[发明专利]产品生命周期的预测方法、系统、设备及计算机存储介质

说明书

本发明提供一种产品生命周期的预测方法、系统、设备及计算机存储介质，产品生命周期的预测方法包括：获取一产品品规的销售数据；从产品品规的销售数据进行时间序列的拆分，以拆分出时间序列数据的趋势成分；将拆分出的时间序列数据的趋势成分进行拟合，以拟合出用于表征趋势成分的不同状态曲线；于不同状态曲线中查找误差率最小的状态曲线，并将误差率最小的状态曲线确定为该产品品规的生命周期预测模型。本发明解决了单一曲线拟合的片面性和局限性问题，通过使用多种曲线对不同形状的产品生命曲线进行拟合，进而通过曲线拟合的方式可通过销量等指标准确识别生命周期的变化节点以及当前时点所处的生命周期阶段。

技术领域

本发明属于大数据分析、人工智能技术领域，涉及一种预测方法，特别是涉及一种产品生命周期的预测方法、系统、设备及计算机存储介质。

背景技术

现有的产品生命周期曲测模型是利用收集到的产品销售量的数据，组成一组时间序列，拟和某种成长曲线，对产品市场生命周期进行分析预测的方法。

对产品生命周期的分析有多种方法，根据产品生命周期的发展规律，运用经济计量数学模型与经济学原理相结合，对产品生命周期建立理论模型，对市场产品的需求量进行科学的预测。

行业中常用的识别产品生命周期阶段的方法有曲线拟合法和模糊识别法。最常用的是曲线拟合法，通过曲线拟合的方式可以通过销量等指标来识别生命周期的变化节点以及当前时点所处的生命周期阶段。产品销量是体现产品发展最为直观、最具代表性的指标之一。

通常产品生命周期曲线呈一条对称的S形曲线。曲线拟合法常用的曲线有Logistic曲线、龚柏兹曲线、修正指数曲线、多项式曲线(例如三次函数曲线)等曲线拟合方式。利用这些曲线可描述产品市场生命周期的不同阶段，从而揭示产品生命周期销售何时由某一阶段向另一阶段的转变，预测产品的市场需求潜量、最大销售量以及达到饱和状态的时间等。这些曲线评估方法在应用于产品生命周期时各具有适用性，但也都存在一定的局限性。

Logistic曲线表现形式一般为S型曲线,从曲线特征上来讲是极为适合用来拟合典型产品生命周期，对应初始缓慢增长、加速、减速和稳定四个阶段,反映了一般生命历程,可利用它识别产品生命周期。随机性模型的参数估计是在充分考虑经济现象的随机性、理论的不完善性以及建模节约原则的基础上，在模型中引入随机扰动项之后再对模型进行参数估计的一种参数估计方法。相对确定性模型的参数估计方法来说，随机性模型无疑更加接近产品生命周期所反映的经济实际。但Logisic曲线模型并不符合经济现象的随机特性，引入随机性会导致Logisic模型参数的非线性拟合问题,导致在模型参数估计上面存在一定困难。

龚柏兹曲线，是美国统计学家和数学家龚柏兹首先提出用作控制人口增长率的一种模型，可以利用它来进行产品生命周期预测。但龚柏兹曲线只能预测到成熟期，而对衰退期则无能为力。根据经济学原理，产品进入衰退期是产品的销售量或销售额从饱和点逐渐下降，衰退期曲线与投入期和成长期曲线之值正好大小相等且方向相反，可以通过这种方式粗略的预测出衰退期各个时段的预测值，但这种方式会导致预测产生较大的误差。

修正指数曲线解决了使用指数曲线预测时，存在着预测值随着时间的推移会无限增大的情况。因为任何事物的发展都是有一定限度的。例如某种畅销产品，在其占有市场的初期是呈指数曲线增长的，但随着产品销售量的增加，产品总量接近于饱和量，这时的预测模型应改用修正指数曲线。利用修正指数曲线模型进行拟合和预测时,需要解决模型参数的估计问题模型中参数估计的问题﹐可以分为两种情况:第一种情况:根据经验,当增长上限参数已知时,可以先将模型线性化,再用最小二乘法来估计其余两个未知参数。对于模型进行变换,并取对数可以将模型转换为直线模型，对参数进行求解。第二种情况:当参数均未知时,模型无法线性化,因此不能用最小二乘估计参数,但此时可以用三和法或是三点法估计参数。同时修正指数曲线模型假定产品销量是单调增加的,没有将产品的生命周期充分地加以考虑。