針對(duì)開(kāi)業(yè)不久的零售藥店及剛上市的新藥缺乏長(zhǎng)時(shí)間銷售數(shù)據(jù),難以進(jìn)行AMIMA等時(shí)間序列分析,以及難以窮盡所有影響因素以進(jìn)行因果預(yù)測(cè)的困難,提出了一種藥品銷量復(fù)合預(yù)測(cè)模型。該模型由三個(gè)部分組成:指數(shù)平滑,用于獲取銷量趨勢(shì);分類主成分分析,用于減少冗余信息;后向傳播前饋神經(jīng)網(wǎng)絡(luò),用于回歸預(yù)測(cè)。利用AB藥房連鎖有限公司24個(gè)藥店的三九感冒靈、51個(gè)藥店的江中健胃消食片和49個(gè)藥店的苯磺酸左旋氨氯地平片兩年半的銷量數(shù)據(jù),對(duì)半年的銷量以月為單位分別進(jìn)行了預(yù)測(cè)驗(yàn)證,結(jié)果顯示:三種藥品的預(yù)測(cè)值與真實(shí)值相關(guān)系數(shù)分別達(dá)到0.77、0.84、0.85,標(biāo)準(zhǔn)化均方誤差分別為0.48、0.37、0.30,從而說(shuō)明了模型的有效性。 

【文章來(lái)源】：中國(guó)礦業(yè)大學(xué)學(xué)報(bào)(社會(huì)科學(xué)版). 2020,22(03)CSSCI

【文章頁(yè)數(shù)】：12 頁(yè)

【部分圖文】：

多層前饋神網(wǎng)絡(luò)拓?fù)?br>

一個(gè)單一的“類神經(jīng)元”如圖2所示,它由一個(gè)有向網(wǎng)絡(luò)圖表示,每一個(gè)接收的輸入信號(hào)(變量x)都根據(jù)其重要性被加權(quán)(w值),所有輸入信號(hào)由“類神經(jīng)元”求和,然后該信號(hào)被用f表示的激活函數(shù)作用并傳遞,最后得到輸出信號(hào)(變量y)。本研究中使用S形激活函數(shù)(logistic激活函數(shù)),用公式(2)表示,公式中的e是自然對(duì)數(shù)的底(約為2.72)。S形激活函數(shù)的輸出值可以落在0～1的任何地方。

綜上所述,整體預(yù)測(cè)模型如圖3所示。綜合來(lái)說(shuō),在預(yù)測(cè)中,首先,我們利用每月之前六個(gè)月(除去前六個(gè)月)的銷量數(shù)據(jù)通過(guò)指數(shù)平滑獲取銷量趨勢(shì)信息;之后,我們分別對(duì)價(jià)格變量(Price、PriceChange)和規(guī)模變量(Goods、Staff、Area)進(jìn)行主成分分析獲得價(jià)格變量主成分和規(guī)模變量主成分;然后,我們以Trend、價(jià)格變量主成分、規(guī)模變量主成分、Medicare、Month為自變量,藥品銷量為因變量,利用訓(xùn)練樣本對(duì)神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練,之后,利用訓(xùn)練好的神經(jīng)網(wǎng)絡(luò)對(duì)測(cè)試樣本進(jìn)行預(yù)測(cè)并評(píng)估效果,對(duì)于不同的隱藏層配置和不同的初始權(quán)重,對(duì)神經(jīng)網(wǎng)絡(luò)這一步驟進(jìn)行重復(fù)并選定最好的方案;最后,評(píng)估選定的神經(jīng)網(wǎng)絡(luò)方案及整體預(yù)測(cè)方案的預(yù)測(cè)效能。

【參考文獻(xiàn)】：
期刊論文
[1]管制、市場(chǎng)結(jié)構(gòu)與中國(guó)醫(yī)藥分離的改革績(jī)效[J]. 劉小魯.  世界經(jīng)濟(jì). 2011(12)
[2]北京市石景山區(qū)藥品銷量與氣溫關(guān)系研究[J]. 孟慶芬,李敏,白云,王全意,黎新宇,佟明新,郭舫茹,楊娜.  首都公共衛(wèi)生. 2008(01)



本文編號(hào)：3237383