基于時序挖掘法的汽配件銷售預(yù)測模型的研究.pdf

1、汽車產(chǎn)業(yè)被視為國民經(jīng)濟(jì)的支柱型產(chǎn)業(yè)，在經(jīng)濟(jì)發(fā)展的過程中具有舉足輕重的作用。近年來，我國汽車零部件行業(yè)伴隨整車市場高速發(fā)展的步伐而快速增長，行業(yè)規(guī)模不斷擴(kuò)張。隨著信息化水平的提高，經(jīng)銷商銷售數(shù)據(jù)的日益豐富，管理者對銷售量的預(yù)測就顯得十分必要了。經(jīng)銷商需要對汽車配件的市場需求進(jìn)行預(yù)測，以保持合理的庫存，使之既能滿足對汽車配件的市場需求。因此，如何找到更好的方法挖掘出銷售數(shù)據(jù)中隱藏的銷售預(yù)測信息是一個非常重要而值得研究的課題。 本課題

2、就是在研究比較現(xiàn)有預(yù)測模型的基礎(chǔ)上，對傳統(tǒng)的時間序列數(shù)據(jù)挖掘方法建立、選擇并優(yōu)化預(yù)測模型。將數(shù)據(jù)挖掘方法用于汽車備件銷售量的預(yù)測，以提高預(yù)測精度和實(shí)用性。同時針對汽車零部件銷售量的預(yù)測開展了預(yù)測模型建模的研究，從銷售歷史數(shù)據(jù)特征研究入手，選擇建立并優(yōu)化預(yù)測模型。利用BP神經(jīng)網(wǎng)絡(luò)、RBF神經(jīng)網(wǎng)絡(luò)和基于差分進(jìn)化的BP網(wǎng)絡(luò)，分別建立3個不同的預(yù)測模型。探索了采用基于最小二乘準(zhǔn)則，將取得的3個預(yù)測模型合成為一個復(fù)合模型HANNFM。由此建立的復(fù)