基于时序预测与异常检测的烟草违法销售预警

为提升烟草市场监管水平,通过某烟草专卖局的协作调研和历史销售数据,构建基于深度自回归网络(Deep auto regression network, DARN)和季节性自回归差分移动平均模型(Seasonal auto regression integrated moving average, SARIMA)的混合预测模型。然后以预测销量为基础进行异常检测,设计了烟草商户违法销售预警模型。实验表明混合预测模型较单个模型预测误差均有改善。预警模型在测试集上达到50%查实率,满足市场监管预警基本要求。