亚洲免费av电影一区二区三区,日韩爱爱视频,51精品视频一区二区三区,91视频爱爱,日韩欧美在线播放视频,中文字幕少妇AV,亚洲电影中文字幕,久久久久亚洲av成人网址,久久综合视频网站,国产在线不卡免费播放

        ?

        基于SVM的煙草銷售量預(yù)測

        2016-12-22 21:52:38劉璐丁福利孫立民
        軟件導(dǎo)刊 2016年11期
        關(guān)鍵詞:支持向量機(jī)

        劉璐 丁福利 孫立民

        摘 要:煙草銷售量預(yù)測能為煙草生產(chǎn)、運(yùn)輸、配送提供指導(dǎo),使煙草行業(yè)能更好地適應(yīng)市場需求。煙草銷售量受眾多因素的影響,具有季節(jié)性和周期性規(guī)律,傳統(tǒng)的線性模型難以進(jìn)行準(zhǔn)確的預(yù)測?;谥С窒蛄繖C(jī)建立煙草銷售量的多維時(shí)間序列模型,實(shí)驗(yàn)結(jié)果表明,該模型具有較高的預(yù)測精度,能夠準(zhǔn)確地反映煙草銷售量的變化趨勢。對比實(shí)驗(yàn)也表明,所提出的方法比其它幾種方法預(yù)測精度高,可以為煙草行業(yè)的銷售管理提供科學(xué)依據(jù),具有實(shí)用價(jià)值。

        關(guān)鍵詞:煙草銷售量預(yù)測;支持向量機(jī);多維時(shí)間序列

        DOIDOI:10.11907/rjdk.162026

        中圖分類號:TP319

        文獻(xiàn)標(biāo)識碼:A 文章編號文章編號:16727800(2016)011013403

        0 引言

        中國是世界上最大的煙草生產(chǎn)國和消費(fèi)國[1]。煙草銷售是煙草行業(yè)管理中最為關(guān)鍵的部分,準(zhǔn)確的煙草銷售預(yù)測能為煙草生產(chǎn)、運(yùn)輸、配送提供指導(dǎo),而要進(jìn)行準(zhǔn)確的煙草銷售預(yù)測必須找到合適的預(yù)測方法。因此,如何設(shè)計(jì)高精度的煙草銷售預(yù)測方法是煙草行業(yè)管理的重要課題。

        傳統(tǒng)煙草銷售量預(yù)測方法的研究主要集中在對煙草零售經(jīng)營者訂單的管理分析中,而且采用銷售人員意見匯總法、德爾菲法(經(jīng)理及員工的意見)等為主的人工預(yù)測方法[2]。這種人工預(yù)測方法業(yè)務(wù)流程較多,浪費(fèi)大量的人力、物力,并且還可能引起煙草資源分配的不公平,難以滿足市場需求。從機(jī)器學(xué)習(xí)的角度上看,煙草銷售量的預(yù)測屬于回歸問題[3],而回歸包括線性回歸和非線性回歸。文獻(xiàn)[4]在對煙草銷售量數(shù)據(jù)進(jìn)行分析的基礎(chǔ)上,提出了一種線性預(yù)測模型,但由于煙草銷售量受季節(jié)、人口、市場、節(jié)假日等一系列因素的共同影響,并不適合采用線性回歸方法進(jìn)行預(yù)測。在非線性回歸方法中,較為常用的有神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)(SVM)。文獻(xiàn)[5]基于BP神經(jīng)網(wǎng)絡(luò)對煙草銷售量進(jìn)行建模并預(yù)測,而神經(jīng)網(wǎng)絡(luò)是基于經(jīng)驗(yàn)風(fēng)險(xiǎn)最小化,不僅泛化能力較差,而且存在局部極小點(diǎn)問題[6],因此神經(jīng)網(wǎng)絡(luò)雖然對原始數(shù)據(jù)的擬合能力較強(qiáng),但對未來數(shù)據(jù)的推廣能力較差,而對未來數(shù)據(jù)的推廣能力往往更能反映學(xué)習(xí)機(jī)器的實(shí)用價(jià)值。支持向量機(jī)基于結(jié)構(gòu)風(fēng)險(xiǎn)最小化,泛化能力強(qiáng)且預(yù)測精度高。因此,本文采用支持向量機(jī)方法對煙草銷售量進(jìn)行建模預(yù)測。

        1 支持向量回歸機(jī)

        2 預(yù)測方法

        2.1 數(shù)據(jù)預(yù)處理

        本文收集到了云煙品牌一個(gè)品類2006年1月~2011年10月共6年的銷售數(shù)據(jù),銷售數(shù)據(jù)信息中包括銷售量、銷售日期(年月日)、倉庫編號、發(fā)票信息、審核人信息等,其中對銷售量預(yù)測影響最大的是銷售日期及對應(yīng)的銷售量。由于中國的香煙銷售對陰歷呈現(xiàn)出更強(qiáng)的規(guī)律性,因此將銷售統(tǒng)計(jì)數(shù)據(jù)轉(zhuǎn)換為以陰歷月為標(biāo)準(zhǔn)。

        2.2 數(shù)據(jù)歸一化處理

        由表1可以看出,各列數(shù)據(jù)屬性不同,數(shù)值范圍相差較大。為避免數(shù)值范圍較大的屬性控制數(shù)值范圍較小的屬性,使數(shù)據(jù)具有統(tǒng)一性和可比性,將屬性值都?xì)w一化[10]為[0,1]之間。歸一化所用公式為:

        2.3 模型定階

        由于煙草銷售量預(yù)測屬于經(jīng)濟(jì)預(yù)測,因此它不僅與當(dāng)前日期有關(guān),更與之前的銷售信息有關(guān)。為確定當(dāng)前銷售量與前多少個(gè)月的銷售信息關(guān)系最大,需要通過拓階[11]的方法來確定。

        設(shè)煙草銷售量數(shù)據(jù)的一個(gè)樣本為{yi,yeari,monthi},yi為第i個(gè)樣本中的煙草銷售量,yeari為當(dāng)前年份,monthi為當(dāng)前月份。其中,yeari和monthi為樣本的自變量,yi為樣本的因變量。通過拓階能夠更為準(zhǔn)確地得到自變量和因變量的函數(shù)依賴關(guān)系。當(dāng)階數(shù)為n時(shí),表示將前n個(gè)樣本中的信息添加到當(dāng)前樣本中的自變量中。即用前n個(gè)月的銷售信息和當(dāng)前年月來預(yù)測當(dāng)前銷售量。此時(shí),自變量總數(shù)為(3×n+2),其中n為階數(shù)。通過SVM由低階到高階逐步進(jìn)行拓階,模型每拓一階,自變量相應(yīng)地增加 3個(gè)。對于每一次的拓階,以MSE最小為標(biāo)準(zhǔn)決定是否接受拓階。設(shè)SVM(n)為拓階n次后的模型,SVM(n+1)為拓階n+1次后的模型,比較兩者的MSE大小,如果SVM(n+1)的MSE小于SVM(n)的MSE,表示接受本次拓階,并進(jìn)行下一步拓階;如果SVM(n+1)的MSE大于SVM(n)的MSE,表示不接受本次拓階,并停止拓階,最終得到最優(yōu)階數(shù)n。通過對煙草數(shù)據(jù)的拓階,得到拓階結(jié)果如圖2所示。

        2.4 回歸模型的參數(shù)選擇

        當(dāng)訓(xùn)練模型確定后,通過支持向量回歸機(jī)進(jìn)行預(yù)測。由于徑向基核函數(shù)的準(zhǔn)確率較高,并且大多數(shù)SVM默認(rèn)的核函數(shù)也是徑向基核函數(shù)[12],本文亦采用徑向基核函數(shù)。

        3 實(shí)驗(yàn)結(jié)果與分析

        以云煙數(shù)據(jù)集為例,選擇2006年1月-2010年12月的銷售量數(shù)據(jù)為訓(xùn)練樣本,以2011年1-10月的銷售量數(shù)據(jù)為測試樣本。在本文算法實(shí)現(xiàn)過程中,實(shí)驗(yàn)環(huán)境配置如表2所示。

        4 結(jié)語

        通過預(yù)測煙草銷售量可以提前了解煙草的銷售動(dòng)態(tài),為煙草物流、倉儲(chǔ)等部門提供決策依據(jù)。本文基于支持向量機(jī)建立煙草銷售預(yù)測的多維時(shí)間序列模型。實(shí)驗(yàn)證明,根據(jù)本文方法建立的模型所預(yù)測的結(jié)果與實(shí)際結(jié)果基本一致,能夠比較準(zhǔn)確地反映煙草銷售量的變化趨勢。對比實(shí)驗(yàn)也證明,與其它幾種方法相比,本文方法預(yù)測誤差最小。綜上,本文所述方法是合理有效的,可以應(yīng)用到實(shí)際煙草銷售量預(yù)測中。

        參考文獻(xiàn):

        [1] 蔣德珺.我國煙草業(yè)國際化戰(zhàn)略研究[J].北方經(jīng)濟(jì),2012(14):9495.

        [2] 利普·科特勒,洪瑞云,梁紹明,等.市場營銷管理 [M].亞洲版·2版.北京:中國人民大學(xué)出版社,2001.

        [3] 鄭逢德,張鴻賓.拉格朗日支持向量回歸的有限牛頓算法[J].計(jì)算機(jī)應(yīng)用,2012,32(9):25042507.

        [4] 張素平.基于乘法模型的內(nèi)蒙古烏蘭察布市卷煙總銷量預(yù)測研究[J].內(nèi)蒙古科技與經(jīng)濟(jì),2012(21):3335.

        [5] 仲東亭,張玥.BP神經(jīng)網(wǎng)絡(luò)對煙草銷售量預(yù)測方法的改進(jìn)研究[J].工業(yè)技術(shù)經(jīng)濟(jì),2007,26(9):115118.

        [6] 劉蘇蘇,孫立民.支持向量機(jī)與RBF神經(jīng)網(wǎng)絡(luò)回歸性能比較研究[J].計(jì)算機(jī)工程與設(shè)計(jì),2011,32(12):42024205.

        [7] 鄧乃揚(yáng),田英杰.數(shù)據(jù)挖掘的新方法——支持向量機(jī)[M].北京:科學(xué)出版社,2004

        [8] 肖建,于龍,白裔峰.支持向量回歸中核函數(shù)和超參數(shù)選擇方法綜述[J].西南交通大學(xué)學(xué)報(bào),2008,43(3):297303.

        [9] 單黎黎,張宏軍,張睿,等.基于主導(dǎo)因子法的裝備維修保障人員調(diào)度值預(yù)測[J].計(jì)算機(jī)應(yīng)用,2012,32(8):23642368.

        [10] 彭麗芳,孟志青,姜華,等.基于時(shí)間序列的支持向量機(jī)在股票預(yù)測中的應(yīng)用[J].計(jì)算技術(shù)與自動(dòng)化,2006,25(3):8891.

        [11] 向昌盛,周子英.基于支持向量機(jī)的害蟲多維時(shí)間序列預(yù)測[J].計(jì)算機(jī)應(yīng)用研究,2010,27(10):36943697.

        [12] 譚征,孫紅霞,王立宏,等.中文評教文本分類模型的研究[J].煙臺(tái)大學(xué)學(xué)報(bào):自然科學(xué)與工程版,2012,25(2):122126.

        [13] CHERKASSKY V,MULIER F.Learning from data: concepts,theory and methods[M].NY:JohnViley&Sons,1997.

        [14] YONG M,XIAOBO Z,DAOYING P,et al.Parameters selection in gene selection using Gaussian kernel support vector machines by genetic algorithm[J].Journal of zhejiang university science B,2005,6(10):961973.

        [15] 王興玲,李占斌.基于網(wǎng)格搜索的支持向量機(jī)核函數(shù)參數(shù)的確定[J].中國海洋大學(xué)學(xué)報(bào):自然科學(xué)版,2005,35(5):859862.

        [16] ITO K,NAKANO R.Optimizing support vector regression hyperparameters based on crossvalidation[C].Proceedings of the International Joint Conference on Neural Networks, 2003:20772082.

        [17] HSU C W,CHANG C CLIN C J.LIBSVM:a library for support vector machines[EB/OL].http://www.csie.ntu.edu.tw/~cjlin/libsvm.

        (責(zé)任編輯:孫 娟)

        猜你喜歡
        支持向量機(jī)
        基于改進(jìn)SVM的通信干擾識別
        基于支持向量回歸機(jī)的電能質(zhì)量評估
        基于智能優(yōu)化算法選擇特征的網(wǎng)絡(luò)入侵檢測
        數(shù)據(jù)挖掘技術(shù)在電廠經(jīng)濟(jì)性分析系統(tǒng)中的應(yīng)用Q
        基于改進(jìn)支持向量機(jī)的船舶縱搖預(yù)報(bào)模型
        動(dòng)態(tài)場景中的視覺目標(biāo)識別方法分析
        論提高裝備故障預(yù)測準(zhǔn)確度的方法途徑
        基于熵技術(shù)的公共事業(yè)費(fèi)最優(yōu)組合預(yù)測
        基于支持向量機(jī)的金融數(shù)據(jù)分析研究
        管理類研究生支持向量機(jī)預(yù)測決策實(shí)驗(yàn)教學(xué)研究
        考試周刊(2016年53期)2016-07-15 09:08:21
        国产成人无码一二三区视频| 福利视频一区二区三区| 中文字幕人妻在线中字| 久久久久久人妻一区二区三区| 久久精品国产亚洲5555| 精品午夜中文字幕熟女| 人妻少妇中文字幕在线观看| 亚洲一区 日韩精品 中文字幕| 91高清国产经典在线观看| 加勒比亚洲视频在线播放| 一本一道久久综合久久| 国产在线观看无码免费视频| 亚洲色图+国产精品| 亚洲天堂免费av在线观看| 亚洲国产精品成人av在线不卡| 亚洲国产精品成人综合色| 无码中文字幕在线DVD| 久久精品国产亚洲精品色婷婷| 国产性感丝袜在线观看| 国产女主播精品大秀系列| 久久中文字幕无码一区二区| 日韩av在线免费观看不卡| 久久婷婷五月综合色奶水99啪| 老熟女高潮一区二区三区| 国产片三级视频播放| 国产免费操美女逼视频| 欧美猛少妇色xxxxx猛交| 色窝窝在线无码中文| 自拍视频在线观看成人| 精品一二三四区中文字幕| 国产69精品久久久久999小说| 久久中文字幕日韩无码视频| 中文字幕乱码一区在线观看 | 国产免费一区二区三区三| 久久久久亚洲精品无码系列| 野花在线无码视频在线播放 | 精品女同一区二区三区| 国产精品无码专区av在线播放| 中文字幕久久久人妻无码| 久久久国产熟女综合一区二区三区| 亚洲精品国产精品国自产|