［摘要］文章将离散灰色系统模型与神经网络模型相结合，形成灰色神经网络模型DGNNM(1,1)，并结合某天然气公司供应链的需求历史数据对模型进行检验。实例的预测结果表明该模型可以作为供应链中的需求预测工具。
［关键词］需求预测、灰色系统、神经网络、DGNNM(1,1)
1.引言
现代供应链管理于九十年代初起源于国外，它之所以能够迅速发展成为一项热门的学科主要是企业之间竞争的加剧和全球经济一体化的原因。近几年来，随着国内企业的国际化和市场化的步伐加快，供应链管理的知识在国内也得到厂-泛的研究和普及，成为企业提高核心竞争力的一种手段。新经济时代，市场竞争成了供应链与供应链的竞争。在需求拉动型的供应链中，需求成为供应链的起点和动力源泉。对未来需求的预测，构成了供应链中所有战略性和规划性决策的基础。因而，好的需求预测对于供应链绩效有重大的影响。尽管预测总是不准确的，然而一个相对较好的方法能最大限度地降低这种不准确性。在现实工作中，需求常常受到季节性的影响，因此建模之前对数据进行去季节性影响就十分必要；信息总是贫乏的，也是不确定的。灰色系统模型正是一种研究少信息、不确定性问题的方法；针对灰色系统模型缺乏稳定性，误差较大的缺点，利用神经网络模型进行弥补，形成了灰色神经网络组合模型DGNNM(1,1)，较好的提高了对需求预测精度。
2.灰色神经网络组合模型DGNNM(1,1)
2.1 离散灰色预测模型DGM(1,1)：灰色系统理论是一种研究少数据、贫信息、不确定性问题的新方法。灰色系统理论以“部分信息已知，部分信息未知”的小样木、贫信息、不确定性系统为研究对象，主要通过对“部分”己知信息来提取有价值的信息，实现对系统运行行为、演化规律的正确描述和有效监控。灰色系统论的核心内容是灰色动态模。.灰色系统建模的思想是将时间序列转化为动态方程。DGM(1,1)模型是GM(1,1)模型的改进，DGM(1,1)解决了GM(1,1)中从离散形式到连续形式的直接跳跃问题，使得模型的从理论上更加完善。
离散灰色预测模型DGM(1,1)的原理如下：
如给定原始时间非负数据列：
注：本文中所涉及到的图表、注解、公式等内容请以PDF格式阅读原文。
