Advances in Computer and Autonomous Intelligence Research

本文基于现有销售数据,对供应链商品的售卖规律、未来各时期销售量进行建模分析。首先针对商品数据进行相关描述性统计分析；分别使用Croston间歇性时间序列预测和基于粒子群算法的ARIMA-SVR混合预测模型对各商品需求进行预测及比较分析,得到较为准确的预测结果,数据准确率较高。选择K-means方法将数据分成10类。再从数据中分别挑选与每个序列相同的时间构成等长序列；对数据中的等长序列使用余弦相似度进行分析,计算序列间的相似度,找出最相似的序列；然后分别使用之前构建的序列的ARIMA-SVR混合预测模型对与其相似的序列进行预测分析,再对结果进行的指标评价,发现数据准确率较高。最后,本文对所使用的预测与分类模型进行分析,发现模型精度较高。