3：预警指标归一化；

S4：模型训练及预测；

S5：预警结果分类及警情程度判定。

优选的，所述步骤S1具体为：

S11：对整个供应链中蔬菜风险状况信息进行采集和汇总，经过数据处理后进行分析和评价，并构建BP神经网络；

S12:将PSO应用于BP神经网络的训练中，优化神经网络的连接权值。

优选的，所述步骤S2具体为：

根据整个冷链涉及的加工、贮藏、运输和销售四个环节，分析影响蔬菜风险品质和质量的因素，从蔬菜品质、环境、人文和设备四个方面确定蔬菜的风险指标，再运用层次分析法计算各个指标权重因子。

优选的，所述步骤S3具体为：

对数据做归一化处理，使所有数据取值范围限定在(0,1)之间，定性评价指标归一化处理，评判结果分五个等级：好、较好、一般、较差、差，对应的评价值为0.30、0.25、0.20、0.15、0.10，量评价指标归一化处理，采用最大最小值法，具体方法如下：

设x＝{x₁₁,...,x_ij,...}，i＝1,...,13；j＝1,...,200则：