隨著市場經(jīng)濟(jì)體制的高速發(fā)展,預(yù)算管理作為一種以經(jīng)營利潤為首要目標(biāo)的管理方式,能夠?qū)ζ笫聵I(yè)單位未來的發(fā)展提供全面籌劃,因此在企事業(yè)單位經(jīng)濟(jì)發(fā)展中占據(jù)著極其重要的地位。國家圖書文獻(xiàn)中心雖然對于預(yù)算管理工作十分重視,也建立了相應(yīng)的預(yù)算管理體系但是卻沒能達(dá)到一定的戰(zhàn)略目標(biāo),尤其是與圖書業(yè)務(wù)相關(guān)的預(yù)算工作。對于此問題本文從市場需求和機(jī)構(gòu)自身實(shí)際需求兩方面進(jìn)行了相關(guān)研究,為機(jī)構(gòu)預(yù)算工作的可持續(xù)性發(fā)展提供有力的技術(shù)保障。主要工作包括:（1）針對機(jī)構(gòu)預(yù)算填報內(nèi)容缺少規(guī)范性,在進(jìn)行填報時具有很大的主觀性和盲從性因而無法準(zhǔn)確及時的掌握市場需求變化趨勢的問題,提出了新陳代謝灰色殘差多次修正模型,對各類圖書的消費(fèi)趨勢做出前瞻性預(yù)測從而為預(yù)算填報提供有效的參考。此模型是在對原始的新陳代謝灰色預(yù)測模型背景值改進(jìn)基礎(chǔ)上,又對殘差序列進(jìn)行了多次修正。經(jīng)驗證,相比較單一的新陳代謝灰色預(yù)測模型有效提高了預(yù)測的準(zhǔn)確度。（2）針對國家圖書文獻(xiàn)中心的關(guān)于圖書選購預(yù)算制訂方面的需求,構(gòu)建了基于word2vec的圖書推薦模型。與傳統(tǒng)的協(xié)同過濾推薦模型相比該模型所需圖書相關(guān)特征信息更少、算法的復(fù)雜度更低,可以取得更好的推薦效果。（3... 

【文章來源】：西安理工大學(xué)陜西省

【文章頁數(shù)】：64 頁

【學(xué)位級別】：碩士

【部分圖文】：

當(dāng)當(dāng)網(wǎng)銷量排行榜爬取結(jié)果展示Fig.3-3Dangdangsalesrankingcrawlresultsdisplay

西安理工大學(xué)碩士學(xué)位論文22售的占比值的預(yù)測。3.3.3模型實(shí)現(xiàn)根據(jù)本文前述章節(jié)提出的模型步驟，以童書類2007-2017年為原始數(shù)據(jù)序列進(jìn)行2018年及2019年的占比值的預(yù)測，具體數(shù)值如表3-2所示。表3-2童書類相關(guān)數(shù)據(jù)Tab.3-2Children"sbooksrelateddata年份實(shí)際值(%)預(yù)測值(%)殘差狀態(tài)200714.214.20.0_200816.017.022-1.022E3200920.218.2411.959E2201024.619.5475.053E2201124.620.9463.654E2201221.222.446-1.246E3201314.424.053-9.653E1201428.225.7752.425E2201521.827.620-5.820E1201627.429.598-2.198E3201739.431.7177.683E2*201833.633.988-0.3888_在對數(shù)據(jù)進(jìn)行背景值改進(jìn)后的新陳代謝灰色預(yù)測模型構(gòu)建前使用光滑比對數(shù)據(jù)序列的光滑度進(jìn)行檢驗，發(fā)現(xiàn)序列符合光滑條件()=(0)()(1)(1)<0.5,所以該序列不需要進(jìn)行預(yù)處理操作可直接對此進(jìn)行預(yù)測模型的構(gòu)建。對2007-2017年童書類的占比值進(jìn)行模型構(gòu)建之后的預(yù)測結(jié)果如圖3-5所示，具體數(shù)值可查看表3-2圖3-5新陳代謝灰色預(yù)測模型結(jié)果Fig.3-5Metabolicgreypredictionmodelresults通過后驗差的檢驗方式可發(fā)現(xiàn)使用單一的背景值改進(jìn)后的新陳代謝灰色預(yù)測模型∈[0.35,0.45)滿足>0.80的檢驗條件預(yù)測精度等級為合格，說明該模型的擬合效果和

基于在線數(shù)據(jù)的圖書消費(fèi)趨勢預(yù)測23預(yù)測精度能滿足一定的要求。從圖可以看出此模型的預(yù)測結(jié)果大致描繪出了數(shù)據(jù)的增長趨勢但是擬合效果不是很好，模型的預(yù)測精度還可以進(jìn)行更進(jìn)一步的提高，因此本文提出修正模型對于新陳代謝灰色預(yù)測模型的殘差進(jìn)行多次的修正。首先使用傅里葉對于殘差進(jìn)行一次修正改善其模型中一階累加而造成的單一指數(shù)變化率的局限性，以便模型能夠更好反映出圖書消費(fèi)趨勢受眾多因素影響指數(shù)率隨時間的變化而變化的特點(diǎn)。經(jīng)計算可得：C=[0.2140.9283.8831.6570.4012.5222.8051.0143.710]將此代入式（3-4），分別得到各年度的一次修正值，然后用得到的修正值對新陳代謝灰色預(yù)測的結(jié)果進(jìn)行一次修正，修正之后的效果如圖3-6所示。從圖中可以看出使用傅里葉進(jìn)行一次修正之后的模型相比較原始新陳代謝灰色預(yù)測模型能夠更好的反映出數(shù)據(jù)的變化趨勢。圖3-6殘差一次修正結(jié)果圖Fig.3-6One-timeresidualresultcorrectiongraph圖3-7SSE-K變化圖Fig.3-7SSE-Kchangegraph接著使用馬爾可夫鏈對殘差進(jìn)行二次修正，首先根據(jù)圖3-7可以確定出殘差序列的最佳聚類數(shù)k=3，殘差序列可劃分為3個狀態(tài)，具體的狀態(tài)劃分結(jié)果如表3-2所示。然后分別構(gòu)建出一步、二步、三步狀態(tài)轉(zhuǎn)移矩陣，然后在此矩陣的基礎(chǔ)上計算得到相應(yīng)的能夠反

【參考文獻(xiàn)】：
期刊論文
[1]基于馬爾科夫GM（1,1）模型的物流貨運(yùn)量預(yù)測研究與應(yīng)用[J]. 馬睿.  中國市場. 2020(09)
[2]Personalized Real-Time Movie Recommendation System:Practical Prototype and Evaluation[J]. Jiang Zhang,Yufeng Wang,Zhiyuan Yuan,Qun Jin.  Tsinghua Science and Technology. 2020(02)
[3]電商個性化推薦系統(tǒng)在圖書購物網(wǎng)站的應(yīng)用研究[J]. 伍倩瑩.  現(xiàn)代營銷(信息版). 2020(03)
[4]推薦系統(tǒng)研究綜述[J]. 周萬珍,曹迪,許云峰,劉濱.  河北科技大學(xué)學(xué)報. 2020(01)
[5]基于內(nèi)容的新聞推薦系統(tǒng)研究綜述[J]. 劉維超,楊有,余平.  福建電腦. 2019(09)
[6]基于會話記錄的Word2Vec音樂推薦算法研究[J]. 周航帆,周蓮英.  通信技術(shù). 2019(04)
[7]中小企業(yè)預(yù)算管理實(shí)施ERP信息化研究[J]. 宋子發(fā).  經(jīng)貿(mào)實(shí)踐. 2018(24)
[8]美國進(jìn)步時代公共預(yù)算制度改革:概況與啟示[J]. 朱殿驊,吳健茹,高靜.  公共財政研究. 2017(04)
[9]灰色GM（1,1）模型研究綜述[J]. 吳利豐,高曉輝,付斌,龍清涵,文朝霞.  數(shù)學(xué)的實(shí)踐與認(rèn)識. 2017(15)
[10]傅里葉級數(shù)修正的動態(tài)GM（1,1）模型在沉降預(yù)測中的應(yīng)用[J]. 黎洋,花向紅,姚周祥,何屹雄.  測繪地理信息. 2017(01)

碩士論文
[1]基于用戶行為序列的推薦算法研究[D]. 蔣云鵬.新疆大學(xué) 2019
[2]基于詞向量的圖書推薦算法研究[D]. 楊志明.燕山大學(xué) 2018
[3]華民藥業(yè)財務(wù)預(yù)算執(zhí)行系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D]. 鄧?yán)?山東大學(xué) 2015
[4]新疆移動財務(wù)預(yù)算信息管理系統(tǒng)的設(shè)計與實(shí)現(xiàn)[D]. 王希.大連理工大學(xué) 2013
[5]網(wǎng)絡(luò)爬蟲系統(tǒng)的研究與實(shí)現(xiàn)[D]. 趙茉莉.電子科技大學(xué) 2013
[6]房山區(qū)財政預(yù)算分析管理系統(tǒng)[D]. 游向榮.天津大學(xué) 2010
[7]基于網(wǎng)絡(luò)口碑的網(wǎng)上書店銷售研究[D]. 許波.合肥工業(yè)大學(xué) 2010



本文編號：3424315