1.湖南快乐阳光互动娱乐传媒有限公司 湖南长沙 410003;2.三一重工股份有限公司 湖南长沙 410100
摘要：为满足城乡市场对商贸物流服务的需求，实现城乡商贸一体化，本文对城乡商贸物流服务网络资源的优化进行研究，通过构建销售预测技术的数学模型，采用村镇企业定点实践应用的方式收集计算结果进行验证。结果表明，预测销售额与实际销售额的绝对误差值未超10%，说明本文中的销售预测技术模型能够模拟市场函数变化，准确预测未来销售方向。本文研究促进对城乡商贸物流服务网络资源的优化，使城乡商贸更适用于市场环境。
关键词：时间序列分解; 城乡商贸; 物流服务; 网络资源
1.引言
城乡商贸一体化是近年来国家关注的重点，在不断颁布有关“三农”问题方案的同时，投入大量资金建立供销社系统，实现“新网工程”、“农超对接”等惠农措施，建立农业生产资料现代经营物流和市场购销网络，打通农村与城镇间的通道，但商贸物流系统的动态性和复杂性，以及市场环境的不断改变，在商贸流通的过程中，商贸物流资源的优化问题也不断暴露出来[1]。
城乡商贸物流网络中最主要的环节就是针对农村企业特性建立销售预测系统，对此国内外都有大量的研究成果。有学者提出目前国内应用广泛的销售预测技术仍有一定缺陷，比如由于大量不规则指标造成预测数值准确性下降，周期变动规律和销售数据所需数量过大造成统计人员操作不便等[2]。文献[2]在研究报告中针对该模型针对村镇商贸企业商品销售的不稳定因素，指出在复杂多变的城乡商贸环境中，降低销售预测模型中不确定因素的影响是关键问题，尽管国内外学者对于销售预测技术已做出大量研究[3-6]，但该技术仍然存在着诸多漏洞，因此本文针对复杂的城乡贸易环境，对销售预测技术提出新的优化策略。
综上所述，本文针对城乡商贸物流网络资源优化的问题，基于时间序列分解方法提出了城乡商贸销售预测模型，并将其应用到村镇企业中进行实证研究，验证模型的实用性和准确性，分析模型优化策略。本文为城乡商贸物流服务网络资源优化提供了一定实践基础。
2.村镇商贸企业销售预测模型
2.1问题描述
城乡商贸环境受时间变化影响主要体现在四个方面：长期趋势、季节变动、周期变动和不规则变动。这四种不确定性因素会对企业销售额造成重要影响，在构建商贸企业销售预测模型时，可以根据这四种因素来预测未来销售情况，其中季节性变动S，无规律变动I，周期性变动C，趋势性变动T[5]。下文函数中涉及到的四种因素将以对应字母表示。
根据时间序列分解方法构建时间序列函数方程表达式，并分析其不同算法下的模型。
.png)
（1）
其中，f为预测模型。
常用的时间序列分解模型有加法模型和乘法模型两种，其中加法模型如下：
.png)
（2）
乘法模型如下：
.png)
（3）
2.2时间序列分解方法的计算流程
从乘法模型表达式中可以看出，当进行销售预测模型的计算时，可以先求出T、S、C值之后，剩下的数值就可以得出I值，如图1所示为时间序列分解方法的计算流程。从流程图可以看出：
（1）确定时间序列分解算法的输入量，即确定时间序列计算量，主要包括：农产品的季节月份、时间变量以及销售量；
（2）计算相邻销售量四项数值平均值，以及平均值的两项平均时间序列值TC；
（3）计算得到季度数据序值SI；
（4）得到长期趋势和周期变动；
（5）输出不规则变动I。
根据得到的季节性变动S，无规律变动I，周期性变动C，趋势性变动T以及预测模型f，可以预测未来的销售量情况。
.png)
图1 时间序列分解方法计算流程
3. 销售预测技术模型算法结果的验证与分析
3.1 村镇商贸企业销售预测数值计算
以H省F公司为试点单位，该公司是一家以经营农村连锁超市为主的村镇商贸企业，其中乡镇零售店面总数占80%，为我国“万村千乡市场工程”优秀试点企业。本文整理研究了该公司近三年内的某农副产品销售情况，并将销售预测方法分为五个步骤：
（1）计算季节指数S，借助移动平均法计算今年公司销售数据项数；
（2）相邻商品销售额取平均值避免时间序列值TC受到季节变动和不规则因素的影响：
（3）使用公式
.png)
计算SI值，避免SI受到销售额Y 和TC的影响；
（4）由于本次研究针对农副产品是根据季节划分时间序列，所以不考虑不规则变动因素I，可直接计算出季节指数的平均值；
（5）应用平均季节指数对有效季节指数进行优化校正。
通过上述方法可以得到该农副产品的四个季度的季节指数值，对该结果进行回归分析，即可预测未来季度该农副产品的销售额[6]。
3.2实验结果分析
本文利用2.2节提出的时间序列分解方法流程和3.1节村镇商贸企业销售数据，针对H省F公司的四个季度的销售额进行了预测计算。根据时间序列计算方法，可计算出公司某农副产品的优化结果如表1所示。
表1 2019年公司某农副产品的时间序列计算结果
.png)
由表1可知，使用时间序列算法的销售额预测模型，能够通过具体的计算结果得出未来该农副产品的在四个季度内的销售额趋势，且根据2019年的实际销售额与计算值对比，其误差不超过10%，在生产中预测人员可以认定结果误差较小，说明该模型具有一定的可靠性。该算法对于指导市场销售预测具有一定的指导意义。
3.3城乡商贸物流服务网络优化建议
综合计算结果与研究现状可以得知，优化城镇商贸物流网络需要研究村镇企业连锁服务信息系统建设的技术，完成服务信息系统的开发与建设，研究市场信息采集以及预测技术，实现网络信息共享和大规模信息采集，指导市场预测方法，实现电子数据标准化与信息安全，将电子商务平台、GPS定位、无线射频、物联网等技术引入村镇商贸连锁机构，根据季节性和规律性科学规划农产品销售方案，引导企业进出货和上市的方式和时间，该过程中对商业企业的物流网络、商贸物流网络节点都提出了优化要求，且对开放综合商业管理技术上需要对不同地域针对性提出管理策略，这样就可以降低乡镇企业经营风险 促进城乡商贸一体化环境的和谐发展。
4.结论
综上所述，城乡商贸物流服务对乡镇企业来说扮演重要的角色，为了响应国家“三农”政策，优化城乡商贸物流体系，本文提出了基于时间序列分解方法和回归预测的产品销售额预测算法。本文论述的销售预测模型的搭建将会对城乡商贸物流服务体系的优化起到一定的促进作用，实现乡镇企业的科学管理，为中国城乡经济发展提供一定实践基础。但本文中所提到的设计方法存在一定局限性，在智能化管理和人机交互页面方面尚未展开研究，将在下一步研究中进行更深层次的拓展。
参考文献
[1] Abduljabbar R, Dia H, Liyanage S, et al. Applications of artificial intelligence in transport: An overview. Sustainability, 2019, 11(1), pp. 189.
[2] Zhai Y, Yao Y, Guan Q, et al. Simulating urban land use change by integrating a convolutional neural network with vector-based cellular automata. International Journal of Geographical Information Science, 2020, 34(7), pp. 1475-1499.
[3] Xu T, Gao J, Coco G. Simulation of urban expansion via integrating artificial neural network with Markov chain–cellular automata. International Journal of Geographical Information Science, 2019, 33(10), pp. 1960-1983.
[4] Bega D, Gramaglia M, Fiore M, et al. DeepCog: Optimizing resource provisioning in network slicing with AI-based capacity forecasting. IEEE Journal on Selected Areas in Communications, 2019, 38(2), pp. 361-376.
[5] Xu D. Research on The Logistics and Distribution of Agricultural Products in Liaoyang. Malaysian E Commerce Journal, 2019, 3(1), pp. 17-20.
[6] 刘晓兵, 梁孟伟. 季节指数预测法在企业销售收入中的应用分析.科技经济导刊, 2019,27(33), pp. 1-3.