一种多影响因素下商品需求信息预测方法

摘要

本发明公开了一种多影响因素下商品需求信息预测方法，首先，对历史数据进行收集。其次，对数据进行处理，形成训练的样本集，处理过程包括对数据进行平滑处理，剔除奇异值，对各种影响因素进行模糊化处理以及对数据进行归一化处理，防止数据计算溢出。然后，将形成的训练样本集放入支持向量机中进行学习，将预测算法中的参数调整到最优值。把有预测需求的节点的外部信息输入到模糊处理系统中去，得到要预测的信息。本发明综合考虑多种影响商品信息的因素，并将各因素对于商品信息的影响进行定量化的处理，较好的解决了传统预测算法中忽略外部信息的缺点，能够实现预测算法的整体最优化，从而能够方便人们对于商品信息有更准确的把握和了解。