一種商品需求預測模型的綜合評價方法

2023-05-18 17:29:06 1

一種商品需求預測模型的綜合評價方法
【專利摘要】本發明公開一種商品需求預測模型的綜合評價方法，根據模型的不同適用條件及特性，建立合理的精度評價指標，在預測前通過分析錄入的數據選取相應模型，並於預測完成後預測對模型的準確度和實用性進行檢測及反饋的評價技術。當輸入的預測要求中包含「預測過程考慮外界因素對預測對象的影響」時，選取SVM模型為最優預測模型。否則，對輸入的數據做異常值修正處理，並判斷其周期性。對於周期性數據，選取溫特斯預測模型為最優預測模型。非周期數據則分別運行指數平滑與二次指數預測模型，結果導入精確度比較程序，選取精確度較高的模型為最優預測模型。最後，將所選模型的精確度與標準值比較，當結果符合要求時，輸出預測值。
【專利說明】一種商品需求預測模型的綜合評價方法
【技術領域】
[0001]本發明涉及一種商品需求預測模型的綜合評價方法，屬於信息預測【技術領域】。
【背景技術】
[0002]隨著全球電子商務的興起，全球市場的形成，無論是對製造商還是零售商都將面臨越來越激烈的競爭。在這樣的銷售環境下，如何保證自身成本，並最大程度滿足消費者的需求變得越來越為重要。通過建立數學模型計算消費者對某種商品在未來一定周期內的需求數量已是業界較為成熟的預測模式。而如何針對模型預測結果，採用合理的精度評價指標，確保預測過程的準確性與預測系統的時效性，則是業界持續關注的主要問題之一。

【發明內容】

[0003]發明目的:針對現有的四種經典商品量預測模型，本發明提出一種基於預測誤差率與預測精度兩個基本指標的將模型的通用性與時效性評價相結合的檢測方法。根據不同模型與錄入時間序列數據的特點，為預測對象選取最優預測模型，確保數據能夠被高效完全的利用。在相關預測完成後，通過定量方法，計算模型的預測誤差率及擬合有效度，檢驗執行模型的可行性。同時，對系統中所有模型的預測過程進行實時檢驗，以便當預測出現失誤時能做出最快速的調整。
[0004]技術方案:一種商品需求預測模型的綜合評價方法，包括如下步驟:
[0005]第一步獲得商品流量的歷史數據並輸入大資料庫。
[0006]第二步確定預測模型:
[0007](I)當輸入數據包含多種因素，並且預測過程需要考慮這些因素時，選取SVM模型為最優預測模型；
[0008](2)判斷數據是否有周期性。當確定數據有周期性時，選取溫特斯模型為最優預測模型。
[0009](3)反之，運行二次曲線預測模型與二次指數平滑模型，分別計算出預測結果後，各取[Tl，T2]為分析區間，Xt為實際值，X』 t為預測值，可知:
[0010]預測誤差:e= Xt-Xt'
[0011 ]預測誤差率:
【權利要求】
1.一種商品需求預測模型的綜合評價方法，其特徵在於，包括如下步驟: 第一步獲得商品流量的歷史數據並輸入資料庫； 第二步確定預測模型: (O當輸入數據包含多種因素，並且預測過程需要考慮這些因素時，選取SVM模型為最優預測模型； (2)判斷數據是否有周期性；當確定數據有周期性時，選取溫特斯模型為最優預測模型； (3)反之，運行二次曲線預測模型與二次指數平滑模型，分別計算出預測結果後，各設[T1，T2]為分析區間(即[Τ1，Τ2]所對應的一段時間序列數據)，xt為實際值，x’t為預測值，可知:
2.如權利要求1所述的商品需求預測模型的綜合評價方法，其特徵在於，第二步中判斷數據是否有周期性的方法為: i.對所得歷史數據進行異常值修正: Stepl::獲得歷史數據；St印2:構建時間序列{YJ ;設修改後的時間序列為{Yt} 』，則r/和V為相鄰Yi的相對比率，Ii為原時間序列{Yt}所--對應的值，i = I, 2...η ；
Sttp3:計算和
【文檔編號】G06Q10/04GK103617466SQ201310687060
【公開日】2014年3月5日 申請日期:2013年12月13日 優先權日:2013年12月13日
【發明者】李敬泉 申請人:李敬泉