一种基于混合模型的医药销量的预测方法及系统

摘要

本发明公开了基于BP神经网络和ARIMA组合模型的药品销量预测方法；解决了基于传统研究方法或人工神经网络的单项预测方法预测精度低的问题。本方法是先用ARIMA模型预测某类药品的历史年销售量，是其线性规律信息包含在了ARIMA模型的预测误差中，然后用BP神经网络预测ARIMA模型的误差，使其非线性规律包含在BP神经网络的预测结果中。最后用ARIMA的预测结果与BP神经网络的预测相加得到组合预测模型的预测值；本方法能够较大程度地克服时间序列法在预测药品销量时的缺陷，显著提高药品销量预测精度；能够较好的预测药品销量，可以作为未来药品销量预测方法；能够通过Eviews软件简单实现其预测药品销量过程，实用性强，便于推广应用。

主权项

一种基于混合模型的医药销量的预测方法，其特征在于：包括以下步骤：建立ARIMA模型；获取药品销量历史数据序列并输入到ARIMA模型预测获取ARIMA模型预测误差和ARIMA预测结果；建立BP神经网络模型；将ARIMA模型预测误差输入到BP神经网络模型进行预测获取BP神经网络预测结果；将ARIMA预测结果与BP神经网络预测结果叠加得到预测结果。