论文部分内容阅读
准确的短期需求预测是管理者拟定生产计划不可或缺的，但预测期程越短代表产品需求量的变化越不易呈现稳定的趋势。利用大量历史数据所产生的预测模型，因此不易掌握数据的实际发展样式，而无法得到理想的预测结果。若能利用拥有最新讯息的少量样本进行预测，不但能提升管里效益，更是企业维持竞争优势的基础。为了解决少量样本下的短期需求预测问题，本研究提出了残差离散灰模型。具体而言，我们先使用离散灰模型来建模，之后模型配适的残差值将透过潜在信息函数来产生训练样本，从而获得倒传递神经网络的拓谱结构，最后经由倒传递神经网络所得到的误差预测值会用于调整我们的预测值以获得较佳的预测效能。经过薄膜晶体管液晶显示器面板月需求量资料的实际测试，本研究所提出的模型建构程序能够产生不错的预测结果，是一个在少量样本下处理短期需求预测的适当工具。