[發明專利]一種基于數據挖掘技術的服裝類商品在線銷售額預測方法

在審

• 申請號: 202210014105.7
• 申請日: 2022-01-06
• 公開（公告）號: CN114358849A
• 公開（公告）日: 2022-04-15
• 發明（設計）人: 張波
• 申請（專利權）人: 天津職業技術師范大學(中國職業培訓指導教師進修中心)
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/00
• 代理公司: 天津市北洋有限責任專利代理事務所 12201
• 代理人: 程毓英

本發明涉及一種基于數據挖掘技術的服裝類商品在線銷售額預測方法，包括下列步驟：獲取一段時間內的服裝類商品在線銷售數據，在線銷售數據包括銷售額以及能影響銷售額的不同特征；采用灰色關聯模型挖掘對商品銷售額影響較大的特征，量化不同特征對銷售額的影響程度，確定對商品銷售額影響較大的至少一個特征；構建基于ELM模型的服裝類商品預測模型；服裝類商品預測模型的隨機參數向量包括ELM模型的權值向量和閾值向量，采用改進型旗魚優化算法優化服裝類商品預測模型的隨機參數，獲得優化的服裝類商品預測模型；采用優化的服裝類商品預測模型對服裝類商品銷售額進行預測。

技術領域

本發明屬于數據處理技術領域，尤其涉及一種基于數據挖掘技術的服裝類商品在線銷售額預測方法。

背景技術

當前，信息技術已經滲透到經濟生活的各個領域，推動了以物質生產、物質服務為主的傳統經濟發展模式向以信息生產、信息服務為主的經濟發展模式的轉變。以信息技術為基礎的電子商務經濟的快速發展已成為拉動經濟增長的原動力。基于電商平臺的線上銷售競爭激烈，線上平臺如果想要在激烈的競爭中贏得客戶，就需要提高效率，在較短的時間內提供給客戶最具競爭力價格的商品，這就需要電商平臺對未來商品銷售額做出準確預測。商品銷售額預測直接影響電子商務平臺的銷售計劃、庫存穩定等，因此，精準的商品銷售額預測對提高電商平臺的管理效率與經濟效益至關重要。

當前，服裝類商品在線銷售額預測方法主要屬于定量銷售預測方法，定量銷售預測是指將歷史銷售數據和影響因素作為輸入變量，基于輸入變量與未來銷量之間的相關關系建立數學模型，并計算出未來的銷量或需求。

定量預測方法主要是基于數學統計模型、深度學習算法、機器學習模型等方法來構建預測模型，常用的預測方法包括回歸分析法(RAM)、人工神經網絡(ANN)、極限學習機(ELM)等。回歸分析法簡單易計算，適用于多變量預測，但易出現過擬合，不適合長期預測。人工神經網絡有自學能力及快速尋找最優解的能力，但是訓練時間長且可視性差，只適合歷史數據離散程度大的中短期服裝銷售預測。ELM模型具有訓練速度快、結構簡單、泛化能力強的特點，適合作為服裝類商品的銷售額預測模型，但ELM模型的初始權值向量和閾值向量都是隨機產生的，若其取值不當會增加隱含層節點數，導致ELM模型預測性能下降。目前通常采用元啟發式算法優化ELM模型的隨機參數向量，然而在參數優化過程中，如樽海鞘群算法(SSA)、烏鴉搜索算法(CSA)和雞群優化算法(CSO)等當前存在的元啟發式算法存在收斂精度差、易陷入局部極值的特性，使得ELM模型的商品銷售額預測波動較大，不能滿足預測服裝類產品銷售額的精度要求。同時，預測模型的輸入特征對銷售額的預測有直接影響，需要量化服裝類商品的銷售額和其影響因素之間的相關程度，進而簡化模型的回歸難度。

綜上所述，當前不同類型的銷售額預測方法在預測準確性或預測穩定性方面均存在缺陷，如何對服裝類商品在線銷售額進行準確且高效的預測，成為亟需解決的問題。

發明內容

本發明所要解決的技術問題是：提供一種基于數據挖掘技術的服裝類商品在線銷售額預測方法。在給定服裝類商品的在線銷售數據的前提下，對服裝類商品的在線銷售額進行預測；本方法不局限于單一商品的預測，可應用于多元商品的銷售額預測；與現有方法相比，預測結果更加精準，預測穩定性更高。本發明解決其技術問題是采取以下方案實現的：

一種基于數據挖掘技術的服裝類商品在線銷售額預測方法，包括下列步驟：

(1)獲取一段時間內的服裝類商品在線銷售數據，在線銷售數據包括銷售額以及能影響銷售額的不同特征；

(2)采用灰色關聯模型挖掘對商品銷售額影響較大的特征，量化不同特征對銷售額的影響程度，確定對商品銷售額影響較大的至少一個特征；

(3)構建基于ELM模型的服裝類商品預測模型，將步驟(2)所確定的對商品銷售額影響較大的至少一個特征作為所述預測模型的輸入特征，所述的服裝類商品預測模型的輸出為服裝類商品銷售額預測值；