基于时间序列的商品需求预测模型研究

• 作者: 肖玉杰 郑琰 黄兴
• 来源期刊: 重庆理工大学学报（自然科学版）
• 学科: 工学
• 关键词: 自回归滑动平均模型 商品需求预测 多种群遗传算法
• 年，卷（期）: 2019,（9）
• 所属期刊栏目: 数学·统计学
• 页码范围: 217-222
• 页数: 6页
• 分类号: TP301
• 字数: 4164字
• 语种: 中文
• DOI: 10.3969/j.issn.1674-8425(z).2019.09.031

摘要

为更准确地预测出电子商务企业商品的销售需求量,通过应用基于时间序列的自回归滑动平均模型,构造时间序列相关函数,采用贝叶斯信息化准则(简称BIC准则)与多种群遗传算法这两种定阶方法确定模型参数.将所提出的预测方法应用到阿里巴巴旗下电商企业,对其在未来一周内的部分商品进行需求预测,最后通过统计学方法将两种模型得到的预测结果进行对比分析.结果 表明:所提出的基于多种群遗传算法的时间序列模型预测精度较高,对电商企业的采购与库存决策具有实际应用价值.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	郑琰	南京林业大学汽车与交通工程学院	38	123	6.0	8.0
2	黄兴	南京林业大学汽车与交通工程学院	3	7	2.0	2.0
3	肖玉杰	南京财经大学营销与物流管理学院	1	2	1.0	1.0