基于多維灰色模型與神經(jīng)網(wǎng)絡(luò)的銷售預(yù)測模型研究.pdf

1、銷售預(yù)測對(duì)企業(yè)至關(guān)重要，準(zhǔn)確的銷售預(yù)測可以幫助企業(yè)制定正確的營銷策略以減小企業(yè)在經(jīng)營過程的損失，提高企業(yè)盈利水平。但在銷售領(lǐng)域，由于產(chǎn)品生命周期通常較短且產(chǎn)品銷售情況受諸多因素影響，導(dǎo)致可用于預(yù)測的歷史數(shù)據(jù)量少且波動(dòng)大，極大了增加了準(zhǔn)確預(yù)測的難度。
　　本文針對(duì)線上銷售的特點(diǎn)，分析可能影響產(chǎn)品銷量的產(chǎn)品因素和外部環(huán)境因素，闡述比較了當(dāng)前應(yīng)用較廣泛的EELM、ARIMA、神經(jīng)網(wǎng)絡(luò)和灰色理論系統(tǒng)中GM(1，1)和GM(1，N)等銷售預(yù)

2、測方法算法。針對(duì)GM(1，1)和GM(1，N)提出了改進(jìn)的多維灰色模型算法(IGM(1，N))。IGM(1，N)算法可以使得銷售序列不僅滿足GM(1，N)對(duì)要預(yù)測序列要求的平滑和指數(shù)平滑條件，還將影響銷量的相關(guān)因素納入到預(yù)測考慮范圍中，提高了預(yù)測的準(zhǔn)確性。
　　此外，本文還進(jìn)一步將IGM(1，N)算法與神經(jīng)網(wǎng)絡(luò)算法相結(jié)合，提出混合智能算法。在利用混合算法對(duì)多組天貓銷售數(shù)據(jù)進(jìn)行預(yù)測時(shí)，首先對(duì)銷售數(shù)據(jù)進(jìn)行預(yù)處理，利用灰色關(guān)聯(lián)度分析影響

3、產(chǎn)品銷售的多個(gè)因素對(duì)銷量序列的關(guān)聯(lián)度找出與銷量關(guān)聯(lián)度較大的因素并將其納入預(yù)測過程。通過采用多種誤差評(píng)定和預(yù)測曲線與實(shí)際銷量曲線對(duì)比的方式，將混合智能算法預(yù)測結(jié)與EELM、ARIMA、GM(1，1)、IGM(1，N)等算法的預(yù)測結(jié)果進(jìn)行比較，可以總結(jié)出混合智能算法對(duì)銷售序列進(jìn)行預(yù)測是可行的，其對(duì)銷售序列銷量預(yù)測的平均絕對(duì)百分誤差MAPE誤差始終保持在24％左右，預(yù)測準(zhǔn)確性要優(yōu)于EELM、ARIMA、GM(1，1)、IGM(1，N)算法，預(yù)

4、測性能也更穩(wěn)定。
　　本文有如下的創(chuàng)新點(diǎn):
　　1)提出了IGM(1，N)算法，對(duì)系統(tǒng)特征序列加入控制因子，提高了原GM(1，N)模型的預(yù)測精度。
　　2)IGM(1，N)對(duì)序列與處理過程中，加入附加因子，使得序列滿足灰色預(yù)測方法對(duì)序列的要求條件。
　　3)通過將IGM(1，N)算法和神經(jīng)網(wǎng)絡(luò)算法結(jié)合，從而提出了混合智能算法。該算法對(duì)銷售序列的預(yù)測精度和表現(xiàn)要優(yōu)于EELM、ARIMA、GM(1，1)、IGM(1,