基于網(wǎng)格搜索與交叉驗(yàn)證的SVR 大型拖拉機(jī)銷量預(yù)測(cè)

張楊航 ，呂 鋒*，李鋒軍，張雷雷，蘇建新

（1.河南科技大學(xué) 機(jī)電工程學(xué)院，河南 洛陽(yáng) 471003；2.第一拖拉機(jī)股份有限公司，河南 洛陽(yáng) 471004）

農(nóng)機(jī)裝備是“中國(guó)制造2025”戰(zhàn)略的十大重點(diǎn)領(lǐng)域之一，是支撐我國(guó)農(nóng)業(yè)生產(chǎn)和發(fā)展的重要基礎(chǔ)和戰(zhàn)略性產(chǎn)業(yè)。 農(nóng)機(jī)裝備市場(chǎng)需求量季節(jié)性變化明顯，需求高峰月份與低谷月份的銷量差別巨大。準(zhǔn)確預(yù)測(cè)農(nóng)機(jī)裝備銷量是整個(gè)農(nóng)機(jī)裝備企業(yè)供應(yīng)鏈管理中的重要環(huán)節(jié)，利于企業(yè)合理制定生產(chǎn)計(jì)劃，可減少需求高峰期“斷供”或積壓過多庫(kù)存造成的損失。拖拉機(jī)作為各類農(nóng)機(jī)裝備的動(dòng)力源， 具有適用范圍廣泛的優(yōu)勢(shì)，同時(shí)政策補(bǔ)貼力度較大，是農(nóng)機(jī)裝備市場(chǎng)的熱點(diǎn)。 相比于小型拖拉機(jī)，大型拖拉機(jī)生產(chǎn)難度較大、造價(jià)較高且更適于土地流轉(zhuǎn)后集中連片作業(yè)，因此，針對(duì)大型拖拉機(jī)的銷量預(yù)測(cè)具有重要意義。

傳統(tǒng)銷量預(yù)測(cè)研究集中于時(shí)間序列模型和回歸預(yù)測(cè)模型應(yīng)用研究， 例如移動(dòng)平均法、 指數(shù)平滑法、ARMA 法、多元回歸法，這些銷量預(yù)測(cè)模型在電商、汽車等多個(gè)領(lǐng)域得到了廣泛的應(yīng)用[1-2]。 與其他產(chǎn)品相比， 大型拖拉機(jī)銷量受經(jīng)濟(jì)環(huán)境和補(bǔ)貼政策影響較大，時(shí)間序列模型僅能識(shí)別自身過去或滯后值之間的內(nèi)在關(guān)系，無法確定各影響因素對(duì)銷量的影響。 回歸預(yù)測(cè)模型缺乏數(shù)據(jù)樣本學(xué)習(xí)過程，易導(dǎo)致非線性關(guān)系模糊、 計(jì)算過程復(fù)雜，難以取得令人滿意的預(yù)測(cè)效果[3]。隨著人工智能的發(fā)展，基于機(jī)器學(xué)習(xí)的智能預(yù)測(cè)方法成為近年來的研究重點(diǎn)，如人工神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)（Support Vector machine，SVM）[4]。……