基于LSTM的最优补单策略

随着时代的进步,越来越多的电商平台兴起,而补单作为电商生产销售的重要环节之一,如何制定合理的补单策 略是商家抢占市场亟待解决的问题。本文提取已有销量和多时间特征,利用长短期预测模型(LSTM)进行时间序列预测, MSE 低至 1.02;运用 Apriori 关联规则挖掘各变量的潜在关系,最终提出合理的补单策略。

基于BP神经网络下的货物补单预测模型

本文从供货商和商家两方面出发,针对性的考虑了双方的补单策略,从提高利润,减少库存的角度,对供货商与商家之间的333种货物的销售情况进行统计分析,运用ARIMA以及BP神经网络模型,建立货物销量的预测模型,科学地预测未来5 d的货物销量情况,进而提出补单策略。