本文選題：時尚銷售預測　切入點：神經(jīng)網(wǎng)絡算法　出處：《計算機應用》2016年12期 　論文類型：期刊論文

【摘要】：時尚銷售預測對零售領域十分重要,準確的銷售情況預測有助于大幅度提高最終時尚銷售利潤。針對目前時尚銷售預測數(shù)據(jù)量有限并且數(shù)據(jù)波動大導致難以進行準確預測的問題,提出了一種結合人工神經(jīng)網(wǎng)絡(ANN)算法和離散灰色預測模型(DGM(1,1))算法的混合智能預測算法。該算法通過關聯(lián)度分析得到關聯(lián)度大的影響變量,在利用DGM(1,1)+ANN預測之后,引入二次殘差的思想,將實際銷售數(shù)據(jù)與DGM(1,1)+ANN預測結果的殘差加入影響變量利用ANN進行第二次殘差預測。最后通過真實的時尚銷售數(shù)據(jù)驗證算法預測的可行性及準確性。實驗結果表明,該算法在時尚銷售數(shù)據(jù)的預測中,預測平均絕對百分誤差(MAPE)在25%左右,預測性能優(yōu)于自回歸積分滑動平均模型(ARIMA)、擴展極限學習機(EELM)、DGM(1,1)、DGM(1,1)+ANN算法,相較于以上幾種算法平均預測精度大約提高8個百分點。所提混合智能算法可用于時尚銷售即時預測,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】： 浙江理工大學科學計算與軟件工程實驗室;
【分類號】：TP183;N941.5

【相似文獻】

相關期刊論文 前10條

1 學友;;銷售預測[J];財會通訊;1982年02期

2 程漢洲;怎樣進行糧食銷售預測[J];統(tǒng)計與決策;1985年02期

3 李賓;銷售預測[J];商業(yè)研究;1992年07期

4 蔡禾生;;淺談商業(yè)銷售預測的方法[J];杭州商學院學報;1981年02期

5 林寶懷;管理會計講座——第三講 銷售預測[J];財經(jīng)研究;1985年02期

6 王行建;劉欣;;商品銷售預測的研究與應用[J];黑龍江科技信息;2008年14期

7 王一紅;定性預測法在銷售預測中的應用[J];遼寧師專學報(自然科學版);2001年04期

8 鄧惜潮;企業(yè)產(chǎn)品銷售預測及其影響因素的統(tǒng)計分析[J];西南科技大學學報(哲學社會科學版);2003年02期

9 孔志周;銷售預測中小波神經(jīng)網(wǎng)絡模型的研究[J];統(tǒng)計與決策;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測中的應用[J];杭州電子科技大學學報;2005年01期

相關會議論文 前1條

1 李弘;婁青;;銷售預測審計量表開發(fā)和應用研究[A];中國市場學會2006年年會暨第四次全國會員代表大會論文集[C];2006年

相關重要報紙文章 前6條

1 謝天武 編譯;英國出版商嘗試開發(fā)銷售預測系統(tǒng)[N];中國圖書商報;2006年

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

3 ;零售規(guī)劃系統(tǒng)顯威[N];中華工商時報;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[N];中國民航報;2009年

5 傅安國;新產(chǎn)品短命6個原因[N];市場報;2001年

6 本報記者 趙曦;“雙11”臨近 傳統(tǒng)企業(yè)“觸電”渠道融合[N];消費日報;2012年

相關碩士學位論文 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測中的應用[D];哈爾濱工業(yè)大學;2015年

2 石鶴群;面向產(chǎn)品生命周期的ARMA銷售預測模型設計與實現(xiàn)[D];上海交通大學;2014年

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

4 徐玨;基于Hadoop的企業(yè)營銷系統(tǒng)銷售預測的研究與實現(xiàn)[D];浙江理工大學;2016年

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

6 張南蛟;面向多品種小批量產(chǎn)品的銷售預測與生產(chǎn)調度研究[D];電子科技大學;2016年

7 婁青;銷售預測審計量表開發(fā)和應用研究[D];大連理工大學;2006年

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

9 王剛;支持向量回歸機在藥品銷售預測中的分析及應用[D];云南財經(jīng)大學;2010年

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

，

本文編號：1600190