基于RF-GA-BPNN算法的供应链风险预警研究

摘要

供应链系统时刻面临着来自内外部环境的多重风险与挑战，目前供应链风险预警算法在指标选取、阈值优化等方面尚存不足。为进一步提升供应链风险预警能力，关注算法融合优化及其预警效果，构建基于RF-GABPNN算法的供应链风险预警模型。该模型有机结合随机森林、遗传算法、BP神经网络等多类算法的特性与优势，通过指标特征重要性筛选、初始参数优化等手段改进BP神经网络预测效果。利用中国A股3309家上市企业的风险预警指标数据集对模型进行训练与测试，结果表明RF-GA-BPNN算法在300组随机样本数据的训练下，预警准确率可达96.50%。基于RF-GA-BPNN算法的供应链风险预警模型具有较优秀的学习能力和预警能力，预测结果可为供应链风险水平的初期判断以及风险抵御措施的制定实施提供数值参考。

关键词

供应链 / 风险预警 / 随机森林 / 遗传算法 / BP神经网络