商品銷量預(yù)測的準(zhǔn)確性關(guān)乎著所有利益相關(guān)者的利潤。但是缺貨和庫存積壓的現(xiàn)象普遍存在,這使零售商面臨兩難境地:他們需要平衡缺貨帶來的損失和安全庫存所需的成本。在這種情況下,非常有必要對商品銷量預(yù)測進(jìn)行深入的研究。研究人員可以使用數(shù)據(jù)挖掘技術(shù)來開發(fā)預(yù)測商品銷量的模型,幫助零售商從大量的商品銷量數(shù)據(jù)中挖掘出潛藏的商業(yè)價(jià)值。其中,不同于傳統(tǒng)的監(jiān)督學(xué)習(xí)方法,神經(jīng)網(wǎng)絡(luò)無需大量的人工特征,就可以從數(shù)據(jù)中發(fā)現(xiàn)隱含的內(nèi)部規(guī)律,從而進(jìn)行有效的特征學(xué)習(xí),在解決短期商品銷量預(yù)測問題上具有天然的優(yōu)勢。LSTM(Long Short-Term Memory)模型在每一個(gè)時(shí)間步的輸入如果能包含更豐富的歷史信息,模型的預(yù)測性能也將得到提升,所以在LSTM模塊前加一個(gè)特征提取器顯得尤為重要。以兩層的LSTM模型為例,第一個(gè)LSTM模塊就相當(dāng)于一個(gè)特征提取器,但隱藏層中細(xì)胞狀態(tài)的不穩(wěn)定性會(huì)在一定程度上影響輸出特征的質(zhì)量�；诖�,本文提出了一種基于WaveNet-LSTM網(wǎng)絡(luò)的商品銷量預(yù)測模型,模型利用WaveNet網(wǎng)絡(luò)提取時(shí)間序列上的特征,然后輸入到LSTM模塊進(jìn)行預(yù)測輸出。具體的,模型通過疊加多層擴(kuò)張的因果卷積來提取時(shí)間...

【文章頁數(shù)】：68 頁

【學(xué)位級(jí)別】：碩士

【文章目錄】：
摘要
ABSTRACT
第一章 緒論
    1.1 課題研究的背景
    1.2 課題研究的意義
    1.3 國內(nèi)外研究現(xiàn)狀
    1.4 研究內(nèi)容和章節(jié)安排
第二章 相關(guān)理論基礎(chǔ)
    2.1 數(shù)據(jù)挖掘相關(guān)概述
        2.1.1 數(shù)據(jù)挖掘的任務(wù)
        2.1.2 數(shù)據(jù)挖掘的流程
        2.1.3 數(shù)據(jù)挖掘的工具
    2.2 商品銷量預(yù)測方法
        2.2.1 定性預(yù)測方法
        2.2.2 定量預(yù)測方法
    2.3 神經(jīng)網(wǎng)絡(luò)基礎(chǔ)
        2.3.1 循環(huán)神經(jīng)網(wǎng)絡(luò)
        2.3.2 卷積神經(jīng)網(wǎng)絡(luò)
    2.4 本章小結(jié)
第三章 基于WaveNet-LSTM網(wǎng)絡(luò)的商品銷量預(yù)測
    3.1 LSTM基本理論
    3.2 WaveNet基本理論
        3.2.1 因果卷積
        3.2.2 擴(kuò)張卷積
        3.2.3 殘差學(xué)習(xí)
    3.3 模型設(shè)計(jì)
    3.4 模型訓(xùn)練與評(píng)估方法
        3.4.1 模型訓(xùn)練方法
        3.4.2 模型預(yù)測方法
        3.4.3 模型評(píng)價(jià)指標(biāo)
    3.5 本章小結(jié)
第四章 商品銷量預(yù)測應(yīng)用實(shí)例
    4.1 實(shí)驗(yàn)環(huán)境及數(shù)據(jù)簡介
        4.1.1 實(shí)驗(yàn)環(huán)境
        4.1.2 數(shù)據(jù)集
    4.2 數(shù)據(jù)分析和處理
        4.2.1 可視化分析
        4.2.2 數(shù)據(jù)預(yù)處理
        4.2.3 特征工程
        4.2.4 劃分?jǐn)?shù)據(jù)集
    4.3 實(shí)驗(yàn)設(shè)定
        4.3.1 對比方法
        4.3.2 參數(shù)設(shè)定
    4.4 實(shí)驗(yàn)結(jié)果分析
        4.4.1 實(shí)驗(yàn)結(jié)果
        4.4.2 預(yù)測效果分析
    4.5 本章小結(jié)
總結(jié)與展望
參考文獻(xiàn)
攻讀碩士學(xué)位期間發(fā)表的論文
致謝



本文編號(hào)：3739712