共查询到20条相似文献,搜索用时 140 毫秒
1.
针对云资源库存需求存在着预测实际效果差等问题,通过分析云资源库存需求历史数据的时间序列特征构建长短期记忆(Long Short Term Memory,LSTM)模型,使用A公司数据集设计LSTM与Prophet的对比实验。结果表明,与Prophet算法相比,LSTM网络模型能够较好地预测云资源库存需求的变化趋势,且预测误差较低。 相似文献
2.
传统网络流量预测方法大多数关注短期预测,而长期预测能够更好地指导基站小区无线设备扩缩容。集合经验模态分解(ensemble empirical mode decomposition,EEMD)能够使非平稳时间序列转化成平稳时间序列,Prophet模型能够准确地对流量序列进行较准确的长期预测,基于以上模型方法的优点和基站小区网络流量的非线性和非平稳性特点,提出一种Prophet混合EEMD的基站小区网络流量预测方法(E-Prophet)。采用EEMD将网络流量序列分解成若干固有模态函数(intrinsic mode functions,IMF)分量和一个残差分量;利用Prophet模型对各分量建模,并将各分量预测结果进行线性组合,得到最终的预测结果。利用实际基站小区网络流量数据对方法进行验证,结果表明:E-Prophet对于网络流量长期预测比Prophet、SARIMA、LSTM以及结合EMD和Prophet的模型具有更高的准确度和鲁棒性。 相似文献
3.
传统时序预测方法其预测过程无法在相同数据集上推出共享模式, 而机器学习方法无法较好地处理非线性和大规模数据集, 并且需要手动设计特征工程. 深度学习方法弥补了传统预测方法需要高计算高人力的弊端, 用自动学习特征工程代替了手动设计特征工程. 但仅使用深度学习的预测方法所作结构假设较少, 通常需要较高的计算资源以及大量的数据来学习得到准确的模型. 针对上述问题, 本文提出通过采用融合t检验的EMD经验模态将序列分为高频分量和低频分量, 对高频分量使用传统STL序列分解方法进一步对数据做处理, 对高频、低频分量分别进行Prophet预测. 实验结果表明, 相较于传统的LSTM以及Prophet预测模型, 经过STL序列分解后的周期数据能够提升模型的整体预测精确度而融合EMD经验模态的Prophet模型则大大提升了训练效率. 相似文献
4.
为了提高短生命周期产品在整个生命周期各个阶段的销量预测能力,在前人研究的基础上,基于模糊理论提出了结合多元线性回归和模糊神经网络的组合预测方法模型.该模型综合考虑了生命周期各阶段的特点,首先对产品的生命周期进行了分析和分段,指出单一方法和传统方法的不足之处.在此基础上针对以上问题设计总体预测方案,不仅可以解决前期历史数据缺乏问题,而且可以解决中后期复杂的非线性预测问题,从而使销量预测模型更通用和更精确.实验结果表明了该模型的有效性. 相似文献
5.
针对新品上市数据匮乏、不确定性高所带来的预测难点,提出了关于案例推理和改进粒子群神经网络的动态预测方法.首先考虑产品属性及销售序列特征,提出两阶段综合聚类算法划分案例集合;其次采用核心案例的相似性搜索机制确定RBF神经网络模型的训练集,并通过动态聚类和改进的粒子群算法进行网络训练及参数优化;最后采用相异距离的聚类方法保留预测结果,实现模型的动态扩展.企业实例及公共数据集的仿真结果表明,CBR-IPRBF动态预测方法能够适用于任何类型新品上市的销量预测,且对于数据量不足等非理想状况具有较优的性能.模型预测精度高,算法扩展性强,具有广泛适用性,能够为企业提供实际、有效的决策支持. 相似文献
6.
本文提出一种基于K-means聚类与机器学习回归算法的预测模型以解决零售行业多个商品的销售预测问题,首先通过聚类分析识别出具有相似销售模式的商品从而实现数据集的划分,然后分别在每个子数据集上训练了支持向量回归、随机森林以及XGBoost模型,通过构建数据池的方式增加了用于训练模型的数据量以及预测变量的选择范围.在一家零售企业的真实销售数据集上对提出的模型进行了验证,实验结果表明基于K-means和支持向量回归的预测模型表现最优,且所提出的模型预测效果明显优于基准模型以及不使用聚类的机器学习模型. 相似文献
7.
基于数据仓库、联机分析和数据挖掘技术研究的基础上,采用模块化设计方法,开发了三层C/S模式的零售企业销售预测决策支持系统.系统能够实现数据仓库管理,多维数据集管理,OLAP多维综合分析和基于时间序列AR模型和BP网络算法的销售量、销售利润预测;建立的AR模型和BP网络预测模型,能实现模型的再学习和训练,具有较好的实用性和可扩展性.用FoodMart连锁企业的销售数据进行了验证,具有一定的实用价值. 相似文献
8.
随着我国大力推进电商行业的发展,越来越多的电商企业加入到线上的竞争之中.随着销量的增大,第三方电商企业所掌握的销售数据也越来越多,这些分类上零散的销售数据给数据处理预测带来了一定的难度,常常导致在预测过程中数据不完备或者预测结果存在非常大的偏差.为了改善这一问题,这里提出了一种基于销售数据的产品重分类预测模型,利用产品销售共性提取产品聚类簇,再使用时间序列模型得出预测结果并通过隐马尔科夫预测模型给出预测结果的概率分布.通过实验分析,利用以上模型的预测获得较好的预测结果,对电商企业制定营销策略具有一定的参考价值. 相似文献
9.
在研究数据挖掘预测算法时间序列AR模型的基础上,提出了将影响销售预测的因素与时间序列预测结合在一起的BP神经网络销售预测模型,该模型通过数据仓库获取销售历史数据.实例验证表明:BP神经网络销售预测模型比时闻序列AR销售预测模型精度高. 相似文献
10.
11.
12.
13.
14.
刘鹏程 《计算机光盘软件与应用》2011,(1)
近两年来,我国贸易环境发生了改变,电子商务网站越来越多,我国电子商务即将进入一个新的黄金时代.在这样一个时代背景下,尽快培养本地化的网络营销人才,组建校企联合实训基地,服务湘西地方经济,为高职学生就业、创业打下良好基础就成了我院计算机应用专业、电子商务专业、计算机网络专业、广告设计专业的当务之急. 相似文献
15.
16.
天津中兵北兴汽车销售有限公司是国内汽车销备行业具有风标致307的天津销售代理权,同时也成为了东风标致在津设立的4S标准销售服务店,即可以对销售状况(Sale)、零配件供应(spareParts)、售后服务(Service)、信息反馈(Sur- vey)进行全面掌控,对数据进行全面统计。因此中乒汽车对信息管理有更高层次要求。 相似文献
17.
从PC委托加工转型到以POS为核心竞争力的台湾振桦电子公司,以自有品牌“POSIFLEX”打下国际市场的一片天,其代理商遍布世界30个国家,并取得海内外超过30项的专利。振桦近年来以每年10%的速度成长,EPS(Earnings Per Share,每股收益)值达6元新台币,探究其经营秘诀,超群的服务和研发乃是获利最大的关键。 相似文献
18.
19.