作者：张凌波; 刘海销量预测改进的森林优化算法特征选择特征提取支持向量回归数据挖掘
摘要：为了提高供应链中销量预测的准确性,提出一种改进森林优化算法(Improved forest optimization algorithm,IFOA)来优化销量预测.首先,引入量子系统中的δ势阱模型,使得算法能在充分利用局部最优的同时避免陷入局部最优;其次,引入自适应局部播种步长,从而优化算法的全局和局部寻优速度,保证算法精度;然后,定义森林广域播种中的自适应转移率,有效地平衡森林个体多样性与算法局部收敛能力之间的矛盾;接着,挖掘外部数据作为特征,通过计算每个特征与销量的相关性及其显著性进行特征选择并对历史销量数据进行基于聚合经验模态分解(Ensemble empirical mode decomposition,EEMD)的特征提取;最后,将上述特征用于支持向量回归模型的建立,并使用改进的森林优化算法对模型参数进行优化,最终得到销量的准确预测.
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
