产品需求预测是企业供应链管理的关键环节,通过预测,企业可以制定科学合理的原材料采购计划、生产计划、人员配备计划以及库存计划。因此,产品需求预测对企业的经营决策具有重要的研究意义。本文对基于人工神经网络的产品需求预测进行了以下研究和探索。(1)介绍了人工神经网络,特别是前馈神经网络的理论和算法。讨论了前馈神经网络的组成、网络神经元的响应函数特征以及多层神经网络的构造方法,并且讨论了训练样本的选择及其预处理的方法。研究表明三层神经网络己经足以逼近任何复杂的连续非线性输入输出映射关系。(2)介绍了作者所在生产企业特定的产品需求预测体系。介绍了计划BOM在企业产品需求预测体系中的地位和作用。在此基础上提出了将人工神经网络的理论和算法应用到计划BOM的制定中的思路。并按照这个思路和过程进行了基本的模型设计。从现状出发,提出了应用历史平均值的方法进行比较研究。(3)介绍了基于人工神经网络预测模型的程序实现,结合实际中企业计划BOM的制定过程,详细讨论了在MATLAB软件平台上人工神经网络模型的实现。采用训练好的神经网络预测在特定条件下的计划BOM数据,验证系统的有效性和实用性。相对于企业现在采用的单纯取平均值的方法来说,预测结果表明神经网络模型具有明显的优势,在一定程度上可以增强预测精度,提高准确性。对于生产型企业来说,一般的预测都是由销售直接给出的预测数据。但是对于压缩机行业来说,由于它的产品的特殊性和以中间商为销售商的销售体系,无法直接从销售得到产品的销售预测,在这种情况下,生产企业必须直接参与预测研究。计划BOM正是联接销售预测和企业资源计划的重要环节。人工神经网络建模是通过数据本身的内在联系建模的,建模过程就是学习过程,因此这是一种归纳思维的方法。在这过程中表现出来的良好的适应性与自学习能力、较强的抗干扰能力正是人工神经网络最突出的优点。基于这些特点,人工神经网络模型的方法为企业的预测研究提供了良好的工具,通过它可以进一步提高预测的科学性与准确度,更好地为企业决策提供更可靠的预测信息。