【摘要】：商品需求預測對于電商企業(yè)意義重大,對阿里電商平臺的交易數(shù)據(jù)進行挖掘以獲取有效特征,利用特征建立模型對未來兩周這些商品的需求進行動態(tài)預測,并基于預測結果和成本最小的原則提出分倉規(guī)劃建議.預測模型選擇隨機森林做回歸,然后在殘差分析的基礎上建立報童模型求解分倉的庫存規(guī)劃.對特征數(shù)量眾多的電商交易數(shù)據(jù)挖掘所建立的模型有助于電商企業(yè)進行有效的商品需求預測并據(jù)此制定成本更低的分倉規(guī)劃.
【圖文】：

峰值出現(xiàn)是具有周期性的，周期為一年，現(xiàn)實生活中這幾個時間點正是電商企業(yè)逡逑促銷的時點？但我們將要預測的１２月２８日至１月１０日的兩周數(shù)據(jù)并不在活動時段內(nèi)，因逡逑此我們需要對這些時點的異常數(shù)據(jù)進行處理．逡逑上圖由于異常值過大的影響，，商品特征數(shù)據(jù)趨勢并不明顯，實際放大圖形后，會發(fā)現(xiàn)商品逡逑特征數(shù)據(jù)存在平穩(wěn)向上的趨勢，這對異常值的分析會造成影響，因此，我們對２５個商品特征逡逑進行差分處理，得到的各特征差分異常值分布圖大體相同，現(xiàn)著重對將要預測的非聚劃算支逡逑付件數(shù)進行異常值分析，差分結果如圖２所示．逡逑ＱＢＣＯ－逡逑０３０Ｃ＊逡逑｜邐Ｉ逡逑襲。ｏｃｃ－邋邐邐＾邐、邋邋邋邋邋邋—邋邋邋｜邐逡逑５邐Ｉ逡逑０３ＯＪ－逡逑－０６００－逡逑０￣１￣ＦＴＴＴＴＴＴＴ￥ＴＴＴＴＴＴ１－１￣ＴＴＴＴＴＴＴＴＴＴＴＴＴＴ￥ＴＴＴＴＴＴＴＴＴ１逡逑日期逡逑圖２非聚劃算支付件數(shù)差分結果圖逡逑通過ＳＰＳＳ軟件的分析——描述統(tǒng)計——描述中的標準化數(shù)值Ｚ－ＳＣ0ｒｅ輔助識別差分逡逑序列中的異常值，根據(jù)拉依達準則法，由于出現(xiàn)＂士邋３ｃｒ以外的數(shù)據(jù)的概率很小，因此將Ｚ分逡逑數(shù)大于３或者小于－３的數(shù)據(jù)判定為異常值，同時綜合考慮實際意義判別出更多的異常值．圖逡逑３為非聚劃算支付件數(shù)的Ｚ分數(shù)結果．逡逑０６ＣＣ－逡逑０３００－逡逑Ｉ邐，邐Ｉ逡逑Ｉ邋刪＊邐邐）￣、邐一！邐ｒ＾－｜＾逡逑？０３００－逡逑－０Ｓ０Ｃ－逡逑ｒｒｍｒｍＴＴｍｍｍＴＴＴｍＴｍｍＴＴｍｍＴｍ逡逑１１１１１１邋ｉ邋１１ＩＩ邋ｉｉ！ｉｉ１１１１１ｉ１ｉｉｉｉＩｙｉｉｉ邋１邋ｉ邋ｉ邋１１１１１１１１１逡逑日期逡逑圖３非聚劃算支

則法，由于出現(xiàn)＂士邋３ｃｒ以外的數(shù)據(jù)的概率很小，因此將Ｚ分逡逑數(shù)大于３或者小于－３的數(shù)據(jù)判定為異常值，同時綜合考慮實際意義判別出更多的異常值．圖逡逑３為非聚劃算支付件數(shù)的Ｚ分數(shù)結果．逡逑０６ＣＣ－逡逑０３００－逡逑Ｉ邐，邐Ｉ逡逑Ｉ邋刪＊邐邐）￣、邐一！邐ｒ＾－｜＾逡逑？０３００－逡逑－０Ｓ０Ｃ－逡逑ｒｒｍｒｍＴＴｍｍｍＴＴＴｍＴｍｍＴＴｍｍＴｍ逡逑１１１１１１邋ｉ邋１１ＩＩ邋ｉｉ�。椋椋保保保保保椋保椋椋椋椋桑椋椋殄澹卞澹殄澹殄澹保保保保保保保保卞义先掌阱义蠄D３非聚劃算支付件數(shù)Ｚ分數(shù)結果逡逑從差分圖和Ｚ分數(shù)圖綜合分析我們可以看到，２0１４年１１月１１日、２０１４年１２月１２逡逑日、２０１５年６月１８日、２０１５年１１月１１日、２０１５年１２月１２日共計５天是比較明顯的異逡逑常值，同時，考慮實際意義，促銷日對其前一天和后一天數(shù)據(jù)均有影響，我們將上述５天的前逡逑一天及后一天數(shù)據(jù)也加入異常值？經(jīng)觀察，我們發(fā)現(xiàn)除去異常值并對其進行線性插值以延續(xù)逡逑趨勢對整體影響很小，因此我們將這Ｉ５個值去除后進行線性插值獲得２０１４年１０月６日至逡逑

【參考文獻】

相關期刊論文 前8條

1 倪冬梅;趙秋紅;李海濱;;需求預測綜合模型及其與庫存決策的集成研究[J];管理科學學報;2013年09期

2 徐賢浩;陳雯;廖麗平;李路軍;;基于需求預測的短生命周期產(chǎn)品訂貨策略研究[J];管理科學學報;2013年04期

3 孫涵;楊普容;成金華;;基于Matlab支持向量回歸機的能源需求預測模型[J];系統(tǒng)工程理論與實踐;2011年10期

4 姚舜;衣保中;;吉林省區(qū)域物流節(jié)點建設規(guī)模預測分析[J];管理世界;2011年07期

5 方匡南;吳見彬;朱建平;謝邦昌;;隨機森林方法研究綜述[J];統(tǒng)計與信息論壇;2011年03期

6 索瑞霞;王福林;;組合預測模型在能源消費預測中的應用[J];數(shù)學的實踐與認識;2010年18期

7 劉永霞;馮仲科;杜鵬志;;Elman動態(tài)遞歸神經(jīng)網(wǎng)絡在樹木生長預測中的應用[J];北京林業(yè)大學學報;2007年06期

8 周宏,廖雪珍;市場需求Logit組合預測的研究[J];系統(tǒng)工程理論與實踐;2003年07期

【共引文獻】

相關期刊論文 前10條

1 張經(jīng)緯;貢亮;黃亦翔;劉成良;龔霽程;潘俊松;;基于隨機森林算法的黃瓜種子腔圖像分割方法[J];農(nóng)機化研究;2017年10期

2 吳辰文;梁靖涵;王偉;李長生;;一種順序響應的隨機森林:變量預測和選擇[J];小型微型計算機系統(tǒng);2017年08期

3 王日升;謝紅薇;安建成;;基于分類精度和相關性的隨機森林算法改進[J];科學技術與工程;2017年20期

4 黃棟;費良;;基于GA-SVM的艦船裝備臨修經(jīng)費需求預測模型[J];數(shù)學的實踐與認識;2017年13期

5 賀建章;王海波;季知祥;孟祥君;張濤;;基于隨機森林理論的配電變壓器重過載預測[J];電網(wǎng)技術;2017年08期

6 張鎦琢;王峰;吳子俊;黃紅英;謝立亞;李智民;馮文艇;;隨機森林法對人群焦慮情況和職業(yè)健康監(jiān)護數(shù)據(jù)關系的分類判別分析[J];職業(yè)衛(wèi)生與應急救援;2017年03期

7 劉鋒;李春燕;譚祥勇;王鵬飛;;基于機器學習在空氣質(zhì)量指數(shù)中的應用[J];重慶工商大學學報(自然科學版);2017年03期

8 張海燕;劉巖;馬麗萌;苑津莎;巨漢基;魏彤珈;;決策樹算法的比較與應用研究[J];華北電力技術;2017年06期

9 屠睿博;陳中華;王洪凱;;基于隨機森林算法的小鼠micro-CT影像中骨骼關節(jié)特征點定位[J];中國生物醫(yī)學工程學報;2017年03期

10 向東輝;;煤層瓦斯含量影響因素分析及其預測研究[J];能源與環(huán)保;2017年06期

【二級參考文獻】

相關期刊論文 前10條

1 李琦;;物流需求預測中移動平均法應用分析[J];中國商貿(mào);2011年02期

2 方匡南;朱建平;謝邦昌;;基于隨機森林方法的基金收益率方向預測與交易策略研究[J];經(jīng)濟經(jīng)緯;2010年02期

3 陳軍;但斌;曹群輝;邱晗光;;短保質(zhì)期變質(zhì)產(chǎn)品的兩次訂貨策略研究[J];管理科學學報;2009年03期

4 胡雪棉;趙國浩;;基于Matlab的BP神經(jīng)網(wǎng)絡煤炭需求預測模型[J];中國管理科學;2008年S1期

5 劉微;羅林開;王華珍;;基于隨機森林的基金重倉股預測[J];福州大學學報(自然科學版);2008年S1期

6 郭菊娥;柴建;呂振東;;我國能源消費需求影響因素及其影響機理分析[J];管理學報;2008年05期

7 徐賢浩;郭曉云;;采用Norton模型預測短生命周期產(chǎn)品市場需求[J];工業(yè)工程與管理;2008年02期

8 顏柳;麻鳳海;;三次指數(shù)平滑法在城市地鐵變形預測中的應用[J];交通科技與經(jīng)濟;2007年05期

9 徐賢浩;余雙琪;;短生命周期產(chǎn)品的三種庫存模型的比較[J];管理科學學報;2007年04期

10 于濱;楊忠振;林劍藝;;應用支持向量機預測公交車運行時間[J];系統(tǒng)工程理論與實踐;2007年04期

【相似文獻】

相關期刊論文 前10條

1 姚建中;出版物需求預測的風險分析[J];出版發(fā)行研究;2001年08期

2 王琦;;未來衛(wèi)星需求預測[J];衛(wèi)星電視與寬帶多媒體;2006年14期

3 岳云;21世紀初世界移動電話需求預測[J];電信快報;1998年01期

4 月升;2000年世界記錄介質(zhì)的需求預測[J];磁記錄材料;1999年04期

5 岳云;1999～2003年全球移動電話需求預測[J];世界電信;1999年06期

6 趙方庚;孫江生;張連武;馬振書;;基于系統(tǒng)的武器備件需求預測研究[J];計算機仿真;2011年03期

7 侯廣德;;(省、市)計委高校畢業(yè)生分配與需求預測系統(tǒng)[J];應用科技;1989年02期

8 陳思;1996年記錄介質(zhì)產(chǎn)品世界需求預測[J];磁記錄材料;1996年02期

9 邊際;2001年世界記錄介質(zhì)的需求預測[J];信息記錄材料;2001年01期

10 李樹廣;趙彥峻;徐誠;;隨機服務系統(tǒng)在裝備需求預測與決策建模中的應用[J];兵工自動化;2011年02期

相關會議論文 前10條

1 宋國青;;從總需求預測的角度看利率[A];2013年秋季CMRC中國經(jīng)濟觀察（總第35期）[C];2013年

2 馬樹德;;卷煙訂單需求預測的特點及模型構建[A];上海市煙草專賣局2007年度獲獎論文集（經(jīng)濟管理類）[C];2007年

3 張淼;;北京市能源需求預測及發(fā)展對策研究[A];北京市第十五次統(tǒng)計科學討論會獲獎論文集[C];2009年

4 高月芳;梁永生;唐飛;歐志偉;湛邵斌;;基于神經(jīng)網(wǎng)絡和VBA的零售業(yè)需求預測系統(tǒng)[A];Proceedings of 2010 Chinese Control and Decision Conference[C];2010年

5 聶銳;張炎治;呂濤;;江蘇省能源需求預測及平衡方案設計[A];2006年江蘇省哲學社會科學界學術大會論文集（上）[C];2006年

6 王帥;湯鈴;余樂安;;基于Wavelet/EMD-LSSVR的分解集成預測模型及其在牛奶消費需求預測中的應用[A];第五屆（2010）中國管理學年會——管理科學與工程分會場論文集[C];2010年

7 張舵;高文杰;李小玲;;石家莊市區(qū)公共自行車租賃點布局研究[A];2014（第九屆）城市發(fā)展與規(guī)劃大會論文集—S04綠色交通、公交優(yōu)先與綜合交通體系[C];2014年

8 王紅;;2020年我國教育經(jīng)費投入強度需求預測及政策建議[A];中國夢：道路·精神·力量——上海市社會科學界第十一屆學術年會文集（2013年度）[C];2013年

9 路言峰;;新模型在卷煙需求預測中的探索及應用[A];上海市煙草專賣局2009年度獲獎論文集(經(jīng)濟管理類)[C];2009年

10 張哲榮;戴文禮;陳建智;;以潛在信息函數(shù)為基礎之殘差離散灰模型預測短期需求[A];第25屆全國灰色系統(tǒng)會議論文集[C];2014年

相關重要報紙文章 前10條

1 梁小民;需求預測的運用與困難[N];中國經(jīng)濟時報;2004年

2 蔡綺芝 DigiTimes;康寧上調(diào)2006～2008年玻璃面板需求預測[N];電子資訊時報;2007年

3 本報記者 高蕾;明年鋼鐵需求預測[N];中國煤炭報;2012年

4 福建龍海市局(分公司) 林文通;遵循科學方法 保證預測質(zhì)量[N];東方煙草報;2013年

5 朱成章;六大因素影響能源需求預測[N];華中電力報;2004年

6 商報記者 王萬利 師興;2013年國內(nèi)汽車需求預測達2080萬輛[N];北京商報;2013年

7 上海豐寶電子副總經(jīng)理 劉海東;做好市場和需求預測關鍵在于有效溝通[N];中國電子報;2008年

8 全國農(nóng)業(yè)技術推廣服務中心;2007年農(nóng)藥藥械需求預測[N];農(nóng)民日報;2006年

9 許慶欣;如何進行產(chǎn)品需求預測[N];廠長經(jīng)理日報;2000年

10 ;十類新型建材未來需求預測[N];陜西科技報;2007年

相關博士學位論文 前4條

1 徐琳;云計算環(huán)境下計算型任務的資源需求預測[D];中國科學技術大學;2015年

2 詹蓉;面向即時顧客化定制的個性化需求預測方法研究[D];華中科技大學;2008年

3 張志清;面向不確定需求的供應鏈協(xié)同需求預測研究[D];哈爾濱工業(yè)大學;2010年

4 演克武;基于需求預測的機型指派和評價研究[D];南京航空航天大學;2010年

相關碩士學位論文 前10條

1 祝新春;基于模糊理論的國內(nèi)旅游需求預測研究[D];湖南工業(yè)大學;2015年

2 陳湘芝;基于需求預測的庫存管理技術與系統(tǒng)研發(fā)[D];哈爾濱工業(yè)大學;2015年

3 強春發(fā);應對自然災害應急糧食需求預測研究[D];南京財經(jīng)大學;2015年

4 靳紹悅;基于城市軌道交通的停車換乘需求預測[D];大連交通大學;2015年

5 張星煜;D公司多品類產(chǎn)品的需求預測管理優(yōu)化實踐[D];東華大學;2015年

6 方冰;發(fā)動機售后配件市場需求預測研究[D];上海交通大學;2015年

7 張艷芳;半導體分立器件需求預測與庫存控制優(yōu)化[D];上海交通大學;2015年

8 潘順;考慮壽命預測的地鐵車輪需求預測及備件庫存控制[D];上海交通大學;2014年

9 周岳騫;面向民航需求建模的用戶查詢?nèi)罩敬髷?shù)據(jù)分析方法研究與實現(xiàn)[D];北京交通大學;2016年

10 蔣聰之;基于軌道交通接駁的公共自行車租賃點規(guī)劃方法研究[D];東南大學;2015年

本文編號：2574969