基于神經(jīng)網(wǎng)絡(luò)的卷煙銷售預測模型的研究及應用.pdf

1、本文首先對煙草業(yè)做了初步的市場分析，分析了影響卷煙銷售的幾個基本環(huán)境因素：經(jīng)濟收入水平、人口、節(jié)假日等。得出影響卷煙的銷售的因子是多方面的，而且這些因子互相作用共同影響卷煙的銷售。卷煙銷售具有時間序列二重趨勢變化的特點，即整體趨勢變動性和季節(jié)波動性。數(shù)據(jù)挖掘是從大量的、不完全的、有噪聲的、模糊的、隨機的實際應用數(shù)據(jù)中，提取隱含在其中的、人們事先不知道的、但又是潛在有用的信息和知識的過程。本文從數(shù)據(jù)挖掘的角度闡述了數(shù)據(jù)挖掘的過程及其基本實

2、施步驟。然后，從數(shù)據(jù)挖掘的模型中重點介紹了BP神經(jīng)網(wǎng)絡(luò)、時間序列模型、基于時間序列的神經(jīng)網(wǎng)絡(luò)模型以及CBP網(wǎng)絡(luò)模型的理論基礎(chǔ)及其原理。 在充分考慮了趨勢預測目標數(shù)據(jù)源(云南某煙草公司卷煙銷售)的二重趨勢時間序列的時間相關(guān)性的特點下，以神經(jīng)網(wǎng)絡(luò)中CBP神經(jīng)網(wǎng)絡(luò)為基礎(chǔ)建立CCBP網(wǎng)絡(luò)預測模型。CCBP模型是LCBP和PCBP兩個子模型的積乘組合。其中LCBP模型在考慮了經(jīng)濟收入水平、人口、年齡結(jié)構(gòu)層次及流動人口流量等環(huán)境因子的條件下

3、對趨勢分量進行預測。根據(jù)時間相關(guān)性的特點加入了打折思想的PCBP模型對周期分量進行預測，從而很好的描述出了在本論文卷煙銷售預測數(shù)據(jù)趨勢增長和季節(jié)波動的特點。該模型克服了單一的CBP模型及其他模型對具有二重變化趨勢預測的表達能力受限的缺點；同時分開時間相關(guān)性和環(huán)境因子區(qū)別對待二重趨勢的兩個分量分別進行預測，充分利用了CBP各向同性預測的優(yōu)勢。 最后，以云南某煙草公司某區(qū)域近6年的卷煙銷售數(shù)據(jù)為研究模型試驗研究對象，建立了APMST

4、S基于神經(jīng)網(wǎng)絡(luò)的煙草銷售預測模型系統(tǒng)，系統(tǒng)從該公司數(shù)據(jù)庫中進行實時增量抽取數(shù)據(jù)，以及錄入該區(qū)域年鑒數(shù)據(jù)作為環(huán)境參考因子。APMSTS系統(tǒng)數(shù)據(jù)庫部分提供了模型(BP、CBP和CCBP)試驗強大的數(shù)據(jù)源后盾。對BP、CBP和CCBP各模型建模及其學習訓練后進行預測，其結(jié)果表明CCBP模型預測效果均優(yōu)于BP、CBP模型。說明在二重趨勢時間序列預測方面，采用分開時間相關(guān)性和環(huán)境因子區(qū)別對待二重趨勢的兩個分量分別進行預測的CCBP網(wǎng)絡(luò)模型具有更能