一种基于时间序列分解的季节性商品需求预测方法

摘要

本发明公开了一种基于时间序列分解的季节性商品需求预测方法。本发明步骤如下：首先基于统计方法从历史需求数据分离出峰值序列s1和常规值序列s2；其次基于峰值序列s1，对训练数据是否为峰值需求进行标注；然后利用两个分类器组成的复合分类器预测峰值出现概率p，并利用近期的历史数据计算峰值概率阈值α，基于峰值预测概率p和峰值概率阈值α进行回归策略选择，若p＞α，则利用K近邻模型进行峰值需求预测，否则，利用随机森林模型进行非峰值需求回归预测。本发明通过季节性峰值概率建模，同时利用多个回归模型对季节性需求分别预测，有效应对了季节性商品峰值的突发性，同时极大地提升了预测峰值的准确度，为企业采购季节性商品提供了有利的支撑。