改进布谷鸟算法优化混合核LSSVM 的卷烟销售量预测
2015-04-16周建友张凯威
周建友,张凯威
ZHOU Jianyou1,ZHANG Kanwei2
1.遵义市烟草公司 道真县分公司,贵州 遵义563500
2.贵州大学 计算机科学与信息学院,贵阳477004
1.Daozhen Branch,Zunyi Tobacco Company,Zunyi,Guizhou 563500,China
2.College of Computer Science and Information,Guizhou University,Guiyang 477004,China
1 引言
卷烟销售是卷烟行业管理中最为关键的内容,卷烟销售的预测可以为卷烟生产、运输、配送提供指导,因此设计高精度的卷烟销售预测模型是卷烟管理领域中的重要研究课题[1]。
多年来,国内外大量学者对卷烟销售预测进行了大量的研究,并提出一些预测模型[2]。传统卷烟预测模型包括回归分析方法、时间序列法、灰色关联法和马尔可夫链等,它们假设卷烟销售量是一种线性变化趋势,而实际上卷烟销售量受到经济、人口、市场波动和季节等多种因素综合影响,具有非线性、随机变化特点,因此,传统预测模型难以正确描述该变化趋势,卷烟销售的预测精度不理想[3]。随着非线性理论不断发展,出现了基于神经网络等非线性预测模型,并取得了比较好的预测效果,但其对学习样本的需求量大,而获得的卷烟销售量训练样本非常有限,因此预测结果有时出现过拟合现象[4-6]。最小二乘支持向量机(LSSVM)是一种专门研究小样本情况下的机器学习算法,一定程度上解决了神经网络过学习和欠学习以及局部最优解、维数灾难等问题,为解决小样本卷烟销售量预测提供了一种新的研究方法[7]。不同参数下的LSSVM 预测精度差别大,出现了基于粒子群优化算法、遗传算法、野草算法等LSSVM参数优化方法,但这些算法均存在各自的不足,因此选择合适的LSSVM参数是提高卷烟销售预测精度的关键[8-11]。……
