[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

摘要

本发明公开了一种基于非线性组合模型的卷烟月度销量预测方法，包括构建一阶模型以及构建组合模型，通过构建的组合模型进行准确预测。本发明通过利用ARIMA模型、基于梯度下降算法的BP神经网络模型、基于Levenberg‑Marquardt算法改进的BP神经网络模型三个单项模型对各月卷烟销量数据进行拟合并预测；然后采用集成学习结合策略中的学习法，提出建立ARIMA模型、基于梯度下降算法的BP神经网络模型、基于Levenberg‑Marquardt算法改进的BP神经网络模型的非线性组合模型，对历年各月卷烟销量数据进行仿真训练，在大量数据中找到销量数据之间的关系，以期预测未来几个月的卷烟销量。该模型充分利用上述3种单个模型的优点，有效提取数据各方面信息，其预测误差最为平稳，适应性最强，更加贴合卷烟销售实际情况。

主权项

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。