手机端触媒总数的组合预测

发布时间：2020-09-17 21:27

　　 随着移动互联网的发展,手机成为人们获得信息的主要来源,成为广告主日益青睐的广告投放终端。近年来,用户调研和广告费用不断削减的潮流日益兴盛,广告主从暴力投放向数字化投放转变的需求随之增加。为了弥补以Reach或曝光量作为投放优化依据时遇到的时效性、经济性问题,以及传统渠道调研的效率低问题,触媒总数就从Reach中演化而来。这一指标由于具有可预测性、便捷性、经济性,因此广告商可通过预测触媒总数来安排广告投放。为了更好的利用触媒总数安排广告投放,本文通过建立单一模型与组合模型探寻比较适合的方法来进行触媒总数的预测。首先,尝试了ARIMA(2,1,0)(0,1,0)[7]等5个时间序列模型和1个回归模型,其次,从易到难对6个单一模型进行组合预测,最后,对比单一预测和组合预测的均方根误差选取了ARIMA-SVM的预测方法,即通过SVM来拟合ARIMA不能提取的非线性信息的部分,从而达到预测精度的提升。研究过程中发现,ARIMA-SVM组合预测方法与以权重为核心的组合方法最大的不同在于,其既能保证较低的训练误差又能保证较低的测试误差,而以权重为核心的组合方法,测试误差往往会高于某几个预测精度较高的单一模型。此外在以权重为核心的组合预测方法中,权重未归一化的方法分析本例会比权重归一化的方法更具潜力。在选择模型方面,本文基于模型系数显著性、预测趋势和预测精准度考虑。解决商业问题,若接受模型各系数在α=0.1下显著,那么可以直接使用模型ARIMA(2,0,0)(0,1,1)[7]+SVM(6)进行预测,若只接受模型各系数在α=0.05下显著,那么在应用ARIMA(2,1,0)(0,1,0)[7]+SVM(6)模型时需要对预测值进行处理。虽然本文预测出第69天至第75天的手机端触媒总数,但在指导投放时,一方面需要其他渠道的触媒总数,另一方面需要根据客户需求按照均值、最大值或趋势等进行投放。最后本文总结了在将ARIMA-SVM方法应用到触媒总数时,遇到的且以往文献所避开的问题,并写清楚本文的步骤,以及本文所做的其他没有在文中提及的工作和探索。
【学位单位】：天津商业大学
【学位级别】：硕士
【学位年份】：2018
【中图分类】：F224;F713.8
【部分图文】：

009年~2016年全球网民数量[1]

全球智能手机出货量[1]

015年至2017年我国智能手机出货量和智能手机保有量Fig1-3ChinaSmartphoneshipmentsandownership(2015-2017)

【参考文献】

相关期刊论文 前10条

1 郑荣;颜七笙;;基于ARIMA与SVM的国际铀资源价格预测[J];计算机工程与应用;2016年01期

2 赵成柏;毛春梅;;基于ARIMA和BP神经网络组合模型的我国碳排放强度预测[J];长江流域资源与环境;2012年06期

3 宋晓华;祖丕娥;伊静;刘达;;基于改进GM(1,1)和SVM的长期电量优化组合预测模型[J];中南大学学报(自然科学版);2012年05期

4 叶林;刘鹏;;基于经验模态分解和支持向量机的短期风电功率组合预测模型[J];中国电机工程学报;2011年31期

5 张延利;张德生;刘常明;李金凤;;基于BP神经网络的黄金价格非线性组合预测模型[J];黄金;2011年09期

6 王建;邓卫;赵金宝;;基于贝叶斯网络多方法组合的短时交通流量预测[J];交通运输系统工程与信息;2011年04期

7 甘旭升;端木京顺;丛伟;高建国;;基于ARIMA与SVM的飞行事故组合预测方法[J];中国安全科学学报;2011年07期

8 杨扬;何伟;;基于组合预测模型的我国GDP预测分析[J];科技和产业;2011年03期

9 吴虹;尹华;;ARIMA与SVM组合模型的石油价格预测[J];计算机仿真;2010年05期

10 赵文清;朱永利;张小奇;;应用支持向量机的变压器故障组合预测[J];中国电机工程学报;2008年25期

本文编号：2821256