隨著移動互聯(lián)網(wǎng)的發(fā)展,手機成為人們獲得信息的主要來源,成為廣告主日益青睞的廣告投放終端。近年來,用戶調(diào)研和廣告費用不斷削減的潮流日益興盛,廣告主從暴力投放向數(shù)字化投放轉(zhuǎn)變的需求隨之增加。為了彌補以Reach或曝光量作為投放優(yōu)化依據(jù)時遇到的時效性、經(jīng)濟性問題,以及傳統(tǒng)渠道調(diào)研的效率低問題,觸媒總數(shù)就從Reach中演化而來。這一指標由于具有可預測性、便捷性、經(jīng)濟性,因此廣告商可通過預測觸媒總數(shù)來安排廣告投放。為了更好的利用觸媒總數(shù)安排廣告投放,本文通過建立單一模型與組合模型探尋比較適合的方法來進行觸媒總數(shù)的預測。首先,嘗試了ARIMA(2,1,0)(0,1,0)[7]等5個時間序列模型和1個回歸模型,其次,從易到難對6個單一模型進行組合預測,最后,對比單一預測和組合預測的均方根誤差選取了ARIMA-SVM的預測方法,即通過SVM來擬合ARIMA不能提取的非線性信息的部分,從而達到預測精度的提升。研究過程中發(fā)現(xiàn),ARIMA-SVM組合預測方法與以權(quán)重為核心的組合方法最大的不同在于,其既能保證較低的訓練誤差又能保證較低的測試誤差,而以權(quán)重為核心的組合方法,測試誤差往往會高于某幾個預測精度較高的單一模型。此外在以權(quán)重為核心的組合預測方法中,權(quán)重未歸一化的方法分析本例會比權(quán)重歸一化的方法更具潛力。在選擇模型方面,本文基于模型系數(shù)顯著性、預測趨勢和預測精準度考慮。解決商業(yè)問題,若接受模型各系數(shù)在α=0.1下顯著,那么可以直接使用模型ARIMA(2,0,0)(0,1,1)[7]+SVM(6)進行預測,若只接受模型各系數(shù)在α=0.05下顯著,那么在應用ARIMA(2,1,0)(0,1,0)[7]+SVM(6)模型時需要對預測值進行處理。雖然本文預測出第69天至第75天的手機端觸媒總數(shù),但在指導投放時,一方面需要其他渠道的觸媒總數(shù),另一方面需要根據(jù)客戶需求按照均值、最大值或趨勢等進行投放。最后本文總結(jié)了在將ARIMA-SVM方法應用到觸媒總數(shù)時,遇到的且以往文獻所避開的問題,并寫清楚本文的步驟,以及本文所做的其他沒有在文中提及的工作和探索。
【學位單位】：天津商業(yè)大學
【學位級別】：碩士
【學位年份】：2018
【中圖分類】：F224;F713.8
【部分圖文】：

009年~2016年全球網(wǎng)民數(shù)量[1]

全球智能手機出貨量[1]

015年至2017年我國智能手機出貨量和智能手機保有量Fig1-3ChinaSmartphoneshipmentsandownership(2015-2017)

【參考文獻】

相關(guān)期刊論文 前10條

1 鄭榮;顏七笙;;基于ARIMA與SVM的國際鈾資源價格預測[J];計算機工程與應用;2016年01期

2 趙成柏;毛春梅;;基于ARIMA和BP神經(jīng)網(wǎng)絡組合模型的我國碳排放強度預測[J];長江流域資源與環(huán)境;2012年06期

3 宋曉華;祖丕娥;伊靜;劉達;;基于改進GM(1,1)和SVM的長期電量優(yōu)化組合預測模型[J];中南大學學報(自然科學版);2012年05期

4 葉林;劉鵬;;基于經(jīng)驗模態(tài)分解和支持向量機的短期風電功率組合預測模型[J];中國電機工程學報;2011年31期

5 張延利;張德生;劉常明;李金鳳;;基于BP神經(jīng)網(wǎng)絡的黃金價格非線性組合預測模型[J];黃金;2011年09期

6 王建;鄧衛(wèi);趙金寶;;基于貝葉斯網(wǎng)絡多方法組合的短時交通流量預測[J];交通運輸系統(tǒng)工程與信息;2011年04期

7 甘旭升;端木京順;叢偉;高建國;;基于ARIMA與SVM的飛行事故組合預測方法[J];中國安全科學學報;2011年07期

8 楊揚;何偉;;基于組合預測模型的我國GDP預測分析[J];科技和產(chǎn)業(yè);2011年03期

9 吳虹;尹華;;ARIMA與SVM組合模型的石油價格預測[J];計算機仿真;2010年05期

10 趙文清;朱永利;張小奇;;應用支持向量機的變壓器故障組合預測[J];中國電機工程學報;2008年25期

本文編號：2821256