体内容可参见本发明方法实施例中的叙述，此处不再赘述。
[0144] 需要说明的是，在本文中，诸如第一和第二之类的关系术语仅仅用来将一个实体 或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在 任何这种实际的关系或者顺序。而且，术语"包括"、"包含"或者其任何其他变体意在涵盖非 排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素， 而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固 有的要素。在没有更多限制的情况下，由语句"包括一个......"限定的要素，并不排 除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同因素。
[0145]本领域普通技术人员可以理解:实现上述方法实施例的全部或部分步骤可以通过 程序指令相关的硬件来完成，前述的程序可以存储在计算机可读取的存储介质中，该程序 在执行时，执行包括上述方法实施例的步骤;而前述的存储介质包括:ROM、RAM、磁碟或者光 盘等各种可以存储程序代码的介质中。
[0146]最后需要说明的是：以上所述仅为本发明的较佳实施例，仅用于说明本发明的技 术方案，并非用于限定本发明的保护范围。凡在本发明的精神和原则之内所做的任何修改、 等同替换、改进等，均包含在本发明的保护范围内。
【主权项】
1. 一种建立烟草行业预测模型的方法，其特征在于，预先确定适合烟草行业预测所需 的宏观经济参数数据和预测模型，还包括以下步骤： S1:获取烟草行业预测所需的宏观经济参数数据； S2:定义确定所述宏观经济数据的变量和目标自变量； S3:计算所述变量与目标自变量之间的线性相关系数； S4:根据所述线性相关系数确定与所述变量显著线性相关的目标自变量集合，应用最 小二乘法回归计算所述目标自变量集合与所述变量的回归系数;如果没有目标自变量与所 述变量显著线性相关，应用最小二乘法回归计算所有目标自变量与所述变量的回归系数； 使得根据所述回归系数得到的计算值与实际值的二乘误差?(>~ 一^)2最小； i-1 其中，yi表示所述实际值，Α表示所述计算值； S5:根据所述回归系数和目标自变量建立预测模型： y = ao+ai*xi+a2*X2+. . .+an*xn。 其中y为预测值;ao为常数;ai，a2, . . .，an为所述回归系数;x为所述目标自变量。2. 根据权利要求1所述的方法，其特征在于，所述确定目标自变量包括:根据宏观经济 数据定义初始自变量，对所述初始自变量进行转换，得到转换后的自变量； 其中，所述对初始自变量进行转换包括： 将所有初始自变量转换为其指数函数值或将所有初始自变量转换为其对数函数值或 将每一个初始自变量通过最佳转换算子进行转换;所述最佳转换算子可以使自变量与变量 有最高的线性相关性。3. 根据权利要求1所述的方法，其特征在于，所述计算所述变量与目标自变量之间的线 性相关系数包括： 根据：十算所述变量与目标自变量之间的线性相关系 数。其中，p表示所述变量与目标自变量之间的线性相关系数;yi表示所述变量；y表示所 述变量平均值;Xi表示所述目标自变量；Μ表示所述目标自变量平均值。4. 根据权利要求1所述的方法，其特征在于，所述根据所述线性相关系数确定与所述变 量显著线性相关的目标自变量集合包括： 将所述线性相关系数基于显著性水平为0.05进行显著性检验，根据所述显著性检验结 果确定与所述变量显著线性相关的目标自变量集合。5. 根据权利要求1-4任一所述的方法，其特征在于，在所述S5后，进一步包括： 根据所述预测模型计算预测值，将所述预测值与实际值进行差距分析。6. -种建立烟草行业预测模型的装置，其特征在于，包括： 确定模块，用于预先确定适合烟草行业预测所需的宏观经济参数数据和预测模型。 获取模块，用于获取烟草行业预测所需的宏观经济参数数据，将所述宏观经济参数输 出给定义模块； 定义模块，用于定义确定所述宏观经济数据的变量和目标自变量，将所述变量和目标 自变量输出给计算模块； 计算模块，用于计算所述变量与目标自变量之间的线性相关系数，将所述线性相关系 数输出给处理模块； 处理模块，用于根据所述线性相关系数确定与所述变量显著线性相关的目标自变量集 合，应用最小二乘法回归计算所述目标自变量集合与所述变量的回归系数;如果没有目标 自变量与所述变量显著线性相关，应用最小二乘法回归计算所有目标自变量与所述变量的 回归系数，使得根据所述回归系数得到的计算值与实际值的二乘误差最小;将 1=1 所述回归系数和目标自变量输出给建模模块； 其中，表示所述实际值，?表示所述计算值； 建模模块，用于根据所述回归系数和目标自变量建立预测模型： y = ao+ai*xi+a2*X2+. . .+an*xn。 其中y为预测值;m，a2,. . .，an为所述回归系数;x为所述目标自变量。7. 根据权利要求6所述的装置，其特征在于，所述定义模块包括： 定义单元，用于根据宏观经济数据定义初始自变量，将所述初始自变量输出给转换单 元； 转换单元，用于对所述初始自变量进行转换，得到转换后的自变量，所述目标自变量包 括所述初始自变量和所述转换后的自变量； 其中，所述对初始自变量进行转换包括： 将所有初始自变量转换为其指数函数值或将所有初始自变量转换为其对数函数值或 将每一个初始自变量通过最佳转换算子进行转换;所述最佳转换算子可以使自变量与变量 有最高的线性相关性。8. 根据权利要求6所述的装置，其特征在于，所述计算模块包括： 计算单元，用于根?』计算所述变量与目标自变量之间的 线性相关系数，将所述线性相关系数输出给处理模块。 其中，ρ表示所述变量与目标自变量之间的线性相关系数;yi表示所述变量；y表示所 述变量平均值;Xi表示所述目标自变量；X；表示所述目标自变量平均值。9. 根据权利要求6所述的装置，其特征在于，所述处理模块包括： 确定单元，用于将所述线性相关系数基于显著性水平为0.05进行显著性检验，根据所 述显著性检验结果确定与所述变量显著线性相关的目标自变量集合。10. 根据权利要求6-9任一所述的装置，其特征在于，进一步包括： 差距分析模块，用于根据所述预测模型计算预测值，将所述预测值与实际值进行差距 分析。
【专利摘要】本发明提供一种建立烟草行业预测模型的方法及装置，其中方法可以包括：预先确定适合烟草行业预测所需的宏观经济参数数据和预测模型；获取烟草行业预测所需的宏观经济参数数据；定义确定所述宏观经济数据的变量和目标自变量；计算所述变量与目标自变量之间的线性相关系数；根据所述线性相关系数确定与所述变量显著线性相关的目标自变量集合，应用最小二乘法回归计算所述目标自变量集合与所述变量的回归系数；使得根据所述回归系数得到的计算值与实际值的二乘误差最小；根据所述回归系数和目标自变量建立预测模型：y＝a0+a1*x1+a2*x2+…+an*xn。本发明能够预测烟草的经济运行状况，减小预测结果与实际值之间的差异。
【IPC分类】G06Q10/04, G06Q50/00
【公开号】CN105608504
【申请号】CN201510956618
【发明人】刘永祥, 张华
【申请人】浪潮软件股份有限公司
【公开日】2016年5月25日
【申请日】2015年12月17日