基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
通过分析汽车产品销售时序的特性引入组合预测理论,提出了一种改进的变权重组合预测模型并给出了变权重系数的求取方法.然后针对小样本、多维、多峰、非线性的销售时序特点,采用了基于支持向量机的三种单项预测方法.再通过实例分析显示基于改进变权重组合预测模型的预测精度高于单项预测模型和普通变权重组合预测模型.最后进行了汽车销售时序预测表明基于改进变权重组合预测模型的产品销售预测方法是有效和可行的.
推荐文章
基于变权重组合模型的铁路客运量短期预测
铁路客运量
变权重
灰色理论
广义回归神经网络
组合预测
基于变权重组合模型的铁路货运量预测
铁路货运量
变权重组合
预测
基于成分数据的变权重组合预测的权重确定
组合预测
变权重
移动平均法
成分数据
组合式神经网络企业产品销售量预测方法
销售量预测
人工神经网络
方法
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 基于改进变权重组合预测模型的产品销售预测
来源期刊 计算机技术与发展 学科 工学
关键词 变权重 组合预测 支持向量机 模型
年,卷(期) 2012,(3) 所属期刊栏目 应用开发研究
研究方向 页码范围 217-221
页数 分类号 TP391|TH166
字数 5001字 语种 中文
DOI 10.3969/j.issn.1673-629X.2012.03.057
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 严洪森 东南大学复杂工程系统测量与控制教育部重点实验室 172 1915 19.0 34.0
5 刘欣 东南大学复杂工程系统测量与控制教育部重点实验室 3 24 3.0 3.0
9 王方顺 东南大学复杂工程系统测量与控制教育部重点实验室 2 18 2.0 2.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (45)
共引文献  (52)
参考文献  (12)
节点文献
引证文献  (14)
同被引文献  (5)
二级引证文献  (12)
1984(2)
  • 参考文献(0)
  • 二级参考文献(2)
1988(1)
  • 参考文献(0)
  • 二级参考文献(1)
1990(1)
  • 参考文献(0)
  • 二级参考文献(1)
1993(2)
  • 参考文献(1)
  • 二级参考文献(1)
1995(2)
  • 参考文献(0)
  • 二级参考文献(2)
1996(1)
  • 参考文献(0)
  • 二级参考文献(1)
1997(1)
  • 参考文献(0)
  • 二级参考文献(1)
1998(3)
  • 参考文献(0)
  • 二级参考文献(3)
1999(3)
  • 参考文献(0)
  • 二级参考文献(3)
2000(6)
  • 参考文献(1)
  • 二级参考文献(5)
2001(3)
  • 参考文献(0)
  • 二级参考文献(3)
2002(1)
  • 参考文献(0)
  • 二级参考文献(1)
2003(5)
  • 参考文献(3)
  • 二级参考文献(2)
2004(2)
  • 参考文献(0)
  • 二级参考文献(2)
2005(1)
  • 参考文献(0)
  • 二级参考文献(1)
2006(5)
  • 参考文献(0)
  • 二级参考文献(5)
2007(11)
  • 参考文献(2)
  • 二级参考文献(9)
2008(3)
  • 参考文献(1)
  • 二级参考文献(2)
2009(3)
  • 参考文献(3)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
2013(6)
  • 引证文献(6)
  • 二级引证文献(0)
2014(4)
  • 引证文献(1)
  • 二级引证文献(3)
2015(3)
  • 引证文献(3)
  • 二级引证文献(0)
2016(5)
  • 引证文献(1)
  • 二级引证文献(4)
2017(4)
  • 引证文献(2)
  • 二级引证文献(2)
2018(3)
  • 引证文献(1)
  • 二级引证文献(2)
2020(1)
  • 引证文献(0)
  • 二级引证文献(1)
研究主题发展历程
节点文献
变权重
组合预测
支持向量机
模型
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
计算机技术与发展
月刊
1673-629X
61-1450/TP
大16开
西安市雁塔路南段99号
52-127
1991
chi
出版文献量(篇)
12927
总下载数(次)
40
总被引数(次)
111596
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导