计算机科学 ›› 2019, Vol. 46 ›› Issue (6A): 446-451.
葛娜1, 孙连英2, 石晓达1, 赵平1
GE Na1, SUN Lian-ying2, SHI Xiao-da1, ZHAO Ping1
摘要: 预测某种产品销售量的短期及长期变化趋势对企业制定营销战略和优化产业布局等具有重要的参考价值。在深入分析Prophet加法模型和长短时记忆神经网络的特性的基础上,依据某企业产品销量时间序列数据的趋势规律,构建了一种用于预测销售量的Prophet-LSTM神经网络组合模型,设计并实现了与组合前Prophet、LSTM单项模型及两种典型时间序列预测模型的对比实验。实验结果验证了Prophet-LSTM组合预测模型在销量时间序列分析中具有更强的适用性和更高的准确性,为该企业应对市场需求变化提供了重要的科学依据。
中图分类号:
[1]杨冬菊,邓崇彬.基于ARIMA模型的虚拟资源动态调度方法[J].计算机科学,2017,44(10):14-18. [2]吴鹏飞,邓爱民,杨葱葱,等.连锁超市配送中心逆向物流量及其库存成本模型研究[J].中国管理科学,2016,24(10):78-85. [3]郑莉,段冬梅,陆凤彬,等.我国猪肉消费需求量集成预测——基于ARIMA、VAR和VEC模型的实证[J].系统工程理论与实践,2013,33(4):918-925. [4]曹成远,吕强.使用双向LSTM的深度神经网络预测蛋白质残基相互作用[J].小型微型计算机系统,2017,38(3):531-535. [5]毕里缘,伍赛,陈刚,等.基于循环神经网络的数据库查询开销预测[J].软件学报,2018(3). [6]邓青,马晔风,刘艺,等.基于BP神经网络的微博转发量的预测[J].清华大学学报(自然科学版),2015(12):1342-1347. [7]赵成柏,毛春梅.基于ARIMA和BP神经网络组合模型的我国碳排放强度预测[J].长江流域资源与环境,2012,21(6):665-671. [8]孙轶轩,邵春福,计寻,等.基于ARIMA与信息粒化SVR组合模型的交通事故时序预测[J].清华大学学报(自然科学版),2014(3):348-353. [9]吴俊利,张步涵,王魁.基于Adaboost的BP神经网络改进算法在短期风速预测中的应用[J].电网技术,2012,36(9):221-225. [10]龙会典,严广乐.基于SARIMA、GM(1,1)和BP神经网络集成模型的GDP时间序列预测研究[J].数理统计与管理,2013,32(5):814-822. [11]TAYLOR S J,LETHAM B.Forecasting at Scale[J/OL].(2017-02-17)[2018-02-10].https://peerj.com/preprints/3190/. [12]GREFF K,SRIVASTAVA R K,KOUTNÍK J,et al.LSTM:A Search Space Odyssey[J].IEEE Transactions on Neural Networks & Learning Systems,2015,28(10):2222-2232. [13]KINGMA D P,BA J.Adam:A Method for Stochastic Optimization[J].Computer Science,2014. |
[1] | 闫祥祥. 使用ARIMA模型预测公园绿地面积 Using ARIMA Model to Predict Green Area of Park 计算机科学, 2020, 47(11A): 531-534. https://doi.org/10.11896/jsjkx.200300099 |
[2] | 郑诚, 洪彤彤, 薛满意. 用于短文本分类的BLSTM_MLPCNN模型 BLSTM_MLPCNN Model for Short Text Classification 计算机科学, 2019, 46(6): 206-211. https://doi.org/10.11896/j.issn.1002-137X.2019.06.031 |
[3] | 刘佳慧, 王昱洁, 雷艺. 基于LSTM的CSI手势识别方法 CSI Gesture Recognition Method Based on LSTM 计算机科学, 2019, 46(11A): 283-288. |
[4] | 汪鸿年, 苏菡, 龙刚, 王雁飞, 尹宽. 基于行为关键语句特征的停车场异常行为识别方法 Parking Anomaly Behavior Recognition Method Based on Key Sentence of Behavior Sequence Features 计算机科学, 2019, 46(10): 299-306. https://doi.org/10.11896/jsjkx.180901750 |
|