發(fā)布時(shí)間：2018-06-11 23:33

  本文選題：銷售預(yù)測 + 組合預(yù)測��； 參考：《華南理工大學(xué)》2015年碩士論文

【摘要】：藥品的銷售規(guī)律并不是一個(gè)簡單的線性行為方式,它更是受市場、經(jīng)濟(jì)、政策等因素綜合影響的非線性行為方式,這其中包含了極大的不確定性和模糊性,同時(shí)又包含了某種必然性。利用有限的銷售數(shù)據(jù),選擇合理的預(yù)測方法對(duì)藥品銷量進(jìn)行預(yù)測對(duì)于醫(yī)藥流通企業(yè)合理安排進(jìn)銷存、減少經(jīng)營成本具有重要的指導(dǎo)意義。本文首先介紹了所研究企業(yè)存在的問題以及準(zhǔn)確銷售預(yù)測的必要性,并介紹了預(yù)測領(lǐng)域的研究現(xiàn)狀,對(duì)主要的預(yù)測方法進(jìn)行了歸納;其次,針對(duì)藥品銷售過程中存在的線性、非線性、確定性、不確定性等問題,選取了較為合適的幾個(gè)單項(xiàng)預(yù)測模型,介紹了相關(guān)的理論,并總結(jié)出各項(xiàng)模型的優(yōu)缺點(diǎn);再次,在各個(gè)單項(xiàng)模型的基礎(chǔ)上提出了基于神經(jīng)網(wǎng)絡(luò)進(jìn)行非線性組合的變權(quán)重組合預(yù)測模型—CAMB組合預(yù)測模型,給出其算法流程,并從理論上闡述了組合預(yù)測模型相對(duì)于單項(xiàng)預(yù)測模型的優(yōu)性;最后,利用已有的藥品銷售數(shù)據(jù),分別應(yīng)用單項(xiàng)模型和CAMB模型進(jìn)行預(yù)測,通過對(duì)模型預(yù)測結(jié)果的對(duì)比分析,驗(yàn)證了本文所提出的新模型的有效性和實(shí)用性。沒有任何一種方法能保證在任何情況下都能得到較好的預(yù)測效果。本文所提出的CAMB組合預(yù)測模型將時(shí)間序列模型、云模型和神經(jīng)網(wǎng)絡(luò)模型結(jié)合起來,充分利用了各個(gè)模型的優(yōu)點(diǎn),將不同方面的有用信息綜合起來,得到較優(yōu)的組合預(yù)測模型,降低了單項(xiàng)模型出錯(cuò)的風(fēng)險(xiǎn),為藥品的銷售預(yù)測提供了一種新的方法,提高了預(yù)測的準(zhǔn)確度。
[Abstract]:The law of drug sales is not a simple linear behavior, but also a non-linear behavior influenced by market, economy, policy and other factors, which contains great uncertainty and fuzziness. At the same time, it contains some inevitability. Making use of the limited sales data and choosing reasonable forecasting methods to predict the drug sales volume has important guiding significance for pharmaceutical circulation enterprises to reasonably arrange the purchase, sale and storage, and to reduce the operating cost. This paper first introduces the existing problems of the enterprises studied and the necessity of accurate sales forecasting, and introduces the research status in the field of prediction, and summarizes the main forecasting methods; secondly, aiming at the linearity in the process of drug sales, Nonlinear, deterministic, uncertainty and other issues, selected a few more suitable single prediction models, introduced the relevant theories, and summed up the advantages and disadvantages of each model. On the basis of each single model, the variable weight combined forecasting model-CAMB combination prediction model based on neural network is proposed, and its algorithm flow is given. Finally, using the existing drug sales data, the single model and CAMB model are used to predict, and the results of model prediction are compared and analyzed. The validity and practicability of the proposed new model are verified. There is no way to guarantee a better prediction in any case. The CAMB combined forecasting model proposed in this paper combines the time series model, cloud model and neural network model, makes full use of the advantages of each model, synthesizes the useful information in different aspects, and obtains a better combination prediction model. It reduces the risk of single model error, provides a new method for drug sales prediction and improves the accuracy of prediction.
【學(xué)位授予單位】：華南理工大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類號(hào)】：F721

【參考文獻(xiàn)】

相關(guān)期刊論文 前6條

1 楊偉,倪黔東,吳軍基;BP神經(jīng)網(wǎng)絡(luò)權(quán)值初始值與收斂性問題研究[J];電力系統(tǒng)及其自動(dòng)化學(xué)報(bào);2002年01期

2 江學(xué)鋒;;共軛梯度BP算法在藥品銷售預(yù)測中的應(yīng)用[J];電腦知識(shí)與技術(shù);2012年14期

3 蔣嶸,李德毅,陳暉;基于云模型的時(shí)間序列預(yù)測[J];解放軍理工大學(xué)學(xué)報(bào)(自然科學(xué)版);2000年05期

4 劉德玲;;大區(qū)域內(nèi)藥品銷售預(yù)測方法研究與仿真[J];計(jì)算機(jī)仿真;2012年07期

5 唐小我;;組合預(yù)測計(jì)算方法研究[J];預(yù)測;1991年04期

6 李小華;林英姿;;時(shí)間序列預(yù)測方法在醫(yī)院藥品采購的應(yīng)用[J];醫(yī)學(xué)信息;2008年06期

相關(guān)會(huì)議論文 前1條

1 張濤;;中國宏觀經(jīng)濟(jì)預(yù)測評(píng)價(jià)與組合[A];21世紀(jì)數(shù)量經(jīng)濟(jì)學(xué)（第6卷）[C];2005年

相關(guān)博士學(xué)位論文 前1條

1 代勁;云模型在文本挖掘應(yīng)用中的關(guān)鍵問題研究[D];重慶大學(xué);2011年

相關(guān)碩士學(xué)位論文 前10條

1 吉敏;支持向量回歸機(jī)在組合預(yù)測中的應(yīng)用研究[D];東華大學(xué);2011年

2 王兆紅;基于梯形云模型的數(shù)量型關(guān)聯(lián)規(guī)則挖掘方法[D];山東科技大學(xué);2004年

3 馮朝一;云理論在數(shù)據(jù)挖掘中的應(yīng)用研究[D];廣西大學(xué);2007年

4 劉劍;辦公用品采購決策系統(tǒng)的研究[D];中南大學(xué);2006年

5 吳昌友;神經(jīng)網(wǎng)絡(luò)的研究及應(yīng)用[D];東北農(nóng)業(yè)大學(xué);2007年

6 王守國;基于云理論的RBF神經(jīng)網(wǎng)絡(luò)算法改進(jìn)研究[D];東北電力大學(xué);2008年

7 高放;組合預(yù)測研究及其在交通流量預(yù)測中的應(yīng)用[D];山東科技大學(xué);2008年

8 楊振華;基于供應(yīng)鏈需求預(yù)測的安全庫存優(yōu)化研究[D];天津大學(xué);2008年

9 錢吉夫;SVR季節(jié)性時(shí)間序列預(yù)測模型的構(gòu)建與應(yīng)用[D];華南理工大學(xué);2010年

10 朱君;廣域PSS和VSC-HVDC協(xié)調(diào)控制研究[D];南京師范大學(xué);2013年

，

本文編號(hào)：2007165