有限时间数据下的零售药店药品销量预测研究

发布时间：2021-06-18 21:06

　　针对开业不久的零售药店及刚上市的新药缺乏长时间销售数据,难以进行AMIMA等时间序列分析,以及难以穷尽所有影响因素以进行因果预测的困难,提出了一种药品销量复合预测模型。该模型由三个部分组成:指数平滑,用于获取销量趋势;分类主成分分析,用于减少冗余信息;后向传播前馈神经网络,用于回归预测。利用AB药房连锁有限公司24个药店的三九感冒灵、51个药店的江中健胃消食片和49个药店的苯磺酸左旋氨氯地平片两年半的销量数据,对半年的销量以月为单位分别进行了预测验证,结果显示:三种药品的预测值与真实值相关系数分别达到0.77、0.84、0.85,标准化均方误差分别为0.48、0.37、0.30,从而说明了模型的有效性。 

【文章来源】：中国矿业大学学报(社会科学版). 2020,22(03)CSSCI

【文章页数】：12 页

【部分图文】：

多层前馈神网络拓扑

一个单一的“类神经元”如图2所示,它由一个有向网络图表示,每一个接收的输入信号(变量x)都根据其重要性被加权(w值),所有输入信号由“类神经元”求和,然后该信号被用f表示的激活函数作用并传递,最后得到输出信号(变量y)。本研究中使用S形激活函数(logistic激活函数),用公式(2)表示,公式中的e是自然对数的底(约为2.72)。S形激活函数的输出值可以落在0～1的任何地方。

综上所述,整体预测模型如图3所示。综合来说,在预测中,首先,我们利用每月之前六个月(除去前六个月)的销量数据通过指数平滑获取销量趋势信息;之后,我们分别对价格变量(Price、PriceChange)和规模变量(Goods、Staff、Area)进行主成分分析获得价格变量主成分和规模变量主成分;然后,我们以Trend、价格变量主成分、规模变量主成分、Medicare、Month为自变量,药品销量为因变量,利用训练样本对神经网络进行训练,之后,利用训练好的神经网络对测试样本进行预测并评估效果,对于不同的隐藏层配置和不同的初始权重,对神经网络这一步骤进行重复并选定最好的方案;最后,评估选定的神经网络方案及整体预测方案的预测效能。

【参考文献】：
期刊论文
[1]管制、市场结构与中国医药分离的改革绩效[J]. 刘小鲁.  世界经济. 2011(12)
[2]北京市石景山区药品销量与气温关系研究[J]. 孟庆芬,李敏,白云,王全意,黎新宇,佟明新,郭舫茹,杨娜.  首都公共卫生. 2008(01)



本文编号：3237383