对销售增长率的准确预测在确定广告投资额方面起着决定性的作用。 在这项研究中,我们提出了一种基于预分类和后来基于回归的方法,通过改进的粒子群优化(IPSO)对销售增长率进行了优化。 我们使用支持向量机(SVM)作为分类模型。 SVM有效地表示了销售增长率预测中的非线性关系,而IPSO正在优化SVM的训练参数。 IPSO解决了传统PSO的问题,例如重新陷入局部最优,收敛速度慢以及后期演进中收敛精度低的问题。 我们进行了两个实验; 首先,使用三个经典的基准函数来验证IPSO算法针对PSO的有效性。 在收敛速度,精度和避免局部最优方面显示出IPSO优于PSO之后,在我们的第二个实验中,我们将IPSO应用于提出的模型。 使用销售增长率预测案例来证明所提出模型的预测性能。 根据需求和行业知识,首先对样本数据进行分类,以获得测试样本的类型。 接下来,使用SVM回归算法预测测试样品的值。 实验结果表明,该模型具有良好的预测性能。