[发明专利]一种趋势性、周期性商品的中长期需求预测方法

摘要

本发明公开了一种趋势性、周期性商品的中长期需求预测方法，适用于带有周期现象，受趋势变动影响的，对季节敏感的商品中长期预测，基于指数平滑方法的将线性趋势、季节变动和随机变动时间序列进行分解，充分考虑趋势变动和周期变动对商品交易数据的影响，根据商品数据选取原则，选择适合该预测模型的商品交易数据，确定相应的平滑参数，通过定量方法，分别计算预测模型中的各项指标，得出该种商品在未来一定周期内的预测值。从而为该商品供应链上的各个企业提供生产、制造、仓储、销售等的科学判断。

主权项

一种趋势性、周期性商品的中长期需求预测方法，其特征在于，包括如下步骤：(1)获取历史数据，获得以往商品销售的全部历史数据，按照时间先后顺序排列，构建原时间序列{Y_t}；(2)构建商品历史数据库，进行走势趋势图的绘制；(3)根据所得趋势图，判断该商品是否呈现整体上升或者整体下降趋势，若符合则进入修正异常值，获得修正异常值后的时间序列数据{Y_t}′；(4)根据获得的修正异常值后的时间序列{Y_t}′，通过3、5、8、12点移动平均获得周期曲线，确定周期L；(5)确定初始平滑系数α₀、β₀、γ₀，其中0＜α₀＜1、0＜β₀＜1、0＜γ₀＜1；(6)确定预测的初始平滑值；(7)计算第t期的预测值T_t，公式如下：y_t为第t期实际值；T_t‑1为平滑到t‑1期的平均序列；S_t‑L为第t‑L期的季节性变动估计值；(8)计算趋势变动估计值b_t，公式如下：b_t＝β₀(b_t‑b_t‑1)+(1‑β₀)b_t‑1，b_t为趋势变动估计值；(9)计算季节性变动估计值S_t，公式如下：S_t为季节性变动估计值；(10)重复步骤(5)至(9)，根据修正异常值后的时间序列{Y_t}′，求得预测值T_t、趋势变动估计值b_t、季节性变动估计值S_t，其中t＝1、2、3、……n；预测值T_t有n‑L+1个，趋势变动估计值b_t和季节性变动估计值S_t有n‑L个；(11)计算商品在未来一定周期内的预测值(W_t+m)₀，公式如下(W_t+m)₀＝(T_t+mb_t)S_t+m‑kL，m＝1,2...；(12)通过“最优平滑系数法”，选取新的平滑系数α、β、γ，获得新的预测值(W_t+m)_i，i＝1,2,...,n；(13)根据预测值与观测值之间的误差，获得预测精度S，预测误差率MAPE、有效拟合度M，从中选取评价标准最优的预测结果所对应的平滑系数作为“最优平滑系数”；预测精度S计算公式：设[T1,T2]为分析区间，x为实际值，x′为预测值，预测误差：e＝x‑x′预测精度S：若则将其舍去，判定为特殊事件；预测误差率MAPE计算公式：$MAPE=\frac{1}{n}\mathrm{\&Sigma;}\left|PE\right|=\frac{1}{n}\mathrm{\&Sigma;}\frac{\left|(x-x^{\&prime;})\right|}{x}*100\%$有效拟合度M：模型是否有效检验标准：当MAPE<＝0.05且M值>＝0.7时，模型拟合有效；(14)通过最优系数法获得的最优系数获得最优平滑系数α_op、β_op、γ_op下的预测结果即为最优预测值(W_t+m)_op；(15)预测结果分析输出。