基于马尔科夫和ARIMA模型的销量预测

许多商家对于因货物存量不足而导致的补单问题存在极大的困扰,且补单问题主要存在两个问题:对现金流的占用和库存问题。因此,有效解决合理的补单策略是商家们急需解决的问题。本文基于某商家的历年销量数据,在数据预处理的基础上,从模型假设、模型建立与求解等几个方面对该商家的销售量数据进行ARIMA模型的建立,并根据ARIMA模型对未来几天的销售量进行拟合和预测分析,然后用马尔可夫模型进行结果检验,为该商家的补单及存货提供理论依据。

基于复杂网络的时间序列转换算法

引入最大值分裂算法和凸包发现算法,分别对时间序列转换为复杂网络的经典可视图算法进行改进,并将经典可视图算法及其2种改进算法应用于分形布朗运动时间序列中.实验结果表明,2种改进算法能明显降低时间复杂度.