一种汽车零部件销售预测智能系统技术方案

本发明专利技术公开了一种汽车零部件销售预测智能系统，包括系统管理模块、数据预处理模块、商品预测模型和销售预测模块；本发明专利技术一种汽车零部件销售预测智能系统通过利用季节分析模型，决策树模型，马尔科夫模型，并将这几种模型与利率等级模型结合起来建立了SPI‑M模型，然后实现了一个基于SPI‑M模型的商品销售预测系统，与传统商品销售预测方法相比，该SPI‑M模型在预测商品销售状态及销售量方面提高了准确性；该商品销售预测系统界面友好、简单、直观且易操作，不需经过复杂的专业培训即可使用，从而有效的提高了本发明专利技术的使用精度。

An intelligent system for auto parts sales forecast

【技术实现步骤摘要】
一种汽车零部件销售预测智能系统
本专利技术涉及销售预测相关
，具体为一种汽车零部件销售预测智能系统。
技术介绍
随着市场经济的发展和经济的全球化，企业面临着越来越残酷的市场竞争。企业要想赢得竞争、赢得客户，就必须在最快的时间内，以最低的成本将产品提供给客户，这使得进行正确及时的产品销售预测及由此产生的可靠的决策，成为现代企业成功的关键要素。在汽车零部件的商品销售预测中，一般针对商品在将来某个时段的销售状态和销售量进行预测，本专利技术的申请人发现现有技术中的销售预测系统的变量只涉及到商品的销售数量，也有极少的一部分考虑到了销售金额，但都忽略了一个最重要的因素，就是商品零售时所获得利润，利润是决定零售企业赢利及发展的关键因素。
技术实现思路
本专利技术的目的在于提供一种汽车零部件销售预测智能系统，旨在改善现有技术中的销售预测系统的变量只涉及到商品的销售数量，也有极少的一部分考虑到了销售金额，但都忽略了一个最重要的因素，就是商品零售时所获得利润，利润是决定零售企业赢利及发展的关键因素的问题。为实现以上目的，本专利技术通过以下技术方案予以实现：一种汽车零部件销售预测智能系统，包括系统管理模块、数据预处理模块、商品预测模型和销售预测模块；系统管理模块：分为用户管理和连接数据库两个模块；用户管理主要是设置了用户名和密码，以保障系统的安全；连接数据库即连接到我们需要的数据库中，把数据提取进去并进行操作；数据预处理模块：提供模型挖掘算法所需要的数据格式，以提高挖掘的效率和准确性；且数据预处理模块由数据的选择、数据的清洗、数据的填充，数据的统计汇总统计和数据的离散化构成；数据的选择：包括选择多大的训练样本数量、选择哪些属性和应该增加哪些属性作为模型的输入；数据的清洗：利用MS-SQL的查询分析器将数据处理过程中的重复数据进行清除；商品预测模型：应用季节分析模型、利率等级模型、决策树模型和马尔科夫模型建立SPI-M模型，数据的训练和模型的建立都在各自的模块中进行；销售预测模块：将建立好的SPI-M模型用于实际零售业商品销售预测。具体的操作步骤如下：S1：用户通过用户名和密码进入到SPI-M模型的系统登录的界面；并把原始数据导入到数据库，进行数据的预处理，然后建立季节分析模型和利率等级模型，得出季节指数和利率等级；季节分析模型的实现：运用统计学中季节分析模型，通过计算商品的季节指数，以此研究商品在不同季节销售的变化和各个季节(月份)的“淡旺”情况；季节指数大于1说明是旺季，小于1说明是淡季，绝对值越大，说明季节越旺，否则，绝对值越小说明季节越淡。且采用同期平均的计算方法对同一月份的汽车零部件的销售平均值进行计算；1，采用矩阵变换算法：数据矩阵指的是使用矩阵的形式来表示若干变量的性质或属性，采用矩阵表示形式有助于算法分析的操作：分别对季度和每月的汽车零部件的销售利率进行统计；2.使用K-均值算法进行聚类分析从利率方面进行零售商品的利率等级研究，目的是对商品的利率矩阵进行聚类分析，建立商品的利率等级模型，获得商品的利率等级对利率矩阵进行聚类挖掘分析，使用k一均值算法对样本数据进行聚类分析，从k＝2，3，4进行计算每次聚类的簇内距离，判断商品销售的利率等级的状态，进而判断商品在季节销售时的获得利润状况；S2：将季节指数及利率等级及商品的其它属性数据如销售量作为输入来建立决策树；信息增益是决策树模型中最重要的数据，建立决策树模型必须先算出各个决策树输入因子的信息增益，然后依据其从大到小分别将其作为决策树的根结点、第二层结点，...，最后一个结点，其叶结点就是决策树的结果数据。分别计算出由季节分析模型得出的季节指数，利率等级模型得到的利率等级及商品其它数据的信息增益，从大到小将其作为决策树的根结点、第二个分枝结点...通过执行ID3算法，产生出一棵此树的叶子节点即为商品销售状态的分类标识。由根节点至上而下，到每个叶子节点，就生成了一条规则或一个模式。由该决策树得到了很多模式，形成了个规则集合决策树；这些挖掘结果为零售企业对将来的商品销售预测提供了重要的参考依据，具有一定的价值。S3：马尔科夫模型的实现，获得决策树输出结果作为马尔科夫模型的输入因子；从而预测的部分商品销售状态的概率情况。与现有技术相比，本专利技术的有益效果是：本专利技术具有设计合理且操作简单的特点，本专利技术一种汽车零部件销售预测智能系统通过利用季节分析模型，决策树模型，马尔科夫模型，并将这几种模型与利率等级模型结合起来建立了SPI-M模型，然后实现了一个基于SPI-M模型的商品销售预测系统，与传统商品销售预测方法相比，该SPI-M模型在对预测商品销售状态及销售量方面提高了准确性；另外该商品销售预测系统界面友好、简单、直观且易操作，不需经过复杂的专业培训即可使用，从而有效的提高了本专利技术的使用精度。附图说明为了更清楚地说明本专利技术实施方式的技术方案，下面将对实施方式中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1是本专利技术中的销售预测系统结构的结构示意图；图2是本专利技术中的销售预测系统的流程结构框图；图3是本专利技术中的销售预测系统的算法流程图。具体实施方式为使本专利技术实施方式的目的、技术方案和优点更加清楚，下面将结合本专利技术实施方式中的附图，对本专利技术实施方式中的技术方案进行清楚、完整地描述，显然，所描述的实施方式是本专利技术一部分实施方式，而不是全部的实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。因此，以下对在附图中提供的本专利技术的实施方式的详细描述并非旨在限制要求保护的本专利技术的范围，而是仅仅表示本专利技术的选定实施方式。基于本专利技术中的实施方式，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施方式，都属于本专利技术保护的范围。请参照图1和图2，本专利技术提供一种技术方案：一种汽车零部件销售预测智能系统，包括系统管理模块、数据预处理模块、商品预测模型和销售预测模块；系统管理模块：分为用户管理和连接数据库两个模块；用户管理主要是设置了用户名和密码，以保障系统的安全；连接数据库即连接到我们需要的数据库中，把数据提取进去并进行操作；数据预处理模块：提供模型挖掘算法所需要的数据格式，以提高挖掘的效率和准确性；且数据预处理模块由数据的选择、数据的清洗、数据的填充，数据的统计汇总统计和数据的离散化构成；数据的选择：包括选择多大的训练样本数量、选择哪些属性和应该增加哪些属性作为模型的输入；数据的清洗：利用MS-SQL的查询分析器将数据处理过程中的重复数据进行清除；商品预测模型：应用季节分析模型、利率等级模型、决策树本文档来自技高网...

【技术保护点】
1.一种汽车零部件销售预测智能系统，其特征在于：包括系统管理模块、数据预处理模块、商品预测模型和销售预测模块；/n所述系统管理模块：分为用户管理和连接数据库两个模块；/n用户管理主要是设置了用户名和密码，以保障系统的安全；/n所述连接数据库即连接到我们需要的数据库中，把数据提取进去并进行操作；/n所述数据预处理模块：提供模型挖掘算法所需要的数据格式，以提高挖掘的效率和准确性；且数据预处理模块由数据的选择、数据的清洗、数据的填充，数据的统计汇总统计和数据的离散化构成；/n商品预测模型：应用季节分析模型(S模型)、利率等级模型(P模型)、决策树模型(I模型)和马尔科夫模型(M模型)建立SPI-M模型，数据的训练和模型的建立都在各自的模块中进行；/n销售预测模块：将建立好的SPI-M模型用于实际零售业商品销售预测。/n

【技术特征摘要】
1.一种汽车零部件销售预测智能系统，其特征在于：包括系统管理模块、数据预处理模块、商品预测模型和销售预测模块；
所述系统管理模块：分为用户管理和连接数据库两个模块；
用户管理主要是设置了用户名和密码，以保障系统的安全；
所述连接数据库即连接到我们需要的数据库中，把数据提取进去并进行操作；
所述数据预处理模块：提供模型挖掘算法所需要的数据格式，以提高挖掘的效率和准确性；且数据预处理模块由数据的选择、数据的清洗、数据的填充，数据的统计汇总统计和数据的离散化构成；
商品预测模型：应用季节分析模型(S模型)、利率等级模型(P模型)、决策树模型(I模型)和马尔科夫模型(M模型)建立SPI-M模型，数据的训练和模型的建立都在各自的模块中进行；
销售预测模块：将建立好的SPI-M模型用于实际零售业商品销售预测。


2.根据权利要求1所述的一种汽车零部件销售预测智能系统，其特征在于，所述包括选择多大的训练样本数量、选择哪些属性和应该增加哪些属性作为模型的输入。


3.根据权利要求1所述的一种汽车零部件销售预测智能系统，其特征在于，所述利用MS-SQL的查询分析器将数据处理过程中的重复数据进行清除。


4.一种基于权利要求1所述的一种汽车零部件销售预测智能系统的操作步骤如下：
S1：用户通过用户名和密码进入到SPI-M模型的系统登录的界面，并把原始数据导入到数据库，进行数据的预处理，然后建立季节分析模型和利率等级模型，得出季节指数和利率等级；
S2：将季节指数及利率等级及商品的其它属性数据如销售量作为输入来建立决策树；
S3：马尔科夫模型的实现，获得决策树输出结果作为马尔科夫模型的输入因子；
S4：将建立好的SPI-M模型用于实际零售业商品销售运用到需要预测的时间维度中；
S5：将利用SPI-M模型预测的时间维度内的商品预售量存储在系统的信息存储模块内，并通过信息传输传输模块与决策人员的移动设备的客户端相连接。


5.根据权利要求4所述的一种汽车零部件销售预测智能系统，其特征在于，S1中所述的原始数据与连接数据库之间采用MS-SQ...

【专利技术属性】
技术研发人员：申光耀，
申请(专利权)人：上海明据信息科技有限公司，
类型：发明
国别省市：上海;31