本文關(guān)鍵詞：互聯(lián)網(wǎng)時尚產(chǎn)品流行趨勢預測研究，，由筆耕文化傳播整理發(fā)布。

【摘要】：產(chǎn)品之所以時尚在于它們能夠反映當今的流行趨勢。對時尚產(chǎn)品生產(chǎn)企業(yè)而言,需具備識別與預測流行元素的能力。而對產(chǎn)品流行趨勢的預測多是采用專家的定性預測,近年來已有定量預測的研究。定量化的預測方法,一方面,其數(shù)據(jù)多采用產(chǎn)品的銷售數(shù)據(jù)。本文基于對銷售數(shù)據(jù)進行了特征分析,進而構(gòu)建了組合預測模型對產(chǎn)品的流行趨勢進行預測。另一方面,網(wǎng)絡搜索數(shù)據(jù)和經(jīng)濟行為的相關(guān)性分析已成為了焦點研究問題。網(wǎng)絡搜索數(shù)據(jù)中蘊含著消費者的潛在需求,因此本文將網(wǎng)絡搜索數(shù)據(jù)作為銷售數(shù)據(jù)的補充構(gòu)建預測模型對互聯(lián)網(wǎng)時尚產(chǎn)品流行趨勢分別進行了在線和離線預測。產(chǎn)品能否流行受消費者心理需求的影響并反映在消費行為上,從長期來看群體消費行為具有一定的規(guī)律性,而短期消費行為由于受諸多不確定因素的影響則表現(xiàn)出極大的不穩(wěn)定性,這給流行元素的短期預測帶來了很大的困難。消費行為的不確定性反映在產(chǎn)品銷售數(shù)據(jù)的變化方面是線性與非線性現(xiàn)象并存。在第一部分研究工作中,本文面對這一數(shù)據(jù)特征,分別采用ARIMA時間序列模型和ELM極限學習機模型分別對銷售數(shù)據(jù)進行線性建模和非線性建模,然后采用加權(quán)投票的方法進行集成,建立組合模型。實驗數(shù)據(jù)采自淘寶商城2010年1月—2013年7月服裝交易的行業(yè)數(shù)據(jù),利用提出的組合模型對短期內(nèi)服裝顏色的流行度進行了實際預測,結(jié)果表明該組合模型較之單一預測模型其預測結(jié)果既合理又準確。網(wǎng)絡搜索數(shù)據(jù)不僅反映了用戶的焦點關(guān)注與個性化需求,其中還蘊含著群體的某些社會或經(jīng)濟行為。在第二部分研究工作中,本文首先在理論上分析了網(wǎng)絡搜索數(shù)據(jù)和成交數(shù)據(jù)之間的關(guān)系,并驗證了網(wǎng)絡搜索數(shù)據(jù)的預測能力。然后利用網(wǎng)絡搜索數(shù)據(jù)和歷史成交數(shù)據(jù)建立預測模型,針對時尚產(chǎn)品市場需求不穩(wěn)定、產(chǎn)品更新速度快等特點,構(gòu)建具有較強學習能力和泛化能力的ELM極限學習機模型,對時尚產(chǎn)品的流行趨勢進行預測。數(shù)據(jù)來源為淘寶指數(shù)的流行元素關(guān)鍵詞網(wǎng)絡搜索量和成交量數(shù)據(jù)。與傳統(tǒng)的統(tǒng)計預測模型相比,加入搜索數(shù)據(jù)后,本文構(gòu)建的模型預測精度較高,該模型對流行趨勢的轉(zhuǎn)折點具有較強的預測能力。同時針對實際應用,構(gòu)建了OS-ELM模型實現(xiàn)了互聯(lián)網(wǎng)時尚產(chǎn)品的在線預測。
【關(guān)鍵詞】：時尚產(chǎn)品 流行趨勢 預測 ELM極限學習機 時間序列模型 網(wǎng)絡搜索數(shù)據(jù)
【學位授予單位】：大連理工大學
【學位級別】：碩士
【學位授予年份】：2015
【分類號】：O211.61;TP18
【目錄】：

• 摘要4-5
• Abstract5-9
• 1 緒論9-19
• 1.1 時尚產(chǎn)品相關(guān)概述9-10
• 1.1.1 時尚產(chǎn)品及時尚流行9
• 1.1.2 時尚產(chǎn)品流行元素9-10
• 1.2 研究背景和目的10-11
• 1.3 研究意義11-12
• 1.4 國內(nèi)外研究現(xiàn)狀12-16
• 1.4.1 時尚產(chǎn)品預測模型相關(guān)研究13-15
• 1.4.2 網(wǎng)絡搜索數(shù)據(jù)與社會經(jīng)濟行為相關(guān)研究15-16
• 1.5 本文研究內(nèi)容和結(jié)構(gòu)16-19
• 2 時尚產(chǎn)品預測及其預測模型19-25
• 2.1 時尚產(chǎn)品預測分析19
• 2.2 預測模型概述19-25
• 2.2.1 回歸分析20
• 2.2.2 ARIMA時間序列模型20-21
• 2.2.3 灰色預測21
• 2.2.4 BP神經(jīng)網(wǎng)絡21-22
• 2.2.5 ELM極限學習機模型22-23
• 2.2.6 OS-ELM極限學習機模型23-24
• 2.2.7 小結(jié)24-25
• 3 基于成交數(shù)據(jù)的時尚產(chǎn)品預測模型研究25-34
• 3.1 建模思想25-26
• 3.2 構(gòu)建組合模型26
• 3.2.1 ARIMA時間序列模型線性建模26
• 3.2.2 ELM極限學習機非線性建模26
• 3.3 實驗及結(jié)果分析26-32
• 3.3.1 數(shù)據(jù)來源及分析26-29
• 3.3.2 預測及結(jié)果分析29-30
• 3.3.3 組合預測模型對所有顏色的預測及結(jié)果分析30-32
• 3.3.4 不同預測模型預測結(jié)果比較分析32
• 3.4 本章小結(jié)32-34
• 4 基于網(wǎng)絡搜索數(shù)據(jù)的時尚產(chǎn)品流行趨勢預測34-43
• 4.1 網(wǎng)絡搜索數(shù)據(jù)與時尚產(chǎn)品流行趨勢預測的關(guān)系分析34-36
• 4.2 網(wǎng)絡搜索數(shù)據(jù)對時尚產(chǎn)品流行趨勢預測能力分析36-39
• 4.2.1 數(shù)據(jù)來源及分析36
• 4.2.2 搜索指數(shù)提前期分析36-37
• 4.2.3 搜索指數(shù)與成交指數(shù)的協(xié)整分析37-38
• 4.2.4 Granger因果關(guān)系檢驗38-39
• 4.3 離線的時尚產(chǎn)品流行趨勢預測39-41
• 4.3.1 基于ELM極限學習機的時尚產(chǎn)品流行趨勢預測39
• 4.3.2 預測及結(jié)果分析39-41
• 4.4 在線的時尚產(chǎn)品流行趨勢預測41
• 4.5 本章小結(jié)41-43
• 結(jié)論43-45
• 參考文獻45-48
• 攻讀碩士學位期間發(fā)表學術(shù)論文情況48-49
• 致謝49-51

【共引文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 常麗霞;潘如如;高衛(wèi)東;;Fashion Color Forecasting by Applying an Improved Back Propagation Neural Network[J];Journal of Donghua University(English Edition);2013年01期

2 任偉建;王重云;康朝海;王天任;;基于神經(jīng)網(wǎng)絡和專家系統(tǒng)的故障診斷技術(shù)[J];電氣應用;2013年15期

3 常麗霞;高衛(wèi)東;潘如如;劉建立;;灰色GM(1,1)模型在國際春夏女裝流行色色相預測中的應用[J];紡織學報;2015年04期

4 盧雨正;高衛(wèi)東;常麗霞;;春夏女裝流行色的層次聚類分類方法[J];紡織學報;2015年10期

5 許凡;王高媛;趙晶;;基于灰色模型和神經(jīng)網(wǎng)絡的服裝流行色預測[J];紡織科技進展;2013年06期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 常麗霞;服裝流行色的量化與預測研究[D];江南大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前1條

1 李瀟;以工業(yè)爐管離心鑄造生產(chǎn)過程監(jiān)測數(shù)據(jù)為基礎的產(chǎn)品質(zhì)量早期識別[D];北京化工大學;2013年

  本文關(guān)鍵詞：互聯(lián)網(wǎng)時尚產(chǎn)品流行趨勢預測研究，由筆耕文化傳播整理發(fā)布。

本文編號：505149