基于多变量时间序列的向量自回归周销量预测模型

摘要: 为解决现有商业周销量预测不够精准的问题，本文提出一种基于多变量时间序列（MTS）及向量自回归（VAR）模型的周销量预测方法，并以ZJ中烟某品牌规格卷烟为研究对象进行了实例应用。核心是通过对订足率的精准预测，实现在可供量既定情况下的销量预测。该方法通过MTS分析对可供量数据进行优选确定参考期，并将参考期内订足率和综合状态指数作为时间序列建立VAR模型，通过机器学习拟合预测订足率。实验结果表明，将向量自回归（VAR）方法应用到订足率预测中是可行的。与传统的定性预测相比，通过定量分析大大提高了预测的客观性和准确性。
- 销量 /
- 订足率 /
- 多变量 /
- 向量自回归

[1]	王森,吴春明.烟草系统卷烟需求预测模型的探讨[J].现代机械,2007(02):4-6+9.
[2]	王伟民,汪沄,张国安.基于灰色马尔科夫模型的全国卷烟需求预测研究[J].中国烟草学报,2009,15(06):66-69.
[3]	康静,姚春玲.Prophet-VAR组合优化模型在高值卷烟销量预测中的应用[J].中国烟草学报,2023,29(01):127-134.
[4]	张瑞,贾虎.基于多变量时间序列及向量自回归机器学习模型的水驱油藏产量预测方法[J].石油勘探与开发,2021,48(01):175-184.
[5]	杨海民,潘志松,白玮.时间序列预测方法综述[J].计算机科学,2019,46(01):21-28.