本文選題：時(shí)尚銷售預(yù)測(cè)　切入點(diǎn)：神經(jīng)網(wǎng)絡(luò)算法　出處：《計(jì)算機(jī)應(yīng)用》2016年12期 　論文類型：期刊論文

【摘要】：時(shí)尚銷售預(yù)測(cè)對(duì)零售領(lǐng)域十分重要,準(zhǔn)確的銷售情況預(yù)測(cè)有助于大幅度提高最終時(shí)尚銷售利潤(rùn)。針對(duì)目前時(shí)尚銷售預(yù)測(cè)數(shù)據(jù)量有限并且數(shù)據(jù)波動(dòng)大導(dǎo)致難以進(jìn)行準(zhǔn)確預(yù)測(cè)的問題,提出了一種結(jié)合人工神經(jīng)網(wǎng)絡(luò)(ANN)算法和離散灰色預(yù)測(cè)模型(DGM(1,1))算法的混合智能預(yù)測(cè)算法。該算法通過關(guān)聯(lián)度分析得到關(guān)聯(lián)度大的影響變量,在利用DGM(1,1)+ANN預(yù)測(cè)之后,引入二次殘差的思想,將實(shí)際銷售數(shù)據(jù)與DGM(1,1)+ANN預(yù)測(cè)結(jié)果的殘差加入影響變量利用ANN進(jìn)行第二次殘差預(yù)測(cè)。最后通過真實(shí)的時(shí)尚銷售數(shù)據(jù)驗(yàn)證算法預(yù)測(cè)的可行性及準(zhǔn)確性。實(shí)驗(yàn)結(jié)果表明,該算法在時(shí)尚銷售數(shù)據(jù)的預(yù)測(cè)中,預(yù)測(cè)平均絕對(duì)百分誤差(MAPE)在25%左右,預(yù)測(cè)性能優(yōu)于自回歸積分滑動(dòng)平均模型(ARIMA)、擴(kuò)展極限學(xué)習(xí)機(jī)(EELM)、DGM(1,1)、DGM(1,1)+ANN算法,相較于以上幾種算法平均預(yù)測(cè)精度大約提高8個(gè)百分點(diǎn)。所提混合智能算法可用于時(shí)尚銷售即時(shí)預(yù)測(cè),且能夠大幅度提高銷售的效益。
[Abstract]:Fashion sales forecasting is very important for the retail sector, sales forecast helps to greatly improve the ultimate fashion sales profit. In view of the present fashion sales forecast data and data fluctuation makes it difficult to accurately predict the problems, put forward a combination of artificial neural network (ANN) algorithm and the discrete grey model (DGM (1,1)) prediction algorithm. The hybrid intelligent algorithm this algorithm through correlation analysis of influence degree of correlation of variables in the use of DGM (1,1) +ANN forecast, introduced two residual idea, the actual sales data and DGM (1,1) +ANN prediction residual influence variables using ANN second the residual time prediction. The feasibility and accuracy of the fashion of the real sales data prediction algorithm is verified. The experimental results show that the algorithm in the prediction of fashion sales data, the average absolute forecast Percent error (MAPE) at about 25%, better prediction performance than the autoregressive integrated moving average model (ARIMA), extended the extreme learning machine (EELM), DGM (1,1), DGM (1,1) +ANN algorithm, compared with the above algorithm average prediction accuracy increases by 8 percentage points. The proposed hybrid intelligent algorithm can be used to sales are instant prediction, and can greatly improve the efficiency of sales.

【作者單位】： 浙江理工大學(xué)科學(xué)計(jì)算與軟件工程實(shí)驗(yàn)室;
【分類號(hào)】：TP183;N941.5

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 學(xué)友;;銷售預(yù)測(cè)[J];財(cái)會(huì)通訊;1982年02期

2 程漢洲;怎樣進(jìn)行糧食銷售預(yù)測(cè)[J];統(tǒng)計(jì)與決策;1985年02期

3 李賓;銷售預(yù)測(cè)[J];商業(yè)研究;1992年07期

4 蔡禾生;;淺談商業(yè)銷售預(yù)測(cè)的方法[J];杭州商學(xué)院學(xué)報(bào);1981年02期

5 林寶懷;管理會(huì)計(jì)講座——第三講 銷售預(yù)測(cè)[J];財(cái)經(jīng)研究;1985年02期

6 王行建;劉欣;;商品銷售預(yù)測(cè)的研究與應(yīng)用[J];黑龍江科技信息;2008年14期

7 王一紅;定性預(yù)測(cè)法在銷售預(yù)測(cè)中的應(yīng)用[J];遼寧師專學(xué)報(bào)(自然科學(xué)版);2001年04期

8 鄧惜潮;企業(yè)產(chǎn)品銷售預(yù)測(cè)及其影響因素的統(tǒng)計(jì)分析[J];西南科技大學(xué)學(xué)報(bào)(哲學(xué)社會(huì)科學(xué)版);2003年02期

9 孔志周;銷售預(yù)測(cè)中小波神經(jīng)網(wǎng)絡(luò)模型的研究[J];統(tǒng)計(jì)與決策;2004年02期

10 朱衛(wèi)華,唐向宏,張福洪;小波分析在短期銷售預(yù)測(cè)中的應(yīng)用[J];杭州電子科技大學(xué)學(xué)報(bào);2005年01期

相關(guān)會(huì)議論文 前1條

1 李弘;婁青;;銷售預(yù)測(cè)審計(jì)量表開發(fā)和應(yīng)用研究[A];中國(guó)市場(chǎng)學(xué)會(huì)2006年年會(huì)暨第四次全國(guó)會(huì)員代表大會(huì)論文集[C];2006年

相關(guān)重要報(bào)紙文章 前6條

1 謝天武 編譯;英國(guó)出版商嘗試開發(fā)銷售預(yù)測(cè)系統(tǒng)[N];中國(guó)圖書商報(bào);2006年

2 錦紅;零售規(guī)劃系統(tǒng)顯威[N];中國(guó)商報(bào);2001年

3 ;零售規(guī)劃系統(tǒng)顯威[N];中華工商時(shí)報(bào);2000年

4 通訊員 胡芳;東航河北分公司各單位降本增效在行動(dòng)[N];中國(guó)民航報(bào);2009年

5 傅安國(guó);新產(chǎn)品短命6個(gè)原因[N];市場(chǎng)報(bào);2001年

6 本報(bào)記者 趙曦;“雙11”臨近 傳統(tǒng)企業(yè)“觸電”渠道融合[N];消費(fèi)日?qǐng)?bào);2012年

相關(guān)碩士學(xué)位論文 前10條

1 李巍巍;無偏灰色馬爾科夫優(yōu)化模型及其在商品銷售預(yù)測(cè)中的應(yīng)用[D];哈爾濱工業(yè)大學(xué);2015年

2 石鶴群;面向產(chǎn)品生命周期的ARMA銷售預(yù)測(cè)模型設(shè)計(jì)與實(shí)現(xiàn)[D];上海交通大學(xué);2014年

3 高文蘭;ISP亞太北區(qū)銷售預(yù)測(cè)管理優(yōu)化研究[D];華南理工大學(xué);2015年

4 徐玨;基于Hadoop的企業(yè)營(yíng)銷系統(tǒng)銷售預(yù)測(cè)的研究與實(shí)現(xiàn)[D];浙江理工大學(xué);2016年

5 孫利輝;基于灰色理論的服裝銷售預(yù)測(cè)及庫存優(yōu)化研究[D];浙江理工大學(xué);2016年

6 張南蛟;面向多品種小批量產(chǎn)品的銷售預(yù)測(cè)與生產(chǎn)調(diào)度研究[D];電子科技大學(xué);2016年

7 婁青;銷售預(yù)測(cè)審計(jì)量表開發(fā)和應(yīng)用研究[D];大連理工大學(xué);2006年

8 奚偉;電磁閥及天然氣控制系統(tǒng)的銷售預(yù)測(cè)[D];上海交通大學(xué);2013年

9 王剛;支持向量回歸機(jī)在藥品銷售預(yù)測(cè)中的分析及應(yīng)用[D];云南財(cái)經(jīng)大學(xué);2010年

10 宋英超;基于數(shù)據(jù)挖掘的銷售預(yù)測(cè)決策支持系統(tǒng)研究[D];中國(guó)海洋大學(xué);2005年

，

本文編號(hào)：1600190