一種多影響因素下商品需求信息預(yù)測(cè)方法
【專利摘要】本發(fā)明公開了一種多影響因素下商品需求信息預(yù)測(cè)方法，首先，對(duì)歷史數(shù)據(jù)進(jìn)行收集。其次，對(duì)數(shù)據(jù)進(jìn)行處理，形成訓(xùn)練的樣本集，處理過(guò)程包括對(duì)數(shù)據(jù)進(jìn)行平滑處理，剔除奇異值，對(duì)各種影響因素進(jìn)行模糊化處理以及對(duì)數(shù)據(jù)進(jìn)行歸一化處理，防止數(shù)據(jù)計(jì)算溢出。然后，將形成的訓(xùn)練樣本集放入支持向量機(jī)中進(jìn)行學(xué)習(xí)，將預(yù)測(cè)算法中的參數(shù)調(diào)整到最優(yōu)值。把有預(yù)測(cè)需求的節(jié)點(diǎn)的外部信息輸入到模糊處理系統(tǒng)中去，得到要預(yù)測(cè)的信息。本發(fā)明綜合考慮多種影響商品信息的因素，并將各因素對(duì)于商品信息的影響進(jìn)行定量化的處理，較好的解決了傳統(tǒng)預(yù)測(cè)算法中忽略外部信息的缺點(diǎn)，能夠?qū)崿F(xiàn)預(yù)測(cè)算法的整體最優(yōu)化，從而能夠方便人們對(duì)于商品信息有更準(zhǔn)確的把握和了解。
【專利說(shuō)明】一種多影響因素下商品需求信息預(yù)測(cè)方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及一種多影響因素下商品需求信息預(yù)測(cè)方法，以歷史商品信息及外界數(shù)據(jù)為基礎(chǔ)，并對(duì)數(shù)據(jù)進(jìn)行處理，從而實(shí)現(xiàn)對(duì)商品的信息進(jìn)行預(yù)測(cè)。屬于信息預(yù)測(cè)【技術(shù)領(lǐng)域】。
【背景技術(shù)】
[0002]目前，隨著經(jīng)濟(jì)全球化的趨勢(shì)，信息逐漸成為企業(yè)在當(dāng)今社會(huì)中獲得競(jìng)爭(zhēng)力的重要因素，也就是說(shuō)，誰(shuí)能更早的獲得信息，誰(shuí)能獲得更準(zhǔn)確的信息，誰(shuí)就在同行業(yè)的競(jìng)爭(zhēng)中占有了絕對(duì)的優(yōu)勢(shì)。而現(xiàn)在市場(chǎng)上所應(yīng)用的商品信息的預(yù)測(cè)方法，卻很少考慮外界因素對(duì)于商品信息的影響，即便是有些方法考慮了這種影響，也很難準(zhǔn)確的把握影響因素，實(shí)現(xiàn)長(zhǎng)期的較為準(zhǔn)確的預(yù)測(cè)。在這種情況下，設(shè)計(jì)一種能夠?qū)崿F(xiàn)整體最優(yōu)化，綜合考慮外界影響因素的預(yù)測(cè)方法，來(lái)預(yù)測(cè)商品信息，是至關(guān)重要的。

【發(fā)明內(nèi)容】

[0003]發(fā)明目的:針對(duì)現(xiàn)有的商品信息預(yù)測(cè)的方法中存在的問(wèn)題，本發(fā)明提供一種多影響因素下商品需求信息預(yù)測(cè)方法。首先，需要將歷史的數(shù)據(jù)進(jìn)行收集，保證數(shù)據(jù)的可靠性和充分性。其次，對(duì)數(shù)據(jù)進(jìn)行處理，形成訓(xùn)練的樣本集，處理過(guò)程包括對(duì)數(shù)據(jù)進(jìn)行平滑處理，剔除奇異值，對(duì)各種影響因素進(jìn)行模糊化處理以及對(duì)數(shù)據(jù)進(jìn)行歸一化處理，防止數(shù)據(jù)計(jì)算溢出。然后，將形成的訓(xùn)練樣本集放入支持向量機(jī)中進(jìn)行學(xué)習(xí)，將預(yù)測(cè)算法中的參數(shù)調(diào)整到最優(yōu)值。緊接著，把有預(yù)測(cè)需求的節(jié)點(diǎn)的外部信息輸入到模糊處理系統(tǒng)中去。最后，得到要預(yù)測(cè)的信息。通過(guò)該過(guò)程進(jìn)行商品信息預(yù)測(cè)，可以較為準(zhǔn)確的把握商品信息的動(dòng)態(tài)。
[0004]技術(shù)方案:一種多影響因素下商品需求信息預(yù)測(cè)方法，包括:
[0005]1.影響因素判定
[0006]商品的影響因素主要包括:天氣、溫度、季節(jié)、節(jié)假日、個(gè)人偏好、特殊事件等等。這些影響因素可以分為兩類:客觀歷史數(shù)據(jù)和需求環(huán)境數(shù)據(jù)。
[0007](I)客觀歷史數(shù)據(jù)
[0008]客觀歷史數(shù)據(jù)主要是指同類產(chǎn)品過(guò)去的銷售數(shù)據(jù)。根據(jù)相關(guān)性分析，將在產(chǎn)品需求預(yù)測(cè)中預(yù)測(cè)日的前一天和上星期的同一天的相關(guān)性進(jìn)行比較。
[0009](2)需求環(huán)境數(shù)據(jù)
[0010]與消費(fèi)需求環(huán)境相關(guān)的因素有天氣、溫度、季節(jié)、日期類型(工作日、節(jié)假日)以及特殊事件等等。
[0011]2.影響因素的模糊化處理
[0012]將環(huán)境因素經(jīng)過(guò)隸屬函數(shù)轉(zhuǎn)化為模糊量。對(duì)于線性的輸入，隸屬函數(shù)的個(gè)數(shù)可少取一些，而對(duì)于非線性的輸出關(guān)系，則需要多設(shè)一些隸屬函數(shù)。
[0013]3.支持向量機(jī)的構(gòu)造
[0014]通過(guò)SVM這樣一種最小化結(jié)構(gòu)風(fēng)險(xiǎn)的算法進(jìn)行預(yù)測(cè)。該預(yù)測(cè)方法的基本思想可以概括為:先通過(guò)非線性變換將輸入向量X映射到一個(gè)更高維的空間Z，然后在這個(gè)新空間中求取最優(yōu)線性分類面，這種非線性變換是通過(guò)定義適當(dāng)?shù)膬?nèi)積函數(shù)實(shí)現(xiàn)的，這種內(nèi)積函數(shù)即由核函數(shù)來(lái)構(gòu)造。
[0015]預(yù)測(cè)步驟:
[0016](I)對(duì)客觀歷史數(shù)據(jù)進(jìn)行平滑處理和歸一化處理，對(duì)需求環(huán)境數(shù)據(jù)進(jìn)行模糊量化處理，然后形成樣本集；
[0017](2)用訓(xùn)練樣本建立如式(3-11)的目標(biāo)函數(shù)；
[0018](3)利用SVM訓(xùn)練算法求解(3-11)，得到解a j和《;, i = I, 2...η ；
[0019](4)將得到的拉格朗日乘子代入式(3-12)中，再利用樣本對(duì)未來(lái)需求量進(jìn)行預(yù)測(cè)。
[0020]有益效果:與現(xiàn)有技術(shù)相比，本發(fā)明提供的多影響因素下商品需求信息預(yù)測(cè)方法，在綜合商品的歷史信息及歷史的外界信息的基礎(chǔ)上，將歷史信息進(jìn)行處理，形成訓(xùn)練樣本集，在支持向量機(jī)中進(jìn)行學(xué)習(xí)。同時(shí)將需要進(jìn)行預(yù)測(cè)的時(shí)間段的外界信息通過(guò)模糊處理系統(tǒng)進(jìn)行處理，將形成的樣本集輸入到支持向量機(jī)中，進(jìn)而輸出預(yù)測(cè)信息。該預(yù)測(cè)方法可以更好結(jié)合現(xiàn)實(shí)生活中可能影響商品信息的各種因素，同時(shí)能夠最大限度的滿足預(yù)測(cè)結(jié)果的準(zhǔn)確性，從而為相關(guān)人員提供更為精準(zhǔn)和及時(shí)的商品信息，對(duì)于包括物流行業(yè)在內(nèi)的許多行業(yè)都有著重大的意義。
【專利附圖】

【附圖說(shuō)明】
[0021 ] 圖1為本發(fā)明實(shí)施例的方法流程圖；
[0022]圖2為本發(fā)明實(shí)施例的原理圖；
[0023]圖3為SVM預(yù)測(cè)銷售量與真實(shí)銷售量的比較曲線圖。
【具體實(shí)施方式】
[0024]下面結(jié)合具體實(shí)施例，進(jìn)一步闡明本發(fā)明，應(yīng)理解這些實(shí)施例僅用于說(shuō)明本發(fā)明而不用于限制本發(fā)明的范圍，在閱讀了本發(fā)明之后，本領(lǐng)域技術(shù)人員對(duì)本發(fā)明的各種等價(jià)形式的修改均落于本申請(qǐng)所附權(quán)利要求所限定的范圍。
[0025]如圖1-2所示，多影響因素下商品需求信息預(yù)測(cè)方法，包括前期準(zhǔn)備和預(yù)測(cè)兩個(gè)階段，其中前期準(zhǔn)備階段包括影響因素判定、影響因素的模糊化處理和支持向量機(jī)的構(gòu)造；具體過(guò)程如下:
[0026]前期準(zhǔn)備:
[0027]1.影響因素判定
[0028]商品信息的變化具有一定的季節(jié)性，消費(fèi)者的選擇具有多樣性和可替代性，使得對(duì)某類特定商品信息進(jìn)行預(yù)測(cè)存在很多影響的因素。這些因素主要包括:天氣、溫度、季節(jié)、節(jié)假日、個(gè)人偏好、特殊事件等等。這些影響因素可以分為兩類:客觀歷史數(shù)據(jù)和需求環(huán)境數(shù)據(jù)。
[0029](I)客觀歷史數(shù)據(jù)
[0030]客觀歷史數(shù)據(jù)主要是指同類產(chǎn)品過(guò)去的銷售數(shù)據(jù)。它反映某一段時(shí)期內(nèi)此類商品的消費(fèi)水平。根據(jù)相關(guān)性分析，在產(chǎn)品需求預(yù)測(cè)中預(yù)測(cè)日的前一天和上星期的同一天的相關(guān)性比較好。
[0031](2)需求環(huán)境數(shù)據(jù)[0032]與消費(fèi)需求環(huán)境相關(guān)的因素有天氣、溫度、季節(jié)、日期類型(工作日、節(jié)假日)以及特殊事件等等。
[0033]2.影響因素的模糊化處理
[0034]除客觀歷史數(shù)據(jù)外，天氣情況、溫度情況、日期類型等需求環(huán)境數(shù)據(jù)都對(duì)需求產(chǎn)生影響。如果要在需求預(yù)測(cè)中考慮這些環(huán)境因素的影響，則需要對(duì)這些環(huán)境數(shù)據(jù)進(jìn)行處理，這里將這些環(huán)境因素經(jīng)過(guò)隸屬函數(shù)轉(zhuǎn)化為模糊量。隸屬函數(shù)的設(shè)計(jì)會(huì)影響系統(tǒng)的魯棒性和預(yù)測(cè)的精度，一般對(duì)于線性的輸入，隸屬函數(shù)的個(gè)數(shù)可少取一些，而對(duì)于非線性的輸出關(guān)系，則需要多設(shè)一些隸屬函數(shù)。(注:在此文案中我們以溫度和星期為例，簡(jiǎn)述影響因素模糊化處理過(guò)程)
[0035]對(duì)溫度的隸屬函數(shù)采用梯形分布:
[0036](I)對(duì)于低溫情況的隸屬函數(shù)采用偏小型梯形分布:
[0037]
【權(quán)利要求】
1.一種多影響因素下商品需求信息預(yù)測(cè)方法，其特征在于: 首先，需要對(duì)商品歷史數(shù)據(jù)和外界信息進(jìn)行收集，對(duì)商品歷史數(shù)據(jù)進(jìn)行數(shù)據(jù)平滑處理、數(shù)據(jù)模糊處理和數(shù)據(jù)歸一化處理，同時(shí)對(duì)外界信息進(jìn)行數(shù)據(jù)模糊處理和數(shù)據(jù)歸一化處理，形成訓(xùn)練樣本集；然后，將形成的訓(xùn)練樣本集放入支持向量機(jī)中進(jìn)行學(xué)習(xí)，將預(yù)測(cè)算法中的參數(shù)調(diào)整到最優(yōu)值；得到要預(yù)測(cè)的信息。
2.如權(quán)利要求1所述的多影響因素下商品需求信息預(yù)測(cè)方法，其特征在于: 商品歷史數(shù)據(jù)主要是指同類產(chǎn)品過(guò)去的銷售數(shù)據(jù)，根據(jù)相關(guān)性分析，將在產(chǎn)品需求預(yù)測(cè)中預(yù)測(cè)日的前一天和上星期的同一天的相關(guān)性進(jìn)行比較； 歷史外界信息主要是指與消費(fèi)需求環(huán)境相關(guān)的因素，包括天氣、溫度、季節(jié)、日期類型以及特殊事件。
3.如權(quán)利要求1所述的多影響因素下商品需求信息預(yù)測(cè)方法，其特征在于:外界信息的模糊化處理是指，將環(huán)境因素經(jīng)過(guò)隸屬函數(shù)轉(zhuǎn)化為模糊量；對(duì)于線性的輸入，隸屬函數(shù)的個(gè)數(shù)可少取一些，而對(duì)于非線性的輸出關(guān)系，則需要多設(shè)一些隸屬函數(shù)。
4.如權(quán)利要求1所述的多影響因素下商品需求信息預(yù)測(cè)方法，其特征在于: 支持向量機(jī)的構(gòu)造中， 泛化誤差界的公式為:
5.如權(quán)利要求4所述的多影響因素下商品需求信息預(yù)測(cè)方法，其特征在于:用訓(xùn)練樣本建立如式(3-11)的目標(biāo)函數(shù)；利用SVM訓(xùn)練算法求解(3-11)，得到解α i和 αi* =1,2...n;將得到的拉格朗日乘子代入式(3-12)中，再利用樣本對(duì)未來(lái)需求量進(jìn)行預(yù)測(cè)。
【文檔編號(hào)】G06Q10/04GK103617459SQ201310656936
【公開日】2014年3月5日 申請(qǐng)日期:2013年12月6日 優(yōu)先權(quán)日:2013年12月6日
【發(fā)明者】李敬泉 申請(qǐng)人:李敬泉