汽車銷售過程中存在新車與二手車銷售不平均、放款受季節(jié)影響等問題。而人工神經(jīng)網(wǎng)絡(luò)適用于處理不規(guī)則、非線性的汽車銷量數(shù)據(jù),基于BP算法和LSTM算法建立15日的汽車銷售預(yù)測模型,比較二者的預(yù)測效果,可以幫助銷售商處理放款量及放款金額的不確定性問題。結(jié)果顯示,LSTM模型對于受季節(jié)因素影響的汽車銷售數(shù)據(jù)在銷售臺數(shù)和銷售金額趨勢預(yù)測方面更為有效合理,在模型預(yù)測的精度上比BP模型效果更優(yōu),可為汽車行業(yè)的銷售預(yù)測提供參考。

【文章頁數(shù)】：6 頁

【文章目錄】：
引言
一、BP算法和LSTM算法原理
    （一）BP算法簡介
        1. 節(jié)點輸出模型
        2. 激活函數(shù)模型
        3. 誤差計算模型
        4. 權(quán)重修正模型
    （二）LSTM算法簡介
        1. 遺忘門
        2. 輸入門
        3. 輸出門
二、某公司汽車銷售預(yù)測分析
    （一）處理數(shù)據(jù)
        1. 日期整理
        2. 數(shù)據(jù)分類
    （二）BP算法和LSTM算法參數(shù)設(shè)計
    （三）預(yù)測結(jié)果對比分析
三、結(jié)論



本文編號：3874830