[发明专利]一种基于非线性组合模型的卷烟月度销量预测方法

权利要求书

1.一种基于非线性组合模型的卷烟月度销量预测方法，其特征在于：包括如下步骤：

A、根据卷烟N个月度销量数据受节日因素较大、季节性较强的规律特征，选择多种适应性较强的时间序列预测方法；

B、通过输入卷烟N个月度销售数据端分别通过多种适应性较强的时间序列预测方法对卷烟N个月度销售数据进行建模和训练，分别得到对应的模型，记为一阶模型；

C：选取一阶模型中其中一个模型作为二阶模型，以一阶模型的输出数据作为二阶模型的输入数据，然后对一阶模型输入N个月度销量数据，一阶模型得到的对应的多个拟合值同时作为输入向量，以N月度相对应的真实销量作为输出向量，对二阶模型进行训练，从而得到一阶模型和二阶模型的组合模型；

D：对组合模型输入新的月度销售数据，即可输出得到最新的月度销售预测值。

2.根据权利要求1所述的基于非线性组合模型的卷烟月度销量预测方法，其特征在于：所述的一阶模型分别包括有ARIMA模型、基于梯度下降算法的BP神经网络模型和基于Levenberg-Marquardt的BP神经网络模型，二阶模型为基于Levenberg-Marquardt的BP神经网络模型。

3.根据权利要求2所述的基于非线性组合模型的卷烟月度销量预测方法，其特征在于：所述的步骤B分别包括有如下步骤:

B1,选择ARIMA模型对卷烟月度销售数据进行差分处理、模型识别与定阶、仿真等过程，进而预测未来月份的卷烟销量；

B2,选择基于梯度下降算法的BP神经网络模型，对卷烟月度销售数据进行处理，确定输入层、输出层，创建基于梯度下降算法的网络，编制神经元测试程序，确定神经元数量；设定网络参数，经过训练，完成模型构建；选择预测输入层数据，从而预测未来月份卷烟销量；

B3,选择基于Levenberg-Marquardt的BP神经网络模型，对卷烟月度销售数据进行处理，确定输入层、输出层，创建基于LM算法的神经网络；编制神经元测试程序，确定神经元数量；设定网络参数，经过训练，完成模型构建；选择预测输入层数据，从而预测未来月份卷烟销量。