[发明专利]一种基于灰色神经网络模型的产品区域定价方法

说明书

本发明公开了一种基于灰色神经网络模型的产品区域定价方法，包括：获取历年居民消费指数数据和历年产品区域价格指数；对历年产品区域价格指数进行区间均值化处理，得到均值化物价指数；对历年居民消费指数数据进行最佳平移变换，并与连续的灰色模型进行数据拟合，构造连续的历年居民消费指数GM(1,1)模型；获取居民消费指数训练数据，通过连续的历年居民消费指数GM(1,1)模型与均值化物价指数对居民消费指数训练数据进行网络训练，建立神经网络模型；通过连续的历年居民消费指数GM(1,1)模型预测得到下一年居民消费预测指数，并将下一年居民消费预测指数代入神经网络模型，计算得到下一年产品区域价格指数。

技术领域

本发明涉及价格预测技术领域，尤其涉及一种基于灰色神经网络模型的产品区域定价方法。

背景技术

产品的价格不仅是企业销量与利润的来源，同时也关系到一个产品能否生存(成功)的关键。通常，产品的价格由市场购买能力决定，而居民消费水平是市场购买能力的很好体现，不同区域之间居民消费水平的差异势必会导致同一产品定价的不一致，因此，如何考虑区域居民消费，给产品一个合适的价格，使产品能迅速获得较好市场，成为企业的一个重要工作。

目前，从区域居民消费角度，考虑产品定价常见的方法主要有聚类分析法、回归模型、博弈论模型、目标规划模型。聚类分析法能从居民各项消费分析物价从而判断产品的定价区间，但不能对产品的定价进行很好的预测；回归模型计算比较简单，实现容易，缺点是对于多项消费的多元回归问题，预测精度很难控制；博弈论、目标规划等优化模型预测的结果能达到最优，也是目前用于研究实验最多的模型，但计算相对复杂，要求具有连续的取值空间才能进行模型求解。

发明内容

基于背景技术存在的技术问题，本发明提出了一种基于灰色神经网络模型的产品区域定价方法；

本发明提出的一种基于灰色神经网络模型的产品区域定价方法，包括：

S1、获取历年居民消费指数数据和历年产品区域价格指数；

S2、对历年产品区域价格指数进行区间均值化处理，得到均值化物价指数；

S3、对历年居民消费指数数据进行最佳平移变换，并与连续的灰色模型进行数据拟合，构造连续的历年居民消费指数GM(1,1)模型；

S4、获取居民消费指数训练数据，通过连续的历年居民消费指数GM(1,1)模型与均值化物价指数对居民消费指数训练数据进行网络训练，建立神经网络模型；

S5、通过连续的历年居民消费指数GM(1,1)模型预测得到下一年居民消费预测指数，并将下一年居民消费预测指数代入神经网络模型，计算得到下一年产品区域价格指数。

优选地，步骤S2，具体包括：

历年产品区域价格指数为C_i，i＝1,...,n，表示第i年或季度；

对历年产品区域价格指数进行区间均值化处理：

r＝0,1,...,l-1，l为区间数。

优选地，步骤S3，具体包括：

历年居民消费指数数据为i＝1,...,n，表示第i年或季度，k＝1,...,m，表示第k项消费指数；

将代入最佳平移变换步长求解公式求得τ^k；

对进行最佳平移变换

将代入GM(1,1)模型的基本形式求出参数[a,b]，构造初步连续的GM(1,1)模型；

给定初步连续的历年居民消费指数GM(1,1)模型需求项数N，得到连续的历年居民消费指数GM(1,1)模型，其中，N-1为n-1的2l整数倍。