Resumen

Una previsión precisa de la tasa de crecimiento de las ventas desempeña un papel decisivo a la hora de determinar la cuantía de la inversión publicitaria. En este estudio, presentamos un método basado en la preclasificación y posterior regresión optimizada mediante la optimización mejorada de enjambre de partículas (IPSO) para la previsión de la tasa de crecimiento de las ventas. Utilizamos la máquina de vectores soporte (SVM) como modelo de clasificación. La relación no lineal en la previsión de la tasa de crecimiento de las ventas se representa eficazmente mediante SVM, mientras que IPSO optimiza los parámetros de entrenamiento de SVM. IPSO aborda los problemas de PSO tradicional, como la recaída en el óptimo local, la lenta velocidad de convergencia y la baja precisión de convergencia en la evolución posterior. Realizamos dos experimentos; en primer lugar, se utilizan tres funciones de referencia clásicas para verificar la validez del algoritmo IPSO frente a PSO. Tras demostrar que IPSO supera a PSO en velocidad de convergencia, precisión y escape de los óptimos locales, en nuestro segundo experimento aplicamos IPSO al modelo propuesto. Los casos de previsión de la tasa de crecimiento de las ventas se utilizan para comprobar el rendimiento de previsión del modelo propuesto. De acuerdo con los requisitos y el conocimiento del sector, los datos de la muestra se clasificaron en primer lugar para obtener los tipos de muestras de prueba. A continuación, los valores de las muestras de prueba se pronosticaron mediante el algoritmo de regresión SVM. Los resultados experimentales demuestran que el modelo propuesto tiene un buen rendimiento de previsión.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería
• Subjects:mathematics Mathematical Analysis Algebra Engineering
• Palabras claves:previsión de la tasa de crecimiento de las ventas, ipso, svm, modelo, muestras de prueba, optimización mejorada del enjambre de partículas, casos de previsión de la tasa de crecimiento de las ventas, ipso aborda los problemas, algoritmo de regresión svm, funciones de referencia clásicas
• Keywords:sales growth rate forecasting, ipso, svm, model, test samples, improved particle swarm optimization, sales growth rate forecasting cases, ipso addresses issues, svm regression algorithm, classic benchmark functions