论文摘要
近年来,随着我国经济和社会的快速发展,各行各业信息化程度的不断提高,煤炭销售领域的电子化和网络化建设也取得长足的进展。而煤炭销售类数据是煤炭行业中最重要的数据类型之一,对这类数据进行分析预测,已成为煤炭管理部门一项重要的日常工作。支持向量机(Support Vector Machine,SVM)作为一种新的机器学习方法,由于其具有小样本学习、收敛速度快、泛化能力强、能够得到全局最优解等优点,已成为研究的热点课题,并广泛地应用于回归预测领域。本文从支持向量机的理论研究出发,通过实验验证了支持向量机模型在煤炭销售预测中的可行性,并最终将其应用到煤炭销售分析预测系统的实际项目中,取得了良好的效果。主要内容如下:首先介绍了国内外常用的预测方法,并分析了现有方法的不足,结合煤炭销售数据的特点,提出了支持向量机的时间序列预测方法;其次简要论述了支持向量机的理论基础,深入研究了支持向量机解决实际问题的主流方法,即序列最小优化算法,并给出了该算法的完整实现过程;然后将支持向量机模型应用于煤炭销售预测中,实验表明,该预测模型在预测精度和稳定性等方面表现较佳,为系统的实现提供了验证支持;最后在以上研究的基础上设计开发了基于.NET平台的煤炭销售分析预测系统。实践证明该系统不仅能够对煤炭销售相关数据进行快速的统计分析,并以图形化的形式展示出来,提高了工作效率;而且采用支持向量机模型较好地实现了煤炭销售的预测,为快速决策提供了重要的支持工具。