耐用商品销售的数学模型

利用三次增长率模型预测了耐用商品销售量最大值,利用Gompertz曲线模型预测了销售状况,并对浙江省城镇居民平均每百户彩电拥有量和空调拥有量进行了分析、预测,为耐用商品的生产、销售及更新换代提供了依据。     

基于NAR模型的商品零售价格指数预测研究

基于样条估计理论,建立了我国商品零售价格指数的NAR预测模型.并应用此模型对我国2004-2007年的价格指数进行了预测分析,结果表明:相对于传统的ARMA模型而言,NAR模型能够更好地捕获我国社会商品零售价格指数的非线性特征,预测精度较高.     

水利水电未完建项目投资偏差预测模型

分析了影响水利水电工程未完建项目投资偏差的原因,并将其分为两类：一类是与合同单价构成相关的,另一类是与合同单价构成无关的。对于基础单价引起的投资偏差的预测,首先将各种主要因素进行分解,并确定其权重,然后用灰色马尔柯夫链模型预测各因子的单价;对于与合同单价构成无关的原因引起的投资偏差,则采用期望预测法进行预测。     

商品销量的趋势分析及预测

本通过分折一部分季节性商品销量的历史资料，以时间序列分折方法为基础，找到了一种对于季节性商品未来销量较为有效的预测方法，并以某城市的啤酒销售量进行实证分析。     

新零售目标产品的精准需求分析与预测

首先,借助SPSS软件、R软件,结合单因素方差分析法和深层次回归分析法研究了零售商品单款单色(SKC)销售量的影响因素及其作用效力;然后,借助R软件灰色预测了某目标小类的销售量,借助Excel软件结合平均绝对百分比误差法得到了预测数据的精准度;最后,将预测模型用于预测某目标小类未来的销售量和库存量.结果 表明,销售方式对零售商品SKC销售量具有显著影响;零售商品SKC销售量各影响因素按影响程度由大到小排序为库存、折扣和售价;目标小类各用平均绝对百分比误差大多小于1,最小为0,可认为模型的预测精度较高.对某目标小类未来的销售量和库存量的预测结果显示,该小类存来明显的供大于求现象,需要适当调整库存管理策略.     

回归分析和季节性分析相结合的一种预测方法

线性模型的预测只适应线性关系，但在实际应用中，相关变量关系可能受很多因素的影响，其中之一是季节性，本文在季节性影响的情况下对线性结果作了必要的修正，并通过实例说明，预测结果与实际较一致。     

基于指数加权分位数回归预测的CPFR成本模型

针对某些商品的高易变性、不对称性的需求模式,基于预测方法高精确度的要求,采用计量经济学前沿预测研究方法指数加权分位数回归预测法,建立了由零售商、制造商的成本模型和供应链系统总成本模型构成的CPFR供应链系统成本模型,为基于多层次CPFR的三级库存协调与优化研究中提高需求预测精度探索新的视角.该模型通过直接预测销售序列的分位数,避免既存研究中基于假设的预测失误,使预测结果更加贴近需求模式的真实值.数值分析表明指数加权分位数回归预测模型的预测精度较高.     

商业数据的预测模型及其算法研究

以商务流通中的经济时间序列数据为对象，设计实现了经济时间序列预测系统。在预测系统中采用了多种预测模型，设计实现了包括指数平滑算法、AR(Auto Regression)算法、Holt-Winter算法、回归分析算法在内的各种统计学算法，并且把神经网络引入到时间序列预测系统的模型中，采用动态学习的BP(Back Propagation)神经网络进行训练预测，取得了很好的实用效果。神经网络的预测模型与传统的统计方法相比，在预测的精度上有了很大的提高。     

网络态势预测的广义回归神经网络模型

网络态势预测作为网络态势感知的必要环节, 能够加强网络管理员对网络状态的认知与理解,为威胁分析和网络规划提供决策支持。在分析现状以及预测方法的基础上, 讨论了反向传播、径向基、反馈等神经网络模型用于预测的特点与优势,提出了网络态势预测的广义回归神经网络模型GRNNSF, 给出了GRNNSF模型的网络设计原则以及网络态势预测方法。基于真实数据集的实验,验证了GRNNSF模型的准确性和时效性,与其他神经网络模型相比,能更准确地预测网络态势的发展趋势。     

云模型在商品月销售量预测中的应用

针对营销企业商品月销售数量变化不定的难点,提出了基于云模型的商品月销售量的预测方法。根据云规则发生器计算云模型的数字特征值和所需数目的云滴,来预测未来商品月销售数量。云模型预测解决了预测数据的模糊性和随机性问题。实验结果表明,和基于时间序列季节预测方法相比,采用云模型预测的结果更准确,对企业的销售预测具有现实意义和参考价值。