基于时间序列回归与BP神经网络在新零售目标产品预测中的研究

销量预测对市场的发展具有重要意义。文章通过相关性分析和主成分分析来找出影响销量的主要因素,并使用时间序列回归模型和BP神经网络模型来获取特定时间段内目标产品的每周和每月销售预测值。首先,对目标skc进行相关性分析,实际价格,标签,折扣等因素与销量之间的相关性为中到高。针对预测目标子类的月销售量的问题,建立时间序列回归模型。将目标子类别和预测日期纳入模型,以获取每月目标子类别的预测销量。将实际值与预测值进行比较,以获得清晰的预测销量增长趋势曲线。最后,为了预测每周销售量,建立了输入层5和输出层1的BP神经网络模型。根据反复调试,隐藏层为2,节点为4,单个误差为0.002,初始测试阈值为0.5,学习率BP神经网络模型的误差为0.5,总误差为0.02。求解得到清晰的预测销量趋势曲线。