简介:摘要:为解决GL市烟草零售点合理容量布局问题,实现烟草零售点合理容量的精准预测,提出基于机器学习方法的烟草零售点合理容量测算模型。首先,通过实地调研和专家访谈法提取影响烟草零售点合理容量布局的关键影响因素;其次,收集整理GL市烟草专卖局提供的13个县区2017-2022年的烟草历史数据,对数据进行标准化等预处理工作;然后,利用梯度提升树、神经网络、支持向量机和贝叶斯回归等4种机器学习模型对烟草零售点合理容量进行预测,并将预测值进行对比分析。然后使用Permutation Importance算法对影响因素进行重要性排序,筛选关键指标。结果表明:梯度提升树模型的决定系数最高,模型性能最好。影响烟草零售点合理布局的关键指标分别是常住人口数和销量。因此,在GL市烟草局制定零售点合理容量布局时应重点考虑常住人口数和销量的影响。文章的研究可以为实现烟草零售点合理容量布局预测提供科学的技术支持。
简介:摘要:随着“放管服”改革的深入推进,绿色发展理念日益深入人心,及《烟草专卖许可证管理办法实施细则》和《未成年人保护法》的相继出台,政策法规及消费环境对烟草市场及烟草制品零售点合理布局提出了新要求。为保障国家利益,维护烟草制品经营者、消费者和未成年人的合法权益,促进烟草市场绿色健康发展,运用数据统计分析方法和工具深入开展烟草制品零售点合理容量测算研究具有非常重要意义。为此,以GL市为研究对象,使用方差倒数加权法将时间序列法(ARIMA)预测模型、二次指数平滑预测模型和多元线性回归进行线性组合,利用组合预测模型理论,基于2017-2022年的历史数据建立模型,预测出GL市未4年的烟草制品零售点合理容量,发现GL市烟草制品零售点的合理容量呈逐渐下降趋势。相比基模型,组合模型的测算结果更为稳健,具有较好的推广价值。