一类产品需求预测的支持向量机方法

 需求预测是企业生产运营决策的基础，预测精度影响着产品的安全库存量，关系到企业利润和市场竞争力.建立了一类产品（包含多个品牌）基于支持向量机(support vector machine, SVM)的需求预测模型.在该预测模型中考虑了诸如季节性和促销等不确定性因子对产品最终需求的影响.模型的训练数据和测评数据采用的是由该类产品需求函数生成的数据.测试阶段的评价则是通过与其他统计模型（回归预测方法(REG）、双因素指数平滑法(DES)、Winter模型预测方法(WIN)）和径向基神经网络模型(radial basis function neural network, RBFNN)的对比来实现的.实验结果表明，基于SVM的需求预测模型预测精度明显优于其他模型，有效地降低了产品安全库存量，提高了企业利润，为解决这类产品需求预测问题提供了一个有力的工具.