自动售卖机销量预测模型研究

作     者：刘晴 

作者单位：东华大学 

学位级别：硕士

导师姓名：董平军

授予年度：2021年

学科分类：12[管理学] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 07[理学] 070104[理学-应用数学] 0701[理学-数学] 

主      题：销量预测 Prophet 长短期记忆网络(LSTM) 自动售卖机 

摘      要：大城市自动售卖机应用越来越普遍,自动售卖机具有与一般零售不同的特点。饮品自动售卖机的销售属于即时性消费,销量的波动性大,会受到外部环境的影响;并且由于自动售卖机的设备容量、机器故障以及补货不及时等会导致数据存在部分异常点。基于上述自动售卖机的销售特点,在对国内外相关文献研究的基础上,从销量预测的角度,本文提出了基于饮品自动售卖机的销量预测模型与算法,并对上海地铁某品牌自动售卖机1年的真实样本数据进行时间序列预测,提出了基于不同粒度的销量预测适用模型。对于数据异常问题,本文提出小波变换结合离差系数的方法对销量序列进行了异常值识别及处理,此方法能够有效识别出隐藏的不符合销量趋势以及周期性规律的异常点,对于检测的异常点采用对应的处理方法进行异常值替换;对销量外部环境影响因素分析上,本文采用散点图结合皮尔森系数对温度与销量之间进行了相关性分析,结果表明温度与销量之间有着较强的相关性,并且通过统计分布证实了销量存在周期性。在销量预测方法的选择上,本文结合了销量的周期性以及节假日销售会与工作日不同的特点,在考虑温度因素的情况下,采用Prophet＿LSTM的混合模型与单一Prophet模型进行对比,以期能够有效提升预测的精度。针对销量的波动性问题,本文采用基于聚类分析的时间序列预测方法,通过DTW（动态时间规整）距离相似性度量公式结合层次聚类的方法对自动售卖机设备的销量序列进行聚类,得到同一类别的具有相似销量趋势的设备,同时利用主成分分析的思想,提取出其中主导的销量序列,将其与单设备的销量序列共同作为模型的输入,采用Prophet以及Prophet＿LSTM混合模型分别预测,以期能够解决自动售卖机销量序列波动性较大导致的预测精度不稳定性问题。通过实证分析,本文通过不同的条件与方法进行预测得到不同粒度的预测结果,结果表明对于自动售卖机这类波动性较大的设备的单机预测,采用基于聚类分析的Prophet＿LSTM模型预测精度相较于其他方法更高,而对于总体预测而言,其销量序列的波动性较弱,因此直接采取添加温度因素的Prophet＿LSTM混合模型预测精度更高。