在日趨競爭的環境中，企業為求生存無不竭盡所能，盼能研擬出最佳之決策以締造佳績。決策之制定必須掌握完善的資訊為基礎，才不至於流於盲目，推動企業成長的是銷售，唯有銷售不斷的成長，企業才能不斷的進步，預測具有展望未來之功能，其成敗往往左右企業的發展，建立一個有效之銷售預測系統，提高其預測績效，得以確實掌握市場脈動，減少生產過剩所造成之資金積壓的問題與缺貨所造成之訂單流失等問題，以提升企業的市場的競爭力作為目標。
本論文的目的在以類神經建構一預測能力佳之銷售預測模式。本研究以類神經網路為主體，加入網路修正因子α、β，作為誤差之修正項，加以變更網路權重，以期降低其各月份預測值之誤差，以國內某知名車用油品公司旗下之經銷商實際銷售數字來作為驗證，我們發現修正因子法與傳統類神經Re-training方法比較後，傳統Re-training法之預測績效沒有修正因子法為佳。

In the competing environment with each passing day, all enterprises try to exist as hard as they can, and expect to research and develop the best policy in order to create excellent achievement. To formulate the policy, we must have perfect information in hand basically. Thus it wouldn’t get blind. To promote the enterprise mature is selling. Only the selling grows up continually will the enterprise improve continuously. “Forecast” has the function of looking into future; success or failure would influence the enterprise development. To establish a efficient forecasting system of selling; to raise the forecast effect in order mater the market migration; to lessen the problems of asset overstock that cause from surplus of produce and the run off of orders that cause from shortage of goods; to raise the market competition of enterprise as a goal.
The target of this thesis is to uses Neural Networks to set up a selling forecasting model that has well forecasting efficiency. This research uses Neural Networks as a subject, add α and βto be the revise item of error, and expect to lower the error of predictive value each month. Take the actual selling digit, the domestic branch agency of a famous lubricating oil corporation, to proof. After comparison of revise factor model and traditional Re-training method, we found that the forecasting efficiency of than traditional Re-training method.

目 錄
中文摘要 …………………………………………………………………………. Ⅰ
英文摘要 …………………………………………………………………………. Ⅱ
誌謝 ………………………………………………………………………………. Ⅲ
目錄 ………………………………………………………………………………. Ⅳ
圖目錄 ……………………………………………………………………………. Ⅵ
表目錄 ……………………………………………………………………………. Ⅶ
一、緒論……………………………………………………………………………. 1
1.1研究動機 ……………………………………………………………….. 1
1.2研究目的 ……………………………………………………………….. 2
1.3研究步驟 ……………………………………………………………….. 3
1.4論文架構 ……………………………………………………………….. 5
二、文獻探討………………………………………………………………………. 7
2.1銷售預測理論簡介 …………………………………………………….. 7
2.1.1銷售預測理論 ……………………………………………………...8
2.1.2文獻彙總 ……………………………………………………….....10
2.2銷售預測方法匯總 …………………………………………………….12
2.2.1定量（客觀）方法 ……………………………………………….12
2.2.2定性（Qualitative）（主觀）分析法 ……………………………..20
2.3類神經網路（ANN）與定量方法之比較 …………………………….20
2.4類神經網路簡介 ………………………………………………………..21
2.4.1類神經網路之發展過程 …………………………………………..22
2.4.2類神經網路的基本架構 …………………………………………..23
2.4.3倒傳遞網路之基本架構 …………………………………………..28
2.4.4倒傳遞網路之運作方式 …………………………………………..30
2.4.5倒傳遞學習過程之終止條件 ……………………………………..31
2.4.6倒傳遞網路建構步驟 ……………………………………………..32
三、問題探討與定義……………………………………………………………….36
3.1傳統作法 ………………………………………………………………..36
3.2問題描述 ………………………………………………………………..37
3.3研究方法與流程 ………………………………………………………..37
四、以類神經網路為基礎的銷售預測模式 ..…...………………………………..40
4.1網路參數設定 …………………………………………………………...40
4.2類神經網路模式之成效驗證 …………………………………………...46
五、銷售預測模式的修正 ………………………………………………….……...47
5.1修正網路模式之理由 ……………………………………………………47
5.2預測值的修正方法 ………………………………………………………47
5.3模式修正前後之成效驗證 ………………………………………………49
5.4與傳統Re-training方法之比較 …………………………………………51
六、結論與未來展望 ……………………………………………………………....54
6.1結論 ……………………………………………..……………………….54
6.2未來展望 …...……………………………………………………………54
參考文獻 ……………………………………………………………………………55
圖 目 錄
圖 1-1 研究步驟流程圖 ………………………………………………………… 3
圖 1-2 論文架構圖 ……………………………………………………………… 6
圖 2-1 處理單元作用圖 …………………………………………………………23
圖 2-2 正規化輸出 ………………………………………………………………25
圖 2-3 競爭化輸出 ………………………………………………………………26
圖 2-4 競爭化學習 ………………………………………………………………26
圖 2-5 倒傳遞神經網路架構圖 …………………………………………………29
圖 2-6 雙彎曲函數圖 ……………………………………………………………29
圖 2-6 雙曲線正切函數 ……….………………………………………………...30
圖 3-1 網路修正因子α、β值之決策過程圖 ....……………………………....39
圖 3-2 銷售預測模式使用流程圖 ……………………………………………....39
圖 4-1 NW2建立網路的基本步驟…………………………………...………...41
表 目 錄
表2.1 預測類型與其詳細程度及時距 ………………………………..………….7
表2.2 銷售預測文獻彙總 ……………………………………………………….10
表2.2 銷售預測文獻彙總（續）………………………..……………………….11
表4.1 類神經網路方案模式之MAPE比較表 …………………………………43
表4.2 輸入因子組合預測結果彙整表 ………………………………………….44
表4.3 類神經網路與線性迴歸之預測結果比較表 …………………………….46
表5.1 修正次數與MAPE關係表 ………………………………………………48
表5.2 經銷商A銷售公升誤差區間與修正因子的關係 ………………………48
表5.3 經銷商A銷售金額誤差區間與修正因子的關係 ………………………49
表5.4 經銷商B銷售公升誤差區間與修正因子的關係 ………………………49
表5.5 經銷商B銷售金額誤差區間與修正因子的關係 ………….……………49
表5.6 各預測模式比較表 ……………………………………………………….50
表5.7 經銷商A 銷售公升 各模式預測比較表 ………………………………..50
表5.8 經銷商B 銷售公升 各模式預測比較表 ………………………………..50
表5.9 經銷商A 銷售金額 各模式預測比較表 …..……………………………51
表5.10 經銷商B 銷售金額 各模式預測比較表 ....……………………………51
表5.11 經銷商A 銷售公升 修正因子與Re-training之結果比較 ……………52
表5.12 經銷商B 銷售公升修正因子與Re-training之結果比較 …..…………52
表5.13 經銷商A 銷售金額 修正因子與Re-training之結果比較 ……………52
表5.14 經銷商B 銷售金額 修正因子與Re-training之結果比較 ……………53

參 考 文 獻
1.張百棧,生產管理,華泰書局,民國八十五年七月
2.劉水深,生產管理--系統方法,華泰書局,民國八十年元月
3.郭明哲,預測方法--理論與實例,中興管理顧問公司,民國七十四年九月
4.吳棕璠,謝清佳,資訊管理理論與實務,著者發行,民國七十四年九月
5.葉怡成,類神經網路模式應用與實作,儒林, 民國八十八年三月六版
6.司馬千祥,銷售預測-理論架構之建立與實務運作,私立淡江大學管理科學研究所碩士論文,民國83
7.吳忠益,技術指標預測股票價格-類神經網路之應用, 私立淡江大學管理科學研究所碩士論文,民國87
8.陳靖惠,半導體產業晶圓需求預測之研究,國立交通大學資訊管理研究所碩士論文,民國83
9.李鴻章與戴敏育,應用遺傳演算法發展模糊預測之研究-以銷售預測為例, 私立淡江大學,民國84
10.陳慧德,銷售預測實證研究-貝式時間序列分解法之應用, 私立淡江大學管理科學研究所碩士論文,民國77年
11.蔡宗顯,以總體經濟變數預測股市超額報酬-類神經網路與迴歸分析之比較,國立政治大學統計研究所碩士論文,民國86年
12.于鴻潔,台灣共同基金淨資產價值的預測-類神經網路的應用, 國立政治大學統計研究所碩士論文,民國86年
13.蔡弘毅,台灣股票上市公司現金流量與預測之探討, 私立淡江大學國際貿易學系國際企業學碩士論文,民國85年
14.蔡政芳,以非線性自迴歸移動平均法做短期負載預測之研究,私立逢甲大學電機工程研究所碩士論文,民國85年
15.廖廣毅,以類神經網路預測股價指數漲跌,私立元智大學工業工程所碩士論文,民國88年
16.廖炳坤,類神經網路在電力負宰需求預測上之應用, 私立元智大學工業工程所碩士論文,民國83年
17.吳菁菁,類神經網路應用於短期用電量之預測, 私立元智大學工業工程所碩士論文,民國82年
18.李桐豪,神經網路在匯率預測上的應用,國立政治大學國際貿易所碩士論文, 民國82年
19.蔡憲毅,國內上市股票、跌破承銷預測模型與各式的期間報酬率, 私立淡江大學國際貿易學系國際企業學碩士論文,民國85年
20.Buchin, S. and T.A. Davidson, “ Computer-Aided Sales Forecasting : How the Skeptics Can Learn to Love It ”, Business Marketing, Vol.68, pp.23-26, 1983
21.Migliaro, A.,” How to Set up and Operate a Formal Forecasting ”, Journal of Business Forecasting, Vol.3, pp.2-6, 1984
22.Beebs, K. and J. Malehorn ,” Structural Change-An Overview : Problems, Causes, Tests and Solutions ”, Journal of Business Forecasting, Vol.6, pp.13-16, 1987
23.Simmons, L. F.,L.P. Simmons, and G. Wright, “ Forecasting Using a Decision Support System ”, Journal of Business Forecasting, Vol.9, pp.9-13, 1988
24.Gross, C. W.,” Bridging the Communications Gap Between Managers and Forecaster ”, Journal of Business Forecasting, Vol.6, pp.6-9, 1988
25.Benito, E. Flores and Edna M. White ,” Combing Forecasts : Why, Whe and How ”, Journal of Business Forecasting, Vol.9, pp.2-11, 1989
26.Rice, G. and E. Mahmoud,” Political Risk Forecasting by Canadian Firms ”, International Journal of Business Forecasting, Vol.6, pp.89-120, 1990
27.Dougherty, M.S.; Cobbett, M.R., " Short-term inter-urban traffic forecasts using neural networks ", International Journal Of Forecasting, Vol: 13, pp. 21-31
28.Jingtao Yao,Nicholas Teng,Hean-Lee Poh and Chew Lim Tan, " Forecasting and Analysis for Marketing Data Using Neural Networks ", Journal of Information Science and Engineering Vol.14, pp. 843-862, 1998
29.John Wiley & sons, inc. , Neural Networks for Financial Forecasting,1996
30.Jeffrey E. Sohl, A.R. Venkatachalam, "A neural network approach to Forecasting model selection",Information & Management Vol.29, pp. 297-303,1995
31.Gwenocia Chandler, "How to set up a forecasting system in telecommunications industry", The Journal of Business Forecasting Methods & Systems, 1999
32.Wei Zhou," Intergration of different forecasting models ", The Journal of Business Forecasting Methods & Systems vol.18, 1999
33.Milam Aiken and Mohammand Bsat," Forecasting Market Trends with Neural Network ", Information System Management, pp.42-48,1999
34.Larry Lapide," New development in Business Forecasting ", The Journal of Business Forecasting Methods & Systems vol.18, 1999