赵宝福，柴胜仙，张艳菊

（辽宁工程技术大学 工商管理学院，辽宁 葫芦岛 125105）

0 引言

随着我国市场经济的快速发展，人民生活水平不断提高，顾客对产品质量的要求也不断提高。准确预测顾客需求可以提升产品质量，提高顾客满意度，并最终提升企业绩效[1]。目前，有关顾客需求预测的方法很多，如BP神经网络[2]、系统动力学[3]、移动平均法[4]、RBF神经网络[5]、SVR-ARMA组合模型[6]、BASS模型[7]以及灰色神经网络模型[8]多种预测方法及模型，推动了顾客需求预测研究的进一步发展，但这些模型中也存在着一定的局限性，RBF神经网络模型预测时没有全面考虑影响顾客需求的相关因素，容易在预测过程中产生误差，SVR-ARMA组合模型可以对顾客需求进行预测，但由于冗长的计算量会导致计算过程出现较大误差，使得计算结果不够准确。而BASS模型预测结果虽然相对准确，但在实际应用中有很多限制因素。灰色神经网络模型往往与情景分析法组合使用，但预测结果精确度较低[9]。顾客需求是多种因素综合作用的结果，受经济、地域、人口等多种因素的影响，具有不确定性及模糊性，因此难以用经典数学理论建立预测模型。

在关于顾客需求的研究中，由于其影响因素较为复杂，并且数据较少，呈现模糊特征，因此，在预测过程中引入模糊数学相关理论。由于模型与因素对预测效果至关重要，如果选取单一预测模型进行预测，结果往往会由于模型的单一性产生精度较低的问题，因此，我们需要应用组合预测模型对顾客需求进行预测研究。……