The invention discloses a prediction method of barcode registration based on the ARIMA model, the method of judging and smoothed smooth registration sequence of commodity bar code, according to the barcode registration sequence autocorrelation and partial autocorrelation characteristics determine the model structure and calculate the relevant parameters, through the test to determine the residual sequence the model is reasonable. Through the establishment of a reasonable ARIMA model, to achieve the registration of commodity barcode registration sequence, from the introduction of the future forecast value of commodity barcode registration. The forecasting method of the invention can obtain higher prediction precision.
【技术实现步骤摘要】
本专利技术涉及时间序列预测
,具体涉及一种基于ARIMA模型的商品条码注册量预测方法。
技术介绍
商品条码注册信息涵盖企业名称、行政区划、注册资金、企业类别、经济类型代码、国民经济行业分类代码、最后一次操作时间、是否注销、注册日期等,以注册日期为统计项进行统计,便可得到月度商品条码注册量数据。商品条码注册量反应了新增商品制造和销售的情况,从宏观角度上分析,一定时期内的商品条码注册量的变化,一方面能够直接反映一个地区的商品制造和销售的表现,另一方面可以间接反映出该地区的商业流通的活跃程度,因此商品条码注册量可以被认为是衡量一个国家或地区经济状况的重要指标。目前,对商品条码注册量的研究只停留在统计阶段,甚少有进一步的深入研究。对某地区的商品条码注册量进行预测,可以大致研判该地区在未来一定时期内的经济发展程度,还可以根据预测数据制定各项管理和控制政策,因此商品条码注册量预测具有重要的指导意义。
技术实现思路
本专利技术的目的是为了解决现有技术中的上述缺陷,提供一种基于ARIMA模型的商品条码注册量预测方法,可以实现对商品条码月度注册量的高精度预测。本专利技术的目的可以通过采取如下技术方案达到:一种基于ARIMA模型的商品条码注册量预测方法,所述商品条码注册量预测方法包括:S1、以商品条码注册信息的注册时间为统计项进行统计,得到商品条码注册量序列,对所述商品条码注册量序列进行平稳性判定,若平稳,则转入步骤S3;若不平稳,则转入步骤S2;S2、对不平稳的商品条码注册量序列进行平稳化处理,返回步骤S1;S3、对商品条码注册量序列进行结构识别,确定ARIMA模型的自 ...
【技术保护点】
一种基于ARIMA模型的商品条码注册量预测方法,其特征在于,所述商品条码注册量预测方法包括:S1、以商品条码注册信息的注册时间为统计项进行统计,得到商品条码注册量序列,对所述商品条码注册量序列进行平稳性判定,若平稳,则转入步骤S3;若不平稳,则转入步骤S2;S2、对不平稳的商品条码注册量序列进行平稳化处理,返回步骤S1;S3、对商品条码注册量序列进行结构识别,确定ARIMA模型的自回归阶数和移动平均阶数,并从初步识别出来的模型中确定最优模型;S4、计算ARIMA模型的参数;S5、运用所建立的ARIMA模型拟合商品条码注册量序列,拟合得到残差序列,对所述残差序列进行检验,判断所建立的ARIMA模型是否合理并可用于预测。
【技术特征摘要】
1.一种基于ARIMA模型的商品条码注册量预测方法,其特征在于,所述商品条码注册量预测方法包括:S1、以商品条码注册信息的注册时间为统计项进行统计,得到商品条码注册量序列,对所述商品条码注册量序列进行平稳性判定,若平稳,则转入步骤S3;若不平稳,则转入步骤S2;S2、对不平稳的商品条码注册量序列进行平稳化处理,返回步骤S1;S3、对商品条码注册量序列进行结构识别,确定ARIMA模型的自回归阶数和移动平均阶数,并从初步识别出来的模型中确定最优模型;S4、计算ARIMA模型的参数;S5、运用所建立的ARIMA模型拟合商品条码注册量序列,拟合得到残差序列,对所述残差序列进行检验,判断所建立的ARIMA模型是否合理并可用于预测。2.根据权利要求1所述的基于ARIMA模型的商品条码注册量预测方法,其特征在于,所述商品条码注册量序列为月度的商品条码注册量序列。3.根据权利要求1或2所述的基于ARIMA模型的商品条码注册量预测方法,其特征在于,所述步骤S1中对所述商品条码月度注册量序列进行平稳性判定具体如下:根据公式(1)计算商品条码注册量序列的自相关系数rk,当自相关系数随着滞后期的增大迅速趋近于0时,则认为时间序列样本是平稳的,反之则认为时间序列不平稳,其中公式(1)如下:rk=Σt=1n-k(yt-y‾)(yt+k-y‾)Σt=1n(yt-y‾)2---(1)]]>上式中,表示时间序列的均值,n表示时间序列的数据个数,k表示滞后期。4.根据权利要求1或2所述的基于ARIMA模型的商品条码注册量预测方法,其特征在于,所述步骤S2中采用差分方法对不平稳的商品条码注册量序列进行平稳化处理,对时间序列进行一阶逐期差分处理,以消除时间序列的上升趋势,再进行指定步长的一阶季节差分处理,以消除季节性变动。5.根据权利要求4所述的基于ARIMA模型的商品条码注册量预测方法,其特征在于,进行所...
【专利技术属性】
技术研发人员:谢巍,邓智敏,杨晓峰,
申请(专利权)人:华南理工大学,
类型:发明
国别省市:广东;44
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。