基于SVM的一種價格促銷短期銷售利潤預測系統(tǒng)的研究.pdf

1、價格促銷是零售行業(yè)最常見的銷售手段，零售商在促銷后希望了解促銷帶來的銷售利潤，更希望在促銷前預測到促銷商品的售價如何制定才可帶來利潤的最大值。 傳統(tǒng)的信息管理系統(tǒng)通常采用傳統(tǒng)的如神經網絡、非線性回歸方法等傳統(tǒng)方法來對銷售量作預測。由于傳統(tǒng)方法存在先天的缺點，預測結果不太令人滿意。近幾年新型的，基于統(tǒng)計理論學習基礎的支持向量機在分類和預測方面得到很大的應用。它的優(yōu)點是非常適合小樣本、非線性、高維的樣本集。 本系統(tǒng)通過采用近

2、年來新型的支持向量機方法來對促銷商品短期銷售量及銷售利潤作預測。訓練樣本集符合小樣本、非線性、高維的特點。所以，很好的體現(xiàn)支持向量機方法的優(yōu)勢。本系統(tǒng)采用某中型超市近一年的數(shù)據(jù)作為數(shù)據(jù)來源，通過分析從數(shù)據(jù)集中提煉出6項主要影響模型的因素指標作為模型輸入值，經過歸一化的處理后，劃分為訓練集和檢驗集，再把數(shù)據(jù)通過支持向量機中的非線性向量回歸方法，選取非線性向量回歸方法中的徑向基RBF核函數(shù)參數(shù)進行學習與檢驗，得到訓練模型，再根據(jù)模型使用檢驗

3、集的數(shù)據(jù)代入模型進行檢驗。系統(tǒng)在檢驗后，還對檢驗值加以評價，采用平均相對誤差、最大相對誤差、均方根誤差等作為評價指標，檢驗模型的精度。根據(jù)評價標準指標的誤差情況，選取合適的模型對指定的未知值進行預測。填寫需要進行促銷的商品名稱、促銷價格及促銷時長，系統(tǒng)參考促銷該商品前的銷售情況進行預測，預測結果為促銷期間的銷售量及利潤總額。實驗結果表明，較之傳統(tǒng)的神經網絡學習方法而言，支持向量機的非線性回歸方法更具普遍性和實際意義，在小量訓練樣本集上取