rbf神经网络预测_电商销量如何精准预测？盘点销量预测相关的学术研究

在销量预测和电商销量预测方面，目前均已有大量的研究。宏观来看，由于电商销量的巨大波动性，目前研究主要都是定量预测，其中用到的主要方法有简单的移动平均(MA)、指数平滑、ARIMA模型等时间序列方法；一元、多元、非线性等回归方法；权重综合、最优加权、方差倒数加权等组合预测方法；自回归条件异方差模型(ARCH)、灰色预测、混沌序列等其他方法，同时随着机器学习技术的发展，近几年国内外学者开始尝试用随机森林、支持向量机、神经网络等更为复杂的算法进行电商的销量预测。

相关预测方法一览

回归预测方面，彭赓等的《电子商务交易量的预测研究——基于站内搜索数据与商品分类预测模型》中，基于站内搜索中的关键词、搜索词频等数据以及结合商品分类进行交易量预测，张润波在《利用大数据优化电商发货系统》中，同样也是考虑搜索历史、浏览行为、心愿单等多维度的数据，并建立相关模型，估计和预测顾客的购买率。

时间序列预测方面，罗晓萌等人的《基于时间序列预测的电子商务库存优化策略》中，基于指数平滑等时间序列预测方法进行电子商务库存优化策略制定，张笑通的《基于时间序列的卷烟需求预测模型的研究与应用》中，采用了传统的季节趋势模型和三次指数平滑法对卷烟需求进行预测，并对预测结果进行对比，在此基础上建立了组合卷烟需求预测模TS。郭红在《我国液晶电视销量的时间序列分析方法及预测》中，对我国液晶电视销量进行了时间序列分析方法及预测，对四类液晶电视的销量数据基于ARIMA模型,通过非平稳序列差分，模型检验，最后进行参数估计和预测，最后利用后续的实际观测值来进行误差对比。Jian-hong YU的Sales Forecast for Amazon Sales Based on Different Statistics Methodologies中，研究亚马逊的销量预测，研究中作者基于亚马逊的历史数据，利用指数平滑法、时间序列分解法和ARIMA模型进行预测，并最后利用RMSE评价三个模型的预测结果进行比较分析，最后发现指数平滑预测的效果最差，而ARIMA模型预测的相对较好，也是基于相似预测中ARIMA均有较优的表现，本文基于销售的时间序列数据选取了ARIMA模型进行预测。史楠等人在《基于ARIMA模型的网络团购短期销售量预测》中，用ARIMA模型进行网络团购短期销售量预测，姜成玉等人在《基于ARIMA模型的饮品销售预测》中，基于ARIMA模型对饮品销售进行预测。汪翔等人在《基于NAR神经网络对养殖水体亚硝酸盐预测模型的研究》中，基于NAR神经网络对养殖水体亚硝酸盐预测模型进行了研究，袁鲁山在《基于NAR神经网络的车速预测及应用》中，将NAR神经网络用于车速的预测，岳新征等人在《基于NAR动态神经网络的石英挠性加速度表参数建模与预测》中，利用NAR动态神经网络对石英挠性加速度表参数进行建模与预测。

某电商销量时间序列

组合预测方面，王文杰等人的《基于贝叶斯组合预测方法的零售供应链协调》中，运用贝叶斯组合预测了供应链各方需求，并得出贝叶斯组合预测方法的预测精度比最优线性组合预测方法高。陈涛等人在《基于AGA-SVM的非线性组合预测模型》中提出基于AGA-SVM的非线性(支持向量机)组合预测模型，将不同模型的实际预测值作为组合预测的输入变量，将真实值作为输出变量，最后采用遗传算法优化模型，并提高精度。彭乃驰等在《基于ARMA-GM-BP组合预测模型及应用》中提出ARMA-GM-BP的组合预测方法，最后得出了其预测结果相对于单独地利用ARMA、灰色预测模型和BP网络拥有更高的预测精度的结论。

神经网络等机器学习预测方面，于淼在《基于机器学习理论的服装中期销售预测研究》中，用ELM神经网络，考虑季节、品类、节假日等影响因素对服装进行中期的销量预测研究。王旭天在《基于BP神经网络的我国汽车销量预测分析》中，应用BP神经网络对我国汽车销量进行预测分析。刘卫校的《基于离散灰色预测模型与人工神经网络混合智能模型的时尚销售预测》中，基于离散灰色预测模型与人工神经网络混合智能模型进行时尚销售预测。翁莹晶等人在《基于BP神经网络的网店销售预测模型研究》中，用BP神经网络进行网店销售预测模型的研究。Philip Doganis等希腊学者在Time series sales forecasting for short shelf-life food products based on artificial neural networks and evolutionary computing一文中，构建遗传算法与RBF神经网络模型相结合的实现框架，进行短保质期食品的时间序列销售数据的预测，最后其预测性能的高效性在雅典乳制品行业几家大公司的应用实践中得到了证实。Franses P H等外国学者在Combining SKU-level sales forecasts from models and experts中，结合专家预测和模型预测进行了药品SKU级别精准预测，并最后证明这样的结合带来的预测效果优于单独的模型预测。

神经网络预测中的误差分析

————————END————————

(想了解更多科技&财经分享和BAT工作学习经验分享，请关注“木子学长爱分享”。欢迎大家评论交流，记得点赞转发哦，感谢大家！)

申明：本文系原创文章，首发今日头条，严禁任何形式抄袭，侵权必究！