[发明专利]一种商品需求预测模型的综合评价方法

权利要求书

1.一种商品需求预测模型的综合评价方法，其特征在于，包括如下步骤：

第一步获得商品流量的历史数据并输入数据库；

第二步确定预测模型：

（1）当输入数据包含多种因素，并且预测过程需要考虑这些因素时，选取SVM模型为最优预测模型；

（2）判断数据是否有周期性；当确定数据有周期性时，选取温特斯模型为最优预测模型；

（3）反之，运行二次曲线预测模型与二次指数平滑模型，分别计算出预测结果后，各设[T1,T2]为分析区间（即[T1，T2]所对应的一段时间序列数据），x_t为实际值，x'_t为预测值，可知：

预测误差：e＝x_t-x_t'

预测误差率：MAPE=1nΣt=1n|xt-xt′|xt*100%]]>

选取MAPE值小的模型为最优预测模型；

第三步精确度检验：计算出最优模型的预测结果，取[T1,T2]为分析区间，x_t为实际值，x'_t为预测值，可知：

预测误差：e＝x_t-x_t′

预测误差率：MAPE=1nΣt=1n|xt-xt′|xt*100%]]>

预测精度：S=1-|xt-x′t|xt,]]>当|xt-xt′|xt>1,]]>S取0；

预测精度的均值：E(S)=1nΣt=1n(1-|xt-xt′|xt)]]>

预测精度的标准差：σ(S)=1nΣt=1n(xt-E(S))2]]>

预测模型的拟合有效度：m＝(1-σ(S))*E(S)

当MAPE<=0.05且m值>=0.7时，模型拟合高度有效，可执行第四步；仅m>=0.7，模型有效，执行第四步；当m<0.7时，模型无效，返回第四步，反馈信息至模型数据库，进行数据检查或模型调整；

第四步输出所选模型与预测结果；

第五步当有数据更新时，将数据导入当期预测模块计算相关模型在这一期的预测精确度，并按精确度检验原理做相应处理。

2.如权利要求1所述的商品需求预测模型的综合评价方法，其特征在于，第二步中判断数据是否有周期性的方法为：

1.对所得历史数据进行异常值修正：

Step1:：获得历史数据；

Step2：构建时间序列{Y_t}；设修改后的时间序列为{Y_t}’，则r_i'和r_i为相邻y_i的相对比率，y_i为原时间序列{Y_t}所一一对应的值，i＝1,2...n；

Step3：计算ri′=yiyi-1]]>和ri′′=yiyi+1;]]>

Step4：如果存在r_i'＞1.4或r_i''＞1.4，说明有异常值存在，进行异常值的剔除处理，否则不需要进行异常值的剔除处理；

Step5：计算d′_i＝|y_i-y_i-1|和d″_i＝|y_i-y_i+1|，在这一步中，由于x₁是第一个数据，所以只计算d′₁＝|y₁-y₂|；由于x_n是最后一个数据，所以只计算d″_n＝|y_n-y_n-1|；d_i'和d_i为相邻y_i的绝对误差；

Step6：计算d_i＝d′_i+d″_i；

Step7：计算和它的样本标准差

Step8：计算

Step9：如果对d_i和y_i予以剔除，否则予以保留；

Step10：如果存在r_i′＞1.4或r_i''＞1.4，重复step3到step9，否则剔除异常值完成；

Step11：将剔除的异常值进行修正，y_c＝y_i＝(y_i-1+y_i+1)/2；

Step12：获得修正异常值后的时间序列数据{Y_t}'；

2.根据时间序列{Y_t}'，对数据分别进行3、5、8、12点移动平均获得周期曲线，确定周期L，并用新数据生成曲线图，当曲线图呈现周期性时，则判断原始数据是周期性数据；

其中，移动平均法处理方法如下：

3点法的移动平均：

Y₁'＝(Y₁+Y₂+Y₃)/3；Y₂'＝(Y₂+Y₃+Y₄)/3……Y_n-2'＝(Y_n-2+Y_n-1+Y_n)/3

5点法的移动平均：

Y₁'＝(Y₁+Y₂+Y₃+Y₄+Y₅)/5；Y₂'＝(Y₂+Y₃+Y₄+Y₅+Y₆)/5……Y_n-4'＝(Y_n-4+Y_n-3+Y_n-2+Y_n-1+Y_n)/5

8点法的移动平均：

Y₁'＝(Y₁*0.5+Y₂+Y₃+......Y₈+Y₉*0.5)/8；Y₂'＝(Y₂*0.5+Y₃+Y₄+......Y₉+Y₁₀*0.5)/8……Y_n-8'＝(Y_n-8*0.5+Y_n-7+Y_n-6+......Y_n-1+Y_n*0.5)/8

12点法的移动平均：

Y₁'＝(Y₁*0.5+Y₂+Y₃+......Y₁₂+Y₁₃*0.5)/12；Y₂'＝(Y₂*0.5+Y₃+Y₄+......Y₁₃+Y₁₄*0.5)/12……Y_n-12'＝(Y_n-12*0.5+Y_n-11+Y_n-10+......Y_n-1+Y_n*0.5)/12。