科研之友
微信
新浪微博
Facebook
分享链接
摘要
线上零售额的准确预测是政府制定零售政策和发展规划的依据，也是电商和物流企业确定发展战略的基础。由于我国线上零售额数据具有样本量小、波动性大、受节日影响大、存在缺失值等特征，准确预测变得十分困难。为解决这个问题，本文提出了一种“拆分-填充-分解-集成”的预测框架。具体而言，首先将数据集拆分为实物零售数据与非实物零售数据两部分。其次，分别根据实物零售与非实物零售数据不同的缺失特征对样条插值法做了改进，提出了基于“样条插值-二分调整”的分解填充法以及基于“分段线性函数拟合-样条插值”的分解填充法，对两组数据进行缺失值填充。继而基于两组数据的不同特征，分别提出“乘法分解-ARIMA-移动平均”以及“STL分解-BP神经网络-灰色波形”的预测方法对两组数据进行预测。最后将两组预测结果集成，得到我国线上零售额的预测值。实证结果表明，本文提出的预测框架能较好地捕捉我国线上零售额数据的特征，具有很高的预测精度，且较传统的缺失值填充和预测方法在性能上表现更好。本文提出的“拆分-填充-分解-集成”预测框架，丰富了现有的缺失值填充与预测方法，并为预测实践提供了解决方案。
-
单位工业和信息化部; 哈尔滨工程大学; 经济管理学院
