随着企业信息化程度越来越高,ERP系统得到了越来越广泛的应用。然而,随着ERP中的数据与日剧增,“数据爆炸但知识贫乏”的现象已日益突出。本文针对传统ERP系统关于销售预测在决策支持方面的不足,根据数据挖掘技术的特点,把数据挖掘技术应用到销售预测系统中。 传统的销售预测方法往往只考虑了一部分影响销售的因素,无法表达影响需求的各种因素之间复杂的相互作用,建立的模型简单。而人工神经网络具有良好的非线性映射能力和自学习能力,它可以通过学习把基本需求、季节因素、周期因素、市场活动等影响需求的因素以及它们之间复杂的相互作用以权值的形式固化在神经网络中。因此,作者把BP神经网络技术应用于销售预测,建立了相应的销售预测模型。仿真结果表明,该模型预测精度较高和较好的泛化能力,有一定的实际应用意义。 虽然BP网络预测模型预测结果不错,但是单纯的BP算法自身存在着一些不足:(1)易陷于局部极值;(2)遗忘已学样本的趋势;(3)学习效率不高,收敛速度慢等。本文将遗传算法(GA)和模拟退火(SA)算法结合起来优化BP网络,然后把优化后的神经网络应用到销售预测中建立销售预测模型。仿真结果表明,GA、SA优化的神经网络预测的结果与实际基本一致,其平均相对误差的绝对值和均方差都小于单纯BP网络的值。可见使用GA和SA优化的BP网络进行预测时,很好地避免了BP算法的收敛速度慢,易陷入局部极值点的问题,取得了更好的预测效果。