基于Holt―Winters时间序列图书选题预测模型.docVIP

基于Holt―Winters时间序列图书选题预测模型 　　摘要：针对出版选题策划依赖主观经验的问题，提出了采用Holt-Winters时间序列预测模型按图书类别预测图书销量的方法。为出版单位作出合理的选题策划提供依据。通过选题预测可有效把握市场规律，迎合用户消费倾向，有效减少因错过最佳销售时机造成库存积压导致人力物力的消耗 关键词：图书销售预测；数据挖掘；R语言；图书选题 中图分类号：TM73 文献标识码：A 文章编号：1007-9416（2017）03-0051-03 图书选题作为图书出版的最初环节，历来被出版单位所重视。本文主要解决出版单位确定某一时间出版选题类别的问题。如提供未来几个月内，某些类别的图书将会有较好的收益。出版行业选题策划的基本流程包括信息筛选、选题设计、选题论证、选题优化等[1]，图书销售数据直观反应市场规律与用户消费倾向，对选题策划有着至关重要的影响。近年来随着图书销售数据管理的规范化、信息化，选题策划人员面对书城近期销售排行榜，销售月报以及《开卷图书调查报告》等众多报表，进行深度研究、定量分析，获得的结果极有价值，是未来图书市场调查研究的趋势。[2] 鉴于图书市场具有短期的波?有杂胫谐て诘闹芷谛浴⑾?售数量巨大与销售品种的繁多同时并存的特点，给出版机构进行选题策划带来很大的困难。根据图书市场中长期周期性特点，提出了使用时间序列方法预测图书销量，可为出版单位推荐选题类别和选题规划的最佳时段 1 基于Holt-Winters模型的销售预测分析 1.1 预测模型应用 Holt-Winters模型是较常见的预测模型，由Winters（1960）提出的，又由后人不断改进（如Hyndman et al.（2002），Cipra and Romera（1997），Cipra et al.（1995）），才有了现在的形式[3]。Holt指数平滑法加入了趋势指数作为修正而建立的模型，无论用在什么领域，Holt指数平滑法都被有效的验证，并且具有优秀的预测能力（Holt，2004；Eddie Everette，2010；Luis，2011）[4]。Holt-Winters模型通常分加法模型和乘法模型，分别适用于季节变动大致相等和长期趋势大致成正比的情形 时间序列预测方法在众多预测领域得到了应用广泛，文献通过运用时间序列对黄河径流量等水文数据预测，为黄河防汛作出预，进而减弱自然灾害的影响；文献[6]同样采用时间序列方法对自动售货机的销量进行预测分析，可提出一个快速的销售方案，减少人力物力不必要的耗费 通过大量论文例证表明时间序列预测方法不仅广泛应用于各预测领域，而且适用于销售数据的预测分析，鉴于图书销售市场具有一般普遍性，故本文选用的时间序列方法对图书销售数据进行预测是切实可行的 1.2 Holt-Winters三参数指数平滑方法原理 指数平滑法是移动平均法的改进和发展，Holt-Winters三参数指数平滑模型本质上是一种高级指数平滑模型，可同时处理趋势和季节性变化，可适当地过滤随机波动的影响，对兼有长期趋势和季节模式的数据进行预测 当时间序列图显示的时间序列的季节变动大致相等时，采用加法模型；当时间序列的长期趋势大致成正比时，应该采用乘法模型。鉴于本文讨论的数据规律与加法模型相符合，故本文选择季节和趋势为加法模型，假设要进行指数平滑的序列为{xt}，则Holt-Winters三参数指数平滑模型构造如下： at=α（xt-st-π）+（1-α）（at-1+bt-1） （1） bt=β（at-at-π）+（1-β）bt-1 （2） st=γ（xt-at）+（1-γ）st-π （3） 其中：π为季节性时间的长度π=12，对于月度数据；s季节调整因素；xt为现行数值；at为平滑值；bt为长期趋势值；γ为加权值；α，β为调整因子；t为当前时间。（1）式中xt为图书销售数据的序列值，经过参数α的平滑处理得到平滑序列at，同理长期趋势序列bt与周期序列st经过参数β与γ的处理后得到 预测值由下式计算： y= at+ kbt+ st+k-π 其中k表示向后平滑期数，即决定预测未来几个月份的序列的参数，y值即所预测图书销量序列 1.3 数据清洗 以《开卷图书销售报告》（2013-2016）为例，该数据覆盖全国2000余家实体书店门市，20余家独立网店及天猫书城，具有良好的连续性、代表性和完整性。采用2012-2013连续2年的图书零售市场逐月观测数据作为训练集，2014-2015年为测试集，销售总码洋31.77亿元、销售图书总计2300余万本 首先对原始销售数据进行数据清洗，剔除冗余字段、缺失字段后，保留规范化和有效的数据，