基于機器學習理論的服裝中期銷售預測研究.pdf

1、服裝業(yè)在中國的民生產(chǎn)業(yè)中占有非常重要的地位，隨著行業(yè)不斷的發(fā)展與成熟，品牌發(fā)展成為了該行業(yè)的主流趨勢。目前，在國內(nèi)具有一定市場份額的品牌服裝，主要通過建立加盟商的模式進行銷售。對于加盟商，需要在訂貨會上對未來所要銷售的服裝下訂單，以完成貨品的準備，這就需要加盟商根據(jù)歷史的銷售數(shù)據(jù)對未來的銷售量進行預測，并制定采購計劃與采購預算。但是由于目前加盟商的銷售預測結(jié)果不夠精準，以致預測值不能反映未來的銷售情況，且根據(jù)此預測值制定的采購決策也不夠

2、合理，從而使加盟商在銷售季末出現(xiàn)大量庫存積壓，在品牌服裝大多數(shù)采用“買斷制”加盟模式的情況下，季末產(chǎn)生的庫存要由加盟商自行承擔，這就加大了加盟商的運營難度。由于加盟商的訂貨是面向整個季度的，對于整個季度的銷售預測屬于中期銷售預測范疇。由此可見，服裝中期銷售預測對加盟商制定采購決策非常重要，所以研究服裝的中期銷售預測具有很強的實際意義。
　　通過對大量預測方法的研究發(fā)現(xiàn)機器學習理論的人工神經(jīng)網(wǎng)絡可以對任何復雜的線性和非線性的關系進行

3、映射，并具有強大的學習能力和泛化能力，這對于解決服裝產(chǎn)品的銷售預測問題非常適合，并且人工神經(jīng)網(wǎng)絡的極限學習機神經(jīng)網(wǎng)絡可以利用往年同期歷史數(shù)據(jù)預測今年同期的銷售量，符合本論文所要解決問題的特征，同時其避免了人工神經(jīng)網(wǎng)絡網(wǎng)絡學習速度慢和容易陷入局部最小值的缺點，故本文選擇人工神經(jīng)網(wǎng)絡的極限學習機系統(tǒng)作為最終的預測方法。
　　在確定預測方法之后，本文對網(wǎng)絡的拓撲結(jié)構(gòu)和網(wǎng)絡系數(shù)進行確定，構(gòu)建了輸入層節(jié)點數(shù)為4、隱含層節(jié)點數(shù)為6、輸出層節(jié)點

4、數(shù)為1和激活函數(shù)為S型函數(shù)的網(wǎng)絡模型；在完成了網(wǎng)絡模型構(gòu)建之后，本文進行了實證檢驗；在實證檢驗之后，發(fā)現(xiàn)模型穩(wěn)定性較差，故通過集成理論對模型進行了優(yōu)化，并將優(yōu)化后的預測模型與優(yōu)化前的模型進行了比較，發(fā)現(xiàn)優(yōu)化后的預測模型穩(wěn)定性較優(yōu)化前的模型要高。
　　為進一步驗證優(yōu)化后模型的預測性能，分別通過將預測結(jié)果與實際值進行比較以及將預測結(jié)果與BP神經(jīng)網(wǎng)絡的預測結(jié)果進行比較兩種方法進行檢驗，兩種對比方法皆驗證了用集成理論優(yōu)化的極限學習機神經(jīng)網(wǎng)