基于多層混合深度神經(jīng)網(wǎng)絡的電商商品短期需求量預測方法研究

發(fā)布時間：2020-09-22 13:04

　　在電商供應鏈管理中,商品的短期需求量預測是電商供應鏈中一項關(guān)鍵的任務,準確的商品需求量預測不僅可以幫助企業(yè)制定合理的補貨計劃和庫存決策以降低企業(yè)的庫存成本,同時也能提升供應鏈運行效率、滿足消費者體驗。然而,由于電商環(huán)境下商品交易具有動態(tài)性、間歇性以及影響因素復雜等特點,故電商商品的短期需求量預測問題成為該領(lǐng)域的難點和重點。在此背景下,本文首先對國內(nèi)外學者在商品需求量預測方面的研究進行了學習,系統(tǒng)分析了電商商品需求量預測模型及內(nèi)容方面有待解決的問題。其次,對電商商品短期需求量相關(guān)概念、特征等內(nèi)容進行界定與說明,并對電商商品短期需求量預測相關(guān)內(nèi)容及預測方法理論進行了研究,為后續(xù)預測建模做基礎(chǔ)支撐;另外,通過對預測方法的對比研究,結(jié)合電商商品短期需求量相關(guān)特征及影響因素,基于前人的研究成果,構(gòu)建了能夠同時對特征集進行學習與抽取、模擬時間序列趨勢以及需求概率分布的多層混合深度神經(jīng)網(wǎng)絡(AR-MDN)模型;再者,利用探索性數(shù)據(jù)分析以及特征工程方法理論對收集到的電商商品歷史交易數(shù)據(jù)進行了預處理,構(gòu)造了預測模型所需的原始特征集群;最后,利用構(gòu)造的電商商品特征集群數(shù)據(jù)對多層混合深度神經(jīng)網(wǎng)絡模型的預測效果進行驗證,并與ARIMA模型和MLP-LSTM模型的預測結(jié)果進行了對比分析。通過對電商商品短期需求量進行預測,結(jié)果表明基于AR-MDN模型的電商商品短期需求量預測值與真實值擬合效果良好,預測誤差穩(wěn)定,模型具有一定的有效性;因本文的特征集考慮了衍生特征,故比較了有無衍生特征對AR-MDN模型預測效果的影響,發(fā)現(xiàn)衍生特征在提升模型的準確性方面有一定的作用。其次,與兩個對比模型的預測結(jié)果相比,AR-MDN模型在電商商品短期需求量預測方面具有更低的均方根誤差(RMSE)和平均絕對百分比誤差(MAPE),且AR-MDN模型在區(qū)域分倉中的預測結(jié)果優(yōu)于其他兩個模型,說明AR-MDN模型在電商商品短期需求量預測方面具有更好的精確性和魯棒性。
【學位單位】：長安大學
【學位級別】：碩士
【學位年份】：2019
【中圖分類】：F713.36;F274
【部分圖文】：