本发明涉及一种预测方法，尤其涉及一种酒店一次性用品需求预测方法。
背景技术：
在酒店管理的过程中，信息的产生是无时无刻的。特别是客户消费和酒店采购方面，需要大量的人力资源来进行信息处理，为了避免出错，又引入了大量的人力进行信息的审核。给酒店的人力资源管理和酒店成本的降低造成了极大的困难。因此采用信息技术提高服务质量和管理水平势在必行。目前为止，企业和研究机构已经开发出大量的酒店一次性用品订单系统，但是这些管理系统中一般不包含酒店用品需求预测模块和订单自动生成模块。由于库管人员对库存信息没有科学化的了解，导致了库管人员随机性地采购酒店用品，最后就造成了严重的库存积压、资金浪费或者采购不及时而造成库存紧缺。尤其是酒店的一次性用品，如牙具、牙膏、沐浴液、洗发液、剃须膏、剃须刀、香皂、拖鞋、浴帽等。这些酒店用品有以下特点：使用周期短；使用量大；使用后需要及时补充；保质期短；属于视觉化、感受化产品。
为了解决上述问题，可以考虑在酒店管理系统中引入预测单元，对酒店一次性用品的需求进行预测。目前现有工商业较常用的预测方法为时间序列分析法。时间序列分析法是一种考虑变量随时间发展变化规律并用该变量以往的统计资料建立数学模型做外推的预测分析方法。由于时间序列分析法所需要的只是序列本身的历史数据，因此，这一类方法当前的应用非常广泛。随着当前预报商业和工业数据经验方法的发展，时间序列方法，诸如：指数平滑预测、趋势外推法和齐次非平稳模型预测等方法，越来越广泛的应用于各种预测中。
然而现有工商业中所使用的时间序列预测方法仅基于历史的数据，而没有综合考虑现实中的影响因素，科学但缺乏精确性。
技术实现要素：
本发明所要解决的技术问题在于克服现有技术不足，提供一种酒店一次性用品需求预测方法，在进行需求预测时，综合考虑了对酒店一次性用品用量产生影响的诸多影响因素，所得到的酒店一次性用品需求预测值更准确，可更好地帮助酒店实现零库存。
本发明具体采用以下技术方案解决上述技术问题：
酒店一次性用品需求预测方法，包括以下步骤：
步骤1、获取酒店一次性用品的实际用量历史数据以及每个历史周期中酒店一次性用品用量的各影响因素的量化值；
步骤2、利用时间序列预测方法对最近若干个历史周期的酒店一次性用品用量进行预测，得到这最近若干个历史周期的酒店一次性用品用量的时间序列预测值；
步骤3、以所述最近若干个历史周期的酒店一次性用品的实际用量作为观测值，以综合预测值与观测值之间误差平方和最小为目标，对以下综合预测模型进行曲线拟合，得到拟合参数α0、α1、β1、…、βn：
式中，为第t个周期的酒店一次性用品的综合预测值；为第t个周期的酒店一次性用品的时间序列预测值；xt,k为第t个周期的酒店一次性用品用量的第k个影响因素的量化值；n为酒店一次性用品用量的影响因素总数；εt为随机干扰因素，其服从均值为0、方差为σ2的正态分布；
步骤4、利用所述时间序列预测方法对待预测的未来某个周期的酒店一次性用品用量进行预测，得到该周期的酒店一次性用品用量的时间序列预测值，并获取该周期中酒店一次性用品用量的各影响因素的量化值；将该周期的酒店一次性用品用量的时间序列预测值以及各影响因素的量化值代入曲线拟合后所得到的综合预测模型，得到待预测的未来某个周期的酒店一次性用品用量的综合预测值。
优选地，所述时间序列预测方法为使用动态指数的三次指数平滑预测方法。
优选地，所述酒店一次性用品用量的影响因素包括：酒店促销、酒店广告、旅游季、产品生命周期、产品品质、季节趋势、酒店的未来规划。
根据相同的发明思路还可以得到以下技术方案：
一种酒店一次性用品订单系统，该系统包括综合预测单元，用于使用以上任一技术方案所述方法对酒店一次性用品需求进行预测，得到待预测的未来某个周期的酒店一次性用品用量的综合预测值。
进一步地，该系统还包括订单生成单元，用于根据综合预测单元输出的待预测的未 来某个周期的酒店一次性用品用量的综合预测值，以及酒店一次性用品的当前库存量，自动生成酒店一次性用品的采购订单。
相比现有技术，本发明具有以下有益效果：
本发明针对酒店一次性用品需求特点，在现有数据序列预测方法基础上，通过回归分析方法确定各影响因素与预测值之间的关系，并根据所确定的关系得到酒店一次性用品用量的综合预测值，从而有效提高了酒店一次性用品需求预测的准确性，对于酒店零库存管理目标的实现具有重要意义。
本发明方法算法简单，对硬件要求低，可基于常规个人电脑实现，不需要特定硬件设备，实现成本低廉；且易于与现有酒店一次性用品订单系统整合。
具体实施方式
本发明针对酒店一次性用品需求特点，在现有数据序列预测方法基础上，通过回归分析方法确定各影响因素与预测值之间的关系，并根据所确定的关系得到酒店一次性用品用量的综合预测值。
本发明的酒店一次性用品需求预测方法，具体包括以下步骤：
步骤1、获取酒店一次性用品的实际用量历史数据以及每个历史周期中酒店一次性用品用量的各影响因素的量化值；
上述数据可来自现有酒店管理系统的数据库，可将酒店管理系统数据库分为一次性用品使用数据库D1、酒店影响因素数据库D2、酒店一次性用品库存数据库D3和酒店新品引入数据库D4等子数据库。
酒店一次性用品的使用情况受很多因素的影响，主要包括：社会经济等宏观因素，如经济性GDP、政治形势等；微观因素，如酒店经营策略、季节性旅游和产品，经营策略包括顾客服务、促销、广告等，季节性旅游包括重要节日，产品包括产品生命周期、产品品质和季节性趋势。由于本发明针对一次性用品，属于短期需求预测，宏观因素在预测期间无变化，可不加以考虑。因此本发明所考虑的影响因素主要包括：酒店促销、酒店广告、旅游季、产品生命周期、产品品质、季节趋势和酒店的未来规划等微观因素。这些影响因素可通过打分的方式进行量化。
步骤2、利用时间序列预测方法对最近若干个历史周期的酒店一次性用品用量进行预测， 得到这最近若干个历史周期的酒店一次性用品用量的时间序列预测值；
在现有各类时间序列预测方法中，指数平滑预测是这些方法中最重要和应用最广泛的方法之一。它相对其他模型比较简单，但在预测研究中却占有非常重要的地位，被广泛的应用到商业预测中来平衡各种库存的大小，而且在其它领域的预测中也有着较好的表现。指数平滑法有如下几个优点：
(1)操作指数平滑法操作简易，成本低廉。公式简单明了，输入数据简单，在普通的计算机上即可完成操作；
(2)使用范围和性能适应性强，性能优良，指数平滑法可以说适用于几乎所有的以时间序列为基础的预测中，并不仅仅在经济预测上，还可以用于自然科学，军事等各个方面；
(3)数据处理的方法利用全部历史数据和相关信息遵循“厚近薄远”的规则加权、修匀数据。使得数据模型具有抵御和减弱异常数据影响的功能，并使时间序列包含的历史规律显著的体现出来。这两项是指数平滑最显著的特点；
(4)数据的需求和处理量可以节省很多数据和数据处理时间，指数平滑预测只要有上期实际数据和预测值就可以计算下期的预测值，这样可以节省很多的数据和计算机处理数据的开销。
指数平滑预测法是一种确定性的平滑预测法。其实质是:通过计算指数平滑平均数来平滑时间序列，消除历史统计序列中的随机波动，以找出其主要发展趋势。根据设置参数的不同可以分为单指数预测，双指数预测，和三指数预测。其中，单指数具有一个参数，适合于具有平稳性特性时间序列的预测，也称为平稳性预测。双指数预测具有两个参数，适合于具有趋势性特性时间序列的预测，也称为趋势性预测。三指数预测具有三个参数，适合于具有趋势和季节性或周期性特性时间序列的预测，也称为季节性或周期性预测。指数平滑的三种预测方法中，预测曲线拟合程度的好坏与预测结果的准确度有关，而预测曲线的拟合程度与设定的参数值有直接的关系。所以，参数的好坏非常重要。
目前指数平滑研究大部分都集中在应用方面，如果建立一种动态参数的指数平滑模型，就可以比较好的解决指数平滑模型面临的三大难题，即对平滑初值的确定、对平滑参数的选取和静态的平滑参数本身很难适应时间序列自身的变化。黎锁平首次提出了一种新型的选用动态指数的指数平滑预测模型，这种方法针对的是一般的指数平滑模型，新模型的思想可以较好的解决上面提到的一个难题，即动态适应的平滑参数。
根据以上几种指数平滑方法的特点描述，由于酒店用品具有可预测性、阶段性、季节性，因此，本发明优选使用动态指数的三次指数平滑预测方法，其基本思想如下：在样本空间，定义周平均值向量为xt为t期的观测值，则三次指数平滑公式为：
式中，α为静态平滑参数(加权系数)(0<α<1)，为t期的一次指数平滑值， 为t期的二次指数平滑值，为t期的三次指数平滑值。
第t+m期的预测值为：
式中，
为了使三次指数平滑模型能够适应时间序列自身的变化，对上述三次指数平滑模型进行改进，最终得到三个改进的三次指数平滑公式，如下：
式中，为动态平滑系数，它是关于时间t的函数，并且当t>1时，0<φt<1；当t＝1时，limt→1φt＝1。为了保持φt在[0,1)领域的连续性，下面约定φt的初始值φ1＝1。
在以上改进的三次指数平滑公式中，预测公式为：
式中参数at，bt，ct的值为：
在这个改进的三次指数预测公式中，初始值用第1期的观测值x1表示。
这样，即可利用动态指数的三次指数平滑预测方法得到任意一个周期中的酒店一次性用品的用量预测值。
步骤3、以所述最近若干个历史周期的酒店一次性用品的实际用量作为观测值，以综合预测值与观测值之间误差平方和最小为目标，对以下综合预测模型进行曲线拟合，得到拟合参数α0、α1、β1、…、βn：
式中，为第t个周期的酒店一次性用品的综合预测值；为第t个周期的酒店一次性用品的时间序列预测值；xt,k为第t个周期的酒店一次性用品用量的第k个影响因素的量化值；n为酒店一次性用品用量的影响因素总数；εt为随机干扰因素，其服从均值为0、方差为σ2的正态分布；
由于本发明所考虑的微观影响因素的属性差异较大，且属性指标值小的影响因子的解释能力会被指标值大的影响因子削弱，为避免这些误差，本发明采用线性对数模型进行综合预测。以所述最近若干个历史周期的酒店一次性用品的实际用量(例如最近一个季度内每周的一次性用品实际用量)作为观测值，利用最小二乘法进行回归分析，即以综合预测值与观测值之间误差平方和最小为目标，对式(6)的综合预测模型进行曲线拟合，从而得到拟合参数。拟合参数确定后的式(6)即可用于酒店一次性用品的综合预测。
步骤4、利用所述时间序列预测方法对待预测的未来某个周期的酒店一次性用品用量进行预测，得到该周期的酒店一次性用品用量的时间序列预测值，并获取该周期中酒店一次性用品用量的各影响因素的量化值；将该周期的酒店一次性用品用量的时间序列预测值以及各影响因素的量化值代入曲线拟合后所得到的综合预测模型，得到待预测的未来某个周期的酒店一次性用品用量的综合预测值；
同样利用使用动态指数的三次指数平滑预测方法得到待预测周期的酒店一次性用品用量的时间序列预测值并获取该周期内n个影响因素的量化值xt,k(k＝1,2,…,n)；将代入式(6)即可得到待预测周期的酒店一次性用品用量的综合预测值
利用上述预测方法可生成相应的综合预测单元，将其整合进现有酒店一次性用品订单系统即可实现酒店一次性用品需求自动准确地预测；并可在酒店一次性用品订单系统中进一步增加订单生成单元，根据综合预测单元输出的待预测的未来某个周期的酒店一次性用品用量的综合预测值，以及酒店一次性用品的当前库存量，自动生成酒店一次性用品的采购订单。