當今如此眾多的電視品牌,想要在激烈的市場環(huán)境中站穩(wěn)腳跟,就離不開銷量預測。目前,大部分企業(yè)對于產(chǎn)品的銷售預測是依靠決策人員對產(chǎn)品的認識以及前期的經(jīng)驗,具有一定的盲目性和隨意性,無法合理的安排生產(chǎn)和采購物料。本文擬采用循環(huán)神經(jīng)網(wǎng)絡及注意力機制對某企業(yè)的電視品類銷量數(shù)據(jù)進行合理預測。循環(huán)神經(jīng)網(wǎng)絡作為時序數(shù)據(jù)預測中較為主要的手段,在很多數(shù)據(jù)預測領域已經(jīng)有了一定的應用。本文選取某企業(yè)電視品類的銷量數(shù)據(jù)進行預處理,剔除離群點數(shù)據(jù)并進行歸一化處理,構(gòu)建循環(huán)神經(jīng)網(wǎng)絡中的RNN、LSTM、BLSTM三種模型,通過對神經(jīng)網(wǎng)絡中超參進行調(diào)整設計,使用同批次電視銷量數(shù)據(jù)進行預測對比。通過均方誤差和平均絕對百分比誤差作為參考指標衡量各個模型的預測能力,得出BLSTM的預測結(jié)果更優(yōu),準確率更高,穩(wěn)定性更強。在BLSTM模型的基礎上,使用注意力機制對特征提取過程可視化,并強化時間序列不同時間步之間的關(guān)聯(lián)性。對于自注意力機制以及多頭注意力機制分別設計了針對于本次實驗的算法流程圖,并進行多次試驗,多頭注意力機制下的BLSTM模型在電視銷量預測上有較好的準確率,能夠為企業(yè)未來發(fā)展提供重要的參考依據(jù)。實驗結(jié)果證明針對于自...

【文章頁數(shù)】：57 頁

【學位級別】：碩士

【部分圖文】：

圖1.2技術(shù)路線

華中科技大學碩士學位論文9圖1.2技術(shù)路線本文首先進行數(shù)據(jù)搜集及數(shù)據(jù)預處理，剔除離群點數(shù)據(jù)，并進行歸一化處理。針對部分外在影響因素，結(jié)合國內(nèi)外主流神經(jīng)網(wǎng)絡研究現(xiàn)狀，本文搭建了RNN模型，LSTM模型，BLSTM模型，使用同批次電視銷量數(shù)據(jù)進行預測對比，BLSTM結(jié)果較好。將注意力....

圖2.2感知器

華中科技大學碩士學位論文12并測試，將平均絕對百分比誤差以及均方誤差作為最終預測參考指標進行比較分析。2.2前向神經(jīng)網(wǎng)絡人工神經(jīng)網(wǎng)絡是最早建立的通過模擬人類大腦的數(shù)據(jù)處理過程抽象出來的數(shù)學模型[38]。整個網(wǎng)絡的構(gòu)成由多層的節(jié)點和它們之間帶有權(quán)重的連接組成，其中多層節(jié)點可以類比為....

圖2.3多層感知器

型，因此產(chǎn)生了多層感知器，其結(jié)構(gòu)如圖2.3所示。圖2.2感知器

圖2.4Sigmoid函數(shù)圖像

華中科技大學碩士學位論文13出公式如式（2.2）所示。y=f(∑ni=0+b)（2.2）多層感知器結(jié)構(gòu)模型如圖2.3，每一個節(jié)點均為一個感知器，通過網(wǎng)絡的結(jié)構(gòu)將輸入信息進行處理，得到輸出結(jié)果。每一層的感知器作為一個線性分類器，將上一層的特征空間變換到一個新的特征空間。因此模型性能....

本文編號：3914890