無偏灰色馬爾科夫優(yōu)化模型及其在商品銷售預(yù)測中的應(yīng)用
發(fā)布時(shí)間:2020-11-14 09:40
自我國加入WTO后,國內(nèi)的大部分企業(yè)都將參與到國際市場競爭中并不斷受到來自世界其他國家的商品在我國市場上的傾銷壓力。因此,做好商品的銷售預(yù)測是企業(yè)做出正確的銷售計(jì)劃和經(jīng)營戰(zhàn)略的關(guān)鍵所在?茖W(xué)合理的商品銷售預(yù)測模型對(duì)企業(yè)做出正確的銷售計(jì)劃意義重大。迄今為止,很多學(xué)者和研究人員已在商品的銷售預(yù)測方面做出了大量的工作,例如利用Markov模型、灰色預(yù)測模型和神經(jīng)網(wǎng)絡(luò)模型來預(yù)測商品的銷售狀況,但大多都是單一的模型,而且模型的精度也不是很高。本文首先利用灰色系統(tǒng)理論的知識(shí)在傳統(tǒng)的GM(1,1)預(yù)測模型基礎(chǔ)上構(gòu)建了無偏GM(1,1)預(yù)測模型,消除了原來GM(1,1)預(yù)測模型固有偏差,提高了預(yù)測模型的抗干擾能力。其次,利用Markov理論的相關(guān)知識(shí)對(duì)無偏GM(1,1)預(yù)測模型的相對(duì)殘差序列進(jìn)行了相關(guān)的修正,利用修正后的模型既能預(yù)測數(shù)據(jù)序列的發(fā)展趨勢,又能體現(xiàn)數(shù)據(jù)的波動(dòng)性特征。最后,利用粒子群優(yōu)化算法白化無偏GM(1,1)-Markov預(yù)測模型灰區(qū)間的參數(shù),得到經(jīng)粒子群優(yōu)化后的無偏GM(1,1)-Markov預(yù)測模型,模型的預(yù)測精度得到了顯著的提高。本文選取了2007年至2014年1-9月份美國輕型車亞洲分制造商生產(chǎn)的斯巴魯汽車的累計(jì)銷量情況,實(shí)驗(yàn)結(jié)果表明經(jīng)粒子群優(yōu)化后的無偏GM(1,1)-Markov預(yù)測模型的預(yù)測結(jié)果更加符合實(shí)際的汽車銷量,該模型預(yù)測的精度顯著高于無偏GM(1,1)-Markov預(yù)測模型的精度,因此,該模型可以用于實(shí)際的商品銷售預(yù)測,從而為企業(yè)的經(jīng)營決策提供依據(jù)。
【學(xué)位單位】:哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位年份】:2015
【中圖分類】:F274;F224
【部分圖文】:
圖 4-1 2007 年至 2014 年斯巴魯汽車銷量統(tǒng)計(jì)圖4.2 無偏灰色預(yù)測模型在實(shí)際中的應(yīng)用根據(jù)表 4-1 給出的斯巴魯汽車的銷量數(shù)據(jù),并結(jié)合第二章無偏灰色理論的知識(shí),建立無偏灰色預(yù)測模型,利用 MATLAB 對(duì)原始數(shù)據(jù)的預(yù)測值、絕對(duì)誤差和相對(duì)誤差進(jìn)行計(jì)算的運(yùn)行結(jié)果如表 4-4 所示:
圖 4-2 原始數(shù)據(jù)和無偏 GM(1,1)數(shù)據(jù)比較圖由GM(1,1)預(yù)測模型的灰參數(shù) a 0.1721,有 a 0.3,故該模型可適合做中長期的預(yù)測。由表 4-4,可得無偏GM(1,1)預(yù)測模型的平均相對(duì)誤差為 6.864%,即模型的精度達(dá)到了 93.14%。下面對(duì)該模型進(jìn)行后驗(yàn)差檢驗(yàn):原始數(shù)據(jù)均值(0)11( ) 220767niy y in ;絕對(duì)誤差均值為(0) (0)11( ) 15028nie e in ,其中(0) (0) (0)e (i ) y (i ) y (i );原始數(shù)列的方差22 (0) 9111( ( ) ) 11.0825 10niS y i yn ;絕對(duì)誤差的方差22 (0) (0) 821( ( ) ) 1.0395 10nS e i e ;
哈爾濱工業(yè)大學(xué)理學(xué)碩士學(xué)位論文由表 4-8,經(jīng)過Markov鏈修正后的無偏GM(1,1)預(yù)測模型的平均相對(duì)誤差為3.468% 6.864%,即模型的預(yù)測精度有了一定的提高,如圖 4-3 所示,這是由于Markov鏈預(yù)測模型適合處理波動(dòng)性較大的數(shù)據(jù),并且具有一定的優(yōu)勢性和適用性。由于任何預(yù)測模型都無法完全擬合真實(shí)值。因此,仍需要利用一定的方法優(yōu)化該模型。下面就用 PSO 算法優(yōu)化經(jīng)修正后的無偏GM(1,1)模型。
【參考文獻(xiàn)】
本文編號(hào):2883332
【學(xué)位單位】:哈爾濱工業(yè)大學(xué)
【學(xué)位級(jí)別】:碩士
【學(xué)位年份】:2015
【中圖分類】:F274;F224
【部分圖文】:
圖 4-1 2007 年至 2014 年斯巴魯汽車銷量統(tǒng)計(jì)圖4.2 無偏灰色預(yù)測模型在實(shí)際中的應(yīng)用根據(jù)表 4-1 給出的斯巴魯汽車的銷量數(shù)據(jù),并結(jié)合第二章無偏灰色理論的知識(shí),建立無偏灰色預(yù)測模型,利用 MATLAB 對(duì)原始數(shù)據(jù)的預(yù)測值、絕對(duì)誤差和相對(duì)誤差進(jìn)行計(jì)算的運(yùn)行結(jié)果如表 4-4 所示:
圖 4-2 原始數(shù)據(jù)和無偏 GM(1,1)數(shù)據(jù)比較圖由GM(1,1)預(yù)測模型的灰參數(shù) a 0.1721,有 a 0.3,故該模型可適合做中長期的預(yù)測。由表 4-4,可得無偏GM(1,1)預(yù)測模型的平均相對(duì)誤差為 6.864%,即模型的精度達(dá)到了 93.14%。下面對(duì)該模型進(jìn)行后驗(yàn)差檢驗(yàn):原始數(shù)據(jù)均值(0)11( ) 220767niy y in ;絕對(duì)誤差均值為(0) (0)11( ) 15028nie e in ,其中(0) (0) (0)e (i ) y (i ) y (i );原始數(shù)列的方差22 (0) 9111( ( ) ) 11.0825 10niS y i yn ;絕對(duì)誤差的方差22 (0) (0) 821( ( ) ) 1.0395 10nS e i e ;
哈爾濱工業(yè)大學(xué)理學(xué)碩士學(xué)位論文由表 4-8,經(jīng)過Markov鏈修正后的無偏GM(1,1)預(yù)測模型的平均相對(duì)誤差為3.468% 6.864%,即模型的預(yù)測精度有了一定的提高,如圖 4-3 所示,這是由于Markov鏈預(yù)測模型適合處理波動(dòng)性較大的數(shù)據(jù),并且具有一定的優(yōu)勢性和適用性。由于任何預(yù)測模型都無法完全擬合真實(shí)值。因此,仍需要利用一定的方法優(yōu)化該模型。下面就用 PSO 算法優(yōu)化經(jīng)修正后的無偏GM(1,1)模型。
【參考文獻(xiàn)】
相關(guān)期刊論文 前1條
1 張美英;何杰;;時(shí)間序列預(yù)測模型研究綜述[J];數(shù)學(xué)的實(shí)踐與認(rèn)識(shí);2011年18期
本文編號(hào):2883332
本文鏈接:http://sikaile.net/jingjilunwen/hongguanjingjilunwen/2883332.html
最近更新
教材專著