利用模糊评价法实现专业气象服务中商品销量预测

褚 希，周笑天，张 莉，李 娟(．山东省气象服务中心，济南 500；．山东省气象信息中心，济南 500；．山东省气象局，济南 500；．山东省气象局机关服务中心，济南 500）

利用模糊评价法实现专业气象服务中商品销量预测

褚 希1，周笑天2，张 莉3，李 娟4
(1．山东省气象服务中心，济南 250031；2．山东省气象信息中心，济南 250031；3．山东省气象局，济南 250031；4．山东省气象局机关服务中心，济南 250031）

摘要：文章探讨了一种为商品销售预测开展专业气象服务的方法。该方法使用模糊评价法理论，通过确定和计算气象因素评价集，构建评价判断矩阵，计算权重系数等，最终计算出产品销量的预测值，从而为销售商的销售策略进行指导。通过济南2013年夏季某商场空调销量的预测实例，验证了该方法的可行性。

关键词：模糊评价法；专业气象服务；气象因素评价集；销量

引言

目前，山东省的专业气象服务已在电力、交通、港行等行业开展多年，并取得了较好的服务效益[1-4]。但是，与市场经济中商品销售相关的专业气象服务尚未开展，气象信息中蕴涵的巨大的市场经济价值没有充分发掘，商品销售受气象因素影响程度的相关研究也没有展开。气象部门有成序列的气象要素观测数据，如果能将客观的气象条件和商品销量建立起一定的联系，便能利用气象因素来预测商品的销量情况。文章以模糊评价法相关理论为基础，探讨了一种利用气象因素来预测商品销量的专业气象服务方法，并用济南2013年夏季某商场的空调销量情况对这一方法进行了验证。

1 模糊评价法与产品销量预测流程

1.1 模糊评价法

模糊评价法是运用模糊数学集合理论对某一对象进行综合评价的一种方法，它是在建立各级数学模型的基础上，运用扎德法则作模糊矩阵乘法，然后根据“最大隶属度原则”给出综合评价结论。在模糊综合判断时，所需用的主要数据是各个指标的权重因数和指标的评定等级。模糊评价法具有结果清晰、系统性强的特点，能较好地解决模糊的、难以量化的问题[5-6]。

模糊综合评价以隶属度来描述模糊界限,方法为：设参与决策的因素集评价等级集单因素模糊评价判断矩阵视为U中每一因素根据评判集中的等级指标进行模糊评价，表示iμ关于νj的隶属程度。这样，就构成了一个模糊评价模型。给定各因素权重系数，记为则最终评价向量T为W和R的合成，即：向量T考虑了所有因素的影响，还保留了各级评价指标的信息。模糊评价法就是将待评价的模糊矩阵R通过权重系数矩阵W转化为最终评价向量T的数学模型。根据T的情况，即可得到因素集中每一因素对评价集的相关影响情况[7-8]。

1.2 产品销量预测流程

将模糊评价方法应用于专业气象服务中，探讨为商品销售方面的用户进行专业气象服务的方法，结合模糊评价法，文章提出一种将模糊评价法应用于产品销量预测的专业气象服务方法。该方法的具体步骤为：

（1）确定模糊评价法中的气象因素集U、评价集V；

（2）分别计算气象因素集U中各气象因素的模糊评价向量r和评价集V的模糊向量t；

（3）构建气象因素集的模糊评价判断矩阵R；

（4）确定气象因素集中的各气象因素的权重系数向量W；

（5）将步骤（3）、（4）中的矩阵R和W相结合，得到最终评价向量T和评价值n。

2 方法应用实例

选择济南2013年7月1─10日天气实况和该时段的空调实际销量情况作为训练样本，计算出各个气象要素的权重系数，然后再将该权重系数结合7月10日发布的11─20日的未来10d天气预报数据，最终计算出7月11─20日的空调销量预测值。需要指出的是，文章关注点为气象条件对空调销量的影响。众所周知，决定空调销量的因素有多种，气象条件是空调销售的一个重要因素，但不是唯一的因素，比如社会消费水平、节假日因素、商场促销等因素都对空调销量有影响。文章选取的7月1─20日时段内商场没有进行最新的打折促销，同时也没有法定节假日的影响，气象条件是空调销量预测中的最主要的影响因子，是产品销售时的关键因素，因此适合进行实例分析。

2.1 因素集和评价集的确定

夏天的空调销售受气象条件的影响非常明显，要预测空调在某段时间内的销售量，首先需要确定影响其销售情况的相关因素集。通常来讲，空调的需求情况由人体的体感温度来决定，夏季人体的体感温度有具体的计算方法，即：人体感受到的最高温度=实际最高气温+1.3×最小相对湿度/100-0.02×风速+2；人体感受的最低温度=实际最低气温+1.3×最小相对湿度/100-0.02 ×5（平均风速）[9-10]。由此可知，体感温度由气象条件中的“温度”、“湿度”、“风力”要素决定，因此，进行预测时，将因素集确定为：

U={温度、湿度、风力}。

评价集的确定较为简单，通常取人们常用的评价习惯，此处为对空调的销量情况的评价，给定评价集为三个评价等级，取：

V={好，一般，差}。

2.2 因素集和评价集的模糊评价向量的计算

首先给出因素集中7月1—10日的天气要素的实况情况，即温度、湿度、风力的相关数值。一般而言，每日下午14时的气温最高，文中因素集中的各项数值取每日下午14时的实况数据，如下表所示：

表1　7月1日─10日天气要素的实况情况

为了确定模糊评价向量，需对各数值进行模糊处理，文章利用k均值聚类算法进行归类，算法的思想为：

（1）在数据集中随机选取k个对象代表，作为k个聚类的中心；

（2）计算每个剩余对象到各个聚类中心的欧几里德距离，将它们分到最近的聚类中；

（3）重新计算每个聚类的平均值，更新簇的聚类中心；

（4）重复步骤（2）和（3），知道聚类均值不再改变或准则函数收敛。

文章将气象因素集归类为三档，分别为：温度归类为{高，一般，低}；湿度归类为{大，一般，小}；风力归类为{大，一般，小}。利用k均值聚类算法，聚类中心为3个，聚类后的归类结果为：

温度：｛（35.3,33.3,35.3,34.3,36.9）,(29.8,31.6,30.3), 26.7,28｝

湿度：{(92),(73,68,73),(44,43,39,33,44,31)}

风力：{(5.1,4.5,4.2,4.5,3.9),(2.6,2.4),(1.9,1.6,1.0)}

模糊评价向量中的每一个向量值为该评价所占的比例，如温度的第一项“高”的模糊评价值为聚类后（35.3,33.3,35.3,34.3,36.9），这一类的数量和总数量的比值为0.5。

由此，分别得到评价向量：

其次，给出7月1—10日该时段的空调销量情况，见表2。

表2　7月1日─7月10日某商场的空调销量

作为评价集，模糊处理为三个评价等级，归类为三档：{好，一般，差}。聚类后的归类结果为：

销量：{(42,39,38,40),(26,35),(31,29,31,30)}

由此，得到评价向量：

最后，给出天气预报预测的未来十天的天气情况，即7月11─20日的天气要素的温度、湿度、风力的相关数值。其中，温度为预报中最高温度，湿度为预报中的最大相对湿度，风力为预报中包含阵风的最大风力。相关数值预报情况见表3。

表3　7月11─20日天气要素的预报情况

天气要素的预报情况，聚类后的归类结果为：

温度：

{(33,34,33),(29,29,29,30),(27,27,28)}

湿度：

{(95,,90,95,90),(70,80,80,85),(55,60)}

风力：{(7,7,7),(3,3,3,3,3,30),(2)}

同上，可分别得到评价向量：

2.3 模糊评价判断矩阵的构建

由2.2节可知，模糊评价判断矩阵R=(r)r，即7月1—10日的因素集矩阵R0为：

7月11—20日的因素集矩阵R为：

2.4 因素集中的各因素权重系数的确定

此文的权重系数将通过训练集来获取，即利用最临近的一段时间的天气情况和空调销售情况作为训练集，获取因素集中各因素的权重系数w，然后对未来的空调销售量进行预测。这样能较为准确体现天气因素对空调销量的影响，增加预测的准确度。文章将7月1─10日的天气情况和空调销售情况作为训练集，获取因素集中各因素的权重系数w，然后再结合7月11─20日的天气预报情况，对此时段的空调销售量进行预测。

通过2.2节获得的T0和2.3节获得的R0，根据公式（1）可得：

2.5 最终评价向量的计算

通过2.3节获得的R以及2.4节获得的W，可以根据公式（1）计算最终评价向量，并归一化得T：

由于评价向量T0的销量情况为：（42,39,38,40），(36, 35)，(31,29,31,30)其聚类中心值向量N为（39.75,35.50,30.25），因而，评价向量T转化为销量值，即：n××10 =T N，即355台。

2.6 最终评价向量的检测

运用上述方法，预测7月11—20日某商场的空调销售量为355台，实际中，该商场同期的实际销售量为359台，误差为1.11%，误差值较小。因此，该方法可以用来进行空调销售量的预测。

上述过程中的因素集样本选取了14时的气象实况，如若从气象要素的平均值分析，重复上述计算步骤，可得预测销售量为349台，误差为2.79%。如若从气象要素的极值分析，可得预测销售量为350台, 误差为2.5%。因此，运用文中的方法进行空调销量预测，能够得到较为准确的销量预测值，误差值较小，方法可行。

3 小结

（1）文章探讨了将专业气象服务融入市场经济的方法，以模糊评价法相关理论为基础，利用气象要素观测值和气象预报数据，将客观的气象条件和商品销量建立起一定的联系，从而实现利用气象因素来预测商品销量的方法。该方法能为受气象条件影响的商品提供销售指导，便于用户合理安排生产或销售。

（2）文章通过实例，对利用模糊评价法实现专业气象服务中商品销量预测的可行性进行了验证。由于销售数据获取的局限性，该方法如若在专业气象服务中实际应用，还需获取更多的销售数据来增大训练样本。

（3）用模糊评价法实现专业气象服务中商品销量预测，还要综合考虑除气象条件外的诸多因素，如前文指出的社会消费水平、节假日、商家促销等因素对产品销量的影响，此时，可借鉴专家打分法等对各项因素的影响情况进行权重赋值后再应用该方法，便可获得更为准确的销售预测数值。

参考文献：

[1] 欧阳里程，张维.广东省2009年电力行业气象服务效益值评估[J].气象研究与应用，2011，32(1)：45-51.

[2] 王忠伟，潘新民，杨静，等.气象服务在交通运输行业中的作用及效益分析评估[J].沙漠与绿洲气象，2009，3(Z1)：202-206.

[3] 严晓瑜，刘玉兰，李剑萍，等.宁夏旅游气象服务效益评估和服务需求调查[J].气象科技，2012，40(6)：1068-1074.

[4] 周慧，段丽瑶.天津水利行业气象服务效益评估分析[C].中国气象学会2008年年会“天气预报准确率与公共气象服务”分会场论文集，2008：1481-1484.

[5] 赵文清，贾慧敏，钱周信.多因子分层模糊评价法的算法设计探讨--模糊综合评价方法在旅游资源评价中的应用[J].数学的实践与认识，2008，38(7)：8-14.

[6] 翟琨.模糊评价法在水库水质评价中的应用[J].湖北民族学院学报(自然科学版)， 2010，28(01)：10-12.

[7] 陈伟德.基于模糊评价法的风险企业投资评价[J].西藏大学学报，2011，(3)：147-151.

[8] 万金保，李媛媛.模糊综合评价法在鄱阳湖水质评价中的应用[J].上海环境科学，2007，26(05)：215-218.

[9] 徐雁萍.高温天气和体感温度——就体感温度引起的话题[C].中国气象学会2006年年会“气候系统模式发展与应用”分会场论文集，2006：174-175.

[10] 吴兑.多种人体舒适度预报公式讨论[J].气象科技，2003，31(06)：370-372.

作者简介：褚希(1982─)，女, 山东临沂人，硕士，工程师，主要从事气象服务研究工作。

收稿日期：2014-07-12

中图分类号：P49

文献标识码：B

文章编号：1005–0582（2015）01–0023–04