面向深度学习的商品销售额预测研究OA北大核心CSTPCD
Research on commodity sales forecast oriented on deep learning
由于销售数据的非平稳性等问题,深度学习模型很难预测未来值,为此,提出了一种新的转换平稳特征的方法.为了量化模型预测的准确性,引入了结合提取平稳特征能力的CNN和分析时间序列能力的LSTM,构建串联CNN-LSTM的预测模型,与XGBoost、支持向量机(SVM)、LSTM和CNN模型在测试集上通过拟合曲线并计算指标以作出评判.决策出影响销售额的关键因素,为企业改进促销方式,进而提高收益,具有现实意义.
唐甜甜;周伟
兰州交通大学 数理学院,兰州 730070兰州交通大学 数理学院,兰州 730070
经济学
CNN-LSTM预测分析深度学习平稳特征
《重庆理工大学学报（自然科学版）》 2022 (7)
基于随机微分包含理论的风力发电机齿轮传动多体系统的稳定性分析及其控制
310-316,7
国家自然科学基金项目(61863022)中国博士后科学基金项目(2017M623276)
评论