[发明专利]一种基于一元线性回归和最小二乘法的商品需求预测方法

权利要求书

1.一种基于一元线性回归和最小二乘法的商品需求预测方法，其特征在于，具体包括如下步骤：

步骤1：获取商品销售历史数据，选择某一社会事件，获取一定时期内受该社会事件影响的某商品的全部历史数据，按照时间先后顺序排列；所述一定时期是指在该时期内至少包含7次所述社会事件；

步骤2：根据步骤1中获得的这段时期内该社会事件影响下的年份x_i(i＝1,2,3…n)与历史销量y_i(i＝1,2,3…n)建立预测模型，公式如下：

y_i＝ax_i+b；

步骤3：计算离差平方和Q，确定预测方程参数a和随机变量b，公式如下：

步骤4：表达式中a,b作为未知数，分别计算Q对a,b的偏导数公式如下：

步骤5：通过步骤5中偏导数方程表达式计算参数a和随机变量b的值，公式如下：

步骤6：将求出的参数a和随机变量b的值代入预测模型y_i＝ax_i+b，从而得到预测方程用预测方程进行预测。

2.如权利要求1所述的基于一元线性回归和最小二乘法的商品需求预测方法，其特征在于，用预测方程进行预测后，进一步进行精确度检验：

取[T1,T2]为分析区间，y_i为实际值，为预测值，T1、T2为时间序列中的两个时间点，则检验方法如下：

步骤7.1：获得真实值y_i以及预测值

步骤7.2：根据预测值与真实值之间的误差，获得最优精度S，预测误差率MAPE、拟合有效度M，从中选取评价标准最优的预测结果所对应的平滑系数作为“最优平滑系数”；

预测精度S计算公式：

设[T1,T2]为分析区间，y_i为真实值，为预测值，预测误差：

预测精度S：若则将其舍去，判定为特殊事件；

预测误差率MAPE计算公式：

n为分析区间时间序列中的两个时间点T1、T2之间的数据个数；

有效拟合度M：

模型是否有效检验标准：当MAPE≤0.05且M≥0.7时，模型拟合有效。