【技术实现步骤摘要】
本专利技术属于计算机大数据统计学领域，具体为一种非线性目标规划结合arima算法的蔬菜商品补货和定价方法。
技术介绍
0、技术背景
1、在蔬菜类商品供应链流通过程中，蔬菜的高保鲜水平和优质品相已经成为生鲜商超甚至是农产品供应链的重要竞争力。因此，蔬菜类商品定价和补货方法的合理制定可以保障农产品更好地流通与售卖和生鲜商超及其背后供应链的有效运转。基于统计学检测的方法由于下列原因使得蔬菜类商品补货和定价措施受到影响，蔬菜类商品供应链出现较大不平稳风险。(一)蔬菜类商品具有不同的鲜活性和易逝性，使得商品成本变动高低各异，导致商品销售所需的最低售价不定。(二)蔬菜进货交易时间过早导致生鲜商超会在不知情每日蔬菜行情下根据商品的历史销售水平和市场需求对其进行补货和定价措施。
技术实现思路
1、专利技术目的：针对上述问题，本专利技术提出一种逻辑斯谛函数非线性目标规划结合arima算法的蔬菜商品补货和成本定价估计方法。针对现有方法存在的不足，通过对蔬菜类商品易逝性的变异系数统计分析、shapiro-wilk正态分布检测和iqr异常值筛除，降低了数据噪音对售价和销量关系的影响。利用逻辑斯谛函数非线性目标规划结合arima算法预测，提高了销售经营的灵活性和抗风险能力。
2、技术方案：一种非线性目标规划结合arima算法的蔬菜商品补货和定价方法包括如下步骤：
3、步骤1)根据商品易逝性建立实际净蔬菜类商品销售量模型，对待测数据进行变异系数统计量分析，获取数据的离散性；
4、步骤2)对待测数据进行shapiro-wilk正态分布拟合，利用iqr异常值识别方法对蔬菜类商品实际净销售量的异常值进行筛除，根据待测数据的正态分布拟合结果，对其进行spearman相关系数分析；
5、步骤3)根据蔬菜的售价和实际净销售量数据，设置动态曲线拟合优度阈值，构建变动成本加成定价模型；面向待测数据进行可视化趋势分析，采用逻辑斯谛函数确定售价和实际净销售量的关系；
6、步骤4)面向蔬菜类商品随季节变化的可视化趋势结果，利用arima时间序列模型对未来蔬菜各品类的售价进行预测，以商超蔬菜利润最大为目标进行非线性目标规划。
7、进一步，步骤1)具体内容如下：
8、1-1由于蔬菜类商品存在易逝性，必然会有损失的情况存在，建立实际净蔬菜类商品销售量模型表示如下：
9、
10、式中代表实际净蔬菜类商品销售量，代表总蔬菜类商品销售量，l代表蔬菜类商品损失量。
11、1-2遍历过去销售蔬菜类商品的品类的实际净商品销售量数据进行统计量分析，变异系数cv满足下列公式(2)、(3)、(4)：
12、
13、
14、
15、式中xi表示对应蔬菜类商品第i种品类下的实际净商品销售量数据，n表示蔬菜类商品的品类数量，σ表示蔬菜类商品实际净商品销售量数据的标准差，μ表示蔬菜类商品实际净蔬菜类商品销售量数据的均值。
16、进一步，步骤2)具体步骤如下：
17、2-1利用shapiro-wilk检验蔬菜类商品前三年品类的实际净销售量进行正态分布检验，w统计量表示如下：
18、
19、
20、式中n是蔬菜类商品实际净销售额的接单数，x(i)是排好序的蔬菜类商品前三年品类的实际净销售量；是每个蔬菜类商品的平均实际净销售量；m＝(m1,m2,…,mn)t，其中m1,m2,…,mn表示从一个标准的正态分布随机变量上采样的有序独立同分布的统计量的期望值、v表示上述有序统计量的协方差。
21、2-2利用iqr异常值识别方法，对蔬菜类商品实际净销售量的异常值筛选和剔除，公式如下：
22、iqr＝q3-q1 (7)
23、式中q3是蔬菜类商品实际净销售量的第三个四分位数，q1是蔬菜类商品实际净销售量的第一个四分位数。
24、2-3将过去蔬菜类商品品类所有蔬菜类实际净销售量xi和yi转换为等级数据r(xi)和r(yi)，利用spearman相关系数rs分析蔬菜各品类和蔬菜各品类之间的相关关系程度，spearman相关系数rs表示如下：
25、di＝r(xi)-r(yi) (8)
26、
27、式中di表示每组观测两个蔬菜品类实际净销售量r(xi)和r(yi)的等级差，n表示观测蔬菜类商品品类的总数量。
28、进一步，步骤3)具体内容如下：
29、3-1通过曲线拟合选择建立拟合优度较高的蔬菜类商品售价的变动成本加成定价模型，公式如下：
30、p＝k(1+r) (10)
31、式中p是蔬菜类商品各品类的销售价格，k是蔬菜类商品各品类的成本批发进货价，r是利率。
32、3-2将各品类的蔬菜的售价作为x轴，各品类的蔬菜的实际净销售量作为y轴进行可视化趋势分析，选择曲线拟合优度r2较高的逻辑斯谛函数确定售价和实际净销售量之间的关系，函数f(x)公式如下：
33、
34、式中max是各品类的蔬菜的最高实际净销售量，α是逻辑斯谛增长率，p0代表s型曲线的中点。
35、进一步，步骤4)具体内容如下：
36、4-1面向步骤3)中蔬菜类商品各品类随季节变化的商品销售量和售价符合时间序列的数值变化规律，通过确定差分次数d、自回归阶数p和移动平均阶数q建立arima时间序列模型对未来蔬菜各品类的售价进行预测，公式如下：
37、
38、
39、θ(b)＝1-θ1b-θ2b2-…-θpbp (14)
40、式中yt表示蔬菜类商品各品类随季节变量t变化的商品销售量和售价的原时间序列，εt表示随机误差；和θ(b)分别表示为自回归算子和滑动平均算子；表示蔬菜类商品各品类在同一季节周期内不同周期点商品销售量之间和售价之间的相关关系；b表示后移算子满足表达式bnyt＝yt-n,n＝1,2,…；表示d阶差分满足表达式当d＝1时，进行一次差分处理即令当d＝2时，进行二次差分处理即令以此类推。
41、4-2利用arima时间序列模型的预测结果，以商超蔬菜利润最大为目标进行非线性目标规划，目标函数与约束条件表示如下：
42、
43、
44、式中，r蔬菜类商品的总利润，m代表要预测的商超蔬菜利润未来的总天数，n代表蔬菜品类的总数量；sji表示第j天第i个蔬菜品类的销售量，pji表示第j天第i个蔬菜品类的销售价格，kji表示第j天第i个蔬菜品类的批发价格，rji表示第j天第i个蔬菜品类成本加成定价中的利率，xji表示第h天第i个蔬菜品类的补货量，wi表示第i个蔬菜品类商品的损耗率，max是各品类蔬菜的最高实际净销售量，α是逻辑斯谛增长率，p0代表s型曲线的中点。
45、有益效果：采用本专利技术方法，利用蔬菜类商品易逝性，在本文档来自技高网...
【技术保护点】
1.一种非线性目标规划结合ARIMA算法的蔬菜商品补货和定价方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种非线性目标规划结合ARIMA算法的蔬菜商品补货和定价估计方法，其特征在于：所述的步骤1)中，根据商品易逝性建立实际净蔬菜类商品销售量模型，对待测数据进行变异系数统计量分析，获取数据的离散性；具体步骤如下：
3.根据权利要求2所述的一种非线性目标规划结合ARIMA算法的蔬菜商品补货和定价方法，其特征在于：所述的步骤2)中，对待测数据进行Shapiro-Wilk正态分布拟合；具体步骤如下：
4.根据权利要求2所述的一种非线性目标规划结合ARIMA算法的蔬菜商品补货和定价方法，其特征在于：所述的步骤2)中，利用IQR异常值识别方法对蔬菜类商品实际净销售量的异常值进行筛除；具体步骤如下：
5.根据权利要求2所述的一种非线性目标规划结合ARIMA算法的蔬菜商品补货和定价方法，其特征在于：所述的步骤2)中，根据待测数据的正态分布拟合结果，对其进行Spearman相关系数分析；具体步骤如下：
6.根据权利要求3所述
7.根据权利要求3所述的一种非线性目标规划结合ARIMA算法的蔬菜商品补货和定价估计方法，其特征在于：所述的步骤3)中，面向待测数据进行可视化趋势分析，采用逻辑斯谛函数确定售价和实际净销售量的关系；具体步骤如下：
8.根据权利要求4所述的一种非线性目标规划结合ARIMA算法的蔬菜商品补货和定价方法，其特征在于：所述的步骤4)中，面向蔬菜类商品随季节变化的可视化趋势结果，利用ARIMA时间序列模型对未来蔬菜各品类的售价进行预测；具体步骤如下：
9.根据权利要求4所述的一种非线性目标规划结合ARIMA算法的蔬菜商品补货和定价方法，其特征在于：所述的步骤4)中，面向ARIMA时间序列模型的预测结果，以商超蔬菜利润最大为目标进行非线性目标规划；具体步骤如下：
...【技术特征摘要】
1.一种非线性目标规划结合arima算法的蔬菜商品补货和定价方法，其特征在于：包括如下步骤：
2.根据权利要求1所述的一种非线性目标规划结合arima算法的蔬菜商品补货和定价估计方法，其特征在于：所述的步骤1)中，根据商品易逝性建立实际净蔬菜类商品销售量模型，对待测数据进行变异系数统计量分析，获取数据的离散性；具体步骤如下：
3.根据权利要求2所述的一种非线性目标规划结合arima算法的蔬菜商品补货和定价方法，其特征在于：所述的步骤2)中，对待测数据进行shapiro-wilk正态分布拟合；具体步骤如下：
4.根据权利要求2所述的一种非线性目标规划结合arima算法的蔬菜商品补货和定价方法，其特征在于：所述的步骤2)中，利用iqr异常值识别方法对蔬菜类商品实际净销售量的异常值进行筛除；具体步骤如下：
5.根据权利要求2所述的一种非线性目标规划结合arima算法的蔬菜商品补货和定价方法，其特征在于：所述的步骤2)中，根据待测数据的正态分布拟合结果，对其进行spearman相关系数分析...
【专利技术属性】
技术研发人员：金磊，王晗，邓丽云，叶晓明，施佺，王光成，刘文杰，
申请(专利权)人：南通大学，
类型：发明
国别省市：
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。