（定稿）农业综合开发区良种奶牛基地建设项目立项申报材料0（喜欢就下吧）

第步，确定平均订货提前期需求量。

平均订货提前期需求量，即订货提前期需求量的期望值，其计算公式为式中，平均订货提前期平均日需求量。

第二步，确定安全库存量。

首先根据计划需求量与实际需求量的偏差，计算预测误差。

再根据各区间预测误差的绝对值，求出平均预测误差，其计算公式为服务水平安全因数表库存控制层次表其次选择服务水平，确定安全因素。

为了避免繁琐的计算。

可以根据企业的实际情况，选择服务水平，并查表，找出与服务水平相应的安全因数值。

最后计算安全库存量，其计算公式为安全因数第三步，计算订货点库存量。

订货点库存量为平均订货提前期需求量与安全库存量之和，其计算公式为现有模型的实际分析以上的库存控制模型被许多配送中心的管理人员用于库存控制中以确定订货点订货批量和订货周期。

但由于以上模型自身所存在的缺陷，所以在应用过程中存在许多局限性，现分析如下首先，以上模型没有完全体现顾客服务质量对配送中心库存控制的影响程度，而配送中心库存控制与顾客服务质量紧密联系，顾客服务质量的高低直接影响配送中心的生存与发展，而以上模型很少将客户服务质量这个因素考虑到库存控制中去。

其次，模型假设过于理想化，这就导致所建立的模型和现实状况存在较大差距，因而其实际应用效果就将大打折扣。

最后，由于配送中心库存货物的种类繁多，数量较大，需求来源广泛，需求很不稳定。

因此，在进行库存控制决策时，考虑的因素众多。

并且在进行库存控制决策式经常要涉及到消费者需求的确定，而以上模型并没有体现这些要求。

所以，需要对现有的库存控制模型进行优化，才能更好的应用于配送中心，以指导管理人员做出更为合理的库存决策。

需求离散下库存控制与运输成本模型优化设计模型设计的基本思路配送中心库存控制模型主要从成本需求补充订货或生产和存储策略四个方面加以分析，结合配送中心库存控制目标，建立配送中心库存成本函数，并在此基础上设计出配送中心库存控制模型，通过微分，求出库存成本最小时的经济订货批量。

模型设计的步骤模型构建的步骤分成三个方面进行资料数据的收集和处理模型相关参数的确定和建立配送中心库存控制模型并求解。

资料数据的收集内容包括配送中心的仓储成本以及库存成本中的单位储存成本单位订货成本资料配送中心的货物出库时间和数量资料。

模型相关参数的确定客户对该货物需求函数的确定储存成本函数的确定订货成本函数的确定④缺货成本函数的确定。

建立配送中心库存控制模型根据用户需求特点的不同，建立不同的配送中心库存控制模型，分别求出最低的库存成本和经济批量。

模型数据资料的收集模型数据资料收集和处理是构建模型的第步，数据质量的高低直接影响决策的准确性与正确性。

成本资料的收集包括配送中心储存成本购入成本订货成本以及缺货成本资料。

成本资料的收集存在的问题主要反映在传统会计成本核算方法无法满足配需求离散条件下配送中心库存控制研究送中心物流成本计算的需要。

配送中心主要使用两份财务报表，即资产负债表和损益表，配送中心库存成本是这两份报式求导数，并令其为零，即得到最佳订货量将代入，得到最小管理费用则最佳订货周期为随机型库存控制模型在这类库存控制模型中，需求量或提前订货时间是不确定的。

这类模型主要考虑到需求量经常变化，而且因为种种因素导致订货往往不能按时送到，发生随机性的延迟而造成缺货现象，这就需要安全库存量来处理这种情况。

安全库存量是为防止因订货期间需求量增长和到货延误所引起的缺货而设置的储备量，它需要通过对需求量和订货提前期的历史资料进行统计分析而得出。

图为随机库存量状态变化图。

图随机库存量状态变化图从图可以看出，订货点和安全库存量的确定对随机库存量状态的变化起着关键的作用。

所以随机型库存模型主要是通过设定安全库存量和订货点，再根据存储策略来确定其他的存储量或参数，从而建立随机的存储模型。

调整随机模型也是通过调整安全库存量和订货点，从而调整其他的存储量或参数。

连续分布随机型库存物资的最佳订货批量设种物资的需求量是个连续随机变量，其概率密度函数为，每进货件成本为元，每销售件则得元，每滞销件在处理时可回收，每缺货件罚款损失为元。

试求最佳订货批量。

如果需求得到满足，即，则需要付出购货成本，同时可收入销售金额及处理滞销部分回收的金额。

如果需求得不到满足，即，则需要付出购货成本及缺货罚款，同时可收入销售金额。

因此，利润期望值应为需求得到满足时的利润期望值需求得不到满足时的利润期望值令，则可知最佳订货量满足由以上公式易求出最佳订货批量。

离散分布随机型库存物资的最佳订货批量设物资的需求量是个离散型随机变量，共取个等间隔的值，。

其他参数均为与前面的连续分布随机型库存物资问题完全样，类似于连续分布随机型库存物资问题的分析，不难得出最佳订货批量必须满足下列条件通过上式也易求出最佳订货批量。

具有安全库存量的库存控制模型安全库存量是为了克服不可避免的意外因素而增加的物资储备量。

安全库存量的确定可以通过对物资实际统计资料加以分析研究，并考虑到储存物资对用户的影响程度。

该模型的假设条件有在批量订货方式中，每当库存量降至订货点时，即按定批量订货补充，如图所示。

如果订货后交货并在交货期间无过量使用，则不动用安全库存量，它是多余的库存量，如图中情形所示。

如果订货后不按时交货，出现延误时间，则要动用安全库存量，以应付延误时间内的用量，如图中情形所示。

④如果在从订货至交货期间，出现过量使用，库存下降速率增加，则也要动用安全库存量，以应付缺货情况。

图具有安全厍存量的厍存量状态变化图需要指出的是，安全库存量的设置并不需要保证百分之百的供给率。

在般情况下仍存在缺货的可能，即随机型需求库存出现缺货是不可避免的。

在库存控制中，通常用不发生缺货的概率表示库存系统的服务水平。

显然，服务水平越高，安全库存量越大，库存保管成本也越大但服务水平过低，缺货损失增大，即贻误商机，又减少利润。

因此，在随机型需求库存控制中，合理表的行范围更大。

但实际工作时的输入信号很难事先给定，因为控制目标是使系统输出具有期望的运动，对于未知控制系统期望输入不可能给出。

另方面，在系统预报中，为保证参数估计算法的致收敛，必须使用定的持续激励的输入信号。

对于神经网络，这是个仍有待于进步研究的问题。

电力系统短期负荷预测建模及实现负荷预测对电力系统控制运行和计划都有着重要的意义。

电力系统负荷变化受多方面的影响，方面，负荷变化存在着由未知不确定的因素引起的随机的波动另方面，又具有周期变化的规律性，这也使得负荷曲线具有相似性。

同时，由于受天气节假日等特殊情况的影响，又使负荷变化出现差异。

由于神经网络所具有的较强的非线性映射等特性，它常被用于负荷预测。

本文采用软件编程仿真，具体过程如下所示问题描述电力系统负荷短期预报问题的解决办法和方式可以分为统计技术专家系统法和神经网络法等。

众所周知，负荷曲线是很多因素相关的个非线性函数。

对于抽样和逼近这种非线性函数，神经网络是种合适的方法。

神经网络的优点在于它具有模拟多变量而不需要对输入变量做复杂的相关假设的能力。

它不依靠专家经验，只利用观察到的数据，可以从训练过程中通过学习来抽样和逼近隐含的输入输出非线性的关系。

近年来的研究表明，相对于前两种方法，利用神经网络技术进行电力系统短期负荷预报可获得更高的精度。

在对短期负荷进行预报前，个特别重要的问题是如何划分负荷类型或日期类型。

纵观已经发表的文献资料，大体有以下几种划分模式将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型将周分为星期星期二到星期四星期五星期六星期天等种类型。

将周的天每天都看做种类型，共有种类型。

本文采用第种负荷划分模式，将周的天分为工作日星期到星期五和休息日星期六和星期天等两种类型。

输入输出向量设计在预测日的前天中，每个小时对电力负荷进行次测量，这样来，天共测得组负荷数据。

由于负荷值曲线相邻的点之间不会发生突变，因此后时刻的值必然和前时刻的值有关，除非出现重大事故等特殊情况。

所以这里将前天的实时负荷数据作为网络的样本数据。

此外，由于电力负荷还与环境因素有关，如最高和最低温度等。

因此，还需要通过天气预报等手段获得预测日的最高和最低温度。

这里将电力负荷预测日当日的气象特征数据作为网络的输入变量。

因此，输入变量就是个维的向量。

显而易见，目标向量就是预测日当天的个负荷值，即天中每个整点的电力负荷。

这样来，输出变量就成为个维的向量。

获得输入和输出变量后，要对其进行归化处理，将数据处理为区间，之间的数据。

归化方法有许多种形式，这里采用如下公式在样本中，输入向量为预测日前天的电力实际负荷数据，目标向量是预测日当天的电力负荷。

由于这都是实际的测量值，因此，这些数据可以对网络进行有效的训练。

如果从提高网络精度的角度出发，方面可以增加网络训练样本的数目，另方面还可以增加输入向量的维数。

即，或者增加每日的测量点，或者把预测日前几天的负荷数据作为输入向量。

目前，训练样本数目的确定没有通用的方法，般认为样本过少确定服务水平是非常重要的。

第步，确定平均订货提前期需求量。

平均订货提前期需求量，即订货提前期需求量的期望值，其计算公式为式中，平均订货提前期平均日需求量。

第二步，确定安全库存量。

首先根据计划需求量与实际需求量的偏差，计算预测误差。

再根据各区间预测误差的绝对值，求出平均预测误差，其计算公式为服务水平安全因数表库存控制层次表其次选择服务水平，确定安全因素。

为了避免繁琐的计算。

可以根据企业的实际情况，选择服务水平，并查表，找出与服务水平相应的安全因数值。

最后计算安全库存量，其计算公式为安全因数第三步，计算订货点库存量。

订货点库存量为平均订货提前期需求量与安全库存量之和，其计算公式为现有模型的实际分析以上的库存控制模型被许多配送中心的管理人员用于库存控制中以确定订货点订货批量和订货周期。

但由于以上模型自身所存在的缺陷，所以在应用过程中存在许多局限性，现分析如下首先，以上模型没有完全体现顾客服务质量对配送中心库存控制的影响程度，而配送中心库存控制与顾客服务质量紧密联系，顾客服务质量的高低直接影响配送中心的生存与发展，而以上模型很少将客户服务质量这个因素考虑到库存控制中去。

其次，模型假设过于理想化，这就导致所建立的模型和现实状况存在较大差距，因而其实际应用效果就将大打折扣。

最后，由于配送中心库存货物的种类繁多，数量较大，需求来源广泛，需求很不稳定。

因此，在进行库存控制决策时，考虑的因素众多。

并且在进行库存控制决策式经常要涉及到消费者需求的确定，而以上模型并没有体现这些要求。

所以，需要对现有的库存控制模型进行优化，才能更好的应用于配送中心，以指导管理人员做出更为合理的库存决策。

需求离散下库存控制与运输成本模型优化设计模型设计的基本思路配送中心库存控制模型主要从成本需求补充订货或生产和存储策略四个方面加以分析，结合配送中心库存控制目标，建立配送中心库存成本函数，并在此基础上设计出配送中心库存控制模型，通过微分，求出库存成本最小时的经济订货批量。

模型设计的步骤模型构建的步骤分成三个方面进行资料数据的收集和处理模型相关参数的确定和建立配送中心库存控制模型并求解。

资料数据的收集内容包括配送中心的仓储成本以及库存成本中的单位储存成本单位订货成本资料配送中心的货物出库时间和数量资料。

模型相关参数的确定客户对该货物需求函数的确定储存成本函数的确定订货成本函数的确定④缺货成本函数的确定。

建立配送中心库存控制模型根据用户需求特点的不同，建立不同的配送中心库存控制模型，分别求出最低的库存成本和经济批量。

模型数据资料的收集模型数据资料收集和处理是构建模型的第步，数据质量的高低直接影响决策的准确性与正确性。

成本资料的收集包括配送中心储存成本购入成本订货成本以及缺货成本资料。

成本资料的收集存在的问题主要反映在传统会计成本核算方法无法满足配需求离散条件下配送中心库存控制研究送中心物流成本计算的需要。

配送中心主要使用两份财务报表，即资产负债表和损益表，配送中心库存成本是这两份报