公开(公告)号：CN113052330A

公开(公告)日：2021-06-29

申请号：CN202110305031.8

申请日：2021-03-18

Applicant: 淮北师范大学

Inventor： 石莉 ,  张明昊 ,  卓翔芝 ,  黄克 ,  刘圆

IPC: G06N20/10 ,  G06Q10/06 ,  G06Q50/04

Abstract: 本发明公开了一种基于VMD‑SVM算法的牛鞭效应弱化方法，首先采集原始需求信号f(t)，所述原始需求信号为企业取得的一个需求周期中每一个需求时间点的订货量的集合，其中t表示时间；其次，使用VMD算法将所述原始需求信号拆分为K个特征互异的本征模态函数uk和噪声余项Noise，uk表示第k个本征模态函数，其中k＝1,2,…,K；最后，将K个特征互异的所述本征模态函数uk相互叠加得到重构信号fR(t)，使得fR(t)＝u1+u2+…+uk。本发明通过与原始需求信号回归预测的结果相对比，验证了VMD‑SVM牛鞭效应弱化模型能够有效的过滤供应链中各环节产生的需求噪声、提高需求信息传递的精度，对牛鞭效应的弱化及供应链协同效率的提升起到一定的参考价值。

公开(公告)号：CN113052330B

公开(公告)日：2022-08-02

申请号：CN202110305031.8

申请日：2021-03-18

Applicant: 淮北师范大学

Inventor： 石莉 ,  张明昊 ,  卓翔芝 ,  黄克 ,  刘圆

IPC: G06N20/10 ,  G06Q10/06 ,  G06Q50/04

Abstract: 本发明公开了一种基于VMD‑SVM算法的牛鞭效应弱化方法，首先采集原始需求信号f(t)，所述原始需求信号为企业取得的一个需求周期中每一个需求时间点的订货量的集合，其中t表示时间；其次，使用VMD算法将所述原始需求信号拆分为K个特征互异的本征模态函数uk和噪声余项Noise，uk表示第k个本征模态函数，其中k＝1,2,…,K；最后，将K个特征互异的所述本征模态函数uk相互叠加得到重构信号fR(t)，使得fR(t)＝u1+u2+…+uk。本发明通过与原始需求信号回归预测的结果相对比，验证了VMD‑SVM牛鞭效应弱化模型能够有效的过滤供应链中各环节产生的需求噪声、提高需求信息传递的精度，对牛鞭效应的弱化及供应链协同效率的提升起到一定的参考价值。