基于粗集和神經(jīng)網(wǎng)絡(luò)的銷售預(yù)測研究.pdf

1、商品銷售是一個高度復(fù)雜的非線性動態(tài)系統(tǒng)，其變化規(guī)律即有一定的自身的趨勢性，又受政治的、經(jīng)濟的、心理的諸多因素的影響。建立在數(shù)理統(tǒng)計基礎(chǔ)上的傳統(tǒng)定量預(yù)測方法在對銷售市場的研究中面臨著許多困難，而神經(jīng)網(wǎng)絡(luò)具有自組織、自適應(yīng)等特點，能自動從歷史數(shù)據(jù)中提取有關(guān)經(jīng)濟活動中的知識，因而非常適用于解決銷售預(yù)測領(lǐng)域中的一些問題，已有大量的仿真結(jié)果表明，神經(jīng)網(wǎng)絡(luò)在銷售預(yù)測應(yīng)用中有一定的實用性。 神經(jīng)網(wǎng)絡(luò)是利用非線性映射的思想和并行處理的方法，用本

2、身結(jié)構(gòu)表達輸入與輸出關(guān)系知識的隱函數(shù)編碼，輸入空間與輸出空間的映射關(guān)系是通過網(wǎng)絡(luò)結(jié)構(gòu)不斷學(xué)習(xí)、調(diào)整、最后得到網(wǎng)絡(luò)的特定結(jié)構(gòu)表達，實現(xiàn)有導(dǎo)師學(xué)習(xí)。但其一般不能處理具有語義形式的輸入，并且不能簡化信息空間維數(shù)，當(dāng)輸入信息空間維數(shù)規(guī)模較大時，網(wǎng)絡(luò)結(jié)構(gòu)復(fù)雜、訓(xùn)練時間過長。粗集理論基于屬性依賴性、約簡、核、規(guī)則提取和可辨識矩陣等概念，實現(xiàn)對信息系統(tǒng)的預(yù)處理，去除冗余屬性和冗余樣本，壓縮信息空間維數(shù)，精簡知識系統(tǒng)，論文在分析研究這兩種方法的基礎(chǔ)上，

3、提出了一種基于粗集理論和神經(jīng)網(wǎng)絡(luò)的預(yù)測模型。粗集可以作為前置系統(tǒng)從商品銷售數(shù)據(jù)中挖掘出影響銷售的幾種較重要的屬性。在不降低數(shù)據(jù)一致性的前提下，最終得到盡可能精簡的屬性集。以此盡可能地減少神經(jīng)網(wǎng)絡(luò)的輸入，而又不影響網(wǎng)絡(luò)對事件的檢測能力。從而減少神經(jīng)網(wǎng)絡(luò)的復(fù)雜度和訓(xùn)練時間，提高預(yù)測的速度和精度。論文將神經(jīng)網(wǎng)絡(luò)與粗集理論相結(jié)合，這種基于粗集理論的神經(jīng)網(wǎng)絡(luò)模型和學(xué)習(xí)算法具有學(xué)習(xí)速度快、容錯能力較強、在提高神經(jīng)網(wǎng)絡(luò)預(yù)測精度的同時降低了學(xué)習(xí)負擔(dān)。為