基于集成学习的医药零售销量预测模型研究.pdfVIP

摘要

摘要

随着社会的不断发展和公众健康意识的提高，零售药店在日常生活中扮演的

角色越来越关键。随着医药零售企业规模的扩大，行业内的竞争也日益激烈。在

实际销售过程中，药品销量常常呈现出不稳定和复杂多变的特点，这导致医药连

锁企业的销量预测往往与实际情况存在较大差异。无论是高估还是低估销量都可

能给企业带来损失。因此，准确的销量预测对于医药连锁企业制定合理的经营计

划和高效的供应链管理至关重要。

医药零售企业的销售特点带来了几个需要关注的难题：（1）医药零售企业

线下门店中，存在大量特征各异的商品，它们具有不同的销售趋势和特点。在充

分考虑商品差异的情况下，如何有效地对这么多商品进行预测是一个挑战。（2）

在医药零售企业的实际销售场景中，企业更加关注因低估销量而造成的损失，所

以如何在保证整体预测准确率的同时不提高商品的断货率是企业进行销量预测

面临的另一大难点。针对医药零售企业商品销量预测问题的特点和难点，本文的

研究主要从如下几个方面展开。

（1）搜集并分析销售数据集，对Z企业不同来源的数据文件进行整合，并

对此数据进行数据探索及预处理，针对原始特征反应信息较少的情况，通过特征

增强解决。另外，通过聚类算法将商品进行分组以减少商品间较大的特征差异。

（2）基于LightGBM的模型优化。通过观察连锁药店销售预测的数据结构

和实际应用特点，提出了一种基于非对称损失函数的LightGBM优化方法。在使

用LightGBM进行训练时，通过提高预测误差为负的损失，使模型更加关注悲观

预测的情况。

（3）建立多个预测模型与本文所提方法进行实验对比，实验数据使用第一

阶段提取的Z企业的日常销售数据集，实验结果表明本文所提出的预测方法有

较好的预测性能，且符合实际业务需求。

综上，本研究着眼于实际工程应用，旨在通过准确的药品销量预测，充分挖

掘数据信息价值，以提升企业供应链管理效率。

关键词：医药零售；销量预测；时间序列；LightGBM

I

Abstract

Abstract

XueyangLi

MasterofAppliedStatistics

DirectedbyZhiyongZeng

Withthecontinuousdevelopmentofsocietyandtheimprovementofpublic

healthawareness,retailpharmaciesplayanincreasinglycriticalroleindailylife.With

thescaleexpansionofpharmaceuticalretailenterprises,thecompetitionwithinthe

industryisincreasinglyfierce.Intheactualsalesprocess,drugsalesoftenshow

unstableandcomplexcharacteristics,whichleadstothesalesforecastof

pharmaceuticalchainenterprisesisoftendifferentfromtheactualsituation.Either

overestimatedorunderestimatedsalesvolumemaybringlossestotheenterprise.

Therefore,accuratesalesforecastisveryimportantforpharmaceuticalchain

enterprisestomakereasonablebusinessplanandefficient