因iPhone手機熱賣，打開了一股智慧型手機的風潮，智慧型手機市場的無限商機且市場的發展快速，使得iPhone手機的銷售需求預測，對於相關產業及蘋果公司的市場評估、投資經營和經營管理都具有相當的必要性。
由於iPhone新上市產品的銷售量數據資料少且不確定，因此本研究採用灰色理論分析適用於少數不確定問題的優點及支援向量迴歸中支援向量及容忍誤差的分析概念，提出利用結合灰色預測和支援向量迴歸兩者優點的模型“灰色支援向量迴歸模式”並結合自我向量迴歸的概念，預測新產品的銷售需求，希望可以藉此提高預測的精準度；並以MAPE及本研究所提出方法的作為預測績效衡量指標。實證結果顯示AutoGSVR模式(MAPE=11.69%)表現優於GSVR模式(MAPE=12.99%)、簡單迴歸模式(MAPE=18.06%)、指數平滑模式(MAPE=27.38%)及GM(1,1)模式(MAPE=13.06%)，並可成功外插預測2011年第二季的iPhone手機銷售數字，MAPE值可達0.01%。

The surprising boom of iPhone series has led the trend of smartphones. There are infinite business opportunities in the smartphone market and the market grows so fast, so it is significant for us to keep an eye on the development of smartphone market. The forecast of iPhone demand is necessary in the market assessment, investment and management of relevant industries and Apple Computer, Inc.
Because the iPhone new going on the market product's sales volume data information are few, and is indefinite, therefore this research uses the grey theory analysis to be suitable in the minority indefinite question merit and in the support vector return supports the vector and the tolerance error's analysis concept, proposed that forecasts and the support vector using the union gray returns both merit the model “the gray support vector return pattern” and unifies the self-vector return the concept, forecast that the new product the sales demand, hoped may take advantage of the enhancement forecast accurate; And proposes the method achievement forecast achievements weight target by MAPE and this research institute. 
The real diagnosis result showed that the AutoGSVR model (MAPE=11.69%) showed significantly better than GSVR model (MAPE=12.99%), simple regression model (MAPE=18.06%), single exponential smoothing model (MAPE=27.38%) and GM(1,1) model (MAPE=13.06%), and can successfully extrapolation forecast that in 2011 the second season the iPhone handset sale digit, the MAPE values up to 0.01%.

目錄	I
圖目錄	III
表目錄	IV
第一章 緒論	1
1.1研究背景	1
1.2研究目的與動機	4
1.3研究架構與流程	6
第二章文獻探討	8
2.1預測科技發展之相關文獻	8
2.2預測理論之文獻	15
2.3灰預測之相關文獻	22
第三章 研究方法	27
3.1 支援向量機	27
3.2支援向量迴歸(SVR)與其最適化問題	27
3.3 支援向量迴歸之參數設定	33
3.4灰色理論	35
3.5預測模式評估準則	41
3.6向量自我迴歸模型	42
第四章 模型分析	44
4.1灰色支援向量迴歸模型之建構	44
4.2灰色支援向量迴歸模型之分析	47
4.3灰色支援向量複迴歸模型	50
第五章 實證分析	54
5.1預測模型建構與資料前置處理	54
5.2預測模型建構與求解	55
5.3敏感度分析	59
第六章 結論與建議	68
6.1結論	68
6.2管理意涵	69
6.3未來研究方向	70
參考文獻	72

圖目錄
圖1-1研究流程圖	7
圖2-1技術發展預測方法	14
圖3-1導入ε−不敏感損失函數的支援向量迴歸   30
圖3-2傳統線性迴歸與支援向量迴歸之比較圖   31
圖5-1灰色支援自我向量迴歸之預測結果	57
圖5-2各方式預測iPhone銷售需求之結果	59
圖5-3改變σ值預測iPhone數量之結果(σ=0.1)	60
圖5-4改變σ值預測iPhone數量之結果(σ=3)	61
圖5-5改變ε值預測iPhone數量之結果(ε=0.01)	62
圖5-6改變C值預測iPhone數量之結果(C=5)	63
圖5-7改變C值預測iPhone數量之結果(C=0.05)	64
圖6-1 iPhone手機銷售預測成長趨勢            68




表目錄
表1-1 四大手機系統整合分析	4
表2-1傳統預測方法整理與分析表	24
表5-1灰色支援自我向量迴歸之計算結果   56
表5-2灰色支援向量預測結果	57
表5-3各方式預測iPhone銷售需求之結果	58
表5-4 變動σ值iPhone預測結果	60
表5-5變動ε值之預測結果	62
表5-6 更改C值之iPhone預測結果	65
表5-7更改標準化方法之iPhone預測結果	66
表5-8更改核函數之iPhone預測結果	67

一、中文部分
1. 于宗先，經濟預測，台北，大中國圖書有限公司，1972。
2. 余序江、許志義、陳澤義，管理導論︰科技預測與規劃，台北，五南出版社，
1998。
3. 何怡慧，上市公司財務績效指標灰色預測模式之研究，碩士論文，長榮管理
學院經營管理研究所，1999。
4. 吳漢雄、張偉哲、溫坤禮，灰關聯模型方法與應用，台北，高立圖書有限公
司，2000。
5. 吳漢雄、鄧聚龍、溫坤禮，灰色分析入門，高立圖書有限公司，1996。
6. 李順益，灰色理論於短期銷售預測之適用性探討，碩士論文，義守大學資訊
工程研究所，2001。
7. 周文賢、陳錦滄，商情預測-理論架構與實務運作，台北，華泰書局，1991，
初版。
8. 林文彥，物流中心整合型採購決策支援系統之研究，碩士論文，私立朝陽大
學工業工程與管理研究所，1998。
9. 林其鴻，資料探勘於財務時間序列預測模式之建構-以日經225 期貨與現貨
指數為例，碩士論文，私立輔仁大學金融研究所，2005。
10. 林隆儀、羅文坤、鄭英傑，新產品行銷策略，超越企管顧問股份有限公司，
1999。
11. 孫崇智，水資源區域水量預測模型之研究，碩士論文，國立高雄第一科技大
學環境與安全衛生工程研究所，2001。
12. 徐桂祥，灰色系統在商情預測上之研究，碩士論文，雲林科技大學資訊管理
技術研究所，1997。
13. 張信雄，現代銷售管理的理論與實務，台南，復文書局，1998。
14. 張偉哲、陳朝光，灰色系統理論與發展應用，中華民國資訊學會通訊，第三
期第二卷，2000，23-29。
15. 張逸凡，支撐向量機在即時河川水位預報之應用，國立成功大學水利及海洋
工程研究所碩士論文， 2005。
16. 莊昆益，灰色預測理論應用於電子遊戲產業預測之研究－以台灣市場為例，
碩士論文，朝陽科技大學企業管理系碩士班 ，2002。
17. 陳榮方、楊敏里，灰色理論與迴歸預測應用於短期財務預測之探討，高雄科
學技術學院學報，第27 期，1997，217-228。
18. 陳寬裕，演化式支援向量迴歸於旅遊需求之預測，私立長榮大學經營管理研
究所博士論文，2006。
19. 陳寬裕、何嘉惠、蕭宏誠，應用支援向量迴歸於國際旅遊需求之預測，旅遊
管理研究，第四期第一卷，2004，81-97。
20. 楊川明，發展適用於產險業產值之灰預測模式，碩士論文，南華大學，2004。
21. 葉怡成，類神經網路模式應用與實作，台北，儒林圖書有限公司，1993。
22. 詹淑鳳，應用灰色支援向量迴歸預測國際旅遊需求，碩士論文，私立淡江大學管理科學研究所，2010。
23. 趙嬙，灰色預測理論應用於汽車產業預測之研究-以台灣大陸市場為例，碩
士論文，朝陽科技大學企業管理系碩士班，2003。
24. 歐宗殷，資料探勘為基礎之零售業銷售預測模式-以連鎖超商鮮食商品為例，
博士論文，國立清華大學工業工程與工程管理學系，2010。
25. 溫坤禮、趙忠賢、張宏志、陳曉瑩、溫惠筑，灰色理論與應用。台北市：五
南圖書出版公司，2009。
26. 蔡玉雯，台灣地區中等教育師資人力供需之研究，碩士論文，銘傳大學保險
學系保險經營所，2001。
27. 賴佳君，應用平滑支撐向量機於台指期貨套利之研究，碩士論文，國立臺灣
科技大學資訊管理系，2005。
28. 賴明勇、林正龍、孫楓林，商情預測，台北，五南圖書出版公司，1999。
29. 薛國強，應用類神經網路與模糊神經網路於智慧型銷售量預測系統建立之研
究，碩士論文，高雄工學院管理科學研究所，1996。
30. 謝志森，應用灰色預測理論於台灣化妝品消費市場發展趨勢之預測，碩士論
文，朝陽科技大學企業管理系碩士班，2004。
31. 謝登科，模糊理論在汽油油品銷售預測的應用，碩士論文，中華大學工業研
究所，1995。
32. 羅世傑，應用灰色理論於電信帳單需求預測模式之研究，碩士論文，大業大學資訊管理研究所，2003。

二、英文部分
1. Booz, Allen & Hamilton (1982), New Product Management for the 1980’s, New
York : Booz, Allen and Hamilton Inc.
2. Cao, L. (2003). “Support vector machines experts for time series forecasting.
Neuro computing, 51, 321-339.
3. Cao, L., & Tay, F. E. H. (2001).” Financial forecasting using support vector
machines. Neural Computing & Applications, 10 (2), 184-192.
4. Crawford, C.M. (1994). New Products Management (4th Ed). Irwin.
5. Cheng, W., Wanger, L., & Lin, C. H. (1996). Forecasting the 30-year US treasury
bond with a system of neural networks. . Journal of Computational Intelligence
in Finance, 1 (4), 10-15.
6. Gobeli, David H. & Daniel J. Brown (1987), Analyzing Product
Innovations, Research Management, 30(4), 25-31.
7. Martino, J. P.(1993). Technological Forecasting for Decision Making(3rd ed.)
New York: McGraw-Hill, Inc.
8. Martino, J.P. (2003), A Review of Selected Recent Advances in Technological
Forecasting. Technological Forecasting and Social Change, 70: 719-733.
9. Meldrum, M. J. & A. F. Millman(1991), Ten Risks in Marketing
High-Technology Rorducts, Industrial Marketing Management, 20, 43-50.
10. Sharda, R., & Patil, R. B. (1992). Connectionist approach to time series
prediction: An empirical test. Journal of Intelligent Manufacturing, 3, 317-323.
11. Smola AJ.(1998), Learning with Kernels. PhD Thesis, GMD, Birlinghoven,
Germany.
12. Still, R . R., Cundiff, E. W. & Govoni, N. A. P. (1988), Sales management:decisions,
strategies, and cases. Englewood Cliffs, NJ, Prentice-Hall International.
13. Thomas, R. W. & Simpson, E. K. (1992), Sales Management Text & Cases (2nd
ed). Pws-Kent .
14. Van, E., & Robert, J. (1997). The application of neural networks in the
forecasting of share prices. Haymarket, VA: Finance & Technology Publishing.
15. Vapnik, V. (1995). The nature of statistical learning theory. New York: Springer.
16. Wilson, J. H. & Keating, B. (1990), Business forecasting. Homewood, IL, Irwin.