服裝銷售預測方法及RBF神經網絡模型研究.pdf

1、隨著經濟的發(fā)展，服裝企業(yè)面臨復雜多變的市場環(huán)境，只有保證對未來銷售量的正確預測，才能做出正確的決策，適應經營環(huán)境的變化。銷售預測在服裝領域的研究時間還不長，在實踐中對預測程序和預測方法的準確性、適用性等缺乏比較全面的了解，在實際預測時遇到不少問題。因此本文以服裝銷售量為對象，對其進行了系統(tǒng)的研究。 首先，本文針對服裝行業(yè)的特點，分析影響服裝銷售量的產品因素和環(huán)境因素，研究各個因素的影響指標，為數(shù)據(jù)的采集建立理論基礎。然后提出了數(shù)

2、據(jù)分析中服裝分類和數(shù)據(jù)分類的方法，并且在理論上分析了不同的服裝銷售預測方法。 其次，本文針對服裝銷售預測的要求，構建了服裝銷售的預測程序，通過循環(huán)結構的設計克服了預測對象的不確定性、遲滯和時變等因素的不利影響，在理論上規(guī)范了預測的程序。然后對建立的程序進行實驗驗證，并在此基礎上對服裝預測方法的相關適應性和預測精度進行對比分析，與各種方法的理論分析相結合，以探究各種方法在不同預測條件下的實際應用性，據(jù)此提出了預測方法選擇表。

3、 最后，本文針對統(tǒng)計學模型預測中非線性現(xiàn)象的固有缺陷，提出了基于RBF神經網絡的服裝銷售預測模型。研究了RBF神經網絡在服裝銷售預測中的實現(xiàn)，包括研究建模步驟和網絡參數(shù)的優(yōu)化。然后在服裝銷售實例預測中根據(jù)建模步驟建立了RBF神經網絡預測模型，并基于樣本聚類和主成分分析提出了去處離群點和降維的可行性，分別進行了仿真實驗，將結果比較得出最優(yōu)解。將該模型與統(tǒng)計學預測方法進行比較，判斷該模型在克服預測對象的不確定性、非線性變化等不利影響和預測