设计了商品需求预测系统。首先利用不同的单项模型预测方法，对商品需求进行预测;之后建立组合预测模型;最后通过单项模型预测获得的预测结果，代入组合预测模型，获得商品的组合预测模型需求结果，最后验证了组合预测方法的优越性。
关键词：零售企业 预测模型 预测系统 组合预测
引言
随着经济的快速发展与市场竞争的日趋激烈，物流过程中的各个环节对企业利润的增长都起着不可忽视的作用。对于零售业来说，一定数量的产品库存可以维持销售的稳定，及时应对市场需求的变化，对上游企业生产的稳定性也起着重要的保证作用。然而，由于市场变化的日新月异，市场需求也不断朝着个性化、多样化发展，使得对市场需求的预测越来越困难。各零售企业为了保证客户需求，维持稳定销售，只得不断增加产品库存。盲目的增加库存占用了企业大量资金，增加了管理成本，浪费企业资源。如何合理的对产品市场需求进行预测，进而有效的控制产品库存，是零售企业面临的重要问题。通过对商品未来发展趋势作出准确预测，可以有效减少产品库存，降低库存成本，从而提高库存管理的科学性，最终增加企业效益与市场竞争力。
本文针对零售业商品需求的预测问题，探讨了商品需求预测方法，设计了商品需求预测系统。首先利用不同的单项模型预测方法，对商品需求进行预测;之后建立组合预测模型;最后通过单项模型预测获得的预测结果，代入组合预测模型，获得商品的组合预测模型需求结果。通过设计商品需求预测系统，将上述方法具体实施。利用商品需求预测系统，对某商品在某一时间段的销售数据进行了预测分析，验证了组合预测方法的优越性。
需求预测基本模型方法
所谓预测，即通过对产品历史需求数据进行分析，从而得到产品未来需求情况的方法。通过对产品未来趋势的准确预测，可以合理对资源进行分配，用最少的资源为客户提供最佳的服务，以应对不断变化的市场需求。对于需求预测，可选用的模型方法主要包括：
第一，移动平均法。移动平均法首先对时间序列数据分段，在此基础上，根据数据点的顺序逐步来进行推移，从而计算平均数，得出预测结果。
第二，指数平滑法。指数平滑法根据移动平滑法发展而来。指数平滑法通过将预测目标的历史统计序列进行逐层平滑计算，抵消因为随机因素产生的影响，进而找出待预测目标的变化趋势，并根据此趋势对未来进行预测。指数平滑法一般包括一次平滑法和多次平滑法。
第三，自回归移动平滑模型。自回归移动模型又称ARIMA模型，是估计非季节与季节隐性的自回归综合移动平滑模型。可以在对数据模式不知道的情况下，找到合适的模型。
第四，一元线性回归预测法。一元线性回归是用来对两个变量之间线性关系进行分析的预测方法。通过分析自变量与因变量之间的关系，从而确定线性回归方程进行预测。
组合预测方法
在实际预测中，选择不同的预测方法时，其预测结果与精度会不同。单一的选择某一种方法来进行预测，容易使预测过程变得片面，从而影响预测准确度。如果综合利用各种预测模型，根据其预测效果赋予不同的权重，得到组合后的预测模型，去预测商品的需求变化，可以得到更好的预测结果。组合模型可有如下具体形式：
（一）算数平均组合预测法
算术平均法就是赋予每种预测结果相同的权重，其表达式如下：
（1）
其中，t表示预测时期，i表示某种单项预测模型的序数，yt是第t时期算数平均组合预测法的预测值，xit是第i种单项预测模型在第t时期的预测值，ki表示是第i种单项预测的权重，m表示单项预测模型总数。
该方法最显著的特点就是简单易行，既不用考虑每种预测方法的准确性，又无须关注不同预测误差之间的相关性。但缺点是：第一，在实践中，每种预测方法的预测效果不可能完全一致，等权重忽略了单项预测方法之间的差异性;第二，由于不确定性的存在，不同预测方法在不同时期往往表现出不同的预测效果，算术平均法无法刻画不同预测方法的时变性特征。
（二）误差平方和倒数组合预测法
误差平方和倒数组合预测法模型如下：
（2）
其中，Ei是单项预测的预测误差平方和，xit为第i种单项预测方法在第t时期的预测值，xt为同一预测对象在t时期的实际值，yt是第t时期误差平方和倒数组合预测模型的预测值。
预测误差平方和是反映预测精度的一个指标，预测误差平方和越大，该模型的预测精度越低，从而它在组合预测中的重要性就越低，重要性的降低表现为它在组合预测中的权重就越小。反之，误差平方和较小的单项预测模型在组合预测中的权重就越大。
（三）简单加权平均组合预测法
简单加权平均法是先把各个单项预测方法预测误差的方差和Ei，i=1，2，…，m进行排序，设E1>E2>，…，>Em，各个单项预测方法预测误差的方差和与权重成反比的基本原理知，排序越靠前的单项预测方法在组合中的权重越小。简单加权平均组合预测模型如下：
（3）
其中，yt是第t时期加权平均组合预测法的预测值，xit为第i种单项预测方法在第t时期的预测值，假设各个单项预测方法预测误差的方差和Ei，i=1，2，…，m的大小顺序为：E1>E2>，…，>Em。
需求预测系统设计
为了方便零售业商品需求预测的操作与管理，设计商品需求预测系统，将上述单项和组合预测方法集成在预测系统中，能够帮助零售行业从业人员把握商品市场需求历史变化，科学地制定销售策略，增加企业收益。
（一）需求预测系统功能
零售业商品需求预测根据商品市场需求历史变化，运用预测模型推测出今后一个时间段内的市场需求量。需求预测系统主要目标是完成以下功能：需求预测系统的预测对象为零售业商品，将商品的基本信息及历史销售数据录入系统，要方便预测人员管理和维护;为提高预测的精度，系统能够实现数据的预处理功能;系统中提供单项短期数值预测模型和组合预测模型，实现短期需求预测。
（二）系统功能模块设计
依据以上的系统需求分析和功能描述，可以将需求预测系统划分为6 个模块，即基本信息管理模块、数据质量管理模块、模型参数设置模块、单项预测模块、组合预测模块、需求预测结果浏览模块。
基本信息管理模块对需求预测系统的基本信息，包括商品信息及商品历史数据进行管理。主要功能包括对基本信息查询和维护（增加、修改、删除）;数据质量管理模块包括对异常数据的预处理功能和预测数据的查询功能;模型参数设置模块设置单项预测模型的参数;单项预测模块对商品的未来需求量使用系统提供的单项预测模型进行预测;组合预测模块对商品的未来需求量使用系统提供的组合预测模型进行预测;需求预测结果浏览模块主要是方便用户查询商品所使用的预测模型，包括单项预测和组合预测的预测结果。
（三）系统开发工具
系统采用基于Web 的B/S 架构，开发环境上，本系统采用开发平台为MyEclipse，运用JAVA 语言，系统设计模式采用MVC分层结构，系统的总体框架采用Struts+Spring+Ibatis，服务器和数据库分别使用Tomcat和MySQL。
商品预测实例分析
利用前文所述的商品需求预测系统，对某超市的商品需求预测进行实例分析。
（一）实例介绍
表1的数据为某超市中华牙膏的周销量。本文基于数据进行分析，对中华牙膏在该超市未来销量做预测，并对预测结果进行分析。
（二）单项模型预测分析
计算4种不同模型的单项预测结果，绘制拟合曲线图，并对第22、23、24周数据进行预测，如图1所示。
从图1可以看出，自回归移动平滑模型、指数平滑模型、移动平均模型能够反映出商品需求的波动变化;而一元线性回归模型曲线十分平滑，无法反映出实际销售量的波动性，使得产品需求预测失效。
（三）组合预测分析
对于组合预测方法，选择自回归移动平滑模型、指数平滑模型、移动平均模型和一元线性回归模型进行组合，并选用算术平均法、误差平方和倒数法、简单加权平均法3种组合预测权重方法来进行预测分析。预测周期数仍选3周，并绘制拟合曲线图，如图2所示。
由图2可以看出，3种组合预测方法都能很好的体现出实际值的波动性。值得注意的是，在图1中，通过一元线性回归模型获得的结果已经失去了预测功能，但将该失效的曲线同其他三种模型曲线通过加权综合后，获得的组合预测结果，又重新恢复了商品需求的预测功能。这充分说明了组合预测模型对商品的需求趋势预测的可靠性，预测模型能很好体现出商品实际销量的波动性。组合预测方法比单项模型预测方法具有优越性。
综上，本文以零售企业为背景，针对零售商品的需求特点，对需求预测中单项预测模型与组合预测方法相关理论进行了介绍，设计了需求预测系统。并在此基础利用需求预测系统，对零售业商品需求预测进行实例分析，验证了组合预测方法的优越性。
参考文献：
1.王熙，宋福根.市场需求预测和销售优化决策支持系统的研究和开发[J].中国纺织大学学报，2000，26（4）
2.李婧，李苏剑.零库存生产及实现方法[J].物流技术，2001（1）
3.王小忠.物流量预测方法研究[D].武汉理工大学，2005（6）
4.陈淑燕，王炜.交通量的灰色神经网络预测方法[J].东南大学学报（自然科学版），2004，34（4）