[发明专利]一种汽车零部件销售预测智能系统

说明书

本发明公开了一种汽车零部件销售预测智能系统，包括系统管理模块、数据预处理模块、商品预测模型和销售预测模块；本发明一种汽车零部件销售预测智能系统通过利用季节分析模型，决策树模型，马尔科夫模型，并将这几种模型与利率等级模型结合起来建立了SPI‑M模型，然后实现了一个基于SPI‑M模型的商品销售预测系统，与传统商品销售预测方法相比，该SPI‑M模型在预测商品销售状态及销售量方面提高了准确性；该商品销售预测系统界面友好、简单、直观且易操作，不需经过复杂的专业培训即可使用，从而有效的提高了本发明的使用精度。

技术领域

本发明涉及销售预测相关技术领域，具体为一种汽车零部件销售预测智能系统。

背景技术

随着市场经济的发展和经济的全球化，企业面临着越来越残酷的市场竞争。企业要想赢得竞争、赢得客户，就必须在最快的时间内，以最低的成本将产品提供给客户，这使得进行正确及时的产品销售预测及由此产生的可靠的决策，成为现代企业成功的关键要素。

在汽车零部件的商品销售预测中，一般针对商品在将来某个时段的销售状态和销售量进行预测，本发明的申请人发现现有技术中的销售预测系统的变量只涉及到商品的销售数量，也有极少的一部分考虑到了销售金额，但都忽略了一个最重要的因素，就是商品零售时所获得利润，利润是决定零售企业赢利及发展的关键因素。

发明内容

本发明的目的在于提供一种汽车零部件销售预测智能系统，旨在改善现有技术中的销售预测系统的变量只涉及到商品的销售数量，也有极少的一部分考虑到了销售金额，但都忽略了一个最重要的因素，就是商品零售时所获得利润，利润是决定零售企业赢利及发展的关键因素的问题。

为实现以上目的，本发明通过以下技术方案予以实现：一种汽车零部件销售预测智能系统，包括系统管理模块、数据预处理模块、商品预测模型和销售预测模块；

系统管理模块：分为用户管理和连接数据库两个模块；

用户管理主要是设置了用户名和密码，以保障系统的安全；

连接数据库即连接到我们需要的数据库中，把数据提取进去并进行操作；

数据预处理模块：提供模型挖掘算法所需要的数据格式，以提高挖掘的效率和准确性；且数据预处理模块由数据的选择、数据的清洗、数据的填充，数据的统计汇总统计和数据的离散化构成；

数据的选择：包括选择多大的训练样本数量、选择哪些属性和应该增加哪些属性作为模型的输入；

数据的清洗：利用MS-SQL的查询分析器将数据处理过程中的重复数据进行清除；

商品预测模型：应用季节分析模型、利率等级模型、决策树模型和马尔科夫模型建立SPI-M模型，数据的训练和模型的建立都在各自的模块中进行；

销售预测模块：将建立好的SPI-M模型用于实际零售业商品销售预测。

具体的操作步骤如下：

S1：用户通过用户名和密码进入到SPI-M模型的系统登录的界面；

并把原始数据导入到数据库，进行数据的预处理，然后建立季节分析模型和利率等级模型，得出季节指数和利率等级；

季节分析模型的实现：运用统计学中季节分析模型，通过计算商品的季节指数，以此研究商品在不同季节销售的变化和各个季节(月份)的“淡旺”情况；季节指数大于1说明是旺季，小于1说明是淡季，绝对值越大，说明季节越旺，否则，绝对值越小说明季节越淡。且采用同期平均的计算方法对同一月份的汽车零部件的销售平均值进行计算；

1，采用矩阵变换算法：数据矩阵指的是使用矩阵的形式来表示若干变量的性质或属性，采用矩阵表示形式有助于算法分析的操作：分别对季度和每月的汽车零部件的销售利率进行统计；