论文部分内容阅读
销售预测是指根据以往的销售情况以及使用系统内部内置或用户自定义的销售预测模型获得的对未来销售情况的预测。对销售量进行精确的预测在现代经济领域中非常重要。预测可使用的标准方法有很多,综合目前国内外的文献及著作,预测方法主要分为两类：定性预测方法和定量预测方法。本文研究了各种预测方法在某公司产品的销售量上的应用。
本文首先对某公司的某个照明产品的历史销售数据做了分析,旨在根据分析的结果找寻合适的预测模型来进行销售预测。对于单一的预测方法,本文介绍了时间序列方法、BP神经网络方法和支持向量机方法,并对各种单一的预测结果作了分析。支持向量机(Support Vector Machines, SVM)预测理论是根据结构风险最小化原则提出的,在解决非线性数据方面更胜一筹。该方法改变了传统的经验风险最小化原则,具有较好的泛化能力。在本文所介绍的单一预测方法中,SVM方法的预测结果是最佳的。单一的预测方法都会存在某些缺陷,所以本文引入了组合预测的模型。组合预测就是综合利用各种单一预测方法所提供的信息,以适当最优准则得出的预测模型。组合预测模型将各种预测方法进行总体性综合考虑,比单个模型更系统、更全面。本文采用基于最小二乘支持向量机(LS-SVM)的组合预测模型,利用时间序列、神经网络和支持向量机的预测结果作为组合预测的输入,通过非线性映射函数将样本从原空间映射到高维特征空间中进行线性回归。用某公司照明产品的历史销售数据来做销售预测,实验结果表明,LS-SVM的预测结果比本文中其他组合预测方法具有更高的预测精度,预测效果较好,在该类产品的销售预测中有较强的应用价值。