数据挖掘在销售预测中的应用研究

《数据挖掘在销售预测中的应用研究》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要随着企业信息化程度越来越高，ERP系统得到了越来越广泛的应用。然而，随着ERP中的数据与日剧增，“数据爆炸但知识贫乏”的现象已日益突出。本文针对传统ERP系统关于销售预测在决策支持方面的不足，根据数据挖掘技术的特点，把数据挖掘技术应用到销售预测系统中。传统的销售预测方法往往只考虑了一部分影响销售的因素，无法表达影响需求的各种因素之间复杂的相互作用，建立的模型简单。而人工神经网络具有良好的非线性映射能力和自学习能力，它可以通过学习把基本需求、季节因素、周期因素、市场活动等影响需求的因素以及它们

2、之间复杂的相互作用以权值的形式固化在神经网络中。因此，作者把BP神经网络技术应用于销售预测，建立了相应的销售预测模型。仿真结果表明，该模型预测精度较高和较好的泛化能力，有一定的实际应用意义。虽然BP网络预测模型预测结果不错，但是单纯的BP算法自身存在着一些不足：(1)易陷于局部极值；(2)遗忘已学样本的趋势：(3)学习效率不高，收敛速度慢等。本文将遗传算法(GA)和模拟退火(SA)算法结合起来优化BP网络，然后把优化后的神经网络应用到销售预测中建立销售预测模型。仿真结果表明，GA、SA优化的神经

3、网络预测的结果与实际基本一致，其平均相对误差的绝对值和均方差都小于单纯BP网络的值。可见使用GA和SA优化的BP网络进行预测时，很好地避免了BP算法的收敛速度慢，易陷入局部极值点的问题，取得了更好的预测效果。关键词：销售预测：数据挖掘；决策支持系统；人工神经网络；BP算法遗传算法。浙江大学硕士学位论文数据挖掘在销售预测中的应用研究AbstractTheEntelpriseResoWcePl咖啦(ERP)systemisappliedmore诚delywhellt11e1evelofemeIpri

4、seinfomalizationbecomeshighcrandhigher．ThedatastorcdillERPismore船nendousdaybyday，andthe妇mrf拍6甜倒蹄川删。珂poD厂situati咖isincreasinglyobvious．Aimingatmedisadvan协gesofsalesforecastiIlgin订aditionaIERPsystemandbasedonmecharac矧sticsofdataminingtechnology，themor印

5、plieddataminmgtothesystemofsalesforecaStinginERPTherearemally觚orssuchasbasicdemalld，seasonalfactors，periodicfactorsaIldstochasticfktors，whichinnucncesales．Traditionalprcdictionmemodsomyconsidersomef如tors，andtlleforecastingmodelistoosimpletodescribetl

6、lecomplicatedrclationSbetweenf如tors．Anificialnemln酿Ⅳork(ANN)hasgoodcapabil蚵ofnonlinearm印pingandself_leaIninganditcallsolidi母allt11efktorsandtherelationsbetweenfhctorsintotllesalesfbrccastingmodel岫ghleanling．Therefore，basedonbackpropagation(BP)alg洲mm，

7、memodelofsaIesforecastingisbuilt．Thepredictionrcsultsindicatethatt11esalesforecastprecisionisimpmvcd，thec印曲ilityofgcnemli删onisgooda11dthemodelhaspmImcalvalue．烈thou曲themodelbasedonBPalgorithmhasgoodresults，merearesomeshoncomingsinBPalgoritlllllsuchas1

8、0calextrem啪poims，fb唱ening血e1e锄edsamplesa11dslowrateofconVe略ence，Thcn，geneticalgoritllIn(GA)&Simulatedannealing(SA)areappliedtoo砸miZetheBPneuralnetwork．TheoptimizationalgoritllmimproVesmerateofconvergenceatldgetsglobalextrem啪points．So协epredictionresul