一种多准则库存分类的混合预测方法

提出一种基于混合模型,对企业库存信息管理系统中的物质项目进行多准则分类预测的方法。整个分类过程包括两部分:其一,以粗糙集方法作为初始分类工具,实现库存分类中多准则属性的约简,减少计算量,但不损失任何有效信息,同时,基于提出的三个信息测量概率规则,发展了抽取决策规则的穷尽算法和覆盖算法;其二,对于不能由粗糙集模型正确分类的物质项目,进一步采用BP算法的人工神经网络进行分类。该方法不仅克服了神经网络分类模型输入个数受限的缺点,而且可得到较高的预测精度。为验证方法的有效性,仿真实验时比较了具有BP算法的神经网络模型和粗糙集模型的分类预测精度。结果表明,混合模型是企业库存信息管理系统中进行决策预测的一种可行方法。