一种酒类市场预测方法及装置与流程

本发明涉及计算机，具体提供一种酒类市场预测方法及装置。

背景技术：

1、随着信息技术的发展，市场的变化预测越来越受到各类企业的关注。目前的酒类市场变化的预测，主要基于简单数学模型的预测，通过市场的销售数据、拟合销售曲线、预测市场的销售趋势的方法，对数据的处理太简单、信息挖掘程度低、预测结果精度低，无法准确地预测酒类市场变化。

技术实现思路

1、本发明是针对上述现有技术的不足，提供一种实用性强的酒类市场预测方法。

2、本发明进一步的技术任务是提供一种设计合理，安全适用的酒类市场预测装置。

3、本发明解决其技术问题所采用的技术方案是：

4、一种酒类市场预测方法，基于加权马尔科夫链，具有如下步骤：

5、s1、制定酒类市场销售分级标准；

6、s2、检验酒类市场销售数据的马氏性；

7、s3、计算马尔可夫链的加权转移概率；

8、s4、分析酒类市场状态预测；

9、s5、构建酒类市场预测模型；

10、s6、迭代酒类市场预测模型。

11、进一步的，在步骤s1中，选取酒类销售数据，统计每个月的销售总额，将样本平均值作为分类中心，样本均方差为变化尺度，并设置分级标准系数集合，当划分2n各级别，设置n-1个标准系数，则分类标准公式可表示为：

12、

13、其中，grade函数为分段函数，在销量处于不同的分段时取不同的状态值，为样本的平均值，s为样本均方法，2n为样本分级个数，即马尔可夫链的状态个数，k1k2…kn-1为分级标准系数。

14、进一步的，在步骤s2中，酒类每月的市场销售数据表示为{xn}，若序列能够满足马氏性检验，则构建马尔可夫链来预测{xn}的变化规律；

15、用fij表示序列x1,x2,…xn中从i状态出发，经过一步转移到状态j的频数，以所有的fij为元素的矩阵就是转移频数矩阵，将转移频数矩阵各列之和分别除以各行各列的总和就得到边缘频率，并把它作为边缘频率的估计，记为即假设酒类市场销售序列的状态有m类；

16、根据概率论知识可知，统计量服从自由度为(m-1)2的χ2分布，其中，表示酒类市场销售数列的转移概率矩阵，给定显著性水平α，得到分布点的值，通过计算得到统计量χ2的值，若则认为序列{xn}符合马氏性，将酒类市场销售序列作为马尔可夫链处理；

17、并按照酒类市场销售分级标准对序列处理，计算出酒类市场每月的销售额对应的等级，构建马尔可夫链的状态空间，确定研究序列中各指标值的状态。

18、进一步的，在步骤s3中，包括：

19、s3.1、计算步骤s1到m阶的自相关系数：

20、

21、其中，rk表示k阶的自相关系数，xi表示第i时段的指标值，表示数列的平均值，n表示序列的长度，m表示预测时需要计算的最大阶数，通常取序列的状态个数；

22、s3.2、计算步骤s1到m阶的加权系数：

23、

24、其中，wk表示k阶的加权系数；

25、s3.3、计算步骤s1到m阶的转移概率矩阵：

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

27、其中，pij(k)表示系统处于状态i，经过k步的状态转移，到达状态j的概率，m表示当前处于的时间，k表示的转移时间，im表示m时刻系统的状态，im+k表示在转移k步后系统的状态。

28、进一步的，在步骤s4中，分别以前面若干个月的销量作为初始状态，按照转移到预测月份需要的步长k，使用对应的转移概率，即可预测出该月份的状态i的概率：pi(k)；

29、将同一状态的各项预测概率，使用对应的权重加权，最后获得系统处于状态i的预测概率：

30、

31、其中，pi表示系统从某一个状态转移到状态i的概率；

32、此时，max{pi}所对应的状态值就是酒类市场未来一个月最可能的状态。

33、进一步的，在步骤s5中，首先计算样本的平均值和样本均方差：

34、

35、将样本划分为6个标准等级，设置酒类市场分级标准参数k，根据公式(1)，进行样本的划分；将样本按照分级标准划分，生成销售状态；根据公式(2)计算出1到6阶的自相关系数，再使用公式(3)分别结算出6阶的自相关系数对应的权重；

36、根据公式(4)计算，得到每个步长的马尔可夫链的一步转移概率矩阵，根据以前月份酒类市场销售数据对未来月份的市场进行预测。

37、进一步的，在步骤s6中，将未来月份的数据加入到步骤s5中的运算流程中，用于以后月份的酒类市场销量情况预测，同样，以后月份产生的实际销量数据，再次迭代加入酒类市场预测模型中，对模型进行检验和迭代优化。

38、一种酒类市场预测装置，包括：至少一个存储器和至少一个处理器；

39、所述至少一个存储器，用于存储机器可读程序；

40、所述至少一个处理器，用于调用所述机器可读程序，执行一种酒类市场预测方法。

41、本发明的一种酒类市场预测方法及装置和现有技术相比，具有以下突出的有益效果：

42、本发明通过制定酒类市场销售分级标准，把销售数据映射出对应的销售状态；再对酒类市场的销售数据进行马氏性检验，保证预测模型的可行性、可靠性；使用加权马尔可夫链的思想对酒类市场的销售数据进行计算，获得酒类市场的转移概率矩阵；通过对酒类市场状态预测分析，推导出酒类市场状态预测公式；使用实际数据构建酒类市场的预测模型，并对模型进行检验和迭代优化，能够更加准确地预测酒类市场未来可能处于的销售状态。

技术特征：

1.一种酒类市场预测方法，其特征在于，基于加权马尔科夫链，具有如下步骤：

2.根据权利要求1所述的一种酒类市场预测方法，其特征在于，在步骤s1中，选取酒类销售数据，统计每个月的销售总额，将样本平均值作为分类中心，样本均方差为变化尺度，并设置分级标准系数集合，当划分2n各级别，设置n-1个标准系数，则分类标准公式可表示为：

3.根据权利要求2所述的一种酒类市场预测方法，其特征在于，在步骤s2中，酒类每月的市场销售数据表示为{xn}，若序列能够满足马氏性检验，则构建马尔可夫链来预测{xn}的变化规律；

4.根据权利要求3所述的一种酒类市场预测方法，其特征在于，在步骤s3中，包括：

5.根据权利要求4所述的一种酒类市场预测方法，其特征在于，在步骤s4中，分别以前面若干个月的销量作为初始状态，按照转移到预测月份需要的步长k，使用对应的转移概率，即可预测出该月份的状态i的概率：pi(k)；

6.根据权利要求4所述的一种酒类市场预测方法，其特征在于，在步骤s5中，首先计算样本的平均值和样本均方差：

7.根据权利要求6所述的一种酒类市场预测方法，其特征在于，在步骤s6中，将未来月份的数据加入到步骤s5中的运算流程中，用于以后月份的酒类市场销量情况预测，同样，以后月份产生的实际销量数据，再次迭代加入酒类市场预测模型中，对模型进行检验和迭代优化。

8.一种酒类市场预测装置，其特征在于，包括：至少一个存储器和至少一个处理器；

技术总结本发明涉及计算机技术领域，具体提供了一种酒类市场预测方法及装置，基于加权马尔科夫链，具有如下步骤：S1、制定酒类市场销售分级标准；S2、检验酒类市场销售数据的马氏性；S3、计算马尔可夫链的加权转移概率；S4、分析酒类市场状态预测；S5、构建酒类市场预测模型；S6、迭代酒类市场预测模型。与现有技术相比，本发明能够更加准确地预测酒类市场未来可能处于的销售状态。技术研发人员：禚晓光,张永刚,闫中玉,孙守伟,刘兆铭受保护的技术使用者：山东浪潮数字商业科技有限公司技术研发日：技术公布日：2025/1/6