[發明專利]銷售預測系統指數平滑模型優化方法

在審

• 申請號: 202011521586.8
• 申請日: 2020-12-21
• 公開（公告）號: CN112651774A
• 公開（公告）日: 2021-04-13
• 發明（設計）人: 唐軍;孫永強
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F17/18
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 吳中偉

本發明銷售預測模型領域，具體涉及一種銷售預測系統指數平滑模型優化方法，避免了依靠經驗計算帶來的較大誤差，極大地提高了平滑參數的準確度。技術方案概括為，確定多面體的各頂點，并按照所述頂點構建多面體；找出函數值最大的頂點即最壞點，然后舍去最壞點；計算其余各項頂點的中心點，計算各頂點的反射點，判斷反射點是否在可行域內，若在，將當前反射系數的值設置為固定值；若不在，則改變反射系數值重新計算反射點，直到反射點在所述多面體的可行域內，并將當前反射系數的值設置為固定值；將反射點的目標函數值與最壞點的目標函數值進行比較，根據比較結果得出最佳平滑系數。被發明適用于銷售預測系統指數平滑模型。

技術領域

本發明銷售預測模型領域，具體涉及一種銷售預測系統指數平滑模型優化方法。

背景技術

銷售預測系統運用模型進行數據預測，從而為業務提供技術支持，模型分為機器學習，深度學習，時間序列等；一般模型構建流程為，獲取數據，數據預處理，特征工程，訓練模型、診斷、調優，模型驗證、誤差分析、模型融合、部署上線等。其中時間序列分析模型是最常用也是最普遍的預測模型，指數平滑算法又是時間序列分析模型核心之一，指數平滑模型分為一次，二次，三次指數平滑，三次指數平滑模型運用最廣，其增加了季節因素等特征。

在時間序列中，需要基于該時間序列當前已有的數據來預測其在之后的走勢，三次指數平滑算法可以很好的進行時間序列的預測。

時間序列數據一般有以下幾種特點：趨勢(Trend)和季節性(Seasonality)。

三次指數平滑算法可以對同時含有趨勢和季節性的時間序列進行預測，該算法是基于一次指數平滑和二次指數平滑算法的，但是需要解決的問題是確定平滑參數目前各種介紹指數平滑預測方法的論著對平滑參數的選擇都沒有給出一種有效的方法,通常依靠預測者的經驗通過反復測試來確定選擇的平滑參數，導致平滑參數的誤差極大，因此在對原數列進行擬合時效果都較差從而影響了預測精度。

發明內容

本發明的目的是提供一種銷售預測系統指數平滑模型優化方法，避免了依靠經驗計算帶來的較大誤差，極大地提高了平滑參數的準確度。

本發明采取如下技術方案實現上述目的，銷售預測系統指數平滑模型優化方法，包括：

步驟(1)、確定多面體的各頂點，并按照所述頂點構建多面體；

步驟(2)、根據f(x)計算各頂點函數值，并根據f(x^m)＝max(f(xⁱ))，i＝1...n，找出函數值最大的頂點即最壞點x^m，然后舍去最壞點，f(x)＝∑(x_t-x'_t)²，t為銷售周期，x_t為具體數據，x'_t為預測數據；

步驟(3)、舍去最壞點后，計算其余各項頂點的中心點x^a，所述

步驟(4)、計算各頂點的反射點b，所述b＝x^a+k(x^a-x^m)，k為反射系數；

步驟(5)、判斷b是否在所述多面體的可行域內，若在，將當前反射系數的值設置為固定值；若不在，則改變反射系數值重新計算反射點b，直到反射點b在所述多面體的可行域內，并將當前反射系數的值設置為固定值；

步驟(6)、將反射點的目標函數值f(b)與最壞點的目標函數值f(x^m)進行比較，若f(b)＜f(x^m)，則進入步驟(7)；否則進入步驟(8)；

步驟(7)、以反射點b替代最大頂點x^m，重新構建多面體，并計算出該多面體各頂點的中心點x^a1，所述若ε為精度閾值，則x^a1為最佳平滑系數；