本發(fā)明涉及計算機，具體提供一種酒類市場預測方法及裝置。

背景技術(shù)：

1、隨著信息技術(shù)的發(fā)展，市場的變化預測越來越受到各類企業(yè)的關(guān)注。目前的酒類市場變化的預測，主要基于簡單數(shù)學模型的預測，通過市場的銷售數(shù)據(jù)、擬合銷售曲線、預測市場的銷售趨勢的方法，對數(shù)據(jù)的處理太簡單、信息挖掘程度低、預測結(jié)果精度低，無法準確地預測酒類市場變化。

技術(shù)實現(xiàn)思路

1、本發(fā)明是針對上述現(xiàn)有技術(shù)的不足，提供一種實用性強的酒類市場預測方法。

2、本發(fā)明進一步的技術(shù)任務(wù)是提供一種設(shè)計合理，安全適用的酒類市場預測裝置。

3、本發(fā)明解決其技術(shù)問題所采用的技術(shù)方案是：

4、一種酒類市場預測方法，基于加權(quán)馬爾科夫鏈，具有如下步驟：

5、s1、制定酒類市場銷售分級標準；

6、s2、檢驗酒類市場銷售數(shù)據(jù)的馬氏性；

7、s3、計算馬爾可夫鏈的加權(quán)轉(zhuǎn)移概率；

8、s4、分析酒類市場狀態(tài)預測；

9、s5、構(gòu)建酒類市場預測模型；

10、s6、迭代酒類市場預測模型。

11、進一步的，在步驟s1中，選取酒類銷售數(shù)據(jù)，統(tǒng)計每個月的銷售總額，將樣本平均值作為分類中心，樣本均方差為變化尺度，并設(shè)置分級標準系數(shù)集合，當劃分2n各級別，設(shè)置n-1個標準系數(shù)，則分類標準公式可表示為：

12、

13、其中，grade函數(shù)為分段函數(shù)，在銷量處于不同的分段時取不同的狀態(tài)值，為樣本的平均值，s為樣本均方法，2n為樣本分級個數(shù)，即馬爾可夫鏈的狀態(tài)個數(shù)，k1k2…kn-1為分級標準系數(shù)。

14、進一步的，在步驟s2中，酒類每月的市場銷售數(shù)據(jù)表示為{xn}，若序列能夠滿足馬氏性檢驗，則構(gòu)建馬爾可夫鏈來預測{xn}的變化規(guī)律；

15、用fij表示序列x1,x2,…xn中從i狀態(tài)出發(fā)，經(jīng)過一步轉(zhuǎn)移到狀態(tài)j的頻數(shù)，以所有的fij為元素的矩陣就是轉(zhuǎn)移頻數(shù)矩陣，將轉(zhuǎn)移頻數(shù)矩陣各列之和分別除以各行各列的總和就得到邊緣頻率，并把它作為邊緣頻率的估計，記為即假設(shè)酒類市場銷售序列的狀態(tài)有m類；

16、根據(jù)概率論知識可知，統(tǒng)計量服從自由度為(m-1)2的χ2分布，其中，表示酒類市場銷售數(shù)列的轉(zhuǎn)移概率矩陣，給定顯著性水平α，得到分布點的值，通過計算得到統(tǒng)計量χ2的值，若則認為序列{xn}符合馬氏性，將酒類市場銷售序列作為馬爾可夫鏈處理；

17、并按照酒類市場銷售分級標準對序列處理，計算出酒類市場每月的銷售額對應(yīng)的等級，構(gòu)建馬爾可夫鏈的狀態(tài)空間，確定研究序列中各指標值的狀態(tài)。

18、進一步的，在步驟s3中，包括：

19、s3.1、計算步驟s1到m階的自相關(guān)系數(shù)：

20、

21、其中，rk表示k階的自相關(guān)系數(shù)，xi表示第i時段的指標值，表示數(shù)列的平均值，n表示序列的長度，m表示預測時需要計算的最大階數(shù)，通常取序列的狀態(tài)個數(shù)；

22、s3.2、計算步驟s1到m階的加權(quán)系數(shù)：

23、

24、其中，wk表示k階的加權(quán)系數(shù)；

25、s3.3、計算步驟s1到m階的轉(zhuǎn)移概率矩陣：

26、pij(k)＝p{x(m+k)＝im+k|x(m)＝im},i,j∈e；???(4)

27、其中，pij(k)表示系統(tǒng)處于狀態(tài)i，經(jīng)過k步的狀態(tài)轉(zhuǎn)移，到達狀態(tài)j的概率，m表示當前處于的時間，k表示的轉(zhuǎn)移時間，im表示m時刻系統(tǒng)的狀態(tài)，im+k表示在轉(zhuǎn)移k步后系統(tǒng)的狀態(tài)。

28、進一步的，在步驟s4中，分別以前面若干個月的銷量作為初始狀態(tài)，按照轉(zhuǎn)移到預測月份需要的步長k，使用對應(yīng)的轉(zhuǎn)移概率，即可預測出該月份的狀態(tài)i的概率：pi(k)；

29、將同一狀態(tài)的各項預測概率，使用對應(yīng)的權(quán)重加權(quán)，最后獲得系統(tǒng)處于狀態(tài)i的預測概率：

30、

31、其中，pi表示系統(tǒng)從某一個狀態(tài)轉(zhuǎn)移到狀態(tài)i的概率；

32、此時，max{pi}所對應(yīng)的狀態(tài)值就是酒類市場未來一個月最可能的狀態(tài)。

33、進一步的，在步驟s5中，首先計算樣本的平均值和樣本均方差：

34、

35、將樣本劃分為6個標準等級，設(shè)置酒類市場分級標準參數(shù)k，根據(jù)公式(1)，進行樣本的劃分；將樣本按照分級標準劃分，生成銷售狀態(tài)；根據(jù)公式(2)計算出1到6階的自相關(guān)系數(shù)，再使用公式(3)分別結(jié)算出6階的自相關(guān)系數(shù)對應(yīng)的權(quán)重；

36、根據(jù)公式(4)計算，得到每個步長的馬爾可夫鏈的一步轉(zhuǎn)移概率矩陣，根據(jù)以前月份酒類市場銷售數(shù)據(jù)對未來月份的市場進行預測。

37、進一步的，在步驟s6中，將未來月份的數(shù)據(jù)加入到步驟s5中的運算流程中，用于以后月份的酒類市場銷量情況預測，同樣，以后月份產(chǎn)生的實際銷量數(shù)據(jù)，再次迭代加入酒類市場預測模型中，對模型進行檢驗和迭代優(yōu)化。

38、一種酒類市場預測裝置，包括：至少一個存儲器和至少一個處理器；

39、所述至少一個存儲器，用于存儲機器可讀程序；

40、所述至少一個處理器，用于調(diào)用所述機器可讀程序，執(zhí)行一種酒類市場預測方法。

41、本發(fā)明的一種酒類市場預測方法及裝置和現(xiàn)有技術(shù)相比，具有以下突出的有益效果：

42、本發(fā)明通過制定酒類市場銷售分級標準，把銷售數(shù)據(jù)映射出對應(yīng)的銷售狀態(tài)；再對酒類市場的銷售數(shù)據(jù)進行馬氏性檢驗，保證預測模型的可行性、可靠性；使用加權(quán)馬爾可夫鏈的思想對酒類市場的銷售數(shù)據(jù)進行計算，獲得酒類市場的轉(zhuǎn)移概率矩陣；通過對酒類市場狀態(tài)預測分析，推導出酒類市場狀態(tài)預測公式；使用實際數(shù)據(jù)構(gòu)建酒類市場的預測模型，并對模型進行檢驗和迭代優(yōu)化，能夠更加準確地預測酒類市場未來可能處于的銷售狀態(tài)。

技術(shù)特征：

1.一種酒類市場預測方法，其特征在于，基于加權(quán)馬爾科夫鏈，具有如下步驟：

2.根據(jù)權(quán)利要求1所述的一種酒類市場預測方法，其特征在于，在步驟s1中，選取酒類銷售數(shù)據(jù)，統(tǒng)計每個月的銷售總額，將樣本平均值作為分類中心，樣本均方差為變化尺度，并設(shè)置分級標準系數(shù)集合，當劃分2n各級別，設(shè)置n-1個標準系數(shù)，則分類標準公式可表示為：

3.根據(jù)權(quán)利要求2所述的一種酒類市場預測方法，其特征在于，在步驟s2中，酒類每月的市場銷售數(shù)據(jù)表示為{xn}，若序列能夠滿足馬氏性檢驗，則構(gòu)建馬爾可夫鏈來預測{xn}的變化規(guī)律；

4.根據(jù)權(quán)利要求3所述的一種酒類市場預測方法，其特征在于，在步驟s3中，包括：

5.根據(jù)權(quán)利要求4所述的一種酒類市場預測方法，其特征在于，在步驟s4中，分別以前面若干個月的銷量作為初始狀態(tài)，按照轉(zhuǎn)移到預測月份需要的步長k，使用對應(yīng)的轉(zhuǎn)移概率，即可預測出該月份的狀態(tài)i的概率：pi(k)；

6.根據(jù)權(quán)利要求4所述的一種酒類市場預測方法，其特征在于，在步驟s5中，首先計算樣本的平均值和樣本均方差：

7.根據(jù)權(quán)利要求6所述的一種酒類市場預測方法，其特征在于，在步驟s6中，將未來月份的數(shù)據(jù)加入到步驟s5中的運算流程中，用于以后月份的酒類市場銷量情況預測，同樣，以后月份產(chǎn)生的實際銷量數(shù)據(jù)，再次迭代加入酒類市場預測模型中，對模型進行檢驗和迭代優(yōu)化。

8.一種酒類市場預測裝置，其特征在于，包括：至少一個存儲器和至少一個處理器；

技術(shù)總結(jié)
本發(fā)明涉及計算機技術(shù)領(lǐng)域，具體提供了一種酒類市場預測方法及裝置，基于加權(quán)馬爾科夫鏈，具有如下步驟：S1、制定酒類市場銷售分級標準；S2、檢驗酒類市場銷售數(shù)據(jù)的馬氏性；S3、計算馬爾可夫鏈的加權(quán)轉(zhuǎn)移概率；S4、分析酒類市場狀態(tài)預測；S5、構(gòu)建酒類市場預測模型；S6、迭代酒類市場預測模型。與現(xiàn)有技術(shù)相比，本發(fā)明能夠更加準確地預測酒類市場未來可能處于的銷售狀態(tài)。

技術(shù)研發(fā)人員：禚曉光,張永剛,閆中玉,孫守偉,劉兆銘
受保護的技術(shù)使用者：山東浪潮數(shù)字商業(yè)科技有限公司
技術(shù)研發(fā)日：
技術(shù)公布日：2025/1/6