考虑节假日的ARIMA模型在酸奶销量预测中的应用

商品的销量往往受多种因素的影响，进行销量预测时也需要将这些因素考虑进去。传统的ARIMA模型进行销量预测时只考虑了时序序列的线性因素，而忽略了一些非线性因素。本文以冷藏酸奶的日销量为研究对象，探究了加入节假日等非线性因素的ARIMA模型预测的精确度。具体地，本文首先提取了2021年冷藏酸奶日销量数据，并运用BIC值对ARIMA模型的参数进行选择，然后对加入节假日等非线性因素的ARIMA模型、普通ARIMA模型和目前流行的ARIMA + SVM组合模型进行了实验评估和对比。实验结果表明，相较于普通的ARIMA模型和目前流行的组合模型，加入非线性因素的ARIMA模型预测结果更加准确。该研究成果对于冷藏酸奶销量预测的实际应用和相关研究具有重要的参考意义。

销量预测一直是企业决策和营销策略制定的重要参考。

时间序列模型是一种常用的销量预测方法[1]， 而ARIMA 模型则是其中的一种典型模型[2]。ARIMA 模型具有建模简单、预测精度高等特点，但是在时间序列预测中，ARIMA 模型仅考虑时间序列自身的线性的因素，而未考虑非线性因素的影响，导致在有些时候预测的准确度并不高。在现代消费市场中，消费者的购买行为受到众多因素的影响，比如节假日等因素的影响，将这些非线性因素纳入销量预测模型中，可以更准确地预测销量波动趋势并制定相应的经营策略[3]。因此，为了提高预测的准确度，本文尝试在ARIMA 模型预测时，将节假日等非线性因素加入到模型中。本文以冷藏酸奶的销量预测为实例，提取冷藏酸奶的销量时序数据中的节假日因素，运用BIC 值对ARIMA 模型的参数进行选择，然后分别对加入非线性因素的ARIMA 模型、传统的ARIMA模型[4]、目前较流行的ARIMA + SVM 组合模型[5]进行训练和预测实验，并将预测结果的准确度进行对比评估。结果表明，在ARIMA 模型中加入非线性因素进行预测，可以得到更加准确的结果。

2. 文献综述 销量预测是企业经营管理中非常重要的一个方面，准确的销量预测可以帮助企业进行合理的生产计划以及进货策略，从而提高企业的经济效益。基于时间序列的销量预测是一种重要的数据分析技术，它是指根据历史数据来估计未来一段时间内的销售量。近年来，很多学者对此进行了研究，主要分为以下三种销量预测的方法。

2.1. 基于统计学方法的销量预测 传统的销量预测方法主要是基于统计学模型的方法， 很多学者对此进行了研究， 例如， 范波等人(2021)根据交换机的历史销售量的时间序列，提出了基于ARIMA 模型的销量预测模型，并与其他算法进行比较，结果表明该模型具有一定的适用性[6]。李晓彤等人(2022)采用运用季节性预测法对新能源汽车的销量进行预测，得出温斯特加性模型的预测精度最高，可以为企业后续的生产运作提供参考[7]。师丹平等