使用软计算预测分析:一个案例研究在印度汽车行业的预测

珠宝Murel D’索萨,谢赫·萨那Begam, Santhosh雷贝罗
信息技术部,AIMIT,芒格洛尔、印度

文摘

预测分析的分支是先进的分析方法,包括各种统计技术从建模、机器学习、统计数据和数据挖掘,分析当前和历史事实对未知的未来事件进行预测。软计算适合使用神经网络的预测分析在一个非常有效的方式代替所有其他方法和生产预测准确或比可以从其他统计方法。印度汽车工业已经极大的改变正常的销售,客户期望和挑战。快速决策,积极致力于改变随着市场需要的场景可以高度动态和可能导致变化没有太多时间给予答复。本文旨在提供一个提出神经网络解决方案,可用于预测未来的销售历史数据的基础上使用反向传播算法。特别是我们的目标是找到高规模的汽车公司将按客户的销售能力和欲望。这种预测有助于公司采取战略决策,实现他们的目标。

关键字

SoftComputing预测分析,预测,反向传播。

我的介绍。

预测分析包括各种统计技术从建模、machinelearning和数据挖掘,分析当前和历史事实为了确定模式和预测未来的结果和趋势。预测分析不告诉你将来会发生什么。它预测未来会发生什么,一个可接受的可靠性水平,为了更好地理解客户、产品和合作伙伴和识别潜在的风险和机会的公司。通常感兴趣的未知事件是在未来,但预测分析可以应用到任何类型的未知无论是在过去、现在或将来。

软计算是一种机制,通过这种机制,我们给出一个可行的解决一个问题。宽容的不精确、不确定部分真理,和近似。实际上,软计算是人类思想的楷模。软计算时使用我们没有足够的信息问题本身。这类问题起源于人类思维与怀疑,主观性和情绪。软计算是计算机科学的术语指的是问题的解决方案是不可预测的,不确定的,在0和1之间。神经网络,包括神经计算是软计算的原则成分之一。Neuralnetworks非线性复杂建模技术应用于预测的问题,分类。

在神经网络的确切性质的输入和输出之间的关系尚不清楚。神经网络的一个关键特性是,他们通过培训学习输入和输出之间的关系。有三种类型的神经网络训练采用不同的网络监督和非监督培训,强化学习,监督是最常见的一种。一些例子的反向传播神经网络训练技巧,快速传播。

二世。汽车销售在印度和销售预测的问题

汽车行业是印度经济的核心和充满活力的行业。汽车工业是世界上最大的产业。有些人称之为“行业的行业”。大量的新的汽车推出,每年印度的道路上,该行业将生长在一个非常高的比例。因为它在制造业最主要的产品,它可以作为经济增长的司机说。沉默的条目的汽车工业在印度是在19世纪。该国制造业的行业占22%的国内生产总值(GDP)包括轿车,自行车,滑板车和商用车,目前是世界上第七大平均年产量1750万辆,其中230万是出口。印度汽车工业发生了巨大的变化,已经目睹了近年来显著增长的创新设计、概念和技术,因此吸引了许多全球汽车的球员。

增加消费者的支付能力导致市场需求增加的好处。印度汽车公司如丰田、现代、Maruti Suzuki和福特正在做非常好与巨大的成功以及其他球员如M&M和印度汽车正在设计新技术加速增长。印度很快成为汽车制造商的中心不仅出售汽车,设置生产单位。2014年4月,乘用车销量达1786899台,多功能汽车销售达525942辆,按照数据从印度手机制造商协会(暹罗)。

根据对产品的需求价格波动。不变价格的可能性的汽车在一段时间内也很高。整体经济的状况仍然是一个通用销量的主要因素。因此对汽车行业有销售预测确定帮助企业将战略决策有一个稳定的增长在印度汽车工业,采取谨慎的措施。本文旨在提供一个提出神经网络解决方案,可用于预测未来的销售历史数据的基础上使用反向传播算法。

有无数的问题,在预测问题,并考虑了新产品。理解什么是销售预测和设计做什么是非常重要的。销售预测是一个受过教育的猜测未来的性能根据销售和预期的市场条件。预测的值,我们可以客观地预测和准备未来。目的是回顾过去,专注于当下,遵循过去和现在的趋势来预测未来。通常由于事情的控制,很难预测准确。数学,然而,它是非常可能的销售预测准确性。以下是几个主要的事件,将影响销售预测:季节性,经济,政治,时尚的变化,平均家庭收入,人口变化和生产需求。它还包括:

)缺乏销售历史

销售预测是基于该公司已经能够实现在过去。早期公司没有重大收入历史依赖,很难准确预测销售可能没有记录。

B)困难预测该行业和竞争

你永远不知道你的行业销售将在明年。新的竞争对手是否会来带走你的销售。在这种情况下,销售预测将是一个乏味的工作。

C)客户行为很难预测

客户可能不会找到你的营销活动令人信服的其他竞争对手相比。客户的味道在任何时间可能有所不同。

D)错误的预测

每个公司所面临的问题是,市场是不可预测的。这个问题可能会导致公司的销售更大程度上掉下来。

三世。历史的调查结果

作为一个测试数据,我们选择一些快速增长的印度汽车行业二次销售数据通过网络浏览。我们特别针对收集10个汽车行业的销售根据每年的销售基础。收集的数据出现在卢比。数据逐年变化导致在出售公司的兴衰。

发现即使一些落后的公司,第二年有巨大的变化在销售增长的公司。很难收集数据的一些公司,他们最近在印度汽车行业,但仍出现了很大的汽车销售的影响。这种变化和销售的变化显示了如何更快的印度汽车工业发展在当今时代。这个项目有多稳固行业将在未来几年增长但将有一个谨慎的增长由于改进的负担能力,收入的增加和不可预测的市场。这将是另一个印度市场的机会。

销售数据的转换出现在卢比作为输入完成如下:

一个¯·等于把和更大的数据,000卢比作为输入为与销售金额小数点紧随其后。

一个¯·数据小于10000,大于等于1000作为输入为零的succeedingthe小数点之后的销售额。

一个¯·数据低于1000成功转换的输入有两个零小数点后面跟着销售额。

四、预测分析框架使用反向传播网络销售预测

销售预测预测销售经过一段时间的价值。它变成了营销组合和销售计划的基础。销售预测是至关重要的,因为没有一个合适的销售预计公司无法达到预期的销售和营销计划的目标。它是基于一些假设regardingcustomer以及市场环境和竞争对手的行为,因此,要想其可靠性的不确定参数。人工神经网络拓扑结构可能有几种。其中常用的反向传播神经网络。反向传播(BP)神经网络算法是一种多层前馈网络,输入信号前进,从受人尊敬的输出计算错误,这些错误发送到以前的体重调整层。

反向传播网络算法:

诉的局限性

销售预测如果做的不正确,那么企业会浪费资金用于购买产品的组件。市场不断变化,这可能影响到组织。通常评估由论文预测给出一个近似的价值而不是细节。

VI。未来研究

这种方法能够确定之间的关系历史数据提供给系统在训练阶段和在此基础上对未来做汽车销售预测。

引用

Alekh已经受理,Maheshwari Niranjan KalicharanSahu。的商业智能技术预测汽车销售使用自适应智能系统(简称ANFIS和安),国际期刊《计算机应用,74卷,2013年7月。
阿肖克•k•Sinha Rashmi沙玛,。汽车行业的销售预测,国际期刊《计算机应用,体积53 - 12路,2012年9月。
S.N. SIVANANDAM, s d (2014)。软计算的原则。威利。
萨因Bano Pradeepta k Sarangi,此举使裤子。IndianAutomobile行业未来趋势:AStatisticalApproach, Apeejay——管理科学和技术杂志》,2014年2月。
Tian-Syung局域网,Pin-Chang Chen Chun-Hsiung局域网,Kai-Chi壮族。的一项研究使用bp神经网络的销售预测薄膜溅射过程材料,计算技术的进步,国际期刊Volume4, 2012年5月。
Kaur Sukhmeet Kiran以太。预测未来的汽车制造行业使用天真Bayse分类器”,国际科学杂志和最新趋势和新兴技术,2012年7月。
Sarakutty.T.K M.Hanumanthappa1博士。预测未来的汽车制造行业使用数据挖掘技术,Int。j .在信息技术、01卷,2011年9月。
pc Chen C.Y. Lo热处理Chang和y瞧赵”的研究应用人工神经网络和遗传算法在销售预测模型”,融合信息技术杂志》- 2011。
汽车工业在印度,印度Autommobile行业。(无日期)。从ibef.org获取:http://www.ibef.org/industry/indiaautomobiles。aspx
比尔,诉(无日期)。预测分析和大数据是什么?Webopedia。从webopedia.com获取:http://www.webopedia.com/TERM/P/predictive_analytics.html
商业智能:预测分析。(无日期)。从bim-businessintelligence.blogspot检索。在:http://bimbusinessintelligence。blogspot.in / 2011/04 / predictive-analytics.html
基于Takagi-Sugeno Citeseerx-A非线性组合预测方法模糊系统(1998)。(无日期)。从citeseerx.ist.psu.edu获取:http://citeseerx.ist.psu.edu/showciting?cid=5347434
区分,而且是主要的销售计划和销售预测之间的区别。。(无日期)。从marketingformanagers.blogspot检索。在:http://marketingformanagers.blogspot.in/2009/06/distinguish-and-bring-out-major.html
Fact-Sheet-Automobile -。(无日期)。从indusview.com获取:http://www.indusview.com/factsheet_9.html
IJCA-A商业智能技术预测汽车销售使用自适应智能系统(简称ANFIS和安)。(无日期)。从ijcaonline.org获取:http://www.ijcaonline.org/archives/volume74/number9/12911 - 9383
国际科学杂志和最新趋势和新兴技术。(无日期)。从http://ijsett.com/获取:http://www.oalib.com/journal/10944/1 # .VCVeYCbhXIU
杰克逊,j . d .(无日期)。销售Forecasting-Essays-Jamesdjackson问题。从studymode.com获取:http://www.studymode.com/essays/issues - -销售-预测- 599018. - html
销售预测的局限性。(无日期)。从http /检索/ yourbusiness.azcentral.com:我:\ Report_PREDICTIVE使用软COMPUTING123.docx.html分析
模型极其复杂的函数,神经网络。(无日期)。从www.statsoft.com获取:http://www.statsoft.com/Textbook/Neural-网络/按钮/ 2
预测分析Dummies-Big奏鸣曲。(无日期)。从bigsonata.com获取:http://bigsonata.com/predictive-analytics-for-dummies/
预测analytics-Ask wiki。(无日期)。从http://ask.inwiki.org获取:http://ask.inwiki.org/Predictive_analytics
预测analytics-Wikipedia,免费的百科全书。(无日期)。从inimino.org获取:http://inimino.org/ ~ inimino /测试/ js / tree_explorer /维基百科/ Predictive_analytics.html
预测Analytics-Wikipedia,免费的百科全书。(无日期)。从wikipedia.com获取:http://en.wikipedia.org/wiki/Predictive_analytics
文德兰花,d .(无日期)。Mkt-slideshare。从slideshare.com获取:http://www.slideshare.net/devi.ravindran/mkt - 11648447
Scifort-Neural网络。(无日期)。从scifort.com获取:http://www.scifort.com/index.php?option=com_content&task=view&id=91&Itemid=139
软计算-维基百科,自由的百科全书。(无日期)。从Wikipedia.com获取:http://en.wikipedia.org/wiki/Soft_computing
软Computing-Intelligent软件可靠性。(无日期)。从reliabilitymodeling.com获取:http://reliabilitymodeling.com/?page_id=27
Softcomputing-Data采矿和软计算技术。(无日期)。从weebly.com获取:http://dataminingzone.weebly.com/softcomputing.html
Vira,诉(无日期)。最后Project-scribd。从scribd.com获取:http://www.scribd.com/doc/61758843/Final-Project
汽车工业在印度,印度汽车工业部门,趋势,统计数据。(无日期)。从www.ibef.org获取:http://www.ibef.org/industry/india-automobiles.aspx