本文關(guān)鍵詞：基于Hadoop的卷煙需求預(yù)測系統(tǒng)設(shè)計與實現(xiàn)

  更多相關(guān)文章： 需求預(yù)測 卷煙銷售 灰度模型 混合預(yù)測模型

【摘要】：十八屆三中全會指出“全面深化改革”戰(zhàn)略方針,強調(diào)資源配置在市場行為中的重要作用和主導地位。以此為背景,2014年3月國家煙草專賣局提出卷煙營銷市場化取向改革,全國卷煙營銷市場化取向改革由此開始。2014年改革工作在京、津、冀三地試點成功,總結(jié)試點經(jīng)驗,2015年改革工作在眾多省市推廣,改革試點工作的第一項任務(wù)就是探索需求預(yù)測方法并落實預(yù)期預(yù)測的指導作用。1.明確需求預(yù)測周期。因為卷煙銷量具有明顯的季節(jié)性和周期性,所以需求預(yù)測的周期一般為年、季度和月度。2.完善需求預(yù)測模型。對于現(xiàn)有需求預(yù)測模型存在的不足進行完善。需求預(yù)測一般是地市級單位和縣級單位,綜合考慮各方面因素確定和系統(tǒng)內(nèi)部的數(shù)據(jù),選擇和優(yōu)化預(yù)測模型,從而提高預(yù)測準確度。3.發(fā)揮需求預(yù)測作用。對于預(yù)測出來的結(jié)果,需要用到實際生產(chǎn)行為中去,指導生產(chǎn)和銷售,達到優(yōu)化資源的目的。本文探索基于大數(shù)據(jù)的卷煙銷量預(yù)測系統(tǒng)的設(shè)計與實現(xiàn)。年度銷量預(yù)測方面:改進了原有的一元線性規(guī)劃算法,用包含經(jīng)濟、社會、人口三大因素,GDP、社會消費品總額、城市人均收入、農(nóng)村人均收入、市人口總數(shù)五項指標做線性多元線性規(guī)劃。月度預(yù)測方面提出了基于灰度模型和綜合時間序列模型的混合預(yù)測模型。預(yù)測準確度比用灰度模型或者綜合時間序列模型明顯提高。最后用用JAVA語言實現(xiàn)了這個混合預(yù)測模型。最后,本文做了一項工作就是把基于Hadoop的卷煙銷售預(yù)測系統(tǒng)與現(xiàn)有的正在運行的信息化系統(tǒng)做了集成,卷煙銷售預(yù)測系統(tǒng)很好的與生產(chǎn)系統(tǒng)無縫對接,同時保證不影響現(xiàn)有的運行系統(tǒng)的業(yè)務(wù)流程。
【關(guān)鍵詞】：需求預(yù)測 卷煙銷售 灰度模型 混合預(yù)測模型
【學位授予單位】：南昌大學
【學位級別】：碩士
【學位授予年份】：2016
【分類號】：TP311.52
【目錄】：

• 摘要3-4
• abstract4-8
• 第1章 引言8-11
• 1.1 研究背景8
• 1.2 研究現(xiàn)狀8-9
• 1.3 論文的研究內(nèi)容及意義9-10
• 1.4 論文結(jié)構(gòu)安排10-11
• 第2章 相關(guān)技術(shù)與算法11-20
• 2.1 Hadoop相關(guān)技術(shù)11-15
• 2.1.1 HDFS11-12
• 2.1.2 Hadoop Map Reduce12-13
• 2.1.3 Hadoop YARN13-14
• 2.1.4 Mahout14
• 2.1.5 Sqoop14-15
• 2.2 相關(guān)算法15-20
• 2.2.1 多元線性回歸15
• 2.2.2 灰度預(yù)測算法15-17
• 2.2.3 時間序列算法17-20
• 第3章 預(yù)測算法研究20-27
• 3.1 多元線性回歸20-23
• 3.2 混合預(yù)測模型23-27
• 第4章 預(yù)測系統(tǒng)設(shè)計與實現(xiàn)27-44
• 4.1 系統(tǒng)架構(gòu)27-30
• 4.2 系統(tǒng)設(shè)計30-34
• 4.2.1 數(shù)據(jù)預(yù)處理30-31
• 4.2.2 數(shù)據(jù)分析31-33
• 4.2.3 數(shù)據(jù)可視化33-34
• 4.3 系統(tǒng)實現(xiàn)34-44
• 4.3.1 數(shù)據(jù)預(yù)處理34-36
• 4.3.2 數(shù)據(jù)轉(zhuǎn)換36-37
• 4.3.3 數(shù)據(jù)分析37-40
• 4.3.4 數(shù)據(jù)可視化40-44
• 第5章 環(huán)境搭建與部署44-53
• 5.1 開發(fā)環(huán)境需求44-45
• 5.2 平臺搭建45-53
• 5.2.1 服務(wù)器配置45-46
• 5.2.2 Hadoop集群安裝46-49
• 5.2.3 Hadoop與Eclipse集成49-51
• 5.2.4 Sqoop安裝51-53
• 第6章 結(jié)論與展望53-55
• 6.1 結(jié)論53
• 6.2 展望53-55
• 致謝55-56
• 參考文獻56-57

【參考文獻】

中國期刊全文數(shù)據(jù)庫 前10條

1 孟婷婷;何利力;;移動平均法在卷煙產(chǎn)量預(yù)測中的應(yīng)用[J];工業(yè)控制計算機;2015年05期

2 何信;杜江;龐海艷;;基于SSH2框架的Web系統(tǒng)的設(shè)計與實現(xiàn)[J];統(tǒng)計與管理;2015年01期

3 闞東成;;卷煙銷售分析預(yù)測系統(tǒng)的構(gòu)建研究[J];經(jīng)營管理者;2014年30期

4 靳巧花;李帥彪;張彬彬;;基于灰色動態(tài)模型的麗江旅游人數(shù)預(yù)測研究[J];數(shù)學的實踐與認識;2012年22期

5 張紅梅;孔榮;;基于季節(jié)分解法的卷煙銷售短期預(yù)測模型[J];現(xiàn)代物業(yè)(中旬刊);2012年11期

6 熊小祥;;卷煙銷售分析預(yù)測系統(tǒng)研究[J];軟件導刊;2012年09期

7 彭仁通;;Hadoop的核心技術(shù)研究或概述[J];科技廣場;2012年05期

8 王豐效;;組合GM(1,1)冪模型及其應(yīng)用[J];數(shù)學的實踐與認識;2011年20期

9 孫建平;;卷煙銷售分析預(yù)測管理信息系統(tǒng)研發(fā)的可行性研究[J];物流技術(shù);2011年13期

10 張美英;何杰;;時間序列預(yù)測模型研究簡介[J];江西科學;2009年05期

，

本文編號：560019