21世纪,随着互联网技术的飞速发展和信息化建设的不断深入,为了适应日益激烈的市场竞争,信息化管理模式被逐渐应用到制糖行业中,传统的制糖行业管理模式正在逐渐的向信息化、自动化管理模式转型。但是在转型的过程中,由于制糖行业没有充分利用多年信息系统内积累的历史销量数据,造成数据浪费,导致成品糖的生产计划制定时,出现计划制定不准确或者决策不合理等问题,企业生产出来的成品糖,频繁出现产品囤积或者短缺的状况,给企业带来了巨大的经济损失。因此,对制糖企业成品糖销量进行较为精准的预测,不仅可以为企业提供相关的决策支持,也可以为企业的可持续发展提供相关的技术支持。通过对国内某制糖企业使用的信息化管理系统的调研与分析发现,目前该企业的信息管理系统只涉及到成品糖销量信息管理,而未涉及到成品糖的销量预测。因此,本文将基于某制糖企业现有的历史销量数据,对该企业未来1年成品糖的月销量进行预测。由于成品糖销量的变化趋势,受诸多不确定因素的影响,呈现出非线性的数据分布,因此建立与其相关度高的预测模型有一定的难度。目前的大部分预测模型应用于比较长期的观测活动中,即在短期或者中期的预测活动上,各个预测模型设计的差异性巨大。本文结合某制糖企业成品糖销量的真实数据,在不考虑突发因素影响的情况下,通过对影响成品糖销量的多维特征进行预处理、提取、组合、优化和选择,进而得到高质量的多维特征,作为后续成品糖销量预测模型的输入,并基于机器学习的预测模型对本课题的成品糖销量预测模型进行了构建与优化,最终通过实验分析验证了该销量预测模型的可行性与准确性。本文主要研究内容有以下两点。1.提出了基于梯度提升决策树模型的特征组合优化算法GBDT-FO对成品糖销量数据进行多维特征提取和组合优化。本文采用某制糖企业2016年到2018年的成品糖月销量数据作为构建预测模型的原始数据,为验证预测模型的准确度,将2016年和2017年的月销量数据作为训练数据,2018年的月销量数据作为验证数据,并采用滑动窗口法增加数据量,放大原始数据的特点,构建原始数据集合;接着对原始数据中的特征进行分析与提取,得到初始的多维特征集合,并采用构建特征组合的方式来提升特征空间的维度,实验对比分析得出特征组合后的模型性能较组合前得到提升;接着采用本文提出的GBDT-FO算法对特征组合进行优化,进一步提升了特征空间的维度,实验对比分析得出特征组合优化后的模型泛化能力显著增强;最后从组合优化后的特征中选择出与预测结果相关度高的特征,作为后续成品糖销量预测模型的模型输入。2.构建了一种基于优化组合单一预测模型的成品糖销量预测模型。本文首先对基于机器学习的四种基础销量预测模型进行了优化处理,并采用均值化处理的方式构建了原始的成品糖销量预测模型,解决了单一销量预测模型学习能力不强的问题;接着通过度量各个基础优化模型对预测目标的贡献程度大小,学习出各自的贡献系数,最终构建了优化后的成品糖销量预测模型,通过实验对比分析得出,原始的成品糖销量预测模型准确度优于单一的基础优化模型,结合贡献系数后的优化成品糖销量预测模型准确度优于原始的成品糖销量预测模型,经验证,使用本文提出的成品糖销量预测模型预测得到的2018年成品糖月销量数据与2018年成品糖月销量真实数据基本吻合,并给出了2019年成品糖月销量预测数据。