基于R語(yǔ)言的煤炭產(chǎn)品銷售預(yù)測(cè)實(shí)證研究*

黃宇達(dá) 王換換 王迤冉

(1.周口職業(yè)技術(shù)學(xué)院信息工程學(xué)院 周口 466000)(2.周口師范學(xué)院網(wǎng)絡(luò)工程學(xué)院 周口 466000)

?

基于R語(yǔ)言的煤炭產(chǎn)品銷售預(yù)測(cè)實(shí)證研究*

黃宇達(dá)1王換換1王迤冉2

(1.周口職業(yè)技術(shù)學(xué)院信息工程學(xué)院 周口 466000)(2.周口師范學(xué)院網(wǎng)絡(luò)工程學(xué)院 周口 466000)

針對(duì)目前市場(chǎng)經(jīng)濟(jì)環(huán)境下煤炭銷售管理存在的一些如銷售預(yù)測(cè)不科學(xué)、生產(chǎn)規(guī)劃不合理、銷售決策輔助信息匱乏等問(wèn)題,利用R語(yǔ)言和時(shí)間序列分析相關(guān)理論,結(jié)合某煤炭企業(yè)歷史銷售數(shù)據(jù)和具體銷售預(yù)測(cè)流程,采用霍爾特-溫特指數(shù)平滑預(yù)測(cè)法對(duì)一定時(shí)期內(nèi)的煤炭銷售進(jìn)行預(yù)測(cè)并將預(yù)測(cè)結(jié)果與實(shí)際數(shù)據(jù)作了對(duì)比分析。實(shí)驗(yàn)結(jié)果表明:銷售預(yù)測(cè)具有較高的準(zhǔn)確度,預(yù)測(cè)結(jié)果不僅為煤炭銷售管理人員提供合理決策依據(jù),而且對(duì)加強(qiáng)煤炭銷售管理、合理安排生產(chǎn)計(jì)劃和提高銷售利潤(rùn)具有重要意義。

煤炭銷售預(yù)測(cè); R語(yǔ)言; 時(shí)間序列分析; 霍爾特-溫特指數(shù)平滑法; 預(yù)測(cè)模型

Class Number TP18; TP311.52

1 引言

如今,隨著改革開放不斷深入以及社會(huì)主義市場(chǎng)經(jīng)濟(jì)的蓬勃發(fā)展,企業(yè)生存環(huán)境已發(fā)生了重大變化,作為國(guó)家重要能源行業(yè),煤炭企業(yè)也不例外。目前,煤炭企業(yè)經(jīng)營(yíng)已全面進(jìn)入市場(chǎng)化階段,其產(chǎn)品價(jià)格放開,產(chǎn)、供、銷則自主安排,煤炭產(chǎn)品營(yíng)銷已從傳統(tǒng)計(jì)劃經(jīng)濟(jì)環(huán)境邁入現(xiàn)代市場(chǎng)經(jīng)營(yíng)環(huán)境[1],比如2009年以后政府對(duì)電煤價(jià)格則不再干預(yù),不再對(duì)市場(chǎng)煤價(jià)加以調(diào)控。目前煤炭經(jīng)營(yíng)市場(chǎng)化進(jìn)程不斷加快,市場(chǎng)化水平逐步提高。

煤炭銷售作為煤炭產(chǎn)業(yè)供應(yīng)鏈及煤炭管理工作中的核心環(huán)節(jié),其不僅是煤炭生產(chǎn)、運(yùn)輸、消費(fèi)三者之間經(jīng)濟(jì)活動(dòng)聯(lián)系的重要紐帶,而且直接影響著煤炭企業(yè)的生產(chǎn)經(jīng)營(yíng)活動(dòng)及經(jīng)濟(jì)效益,然而每月的全國(guó)煤炭銷售量都只能在下月中旬左右才能獲知,往往無(wú)法響應(yīng)商業(yè)分析決策的及時(shí)性[2],因此煤炭銷量進(jìn)行預(yù)測(cè)已成為必然,但隨著國(guó)家市場(chǎng)經(jīng)濟(jì)體制不斷完善,煤炭銷售預(yù)測(cè)也存在以下明顯不足: 1) 銷售預(yù)測(cè)憑主管經(jīng)驗(yàn)和感覺(jué),這源于國(guó)家計(jì)劃經(jīng)濟(jì)體制影響,不能得到科學(xué)合理、準(zhǔn)確而有價(jià)值的預(yù)測(cè)結(jié)果; 2) 銷售預(yù)測(cè)信息化水平較低,缺乏科學(xué)有效預(yù)測(cè)方法和先進(jìn)技術(shù)手段,對(duì)歷史巨量銷售數(shù)據(jù)背后潛在有用的規(guī)則模式充分挖掘不夠; 3) 銷售預(yù)測(cè)過(guò)于倚重銷售合同數(shù)目。

R語(yǔ)言不僅是一種計(jì)算機(jī)高級(jí)語(yǔ)言,也是一個(gè)用于統(tǒng)計(jì)、分析、計(jì)算和制圖的優(yōu)秀工具,是屬于GNU系統(tǒng)的一個(gè)自由、免費(fèi)、源代碼開放的實(shí)用軟件[3]。本文采用R語(yǔ)言統(tǒng)計(jì)分析工具、時(shí)間序列分析數(shù)據(jù)挖掘技術(shù)和預(yù)測(cè)銷售相關(guān)基本原理對(duì)某煤炭企業(yè)一定時(shí)期產(chǎn)品銷售進(jìn)行預(yù)測(cè),同時(shí)對(duì)預(yù)測(cè)結(jié)果進(jìn)行合理評(píng)估,從而為煤炭銷售管理部門及決策人員提供輔助支持。

2 R語(yǔ)言概述

R語(yǔ)言是目前統(tǒng)計(jì)領(lǐng)域廣泛使用的誕生于1980年前后的S語(yǔ)言的一個(gè)分支,是S語(yǔ)言的一種實(shí)現(xiàn),是由新西蘭Robert Gentleman和Ross Ihaka等開發(fā)[4]。該語(yǔ)言是基于S語(yǔ)言的一個(gè)GNU項(xiàng)目,其語(yǔ)法來(lái)自Scheme,提供了一系列統(tǒng)計(jì)和圖形顯示工具,是一個(gè)自由、免費(fèi)、源代碼開放的可用于統(tǒng)計(jì)分析、計(jì)算和繪圖的徹底面向?qū)ο蟮慕y(tǒng)計(jì)編程語(yǔ)言和操作環(huán)境,在UNIX、Linux、Windows和MacOS等平臺(tái)下均可編譯和運(yùn)行。另外,該語(yǔ)言和其它編程語(yǔ)言(如S語(yǔ)言、Java、C語(yǔ)言等)、數(shù)據(jù)庫(kù)之間有很好的接口。

R語(yǔ)言具有豐富的網(wǎng)上資源,提供了很多實(shí)用且高質(zhì)量的程序包、擴(kuò)展包及各種數(shù)學(xué)運(yùn)算、統(tǒng)計(jì)運(yùn)算的函數(shù),使用戶可將表達(dá)式作為函數(shù)輸入?yún)?shù)或只需若干參數(shù)和指定數(shù)據(jù)庫(kù)即可進(jìn)行靈活方便的數(shù)據(jù)分析和統(tǒng)計(jì),該方法很有利于繪圖和統(tǒng)計(jì)模擬,甚至允許用戶創(chuàng)造出符合其需要的新的統(tǒng)計(jì)計(jì)算方法[5]。其功能主要包括:數(shù)組運(yùn)算,尤其在矩陣、向量運(yùn)算方面的強(qiáng)大功能;數(shù)據(jù)存儲(chǔ)和處理;完整連貫的統(tǒng)計(jì)分析和制圖;作為編程語(yǔ)言簡(jiǎn)便而強(qiáng)大地操縱數(shù)據(jù)的輸入并實(shí)現(xiàn)分支、循環(huán)操作及支持用戶的自定義功能。

3 時(shí)間序列分析法

時(shí)間序列分析法是基于時(shí)間序列數(shù)據(jù)庫(kù)的一種動(dòng)態(tài)數(shù)據(jù)處理的統(tǒng)計(jì)方法[6]。該方法基于數(shù)理統(tǒng)計(jì)學(xué)和隨機(jī)過(guò)程理論方法,主要采用參數(shù)估計(jì)和曲線擬合來(lái)建立數(shù)學(xué)模型[7],對(duì)隨機(jī)數(shù)據(jù)系列所遵從的統(tǒng)計(jì)規(guī)律進(jìn)行研究,進(jìn)而預(yù)測(cè)事件發(fā)展走向,提供合理決策支持依據(jù)。該方法具有重要現(xiàn)實(shí)意義,目前已在通信、生態(tài)平衡、氣象水文預(yù)報(bào)、市場(chǎng)潛量預(yù)測(cè)、企業(yè)經(jīng)營(yíng)管理、污染環(huán)境控制、信號(hào)處理等眾多行業(yè)領(lǐng)域得以廣泛應(yīng)用。

趨勢(shì)分析法作為時(shí)間序列分析法常用方法之一,其主要是對(duì)具有線性季節(jié)加法趨勢(shì)的數(shù)據(jù)加以預(yù)測(cè),是一種以自變量、因變量為時(shí)間的函數(shù)模式[8],具體包括指數(shù)平滑法、趨勢(shì)平均法、直線趨勢(shì)法和非直線趨勢(shì)法。

本文采用霍爾特-溫特(Holt-Winter)指數(shù)平滑法對(duì)煤炭銷售進(jìn)行預(yù)測(cè)。該方法準(zhǔn)確度高、誤差小且計(jì)算量小,是一種由指數(shù)加權(quán)平均數(shù)組成,主要用于對(duì)線性時(shí)間序列數(shù)據(jù)進(jìn)行趨勢(shì)預(yù)測(cè)的分解模型[9]。該方法模型基本思想是把季節(jié)變動(dòng)、隨機(jī)變動(dòng)的時(shí)間序列和具體線性趨勢(shì)加以分解研究,并結(jié)合指數(shù)平滑法,對(duì)長(zhǎng)期趨勢(shì)(St)、趨勢(shì)增量(bt)及季節(jié)變動(dòng)(It)分別作出估計(jì),最后建立預(yù)測(cè)模型并外推預(yù)測(cè)值[10],對(duì)包含趨勢(shì)和季節(jié)變化的時(shí)間序列尤為適合預(yù)測(cè),具體預(yù)測(cè)步驟為下述三步:

1) 由所給數(shù)據(jù)(至少4年以上)確定非季化因子;

2) 按下述方程計(jì)算基本穩(wěn)定的線性成分、季節(jié)成分以及向前n個(gè)周期的預(yù)測(cè)值;

bt=γ(St-St-1)+(1-γ)bt-1

Ft+m=(St+btm)It-L+m

其中,L為季節(jié)長(zhǎng)度或時(shí)間周期,I為季節(jié)修正系數(shù),?,β,γ為平滑系數(shù)且取值區(qū)間均為(0,1),St為穩(wěn)定成分,bt為線性成分,It為季節(jié)成分,xt為當(dāng)前時(shí)刻實(shí)際值,m為要預(yù)測(cè)的時(shí)刻距離現(xiàn)在時(shí)刻的時(shí)刻間隔數(shù),Ft+m為t+m時(shí)刻的預(yù)測(cè)值。

3) 確定?,β,γ值,以使均方差達(dá)到最小。

4 煤炭產(chǎn)品銷售預(yù)測(cè)流程

本文以平頂山市某煤業(yè)公司2009～2012年連續(xù)4年的歷史銷售數(shù)據(jù)為支撐,基于R語(yǔ)言統(tǒng)計(jì)分析工具,采用合理銷售預(yù)測(cè)算法并依據(jù)市場(chǎng)經(jīng)濟(jì)和銷售預(yù)測(cè)相關(guān)理論,對(duì)該公司生產(chǎn)礦井一定時(shí)期內(nèi)煤炭產(chǎn)品銷售加以預(yù)測(cè),具體步驟如下:

第一步:對(duì)采集到的一定時(shí)期內(nèi)各礦井與各客戶的歷史交易數(shù)據(jù)加以分析統(tǒng)計(jì)并得到各礦井月銷售量、季度銷售量和年度銷售量等重要統(tǒng)計(jì)結(jié)果;

第二步:將已得到的各礦井每期產(chǎn)品銷售量統(tǒng)計(jì)結(jié)果轉(zhuǎn)換為R語(yǔ)言可操作的數(shù)據(jù)文件并讀入R語(yǔ)言運(yùn)行環(huán)境,編寫R語(yǔ)言具體應(yīng)用程序?qū)崿F(xiàn)相應(yīng)時(shí)期產(chǎn)品銷售量變化趨勢(shì)曲線圖的繪制并進(jìn)一步分析銷量變化趨勢(shì)圖形,對(duì)其加以分解;

第三步:采用R語(yǔ)言的時(shí)間序列分析功能及恰當(dāng)?shù)臅r(shí)間序列趨勢(shì)預(yù)測(cè)模型對(duì)相應(yīng)礦井同期和未來(lái)一定時(shí)期的煤炭產(chǎn)品銷售進(jìn)行預(yù)測(cè);

第四步:分析產(chǎn)品銷售預(yù)測(cè)結(jié)果,將產(chǎn)品實(shí)際銷售量與預(yù)測(cè)結(jié)果作對(duì)比分析,計(jì)算預(yù)測(cè)誤差并進(jìn)一步驗(yàn)證預(yù)測(cè)結(jié)果準(zhǔn)確性。

5 實(shí)驗(yàn)結(jié)果及分析

5.1 實(shí)驗(yàn)結(jié)果

通過(guò)對(duì)該公司2009.1～2012.12歷史銷售數(shù)據(jù)加以預(yù)處理,得到該公司各礦井年度銷量及礦井M6季度銷量和月銷量,分別如表1～表3所示。

表1 各礦井煤炭年銷量

其中,“—”代表該年度相應(yīng)礦井銷售量為0。

這里以礦井M6產(chǎn)品銷量為例,將該礦井各期銷售數(shù)據(jù)讀入R語(yǔ)言編程環(huán)境并將銷售統(tǒng)計(jì)數(shù)據(jù)轉(zhuǎn)化為時(shí)間序列數(shù)據(jù),采用R語(yǔ)言相關(guān)繪圖函數(shù)繪出該礦井月銷量變化趨勢(shì)曲線圖,如圖1所示。

表2 礦井M6煤炭季度銷量

表3 礦井M6煤炭月度銷量

圖1 礦井M6月銷量趨勢(shì)圖

由圖1不難發(fā)現(xiàn),M6礦井煤炭銷量明顯存在季節(jié)性變動(dòng)因素,隨著時(shí)間序列水平增加,銷量的季節(jié)性及隨機(jī)波動(dòng)大小并非趨于平穩(wěn),因而可分解銷量數(shù)據(jù)并對(duì)季節(jié)性部分、趨勢(shì)部分、隨機(jī)因素部分分別加以估計(jì)以得到更為清晰的直觀效果,如圖2所示。

通過(guò)圖2可發(fā)現(xiàn),季節(jié)性因素在每年4月份及10月份各達(dá)到一個(gè)峰值,即大約為25503.256和29734.95,但在每年1月份出現(xiàn)一個(gè)低谷,即約為-31353.55,這表明M6礦井每年銷量在4月和10月均達(dá)到峰值,每年1月出現(xiàn)銷量低谷期。趨勢(shì)圖整體呈現(xiàn)緩慢下降趨勢(shì)。這里對(duì)礦井M6初始時(shí)間序列銷量數(shù)據(jù)作季節(jié)性調(diào)整,刪除其中存在的一些季節(jié)性影響因素,得到只含有趨勢(shì)因素和隨機(jī)波動(dòng)因素的時(shí)間序列,得到的季節(jié)調(diào)整后的時(shí)間序列銷售趨勢(shì)圖如圖3所示。

圖2 M6時(shí)間序列數(shù)據(jù)分解圖

圖3 進(jìn)行季節(jié)調(diào)整的時(shí)間序列趨勢(shì)圖

5.2 實(shí)驗(yàn)結(jié)果比較

認(rèn)真觀察圖1、圖2不難發(fā)現(xiàn),M6礦井各月銷量整體呈下降趨勢(shì)而且明顯存在季節(jié)性影響因素,即符合季節(jié)性和線性指數(shù)平滑法分析條件,這里為提高銷售時(shí)間序列吻合程度以對(duì)一次指數(shù)平滑法存在的滯后偏差加以彌補(bǔ),本文采用霍爾特-溫特指數(shù)平滑法來(lái)擬合一個(gè)預(yù)測(cè)模型,從而對(duì)該礦井銷售數(shù)據(jù)所覆蓋時(shí)期內(nèi)銷量加以短期預(yù)測(cè)以形成實(shí)際值與預(yù)測(cè)值的直觀對(duì)比。生成的銷售預(yù)測(cè)結(jié)果與實(shí)際銷售結(jié)果對(duì)比曲線如圖4所示。

其中紅色曲線表示銷售預(yù)測(cè)變化曲線,黑色曲線表示實(shí)際銷售曲線。不難看出該曲線圖利用霍爾特-溫特指數(shù)平滑法成功預(yù)測(cè)了季節(jié)峰值和低谷,雖然兩種曲線對(duì)比存在一定程度的滯后偏差,但整體趨勢(shì)與實(shí)際銷售數(shù)據(jù)仍存在較高的一致性和吻合性。采用該預(yù)測(cè)方法所對(duì)應(yīng)的平滑指數(shù)?=0.864,β=0,γ=0.56。其中?值相對(duì)較高,則表明其在時(shí)間序列水平預(yù)測(cè)中近期銷量數(shù)據(jù)占較大權(quán)重,對(duì)預(yù)測(cè)結(jié)果具有重要影響,β值為0表明銷售時(shí)間序列趨勢(shì)部分的坡度估計(jì)與初始值相吻合,并未發(fā)生改變,γ值較低表明當(dāng)前時(shí)間點(diǎn)銷量時(shí)間序列數(shù)據(jù)中的季節(jié)性部分的估計(jì)對(duì)近期數(shù)據(jù)和歷史數(shù)據(jù)的依賴性。

圖4 預(yù)測(cè)結(jié)果和實(shí)際數(shù)值對(duì)比圖

上述已對(duì)原始銷售數(shù)據(jù)所覆蓋時(shí)期內(nèi)的煤炭銷售進(jìn)行了預(yù)測(cè),為對(duì)未來(lái)一定時(shí)間點(diǎn)的銷售進(jìn)行預(yù)測(cè),這里采用R語(yǔ)言中的預(yù)測(cè)包“forecast”中相應(yīng)函數(shù)加以預(yù)測(cè),預(yù)測(cè)時(shí)將先前預(yù)測(cè)所得到的預(yù)測(cè)結(jié)果變量作為對(duì)未來(lái)時(shí)期銷量預(yù)測(cè)的一個(gè)輸入?yún)?shù),并對(duì)指定想要預(yù)測(cè)未來(lái)時(shí)間點(diǎn)的數(shù)目加以短期預(yù)測(cè)。未來(lái)10個(gè)月各月煤炭銷量預(yù)測(cè)結(jié)果如圖5所示。

圖5 未來(lái)時(shí)期預(yù)測(cè)結(jié)果圖

其中黑粗曲線表示預(yù)測(cè)結(jié)果,深灰色和淺灰色陰影區(qū)域分別表示置信度80%和95%的預(yù)測(cè)區(qū)間。不難發(fā)現(xiàn),圖5對(duì)未來(lái)時(shí)期預(yù)測(cè)也較好地預(yù)測(cè)了季節(jié)性因素。

為確定預(yù)測(cè)模型不可被改進(jìn),本文通過(guò)檢查預(yù)測(cè)誤差是否服從均值為0的正態(tài)分布且具有常數(shù)方差值的方法來(lái)進(jìn)行驗(yàn)證。為檢查預(yù)測(cè)誤差是否具有常數(shù)方差,這里繪制的預(yù)測(cè)誤差時(shí)序圖如圖6所示;為檢查預(yù)測(cè)誤差是否服從均值為0的正態(tài)分布,這里繪制的預(yù)測(cè)誤差直方圖如圖7所示。

圖6 樣本預(yù)測(cè)誤差時(shí)序圖

圖7 樣本預(yù)測(cè)誤差直方圖

觀察上圖不難看出,預(yù)測(cè)誤差的時(shí)序圖和直方圖顯示出預(yù)測(cè)誤差大體上均值為0的不變方差的正態(tài)分布,因此本文采用的霍爾特-溫特指數(shù)平滑法為礦井M6的煤炭產(chǎn)品月銷量提供了科學(xué)合理的預(yù)測(cè)模型,預(yù)測(cè)結(jié)果具有較好的準(zhǔn)確度。

6 結(jié)語(yǔ)

本文分析了目前煤炭銷售管理工作存在的一些問(wèn)題,介紹了銷售預(yù)測(cè)具體工作流程,然后在一些常用銷售預(yù)測(cè)算法的基礎(chǔ)上,采用基于R語(yǔ)言環(huán)境下的霍爾特-溫特指數(shù)平滑預(yù)測(cè)算法對(duì)煤炭銷售進(jìn)行了預(yù)測(cè),最后對(duì)預(yù)測(cè)結(jié)果和實(shí)際數(shù)據(jù)作了對(duì)比,比較結(jié)果驗(yàn)證了本文預(yù)測(cè)方法的準(zhǔn)確性和有效性。預(yù)測(cè)結(jié)果為煤礦生產(chǎn)和銷售工作的有效指導(dǎo)以及煤炭企業(yè)的科學(xué)管理、銷售利潤(rùn)的提高提供了合理決策輔助支持。對(duì)煤炭銷售預(yù)測(cè)結(jié)果的深入應(yīng)用及銷售過(guò)程中的智能推薦將是筆者下一步主要研究?jī)?nèi)容。

[1] 付躍欽.煤炭行業(yè)循環(huán)經(jīng)濟(jì)發(fā)展模式及應(yīng)用研究[D].北京:中國(guó)地質(zhì)大學(xué)(北京),2013. FU Yueqin. The coal industry circular economy development mode research and application[D]. Beijing: China University of Geosciences(Beijing),2013.

[2] 李明.1月中國(guó)煤炭市場(chǎng)運(yùn)行分析—煤炭供需以穩(wěn)為主市場(chǎng)價(jià)格弱勢(shì)調(diào)整[J].中國(guó)石油和化工經(jīng)濟(jì)分析,2016(8):22-23. LI Ming. In January China coal market operation analysis of coal supply and demand to stabilize the economic analysis of Chinese oil and chemical market prices vulnerable to adjust[J]. China petroleum and chemical industry economic analysis,2016(8):22-23.

[3] 傅佳俐.基于R語(yǔ)言的數(shù)據(jù)挖掘工具分析與設(shè)計(jì)[D].青島:山東科技大學(xué),2014. FU Jiali. Analysis and design of data mining tools based on R language[D]. Qingdao: Shandong University of Science and Technology,2014.

[4] 范盧明,梁桂仙.調(diào)查問(wèn)卷信度和效度的R軟件實(shí)現(xiàn)[J].全科護(hù)理,2015(23):2316-2317. FAN Luming, LIANG Guixian. Questionnaire reliability and validity of the R software to achieve[J]. General Nursing,2015(23):2316-2317.

[5] 方匡南,朱建平,姜葉飛.R數(shù)據(jù)分析[M].北京:電子工業(yè)出版社,2015. FANG Kuangnan, ZHU Jianping, JIANG Yefei. R data analysis[M]. Beijing: Electronics Industry Publishing House,2015.

[6] 王淑花.基于時(shí)間序列模型的組合預(yù)測(cè)模型研究[D].秦皇島:燕山大學(xué),2012. WANG Shuhua. Research on the combination forecasting model based on time series model[D]. Qinhuangdao: Yanshan University,2012.

[7] 趙鈺坤,蔡臻,竇萬(wàn)峰.基于季節(jié)性時(shí)間序列模型的公共自行車使用量預(yù)測(cè)研究[J].產(chǎn)業(yè)與科技論壇,2016,15(7):49-51. ZHAO Yukun, CAI Zhen, DOU Wanfeng. Prediction of public bicycle usage based on seasonal time series model[J]. Industry and Technology Forum,2016,15(7):49-51.

[8] 李星.時(shí)間序列非線性分析及其應(yīng)用[D].長(zhǎng)沙:湖南農(nóng)業(yè)大學(xué),2011. LI Xing. Nonlinear analysis of time series and its application[D]. Changsha: Hunan Agricultural University,2011.

[10] Azmi M, Liyana N I. Parameters estimation of holt-winter smoothing method using genetic algorithm[J]. Genetic Algorithms Forecasting Smoothing,2013.

An Empirical Study of Coal Product Sales Forecast Based on R Language

HUANG Yuda1WANG Huanhuan1WANG Yiran2

(1. College of Information and Engineering, Zhoukou Vocational and Technical College, Zhoukou 466000) (2. College of Network Engineering, Zhoukou Normal University, Zhoukou 466001)

In the current market economy environment, the problems existing in the management of coal sales, such as sales forecasting is not scientific, production planning is not reasonable, lack of marketing decision support information and other issues, by using R language and time series analysis theory, combined with the historical sales data of a certain coal enterprise and the specific sales forecasting process, coal sales of a certain period is forecasted by using the Holt winters exponential smoothing prediction method, the forecast result and the actual data are compared and analyzed.The experimental results show that the sales forecast is of high accuracy, forecast results not only provide a reasonable decision making basis for sales managers, but also have important significance to strengthen the management of coal sales, reasonable arrangement of the production plan and improve the sales profits.

coal sales forecast, R language, time series analysis, Holt-winter index smoothing method, prediction model

2016年7月10日,

2016年8月26日

河南省科技計(jì)劃項(xiàng)目(編號(hào):112300410307);河南省基礎(chǔ)與前沿技術(shù)研究計(jì)劃項(xiàng)目(編號(hào):122300410397)資助。

黃宇達(dá),男,碩士,副教授,研究方向:知識(shí)工程,智能算法分析及應(yīng)用。王換換,女,碩士,助教,研究方向:數(shù)據(jù)挖掘,智能控制。王迤冉,男,碩士,副教授,研究方向:人工智能，計(jì)算機(jī)網(wǎng)絡(luò)等。

TP18; TP311.52

10.3969/j.issn.1672-9722.2017.01.011