（系统工程专业论文）基于BP神经网络的卷烟配送中心销售预测.pdf

山东大学硕士学位论文 i i ； i _ 曼舅曼曼曼曼曼曼 摘要 随着市场经济的发展，企业日益需要高质量的销售预测为其管理决策提 供支持，近年来人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 技术已 较多的应用于销售预测并显示出一定的优势，怎样优化a n n 来取得更好的预测 效果成为研究的热点。 卷烟配送中心的销售是一个非线性复杂系统，通过对a n n 参数的反复训练 能够获得数据间的依存关系，实现对任意复杂函数的映射。b p 神经网络 ( b a c k p r o p a g a t i o nn e u r a ln e t w o r k ，b p n n ) 因其结构简单易于实现，在销 售预测中得到广泛应用。然而迄今为止，对于b p n n 结构的设计没有构造性结 论。论文运用计算能力和计算特性均较好的c 语言编写了b p n n 预测程序，使用 某卷烟配送中心的实际销售数据，对年、月、周销售预测中影响b p n n 预测精 度和收敛速度的主要因素：输入数据确定、样本数据选择及处理方法、隐层 节点数以及学习速率和动量因子的确定进行了详细讨论。 利用b p n n 预测年销量时，对收敛速度及误差进行综合考虑来确定最佳隐 层节点数，获得训练样本及测试样本的预测平均准确率分别为9 9 9 8 和 9 4 2 1 ：而预测效果最好的传统预测模型( 对数回归模型) 的预测平均准确 率为9 8 5 2 。利用b p n n 预测月销量时，对影响因素、隐层节点数的设计、 样本数据的处理以及学习速率和动量因子的选择等深入研究进行确定，并通 过调整输入数据中的月份因子对网络进一步改进，预测精度总体比调整前提 高了2 个百分点达到了9 5 6 2 ，特殊月份提高了1 8 个百分点( 即2 月份从 7 5 5 6 提高到9 3 5 6 ) ；训练样本及测试样本预测的平均准确率分别为 9 8 4 6 和9 5 6 2 ，b p n n 较传统模型( 预测效果最好的指数回归模型9 0 3 3 ) 表现出明显的优越性。周销量预测时，对工作周进行了重新定义并引入节假 日因子，选择合适的样本，训练样本及测试样本预测的平均准确率分别为 9 8 0 9 和9 5 3 2 ，结果表明神经网络适用于卷烟配送中心的周销量预测。 上述研究结果表明网络结构参数的优化能够明显改进神经网络的性能， 并证明b p n n 在非线性卷烟预测中的适用性和优越性。 关键字：卷烟销售；神经网络；参数优化；销售预测 山东大学硕学位论文 a b s t r a c t w it ht h ed e v e o p m e n to fm a r k e te c o n o m y ，p r e cis es a le sf o r e c a s tin g w h i c hc a nh e l p c o m p a n ym a k et h ed e c i s i o nb e c o m e sm o r ea n dm o r e i m p o r t a n t b u ti t i sv e r yd i f f i c u l tf o rt h et r a d i t i o n a lf o r e c a s t i n g m e t h o d st om a k eas e t t l e m e n tf o rt h i sp r o b l e m a r t if i c i a ln e u r a l n e t w o r k s ( a n n ) iso n eo ft h em o s tv a l u a b l em e t h o d sf o rt h e s ep r o b l e m s a tp r e s e n t c i g a r e t t ed i s t r i b u t i o nc e n t e ri san o n l i n e a rc o m p l e xs y s t e m t h r o u g ht r a i n i n gp a r a m e t e r sr e p e a t e d l y ，a n nc a ng e tt h er e g u l a t i o n s a m o n gd a t aa n dr e f l e c to p t i o n a lc o m p l e x i t yf u n c t i o n 。a ss i m p l ea n de a s y t ob er e a li z e d ，b a c k p r o p a g a t i o nn e u r a ln e t w o r k ( b p n n ) h a sc u r r e n t l y b e e nw i d e l yu s e di ns a l e sf o r e c a s t i n g h o w e v e r ，t h e r eh a sb e e nn o c l e a r l yd e f i n e dt h e o r yf o rc a l c u l a t i n gt h ei d e a lp a r a m e t e rs e t t i n g s 。 i nt hisp a p e rw ew r o t eaf o r e c a s ti n gp r o g r a m m ef o rb p n nw i t hc l a n g u a g e w h i c hh a sg o o dc o m p u t a t i o na n dp e r f o r m a n c e t h e nw ed i s c u s s e dt h e d e t a il so ft h em a j o ri m p a c tf a c t o r so fb p n ni n c l u d i n gt h es e l e c t i o n o fin p u td a t a ，t h ep r o c e s sin go fd a t a ，t h en u m b e r so fhid d e n l a y e r 。 l e a r n i n gv e l o c it ya n dm o m e n t u mf a c t o rw h i c hi n f l u e n c et h ef o r e c a s t i n g p r e c i s i o na n dc o n v e r g e n c es p e e df o rc i g a r e t t es a l e sf o r e c a s t i n g w h e ny e a r sa m o u n to fc i g a r e t t ew a sf o r e c a s t e d ，w eg o tb e t t e r r e s u l ti nb p n nm o d e lb yh a v i n gt h eb e s tn u m b e ro fh i d d e nl a y e rb a s e d o ns t u d yo fb o t hc o n v e r g e n c ev e l o c i t ya n de r r o r i nb p n nm o d e l ，t h e f o r e c a s t i n gm e a na c c u r a c yo ft r a i n i n gs a m p l e sa n dt e s ts a m p l e si s 9 9 9 8 a n d9 4 2 1 ，r e s p e c t i v e l y ：l o g a r i t h mr e g r e s s i o nm o d e lh a st h e h i g h e s tm e a na c c u r a c y9 8 5 2 a m o n ga l1t h et r a d i t i o n a lm o d e l s w h e n m o n t h ss a l e sa m o u n tw a sf o r e c a s t e d ，w ef o c u s e do na n a l y z i n gi m p a c t f a c t o r so fm o n t h ss a e sa m o u n ti n c l u d i n gt h ei n p u t s ，t h en u m b e ro f h i d d e nl a y e r ，p r o c e s s i n go fd a d a ，l e a r n i n gv e l o c i t ya n dm o m e n t u m f a c t o r a st h ep r e d i c t i o nm o d e lw a sd e c i d e da c c o r d i n gt oa 1 1t h e l l 山东大学硕士学位论文 a b o v e m e n tio n e df a c t o r s ，f o r e c a s tin gp r e cisio nin c r e a s e d2p e r c e n to n t h ew h o l ea n d1 8p e r c e n ti ns o m ee s p e c i a lm o n t h s t h ef o r e c a s t i n g r e s u l th a dag r e a ta d v a n t a g et oe x p o n e n tr e g r e s s i o nm o d e ( 9 0 3 3 ) w h i c hi st h eb e s tf o r e c a s t i n ge f f e c to ft r a d i t i o n a lm o d e l sa n db p n n i ss u i t a b l ef o rt h em o n t h sf o r e c a s t i n ge s p e c i a l l y w h e nw e e k sa m o u n t o fc i g a r e t t ew a sf o r e c a s t e d ，w es e l e c t e dt h ep r o p e rs a m p l e sa n du s e d f e s t i v a l - h o l i d a yf a c t o ra d j u s ta l ld a t ao ft h es p r i n gf e s t i v a l ，t h e m o o nf e s t i v a la n dt h es p r i n gf e s t i v a lh o l i d a y s ，w h i c hh e l p e dt og e t t h eg o o df o r e c a s t i n gm e a na c c u r a c ya st r a i n i n gs a m p l e sa n dt e s ts a m p l e s i s9 8 0 9 a n d9 5 3 2 ，r e s p e c t i v e l y b p n ni sb e t t e rs u i t a b l ef o rt h e w e e k ss a l e sf o r e c a s t i n go fc i g a r e t t ed i s t r i b u t i o nc e n t e r o nt h ew h o l e ，t h eo p t i m i z a t i o no fn e t w o r ka r c h i t e c t u r ep a r a m e t e r s c a no b v i o u s l yi m p r o v et h en e t w o r k sc a p a b i li t ya n dg e tb e t t e r f o r e c a s t i n ge f f e c t b p n ni ss u i t a b l ef o rt h es a l e sf o r e c a s t i n go f c i g a r e t t ed is t r i b u t i o nc e n t e r k e yw o r d ：c i g a r e t t es a l e s ：n e u t r a ln e t w o r k s ：p a r a m e t e r s o p t i m i z a t i o n ：s a l e sf o r e c a s t i n g i i i 山东大学硕士学位论文 原创性声明和关于论文使用授权的说明 原创性声明 本人郑重声明：所呈交的学位论文，是本人在导师的指导 下，独立进行研究所取得的成果。除文中已经注明引用的内容 外，本论文不包含任何其他个人或集体已经发表或撰写过的科 研成果。对本文的研究作出重要贡献的个人和集体，均已在文 中以明确方式标明。本声明的法律责任由本人承担。 期：) 妇留5 加 关于学位论文使用授权的声明 本人完全了解山东大学有关保留、使用学位论文的规定，同意学校 保留或向国家有关部门或机构送交论文的复印件和电子版，允许论文被 查阅和借阅；本人授权山东大学可以将本学位论文的全部或部分内容编 入有关数据库进行检索，可以采用影印、缩印或其他复制手段保存论文 和汇编本学位论文。 ( 保密论文在解密后应遵守此规定) 论文作者签名：曼丕旦丝导师签 山东大学硕士学位论文 第1 章绪论 1 1 课题的研究背景及意义 销售预测( s a l e sf o r e c a s t ) 是指在特定的一系列条件下，对未来需求量 的预测，具体来讲就是在对影响市场供求变化的诸因素进行系统调查和研究 基础上，运用科学的方法，对未来市场产品的供需发展趋势以及相关因素的 变化进行分析、预见、估计和判断。销售预测能够为企业经营决策提供科 学的依据，有利于减少企业的经营风险；可靠的销售预测可以使企业根据社 会需求组织生产，在提高顾客满意度的前提下，力求使库存降低到最小安全 程度，以提高企业的整体效益和竞争能力，使企业既能够及时满足顾客的需 求，又不会因为库存太多或生产闲置而造成资金积压和成本提高。因此，进 行及时、准确的销售预测可以使企业在尽可能短时间内、最低成本条件下， 把产品交付给顾客，从而赢得竞争。 相当长的一段时期内，我国许多企业的销售预测一直是参考以往经验得 出的，甚至根本就没有进行过销售预测，以至于生产脱离市场，造成库存积 压和资源浪费。目前，在全球化市场形成的大背景下竞争日益激烈，企业管 理者已逐渐意识到仅凭经验或拍脑袋进行经营管理决策已经不再现实，正确 的决策必须以对客观市场状况进行科学分析和预测为基础。但由于技术、环 境、人员和资金等方面的限制，大多数企业缺乏有效的方法和科学的手段来 进行销售预测，因此有必要进行相关技术研究，提供高质量的销售预测，为 企业管理决策提供重要的支持从而提高企业的经济效益。 本文将近年来发展迅速的神经网络技术应用于销售预测，并对网络结构 的设计过程进行了分析研究，通过优化网络参数设置对神经网络进行改进以 提高预测精度，从而为企业经营决策提供有力的支持。增强企业竞争力。 1 2 预测方法的理论研究与应用现状 理论已经比较成熟的传统预测方法主要有：r i c h a r db c h a s e 提出的移 动平均法心1 ；r b r o w n 提出的指数平滑法以及j o h nn e t e r 提出的回归模型 口1 ，邓聚龙提出的灰色系统理论等n 3 。目前常用于销售预测的定量预测方法有 时问序列分析法、回归和相关分析法、灰色系统模型预测法以及马尔可夫预 测法等。这些方法各有优缺点，各自在某些方面已经具有成功的应用。1 9 9 9 山东大学硕士学位论文 ii i i i 曼曼曼皇曼曼曼曼墨曼皇曼! ! 皇曼曼皇曼舅寰曼寡曼曼曼舅舅曼曼曼篡葛量皇量 年j a m e so h a m il t o n 佑1 指出a r m a 模型在短期预测中预测较为可靠，能够达到 期望的置信区间。c h ik i nc h a n 等拍1 利用综合预测方法对银行每月货币需求 进行预测，提高了预测精度，从而更有效的减少了资金占有并节约了库存管 理成本，实际结果表明，多种方法的综合预测精度比任何单种预测方法的精 度都要高。2 0 0 0 年，张灵莹等罅3 运用指数增长曲线模拟深圳移动电话销售曲 线，在此基础上运用马尔可夫过程较好的预测了深圳移动电话的市场占有率。 2 0 0 1 年，刘丽萍等姻1 通过回归分析建立了饮料销售量与气温之间的回归方程， 并通过检验证实气温对饮料销售量线性影响显著，据此进行饮料销售量预测 可行。2 0 0 3 年，纪跃芝等洚3 运用马尔可夫链进行企业利润预测，研究了经济 环境、经营条件发生变化时的经济预测问题，提出了可行的用于企业生产及 销售的指导方法。2 0 0 4 年，陆勇n 棚应用有线性趋势和季节性波动的时闻序列 方法对某市啤酒销售额进行了分析预测，预测方法简单易行，结果比较客观， 与实际偏差不大。2 0 0 5 年，毛广雄等1 利用灰色分析法预测上海房地产市场 需求量的增长情况并对市场需求的主要影响因素进行了灰色关联度分析，以 此为基础进行预测和总结，得出了有意义的结论。 销售预测是一项复杂的系统工程，多表现为非线性变化趋势，而且影响 预测的各影响因素之间往往存在着各种错综复杂静相互作用，传统预测方法 建立的模型难以准确的表达这些相互作用，表现出很多的不足和局限性，如： 预测精度不能满足实际要求，不具备自适应和自学习的能力而使得系统的鲁 棒性差，节假曰预测不能获得令人满意的效果等。随着被预测问题复杂程度 的提高，尤其是在处理非线性问题时传统预测方法难以建立函数关系，而人 工神经网络技术( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 由于能够通过参数的 反复训练获得数据间的依存关系而实现对任意复杂函数的映射，在预测应用 中逐渐得以发展。 现代人工神经网络起源于2 0 世纪4 0 年代，其发展过程经历了几个关键 的时期。1 9 4 3 年m c c u l l o c h 和p i t t s 描述了一个神经网络的逻辑演算过程， 神经元模型遵循“有或无”( a ll - o r n o n e ) 的规则，假设神经元数目足够多而 且设置突触连接适当并同步操作，则神经网络原则上可以计算任何可计算的 函数，m c c u l l o c h 和p i t t s 的工作标志着神经网路和入工智能学科豹诞生n 烈。 1 9 5 8 年r o s e n b l a t t 在有关感知器的研究中提出了将一种新的有监督学习能 2 山东大学硕士学位论文 曼曼曼皇曼曼曼曼曼曼曼曼曼皇曼曼曼曼曼曼曼曼曼曼曼曼曼舅曼曼曼曼舅曼曼曼量n 曼量曼皇曼皇曼曼皇曼皇曼曼曼曼皇曼曼曼量曼曼璺曼曼曼曼皇曼鼍皇曼 力的方法用于模式识别问题，通过训练感知器根据事先分类好的样本自动调 整参数来完成识别工作n 朝。然而1 9 6 9 年m i n s k y 和p a p e r t 在发表的书中指出 了感知器的局限性，并认为多层感知器不可能克服单层感知器的局限，这在 当时产生了极大的消极影响，而且人们也没有意识到神经网络将会有更好的 发展前景，从而导致了7 0 年代人工神经网络研究发展的低潮阶段n 钔。8 0 年 代，h o p f i e l d 于1 9 8 2 年发表的论文标志着神经网络研究工作的再度兴起， 他在论文中利用能量函数的思想形成了一种用于具有对称突触连接的递归网 络所执行的计算上的新方法n 5 j 引。r u m e l h a r t 和m c l e l l a n d 于1 9 8 6 年出版了 非常著名的2 卷集著作并行分布式处理：认知微结构的探索，该著作提出 了训练神经网络的反向传播算法，对反向传播算法的使用产生了极其重大的 影响n 钉。在此之后，神经网络在各个领域得到广泛应用，预测也成为神经网 络应用的重要分支。1 9 9 1 年p a rk 等口8 1 首先开展了使用b p 模型预测电力系 统负荷的研究，研究中作者用不同的输入量来预测不同的负荷。此后一些学 者以此为基础，做了进一步改进和扩展工作n 引，提出了b p 模型的自适应训练 算法，使训练速度明显提高，并获得了较标准b p 算法更有效的短期负荷预测 效果。2 0 0 1 年，a o ni a n 等啪3 分别应用神经网络及传统预测方法来对具有 较强趋势性及季节性特征的美国零售集团进行预测，预测结果的比较表明， 在预测不同时期及不同销售产品时，神经网络的预测结果更接近于实际销售 值，具有非常明显的预测优势。2 0 0 3 年，沙磊等瞳妇建立了一个上海住宅市场 的b p 神经网络预测模型，通过该模型预测和分析上海住宅市场需求。2 0 0 4 年李翔龙等1 提出了一种应用自适应调节变异率和变异量的进化算法优化神 经网络权值和网络结构的方法，来改进神经网络传统学习算法的不足，建立 了电火花铣削加工电极损耗预测模型，结果表明此模型最大预测误差仅为 1 4 ，可以很好的反映电极的损耗规律。张俊才等1 应用大坪医院器材库存的 历史数据对b p 神经网络预测模型进行了训练，然后利用此模型进行该医院器 材的需求预测，据此为采购和库存管理决策提供有力的依据，结果大大降低 了医院库存成本。2 0 0 5 年，陈芳等晗钔提出了一种小波神经元网络预测方法用 于电量短期负荷预测，具体方法为采用m o r l e t 小波作为激活函数，使用进化 算法优化神经网络以更好的学习网络的输入一输出之间的非线性关系，结果表 明该模型预测精度较高，并且有很好的运行稳定性。结果表明人工神经网络 3 山东大学硕士学位论文 方法预测住宅市场需求可行而且有效。 1 3 论文的主要研究内容 本论文的主要研究内容如下： 第一章：介绍课题的研究背景，课题的理论和实践意义，并给出了本论 文的研究思路。 第二章：介绍了销售预测的基本理论和方法、常用传统预测方法的数学 模型以及各种预测方法的优劣与适用范围；并且介绍了销售预测的影响因素 和实施过程。 第三章：论述了神经网络的结构和分类以及它在销售预测中应用的理论 基础，重点介绍了b p 神经网络的网络结构、学习规则、泛化能力及b p 网络存 在的阀题和主要的改进方法。 第四章：针对b p 网络存在的不足之处，结合某卷烟配送中心的实际销售 情况，对配送中心的卷烟销售量按年、月、周三个时间周期进行预测，详细 讨论隐层节点数的确定过程、样本数据的处理过程以及输入数据的确定过程， 通过对网络结构中输入数据的调整及样本的选择，改进了网络结构，改善了 预测结果。将预测结果与传统模型进行了比较分析。同时，讲述了网络模型 的训练过程及程序的实现过程。 篇五章：对全文加以总结，指出论文中的不足之处，并对今后的工作做 出展望。 4 山东大学硕士学位论文 第2 章销售预测理论和方法 2 1 销售预测的基本方法 2 1 1 定性预测 定性预测是指预测者通过对预测对象的外部表现和主观了解，利用个人 经验、判断和思维，对事物的未来发展做出预测。 1 德尔菲法 德尔菲( d e l p h i ) 法是在专家个人预测法及专家会议预测法的基础上建 立起来的，克服了专家个人预测的局限性和专家会议预测易受到心理因素干 扰的缺点，德尔菲法借助于现代信息处理技术更系统地反映出专家集团的社 会意向，来达到科学的预测评价的目的。因而，德尔菲法是一种广泛适用的 预测方法，它往往是在没有历史数据和历史事件借鉴时常常选择的一种方法， 在长远规划者心目中享有很高的威望【2 5 】。 德尔菲法的具体实旌步骤： ( 1 ) 明确预测问题，组成专家小组。 ( 2 ) 各个专家根据他们所收到的资料，提出自己的初次预测意见。 ( 3 ) 请专家修改初次预测意见。将各位专家第一次判断意见汇总，列成图 表，请身份更高或类似的其他专家加以评论，再以书面形式发给各位 专家，让专家比较自己与别人意见的不同，修改自己的初次判断，做 出第二次判断，如此反复修改，逐轮收集意见并为专家反馈信息，直 到判断意见趋于稳定，专家不再改变意见为止。 ( 4 ) 对专家的意见进行综合处理，确定预测值。 2 购买者期望法 购买者期望法是通过征询顾客以及客户的潜在需求或商品购买计划的情 况，了解顾客购买商品的活动、变化、特征并且收集消费者意见，然后再分 析市场变化的情况从而对未来市场需求做出预测。购买者期望法非常适用于 企业销售中少数重要顾客占据企业大部分销售量的情况。 3 情景预测法： 情景预测法是一种新兴的预测方法，由于它具有不受任何条件限制的优 点，并且能充分调动预测人员的想象力，因而情景预测法应用起来较灵活， 5 山东大学硕士学位论文 皇邕鬯蔓篡曼曼曼皇曼曼皇笪邕邕舅量曼曼曼舅曼曼曼曼i l 1 i 曼曼量兰篡曼曼曼曼曼皇曼曼曼曼舅皇曼等曼曼皇曼曼舅舅曼黑粤曼曼曼 考虑也比较全面，从而有利于决策者做出更客观的决策，所以它在制定经济 政策和公司战略等方匾有取得了很好的应用价值汹1 。 2 1 2 定量预测 定量预测是利用历史数据，运用一定的数学模型进行求解从而预测和推 测未来发展变化情况的一类预测方法。定量预测方法主要有时闻序列分析预 测法、回归和相关分析预测法以及灰色预测法等。 2 1 2 1 时间序列分析方法 时间序列分析方法是利用变量与时闻之间的关系，通过对以往数据的分 析对未来数据进行预测的方法，主要包括以下几种： l 、篱单移动平均法： 简单移动平均指相继移动计算若干个时期的算术平均数预测下一期的 值。简单移动平均的各元素权重都相等。其计算公式如下： f ：丝芷垒型芷三型 泞 ( 2 - 1 ) 其中， 置：下一期预测值； _ r ，：历史数据移动平均的时期个数( 跨度) ； 蠢h ? 前一期的实际值： 磊荡a 和危，分别表示翦两期、前三期直至翦f l 期的实际值。 2 、加权移动平均法 加权移动平均法为每一数据值选择不同的权重，体现历史数据对未来预 测值的影响差异，并将最近r 1 个数据值的加权平均值作为预测值。运用加权移 动平均法时，首先选择观察值的数目，然后为每一观察值赋予相应的权值， 一般丽言，近期观察值的权数应该大些，远期观察值的权数应该小些。如果 数据是季节性的，则权重也应是季节性的渤3 。 加权移动平均法的计算公式为： f = m 4 一l + w 2 a ，_ 2 + w 3 a 山+ w a ，一。 ( 2 2 ) m ：第t 一1 期的实际值对于预测的权重； 6 山东大学硕士学位论文 曼量曼皇曼曼曼皇曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼n , =u i 皇曼曼曼曼曼曼皇 眩：第t - 2 期的实际值对于预测的权重； ：第t - n 期的实际值对于预测的权重； 胁预测的时期数；且w 。+ w 2 + + w n = l 移动平均法虽然可以平滑掉需求突然波动而对预测结果产生的影响，但 是移动平均法在运用时，同样也存在着一定的局限性。 ( 1 ) 加大移动平均法的时期数即加大，植，平滑波动效果则会更好，但 却会使预测值对数据的实际变动不敏感； ( 2 ) 移动平均值并不是总是能够很好地反映出趋势。由于取的是平均 值，导致预测值总是停留在过去的水平上而无法预计将来的波动； ( 3 ) 移动平均法需要大量的过去时期的数据记录。否则，在预测未来连 续时期的销售量时，就会用到较多的甚至是全部预测值来求平均值，从而导 致预测精度和可信度的下降。 所以移动平均法比较适用于预测上下波动较小、趋势相对平稳的时间序 列。而且，如果预测未来时期相对较短时，预测的效果较好。 3 、指数平滑法 指数平滑法是对移动平均法的发展和改进，应用指数平滑法时，既可以 考虑对影响预测的近期和远期实际数据赋予不同的权数( 即近期较大，远期 较小) ，预测时又不需要必须储备象移动平均法那样大量的历史数据，而且 计算方便，更新预测模型简易，所以是一种比较常用的预测方法。 4 、自回归滑动平均模型 自回归滑动平均模型( a u t o r e g r e s s i v ea n dm o v i n ga v e r a g em o d e l ， a r m a 模型) 是研究时间序列的重要方法，属于弱时间序列即随机时间序列模 型。均值为0 且具有有理谱密度的平稳时间序列一定能够表示为自回归模型 ( a u t or e g r e s s i o n ，a r ) 、滑动平均模型( m o v i n ga v e r a g e ，s t ) 和自回归 滑动平均模型三种模型之一嘲1 。由自回归模型与滑动平均模型为基础“混合” 构成自回归滑动平均模型，该模型经常用于长期追踪资料的研究，如：在有 关零售的研究中，用于具有季节变动特征的销售量以及市场规模的预测等。 2 1 2 2 回归和相关分析法 一切事物之间都存在直接或间接的因果关系。如某商品在某地区的销量 7 山东大学硕士学位论文 与地区收入水平及产品价格之间、劳动生产率与生产成本之间都着存在一定 的因果关系。回归和相关分耄斥预测法就是在分析蘸个或多个自变量和因变量 之间相关关系薛基础上，建立因变量随自变量的变化丽变化的回归方程，然 后把回归方程作为预测模型以囱变量为基础对因变量进行预测。在实际的市 场预测中，它是一种具体并行之有效的具有很高实用价值的常用预测方法。 回归分析法根据自交量的数日分为一元线性回归分孝斤、多元线性回归分 析；根据自变量和因变量之间的函数关系的不同分为线性回归分析和非线性 回归分析。其预测过程均为建立模型、参数估计和相关性检验。 l 、一元线性回归分析预测法 一元线性回归分析预测法是指相关的两个变量之间关系曲线可以用一条 直线进行逼近，选择合适的方法对参数进行估计，建立一元线性圉归分析模 型，然后根据变量闻的相关关系进行预测的方法。应用一元线性回归分析预 测法时，应该注意的是在众多影响因变量的因素之中，只有确实存在一个明 显高于其健因素影响的自变量，才可以应用一元线性回归分析法对因变量进 行预测。 在一元线性回归预测中，建立两变量间的关系式： y i = a 4 - b x i + 幺 ( 2 3 ) 设占，是实际样本点与直线y = 口+ k 的纵向距离( 即误差) ，当误差平方 和( s u mo fs q u a r ee r r o r ，s s e ) 最小时，预测值就越逼近于实际值，从而 预测的效果最好。设函数q = = 抗一口一魄罗。使薇得最小值时，邸 误差平方和最小时，利用最d - - 乘法求出参数表达式为： 朋丢x , y r - z hx , y h y , ( 2 5 ) b = ! ：l! ：! ，! ：i 一一。 7 - zx ( x ，) 2 为了简化计算，我们作如下定义： 8 厶 一 厶 | i 山东大学硕士学位论文 鼢z ( x t - - - ) 2 ；# 一华 ：”力2 - - - - 砰一掣 ( 2 - 6 s 印：z ( x t - - x x y , - _ ) ：y 乃一_ z 工z y , 式中：；：显，歹：坠 带入参数表达式，则 口2 y b x ( 2 7 ) b ：望 & ( 2 8 ) 然后代入自变量的值来预测未来值。 回归分析预测法假设两个变量间存在线性关系或者接近线性关系，而x 和j ，之间是否具有线性关系，需要通过计算相关系数r 对x 和y 之间相关程 度作出判断，其公式如下： r ：薹竖二兰鉴苎二! !： 璺2( 2 9 ) 厂= ；兰兰兰= = = = ；= = = = = = = = = ；= = = 一 、厶j ( 一；) 2 z c y , 一- ) 2 相关系数的取值范围为 一1 ，1 ，当r = l 时，x 和y 存在相关性，当r = o 时，表明x 与y 不存在相关性。i r l 越接近于l ，线性相关性越强，l r i 越接近 于0 ，相关性越低。 2 、多元线性回归分析预测法 在实际应用中，某一因素的变化往往受到多种相关因素的影响，因此需 要进行多元线性回归分析预测确定变量和相关因素间的定量关系。多元回归 分析预测法是指对两个或者两个以上自变量和一个因变量之间建立回归预测 模型进行预测的方法。多元线性回归分析预测模型的一般公式为： 】，= 口+ b l 一+ b 2 x 2 + b 3 x 3 + + b x 。 ( 2 1 0 ) 多元线性回归分析预测模型中最简单的是只有两个自变量的二元线性回 归分析预测模型，其一般形式为： y ，= 口+ b j x 】+ b 2 x 2 ( 2 一1 1 ) 9 山东大学硕士学位论文 笪邕舅黑皇曼曼曼曼皇曼曼邕邕黑是曼曼皇曼曼量i 一。 一。； i i i 曼曼曼皇曼舅曼曼舅黑曼曼曼曼曼 其中，】，为因变量，蜀和扔为两个与】，有密切关系的印象因素。a ，b 。和b 。 是多元线性回归分析预测的参数，可以通过解下列的方程组来得到。 y = n a + b 。一+ 6 2 x ： z 。y = a 而+ 6 ，x 卜6 ：x l x 2 ( 2 一1 2 ) x ：y = 口x ：+ 热叩：+ 乞x ； 二元线性回归分析预测法基本原理和步骤与一元线性回归分析预测法基 本上相同，没有根本的区别。 3 、非线性回归预测法 在社会经济现象中，有些变量之间并不是线性关系，非线性回归问题可 以经过线性变换转化为线性回归问题。 常见的菲线性回归预测函数有：双曲线：三：8 + 鱼对x ，y 进行双曲线回 y x 归分析时，令v 。1 ，x 。：三则转化为线性函数y = a + b x 。；抛物线函数 。 y x y = a + b x + c x 2 ，可看作是y 是莉，的线牲关系：对数函数y ：a + b l n x ，在对x ，y 进行对数回归分析时，令x ：i nx ，y ：y ，这时需要建立y ：口+ bi nx 转化 为建立y = a + b x 的线性函数；幂函数y = a x 6 ，转化为线性函数时，先变形 l n y = i n a + b l n x ，再令y _ 1 ny ，x i nx ，口l - i n 口煲| jy = a + b x ；指数 函数y = e a + b x 应用指数模型时，也要转换为线性模型来求解，把y = e h 两边 取对数得到：l n y ：4 + b x ，因此令x = x ，y = i ny ，然后对y = a 躲进行 最小二乘法求解。预测未来f 时值为p 口+ 饥；s 型函数y ：上。 口+ 6 p 4 2 1 。2 3 灰色预测模型 2 0 世纪8 0 年代，华中理工大学教授邓聚龙首先提出并创立了灰色系统理 论，灰色系统指的是部分信息已知，另一部分信息未知的系统，系统内各个 医素间具有不确定的关系。因此，灰色系统预测是用来解决信怠不确定或不 完备系统的预测方法。理论认为实际系统的行为现象虽然模糊，实际数据也 很复杂，但它却是有序且具有整体功能的。灰数就是从杂乱中寻找出规律而 形成的，忝且灰色理论建立的模型是生成数据模型焉菲原始数据模型，所以， 灰色预测的数据实际上是通过生成数据的g m ( 1 ，1 ) 模型所获得的预测值进行 山东大学硕士学位论文 皇曼曼皇曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼曼皇蔓蔓曼曼曼曼曼曼曼! 曼曼曼曼曼曼曼曼i _ i 毫曼皇曼皇曼 逆向处理的结果。灰色系统理论已经广泛应用于农业、地质、气象以及社会、 经济、能源等各个领域【2 9 1 。 2 2 销售预测预测精度的衡量： 假设实验数据的实际数据值为k ，匕，l ，预测模型计算获得的预测值 为# ，或，多。，有关预测精度衡量的常用指标如下p o j ： 平均误差m d ，即价预测误差的平均值。 m d ：告童( “a ) 刀j 标准误差s ，也称均方根误差。公式为 s = 酾 ( 2 - 1 3 ) ( 2 - 1 4 ) 其中最常用的一种方法是平均绝对百分误差( m a p e ，m e a na b s o l u t e p e r c e n t a g ee r r o r ) 。公式为： m a p e = 吾如。，l ( 2 - 1 5 ) 其中，气：争：兰；r 为第j 期实际数据值，# 为第j 期数据预测值。 平均绝对百分误差( 删脚评价预测精度的参考标准之一为平均绝对百 分误差( m a p e ) 在2 0 - - - 5 0 之间的认为该预测具有可行性，低于2 0 的则认为 预测效果良好b 。 2 3 销售预测的影响因素 销售预测非常重要，然而及时准确的进行销售预测并不容易，在预测和 选择较合适的预测方法之前，对影响销售预测的各种因素有所了解是非常有 必要的。影响销售预测的因素主要包括外界因素和内在因素。 1 、外界因素 ( 1 ) 消费者需求动向 外界因素之中最重要的一项是消费者需求动向，如流行趋势、爱好变化、 生活形态变化、人口流动等都能够成为产品或者服务需求的质和量方面的影 响因素，所以，必须对这些因素加以分析与预测。企业应该尽可能掌握市场 山东大学硕学位论文 蔓皇笪寰曼曼曼舅曼曼曼皇i l l i l li l l l i l l l | l l 皇蔓曼曼曼曼曼曼寰曼曼鼍皇 的需求动向，最大范围的收集有关预测对象的市场资料、市场调查机构资料 以及购买动机调查等统计资料。 ( 2 ) 经济变动 经济变动对销售收入的影响很大，经济因素是影响商品销售的重要因 素，为了提高销售预测的精度，应该特别关注商品市场中供需情况。戈其是 随着科技、信息的快速发展，无法预知的影响因素的增多同样导致了企业销 售收入的波动。所以，预测时需要特别注意政府及财经界对经济政策的见解 以及资源问题的未来发展和基羲窭工监、加工业生产、经济增长率等指标的变 动情况。特别更要突发事件对经济的影响。 ( 3 ) 同业竞争动向 同业竞争者对销售额的嵩低有很大妻留影响，企业为了生存，必须掌握竞 争对手在市场上的所有活动。 ( 4 ) 政府、消费者团体动向 对企业锩售产生影响的还有政府的各种经济措施、政策、法德法规以及 消费者团体所提出的各种要求等。 2 、内部因素 ( 1 ) 营销策略 营销策略是指由市场定位、产品政策、价格政策、渠道政策、广告及促 销政策等的变更对销售额所产生的影响。 ( 2 ) 销售政策 销售政策是考虑变更管理内容、交易条件或付款条件以及销售人员报酬 方法和销售方法等对销售额所产生的影响。 ( 3 ) 销售人员 人为因素对于销售额的实现具有相当深远的影响力，因为销售活动就是 一种以人为核心的活动，所以销售人员因素是我们不能忽略的。 ( 4 ) 生产状况 包括生产是否能满足销售活动的要求、生产技术水平高低、产品质量如 何以及生产是否能持续顺利进行下去等。 2 。4 销售预测的基本步骤 1 2 山东大学硕士学位论文 销售预测的过程一般分为以下七个基本步骤口朝： l 、明确预测目标 首先要明确预测什么? 预测的目标规定包括预测的内容、范围、要求、 期限，预测目标是预测的主题，直接影响到预测结果。因此，确定预测目标 要准确、清楚而且具体。 2 、拟定预测方案 根据预测目标的内容及要求，编制预测计划、确定参加人员、拟定预测 方案，从而为全面展开预测工作做好组织上和行动上的准备。 3 、收集和分析资料 收集与预测目标有关的资料，并对收集的资料进行分析。资料主要包括 国家政府部门的统计报表、企业历史资料、国内外有关技术信息和相关研究 成果等。 4 、选择预测模型 根据预测对象的特点和预测性质选择与其相适应的预测模型进行下一步 的预测。定量预测时，应选择用于预测分析的专门方法建立数学模型，并且 将收集到的资料数据输入模型，对预测对象做出合理的预测。定性预测时， 也要选定方法建立设想的逻辑思维模型，并且拟定出预测的调查纲要。 5 、实际进行预测 应用选定的预测方法以及所建立的模型，分别进行定量分析和定性分析， 并给出实事求是的预测结果。 6 、对预测结果进行验证评价 对预测结果进行分析、检验和评价，如果预测值与实际值相差比较小， 并且在要求允许的范围之内，表明预测效果较好，可以采用；反之，预测效 果较差，不能采用。利用实际数值与预测数值进行比较，检测预测结果是否 准确，并找出误差原因，以便及时对选择的预测方法加以修正。所以，对预 测结果进行验证评价是一个反复进行信息数据处理和选择判断的过程即多次 进行反馈的过程。 7 、修正预测结果 对于采用定量方法进行的预测，经常由于某些因素所造成的数据不充分 或无法定量而影响预测的精度，这就需要采用定性的方法考虑这些因素，并 山东大学硕士学位论文 i ! l l l l i l l l i l l i l i l i l l l l l l l i i i l l l i l l l l li l l l l l l 燃燃曼曼 修正定量方法预测的结果。至于采用定性方法预测的结果，同样也往往需要 应用定量方法加以修正和补充，使得预测结果更接近实际值。修正预测结果 的过程是定量分析与定性分析相结合的过程。 1 4 山东大学硕士学位论文 第3 章b p 神经网络 3 1 神经网络 人工神经网络( a r t i f i c i a ln e u r a ln e t w o r k ，a n n ) 是由若干个神经元 广泛的相互连接而形成的一种模型，是模仿生物神经网络功能的计算机模型 阳1 。在许多方面，具有模拟人处理信息的能力。人工神经网络具有对预测有 特别重要意义的自学习功能，从而可以用于经济预测、效益预测等；它还具 有通过反馈而实现联想存储的功能以及高速寻找最优解的能力。人工神经网 络目前已经被广泛应用于模式识