發(fā)布時(shí)間：2021-01-06 11:36

　　隨著互聯(lián)網(wǎng)和信息技術(shù)的繁榮發(fā)展,以及云計(jì)算和大數(shù)據(jù)技術(shù)的興起,為人工智能的實(shí)現(xiàn)提供了可能。伴隨著人們生活水平的提高,銷售是一個(gè)永恒的話題。移動(dòng)支付、線上交易,為我們的生活帶來了巨大的便利,信息化的數(shù)據(jù)管理手段,大大提高了企業(yè)工作的效率,也積累了巨量的數(shù)據(jù)。如今,人們已經(jīng)能夠認(rèn)識(shí)到數(shù)據(jù)的重要性及其所蘊(yùn)含的知識(shí)信息。銷售數(shù)據(jù)是一類時(shí)間序列數(shù)據(jù),如果我們能夠利用成熟的模型算法來描述它的模式,就可以對(duì)其未來的走勢(shì)進(jìn)行分析、預(yù)測(cè),給出估計(jì)值。對(duì)于企業(yè)來說,這是非常重要的。依據(jù)產(chǎn)品的銷量預(yù)測(cè)數(shù)據(jù),企業(yè)就可以制定更為準(zhǔn)確的營(yíng)銷策略,從而增加銷售利潤(rùn),減少成本,甚至還可以避免由于對(duì)市場(chǎng)把握不準(zhǔn)確而帶來的損失。本文針對(duì)目前企業(yè)中“數(shù)據(jù)爆炸,知識(shí)缺乏”的現(xiàn)象,對(duì)銷售數(shù)據(jù)的時(shí)間序列挖掘進(jìn)行了研究。通過爬蟲技術(shù)和企業(yè)用戶提供數(shù)據(jù)等渠道,獲取銷售數(shù)據(jù)。使用傳統(tǒng)的時(shí)間序列分析方法ARIMA和Facebook的Prophet對(duì)銷售數(shù)據(jù)進(jìn)行分析、預(yù)測(cè)。并基于ARIMA算法,提出了改進(jìn)的模型算法ARIMA+SVR和ARIMA+Boosting方法,對(duì)銷售數(shù)據(jù)進(jìn)行了分析、預(yù)測(cè),并在企業(yè)真實(shí)銷售數(shù)據(jù)上進(jìn)行實(shí)驗(yàn),給出實(shí)驗(yàn)結(jié)果... 

【文章來源】：大連理工大學(xué)遼寧省 211工程院校 985工程院校 教育部直屬院校

【文章頁數(shù)】：84 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
Abstract
1 緒論
    1.1 研究背景
    1.2 國(guó)內(nèi)外研究現(xiàn)狀
    1.3 研究?jī)?nèi)容與框架
    1.4 本文組織結(jié)構(gòu)
2 數(shù)據(jù)獲取及預(yù)處理
    2.1 網(wǎng)絡(luò)爬蟲
        2.1.1 網(wǎng)絡(luò)爬蟲概述
        2.1.2 網(wǎng)頁抓取策略
        2.1.3 網(wǎng)絡(luò)爬蟲系統(tǒng)架構(gòu)
        2.1.4 常用分布式網(wǎng)絡(luò)爬蟲框架
    2.2 Pandas
    2.3 數(shù)據(jù)預(yù)處理
    2.4 本章小結(jié)
3 時(shí)間序列分析方法的研究
    3.1 序列的平穩(wěn)性
        3.1.1 特征統(tǒng)計(jì)量
        3.1.2 嚴(yán)平穩(wěn)和寬平穩(wěn)
        3.1.3 平穩(wěn)時(shí)間序列的統(tǒng)計(jì)性質(zhì)
        3.1.4 純隨機(jī)序列
    3.2 延遲算子
        3.2.1 延遲算子的定義
        3.2.2 延遲算子的性質(zhì)
        3.2.3 用延遲算子表示差分運(yùn)算
    3.3 ARMA模型結(jié)構(gòu)
    3.4 ARIMA模型結(jié)構(gòu)
    3.5 應(yīng)用ARIMA模型對(duì)數(shù)據(jù)集進(jìn)行預(yù)測(cè)分析
    3.6 Prophet介紹
        3.6.1 Prophet與傳統(tǒng)時(shí)間序列分析方法
        3.6.2 應(yīng)用prophet對(duì)數(shù)據(jù)集進(jìn)行預(yù)測(cè)分析
    3.7 本章小結(jié)
4 機(jī)器學(xué)習(xí)方法的研究與改進(jìn)方法的提出
    4.1 支持向量機(jī)
    4.2 支持向量回歸
    4.3 決策樹
        4.3.1 基本決策樹分類方法
        4.3.2 CART分類方法
    4.4 提升方法
        4.4.1 提升方法簡(jiǎn)介
        4.4.2 提升樹模型
        4.4.3 回歸問題的提升樹
        4.4.4 梯度提升
        4.4.5 XGBoost
    4.5 算法執(zhí)行效率對(duì)比
    4.6 改進(jìn)方法的提出
        4.6.1 改進(jìn)方法的模型結(jié)構(gòu)
        4.6.2 模型實(shí)現(xiàn)及算法對(duì)比
    4.7 本章小結(jié)
5 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
    5.1 需求分析
        5.1.1 功能性需求
        5.1.2 非功能性需求
        5.1.3 總體需求
    5.2 系統(tǒng)設(shè)計(jì)與實(shí)現(xiàn)
        5.2.1 數(shù)據(jù)平臺(tái)的設(shè)計(jì)與實(shí)現(xiàn)
        5.2.2 主要功能模塊的設(shè)計(jì)與實(shí)現(xiàn)
    5.3 本章小結(jié)
結(jié)論
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表學(xué)術(shù)論文情況
致謝


【參考文獻(xiàn)】：
期刊論文
[1]《機(jī)器學(xué)習(xí)》[J]. 周志華.  中國(guó)民商. 2016(03)
[2]銷售預(yù)測(cè)分析系統(tǒng)的研究與應(yīng)用[J]. 趙改平,劉麗蘭,程功勛,樹志松.  現(xiàn)代制造工程. 2011(03)

博士論文
[1]基于關(guān)聯(lián)規(guī)則與決策樹的預(yù)測(cè)方法研究及其應(yīng)用[D]. 伊衛(wèi)國(guó).大連海事大學(xué) 2012

碩士論文
[1]智能疾病導(dǎo)診及醫(yī)療問答方法研究與應(yīng)用[D]. 李超.大連理工大學(xué) 2016
[2]基于多標(biāo)簽分類和協(xié)同過濾的醫(yī)生推薦系統(tǒng)的研究與實(shí)現(xiàn)[D]. 孫崇林.大連理工大學(xué) 2015
[3]基于hadoop的分布式網(wǎng)絡(luò)爬蟲研究與實(shí)現(xiàn)[D]. 萬濤.西安電子科技大學(xué) 2014
[4]基于時(shí)間序列分析的商業(yè)企業(yè)銷售預(yù)測(cè)模型研究[D]. 袁磊磊.重慶理工大學(xué) 2013
[5]支持AJAX的分布式爬蟲系統(tǒng)的研究與實(shí)現(xiàn)[D]. 鄔柏.華中科技大學(xué) 2013
[6]基于時(shí)間序列分析的股票價(jià)格趨勢(shì)預(yù)測(cè)研究[D]. 趙國(guó)順.廈門大學(xué) 2009
[7]基于神經(jīng)網(wǎng)絡(luò)的銷售分析預(yù)測(cè)研究與應(yīng)用[D]. 李必輝.東華大學(xué) 2008



本文編號(hào)：2960499