一种基于二分数据修补与扰动因子的商品价格预测方法技术

本发明专利技术公开了一种基于二分数据修补与扰动因子的商品价格预测方法，将二分修补数据方法引入扰动因子预测的新型商品价格预测方法，并将该商品价格预测方法应用于手机价格的预测，解决了现有销售商只有销售价格没有预测的问题，提高了网页商品价格数据抽取的抗噪性能，获得了更高的预测准确率，具有很高的实用价值。

【技术实现步骤摘要】

本专利技术属于商品市场预测
，特别涉及ー种商品价格的预测方法，可应用于商品市场预测分析与商品销售决策支持系统。
技术介绍
商品价格的预测方法是市场预测分析与商品生产销售决策的基础，是市场预测领域中的ー个重要问题，在商品生产、销售等很多问题中起着关键作用。由于网络技术的发展与网络商店的普及，因此近年来，人们越来越重视对商品价格的预测方法的研究。商品价格的预测问题可以看作是基于时间序列的数据处理与数据分析问题，分为数据获取、数据处理与预测模型三个方面。对于数据的获取，一般较多的是针对行业数据，如电カ需求，股票交易数据等。股票市场、期货市场、电カ市场等价格数据获取较为容易，且研究其预测的方法也比较广泛，如最小ニ乘回归、神经网络、灰色马尔科夫链、小波理论和GM(1，I)模型等。·2010年和2011年，朱全银等给出了商品销售数据抽取与数据挖掘的方法以及基于Web的非修补数据的价格动态预测方法(Quanyin Zhu, Yunyang Yan, Jin Ding andYu Zhang. The Commodities Price Extracting for Shop Online，本文档来自技高网...

【技术保护点】
一种基于二分数据修补与扰动因子的商品价格预测方法，其特征在于：通过二分法修补网页挖掘的缺陷数据，进而利用扰动因子算法实现商品价格的预测，具体包括以下步骤：步骤A、抽取网页中商品的名称、型号、类型与价格数据，建立数据集X＝{A1，A2，…，Ak}，设定需要预测价格的商品为Ai＝{x1，x2，…，xn}，i的取值区间为：[1，k]；步骤B、查找Ai中异常数据，得到异常数据集Bi，分别统计Bi中属于时间上连续的异常数据段，设共有s个日期连续的异常数据段，每段日期上连续异常的数据个数为p，并设r＝s；对于每一个p值，步骤G到步骤I只可能被执行一次，且步骤G到步骤I一共被执行s次，之后执行步骤J；步骤C...

【技术特征摘要】

【专利技术属性】
技术研发人员：朱全银，曹苏群，严云洋，胡蓉静，王红艳，周培，宗慧，丁瑾，李冬梅，
申请(专利权)人：淮阴工学院，
类型：发明
国别省市：