论文部分内容阅读
在供应链中,市场需求往往受到多个因素的影响,单一变量的预测方法已经无法达到预测期望。为了提高预测精度,削弱牛鞭效应,根据Agent理论构建供应链模型,提出一种基于多因素的支持向量机需求预测方法;通过选取主要影响因素,建立多变量SVM预测模型,并利用遗传算法对SVM模型的参数进行优化选择,最后利用算例进行仿真分析。实验结果表明,与单变量支持向量机相比,多变量支持向量机充分考虑影响市场需求的相关因素,最大程度挖掘了数据中的有效信息,提高了供应链需求预测的准确性,从而缓解了供应链中的牛鞭效应。