徐时伟

（温州职业技术学院 信息技术系，浙江 温州 325035）

0引 言

在隐形眼镜销售链中，上游批发商、下游零售商以小企业或个体户为主，受管理水平与资金所限，所使用的销售管理软件功能较为简单，仅有进销存记录与客户管理等基本功能，缺乏数据分析及预测功能。这类软件以单机版居多，易造成销售链上下游的数据互相孤立，上游无法根据下游经营预期及时调整库存与供货。基于此，对隐形眼镜销量进行分析与预测，对上下游商家均有重要意义。

在销量预测研究方面，比较成熟的技术有线性回归、ARIMA等时间序列模型，但模型中缺少对外部因素的考虑。随着人工智能的发展，神经网络被应用于复杂的非线性回归问题[1]，但需要足够多的样本，且存在易过拟合、推广能力差等缺点。SVR（Supported Vector Regression）是一种基于统计学习理论的机器学习方法，弥补了神经网络的缺点，适用于小样本情况下的多维非线性回归预测问题[2]。本文提出一种基于SVR的隐形眼镜销量预测方法，并应用于“云镜”在线隐形眼镜进销存管理系统[3]。该系统以“打通上下游，构建直采生态”为特色，为本文实验提供了原始数据，而其研究结果又有助于该系统上下游商家提升精细化管理水平。

1隐形眼镜销量预测系统

1.1 系统结构

原“云镜”系统包括进销存管理、客户管理、采购管理、数据分析报表等4个模块，将基于SVR的隐形眼镜销量预测模块与之集成后，系统结构如图1所示。基于SVR的隐形眼镜销量预测模块在每日凌晨系统空闲时段读取数据库中数据进行离线预测，将结果写回数据库。……