随着医药行业的迅速发展,行业内竞争越来越大,企业普遍面临着库存成本高、过期药品多、交货周期长、资金周转慢等方面的压力。因此,如何实现零库存、最大限度降低库存成本已成为研究者和企业的重要研究课题。准确的销量预测是实现零库存的关键。这就迫切需要具备一套有效的药品销量预测方法,为实现零库存提供科学的数据支撑。本文主要研究医药销售预测方法,以某医药企业2017年1月至2018年10月真实销售数据为研究对象。在对数据深入分析的基础上,研究多种预测算法的理论和应用领域,结合环境因素(气象、空气质量因素),构建基于Xgboost算法的医药销售预测模型。论文主要研究工作如下:(1)按照药品类别将成药和中药分成两类,考虑到临床联合用药的特点,运用FP-growth算法,对两类药品分别进行关联规则挖掘,寻找药品之间的频繁项集,依据所挖掘的频繁项集来分组确定预测对象。该方法在一定程度上解决了因药品种类繁多造成的计算复杂度较高的问题,同时利于企业进行药品组合销售、货架摆放,进而优化库存空间。(2)根据药品属性和环境因素,研究历史销量和环境变化对未来销量的影响。基于环境变化-人体健康-药品使用的关联关系,结合气象、空气质量指标进行有效特征构建;考虑到疾病的潜伏期,同时对销量与气象、空气质量指标进行同期、时滞期的相关性及显著性分析,构造衍生特征。以此为依据进行特征提取和特征选择,产生高维度的训练集,进一步优化特征工程。(3)基于Xgboost算法,结合环境因素特征,构建医药销售预测模型。设置BP神经网络、随机森林两种对比算法,并对实验结果进行分析,说明了环境因素对销量的影响和模型的有效性。实验表明,本文模型具有较高的预测效果及良好的可扩展性,不仅能够适用药品销量预测,还适用于销量和环境因素相关的其它商品销量预测,对销量预测方法的研究具有积极作用。