计算机科学与应用  >> Vol. 10 No. 11 (November 2020)

基于季节性ARIMA模型的新零售精准预测
Accurate Forecast of New Retail Based on Seasonal ARIMA Model

DOI: 10.12677/CSA.2020.1011219, PDF, HTML, XML, 下载: 101  浏览: 363 

作者: 唐玮煜*#, 黄鸿亮*#, 杨俊涛:吉林大学珠海学院,广东 珠海

关键词: 精准预测时间序列分析季节性ARIMA模型平均绝对百分比误差Accurate Prediction Time Series Analysis Seasonal ARIMA Model MAPE

摘要: 本文旨在建立新零售的精准预测模型,首先通过对新零售目标商品的主要指标数据进行数据预处理,接着建立Pearson相关系数模型,使用Python分析得到热力图,确定销售量具有较好的预测性并存在自相关性,将其作为本文预测模型的重要决策变量,然后建立差分整合移动平均自回归模型(Autoregressive Integrated Moving Average model,简称ARIMA),同时考虑商品由于季节所造成的影响,并优化成季节性ARIMA预测模型,最后使用平均绝对百分比误差(MAPE)评估模型,得到预测误差百分比均值为19.33%。本文模型预测误差小,对新零售商品的预测具有指导意义。
Abstract: The purpose of this paper is to establish an accurate prediction model of new retail. Firstly, the main index data of new retail target goods are preprocessed, and then Pearson correlation coefficient model is established. The thermodynamic diagram is obtained by Python analysis. The sales volume is confirmed to have good predictability and existing autocorrelation. Then the Autoregressive Integrated Moving Average model (ARIMA) is established. At the same time, the seasonal ARIMA prediction model is optimized considering the same influence of the season. Finally, the average absolute percentage error (MAPE) evaluation model is used to obtain the average forecast error percentage of 19.33%. The prediction error of the model in this paper is small, which has guiding significance for the prediction of commodities.

文章引用: 唐玮煜, 黄鸿亮, 杨俊涛. 基于季节性ARIMA模型的新零售精准预测[J]. 计算机科学与应用, 2020, 10(11): 2077-2088. https://doi.org/10.12677/CSA.2020.1011219

参考文献

[1] 王正沛, 李国鑫. 消费体验视角下新零售演化发展逻辑研究[J]. 管理学报, 2019, 16(3): 333-342.
[2] 张利. 基于时间序列ARIMA模型的分析预测算法研究及系统实现[D]: [硕士学位论文]. 镇江: 江苏大学, 2008.
[3] 高惠璇. 应用多元统计分析[M]. 北京: 北京大学出版社, 2005.
[4] 佘梓航, 徐嘉桦, 姚志玉, 梁伟典. 基于皮尔逊相关系数的网购大数据分析——以天猫佰润居旗舰店交易记录为例[J]. 韩山师范学院学报, 2020, 41(3): 16-22.
[5] 刘胤池, 李庶林, 陈煌煜, 等. 基于ARIMA-SVM模型的深基坑变形预测及应用研究[C]//中国力学学会结构工程专业委员会. 第29届全国结构工程学术会议论文集(第II册). 武汉: 《工程力学》杂志社, 2020.
[6] 王燕. 时间序列分析: 基于R [M]. 北京: 中国人民大学出版社, 2015.
[7] 孙红果, 邓华. 样本自相关系数与偏自相关系数的研究[J]. 蚌埠学院学报, 2016, 5(1): 35-39.
[8] 纪安之, 杨雪梅. 基于ARIMA模型的新冠肺炎序列分析预测[J]. 价值工程, 2020, 39(18): 107-109.
[9] 沈齐, 范馨月. 季节性ARIMA接警量预测模型在警情分析中的应用[J]. 中国刑警学院学报, 2020(4): 57-61.