声明
第1章 绪论
1.1 研究背景
1.2 研究目的及意义
1.2.1 研究目的
1.2.2 研究意义
1.3 国内外研究现状
1.3.1 供应链牛鞭效应研究现状
1.3.2 供应链需求预测方法研究现状
1.3.3 研究中存在的问题
1.4 论文主要内容及研究方法
1.4.1 主要研究内容
1.4.2 研究方法及技术路线
第2章 相关理论基础及分析
2.1 小波分析方法概述
2.1.1 离散小波变换
2.1.2 多尺度分解
2.1.3 几种常见的小波
2.2 时间序列预测方法分类及评判标准
2.2.1 时间序列预测方法的主要类型
2.2.2 循环神经网络及其衍生的长短时记忆网络
2.2.3 时间序列预测方法的评判标准
2.3 牛鞭效应成因分析及量化基本方法
2.3.1 牛鞭效应的成因分析
2.3.2 牛鞭效应量化基本方法
2.4 小结
第3章 基于DWT-DLSTM的需求预测方法研究
3.1基于 DWT和DLSTM集成的预测方法设计思路
3.1.1 小波-需求信息-长短时记忆网络的关联性分析
3.1.2 DWT处理需求信息的合理性分析
3.1.3 LSTM对于小波分解数据输入处理的合理性分析
3.2 DWT-DLSTM预测方法设计
3.2.1 DWT-DLSTM预测方法主要步骤设计
3.2.2 DWT-DLSTM网络分析
3.2.3 DWT-DLSTM网络学习方法
3.3 DWT-DLSTM预测模型训练与实例求解
3.3.1 小波变换实例求解
3.3.2 DWT-DLSTM预测模型实验结果
3.3.3 与DLSTM模型预测对比分析
3.3.4 与其它牛鞭效应预测方法对比
3.4 小结
第4章 基于DWT-DLSTM预测法的牛鞭效应量化建模
4.1 二级供应链订货过程分析
4.1.1 需求模型
4.1.2 库存策略
4.2 基于DWT-DLSTM的牛鞭效应量化建模流程分析
4.2.1 建模流程分析
4.2.2 建模步骤
4.3 基于DWT-DLSTM的牛鞭效应量化模型的建立
4.3.1 OUT补货策略下的牛鞭效应量化模型
4.3.2 库存平滑补货策略下的牛鞭效应量化模型
4.3.3 订货平滑补货策略下的牛鞭效应量化模型
4.3.4 一般线性补货策略下的牛鞭效应量化模型
4.4 基于DWT-DLSTM的牛鞭效应参数分析
4.4.1 不同补货策略下的DWT-DLSTM牛鞭效应表达式分析
4.4.2 DWT-DLSTM预测方法下关键参数分析
4.5 小结
第5章 牛鞭效应量化实例及分析
5.1 实例背景与开发环境
5.1.1 实例背景及数据获取
5.1.2 实验开发环境
5.2 离散小波分解结果
5.2.1 时间序列需求数据分解
5.2.2 求解最佳分解层数
5.3 DWT-DLSTM预测结果及分析
5.3.1 预测模型参数设置
5.3.2 预测结果分析
5.4 牛鞭效应量化结果分析
5.4.1 不同库存策略下的牛鞭效应量化结果计算
5.4.2 不同预测方法下的牛鞭效应量化结果比较分析
5.5 小结
第6章 结论与展望
6.1 全文总结
6.2 研究展望
致谢
参考文献
攻读硕士学位期间发表的学术论文
攻读硕士学位期间参与的科研项目
附录
武汉理工大学;
