基于扩张因果卷积模型的冷库商品销售量预测

疫情环境下,供应链受到不良影响,库存及市场投入量关乎着社会以及民生的稳定。但是供给与需求无法达到完全一致的现象普遍存在,这使存储管理上面临两方面难题:要么库存过剩增加成本,要么库存不足造成供给短缺。在这种情况下,对商品销售量预测进行深入的研究是一件非常重要的事情。传统的一维卷积神经网络(CNN)在销售量预测上存在信息泄露的问题,且其结构难以获取较长的记忆。文中提出扩张因果卷积神经网络(Dilated Causal Convolution)来优化模型解决问题,其中扩张卷积可以增加卷积模型的感受野大小,获取序列的长时记忆;同时引入因果卷积来解决信息泄露问题。实验结果表明文中提出的扩张因果卷积在销售量预测方面有着较好的预测效果。

基于PCA-GRNN模型的新能源汽车月度销售量预测研究

为预测新能源汽车的月度销售量,提出了一种基于主成分分析(PCA)和广义回归神经网络(GRNN)相结合的预测模型——PCA-GRNN模型.首先,选取动力电池月份装车量、充电基础设施、电池级碳酸锂平均价格、交通和通信类居民消费价格指数、全国城镇调查失业率、汽车制造业工业生产者出厂价格指数等6个指标作为新能源汽车月度销售量的影响因子;其次,利用主成分分析方法得到可代表6个影响因子的2个主成分,并利用Matlab神经网络工具箱的GRNN神经网络函数构建了广义回归神经网络模型;最后,将2020-2022年间27个月度的统计数据分别输入到PCA-GRNN、PCA-BP和PCA-Elman模型中进行预测.结果显示,PCA-GRNN模型预测的新能源汽车月度销售量的平均相对误差(4.00%)低于PCA-BP模型和PCA-Elman模型预测的平均相对误差(分别为4.77%和4.29%),因此PCA-GRNN模型在预测新能源汽车销售量方面具有一定的实用性.

长短期记忆网络对销售量预测精度的影响

销售量预测是企业经营管理决策的核心组成部分,提高销售量预测精度对于企业经营管理具有重要意义。当前传统的线性预测模型大多存在评价不够全面、难以处理非线性关系等问题,而根据评估结果证明选用长短期记忆人工神经网络(LSTM)模型构建销售量预测模型可以有效提高预测结果的精确度和预测能力,由此提升管理决策精度,具有一定的管理学意义。

开门子河北肥业日销售量创新高

7月28日上午一大早,江西开门子肥业集团有限公司河北肥业基地厂区外面就已经来了“抢货”的车辆。目前正值销售旺季,日出货量接近2000吨,为了保证出货质量和效率,储运科长对相关人员工作时间和方式进行了优化调整,确保前方销售有动力、后方服务有保障。

基于混合智能算法对销售量的预测研究

随着平邑县水果罐头加工企业新产业园项目蓬勃发展,准确预测罐头的销售量对企业做出正确决策以达到预期的收益目标具有重要的现实意义。通过对平邑县蒙水罐头销售量的相关数据的搜集,运用牛顿插值公式与3/8辛普森方程对灰色预测模型中的紧邻矩阵进行改进,改变白化方程的系数,并结合BP神经网络修正误差,得到新型混合智能算法预测水果罐头的销售量。通过与实际销售数据比较分析得到该算法的均方根误差(RMSE)、平均绝对百分比误差(MAPE)和平均绝对误差(MAE)分别为2.0、2.4%和1.3,与原有的混合智能算法相比精度更高,参考价值得到有效提升,能帮助生产企业更合理地安排生产。

论证销售量变动与利润变动的关系

文章通过论证，揭示出销售量变动与利润变动的关系是：在其它因素不变的情况下，利润的变动率总是大于产销量的变动率。

关于企业产品销售量的模糊预测

本文在分析了各种产品销售量预测模型的基础上 ,提出了采用模糊预测法的建议 ,剖析了模糊时间序列预测模型的基本算法 。

销售量预测的支持向量机建模及参数选择研究

支持向量机(SVM)是一种基于结构风险最小化原理的学习技术,也是一种新的具有很好泛化性能的回归方法,针对企业销售量预测问题,利用支持向量机构建其预测模型,对预测模型进行了仿真及对比实验,证实了模型的有效性。并介绍了SVR理论,同时对于SVR模型参数的选择问题进行了研究。

修正的GM(1,1)残差模型在原煤销售量预测中的应用

本论文研究的是提高灰色预测模型的一种方法。首先建立主模型进行预测,得到残差序列,然后对残差序列建模,对主模型进行修正,得到修正的GM(1,1)模型。将模型应用到原煤销售量的预测中,其精度明显提高。

BP神经网络对烟草销售量预测方法的改进研究

针对烟草销售量传统预测方法的不足,本文结合实际,应用BP神经网络模型对其进行了改进:把实际误差看作一组序列,进行逼近模拟,作为一个单独量加入最终结果,提高了预测的精度。本文的思路和方法可推广到其他社会经济数据序列的预测中去。

桂林市汽车销售量的时间序列预测模型

选取1999年1月到2007年3月桂林市各季度的汽车销售量原始数据,在SPSS系统下,运用滑动求和自回归(ARIMA)方法及非参数方法建立桂林市汽车销售量时间序列模型ARIMA(p,d,q),从模型识别、参数估计、适应性检验和实际拟合4个方面来确定模型的参数(p,d,q),并对模型的预测效果进行检验。结果表明,ARIMA(0,2,2)模型能够较好地包含桂林市汽车销售量的发展趋势,该模型对2007年2季度至2008年2季度汽车销售量的预测值与实际值的误差小,相对误差可以控制在3%以内。

基于灰色线性回归组合模型的超市商品销售量预测

文章运用灰色预测理论构建灰色模型GM(1,1)与线性回归的组合模型,以某超市12个月的奶粉销售量为例,用前10个月的数据计算模型参数,用后2个月的数据进行精度检验,以此对该超市在奶粉领域的销售预测,同时引申至超市未来一年的其它商品销售量进行预测。研究表明,该组合模型改善了原线性回归模型中没有指数增长趋势和基本灰色预测模型中没有线性因素的不足,和单一模型相比,预测精度更高,预测结果更为可靠,具有较高的实际应用价值,也为超市商品销售量预测研究提供了新的途径。

基于短生命周期产品的零售商努力程度影响需求条件下的销售量激励契约研究

本文首先分析了市场需求受零售商努力程度影响情况下,供应链在集中控制模式时的最优促销努力水平和最优订购数量这一问题;然后为供应链双方设计了一种基于回购策略下的期末销售量激励契约,从而使得供应链双方在这一激励契约协调下实现了整体最优;接着分析了努力成本影响需求的敏感程度对供应链最优决策的影响,最后通过算例证实了在协调机制下零售商积极进行努力活动能实现集中控制模式下的供应链绩效水平。

装载机销售量的非等间距Verhulst直接模型研究

研究了装载机销售量的非等间距Verhulst GM(1,1)直接模型,该模型不需要累加生成和累减生成,适合于等间距数据建模,也适合于非等间距建模.计算实例表明,该预测模型有更好的适应性和更高的精度,使用方便,值得在装载机销售量预测中推广使用.

用“变动趋势移动平均法”预测产品销售量实例

用“变动趋势移动平均法”预测产品销售量实例文／高风英乡镇企业要增加利税，提高经济效益，必须密切注意市场动向，充分搜集市场信息，认真进行产品销售预测分析。“变动趋势移动平均法”这用于乡镇企业的以销定产且产销量不受季节影响的产品销售量的预测。现将此法介绍...

返利条件下多品种组合销售量决策

运用管理经济学的基本原理和方法对返利条件下利润最大化的多品种组合销售量进行了分析 ,提出了一种确定的方法 ,并用实例进行了验证。

北京市控烟政策对人均卷烟销售量的影响

目的本研究以人均卷烟销售量为指标,评价北京市控烟政策的政策效果,以期为北京市及全国控烟工作的进一步开展提供参考。方法卷烟销量、卷烟价格数据来源于《北京烟草年鉴》,15岁以上常住人口、人均GDP来源于北京市统计局官网。采用中断时间序列设计,使用Poisson回归对北京市人均卷烟销量进行分析。评价指标包括反映卷烟销量水平变化的即刻效应和反映政策实施前后卷烟销量长期趋势的斜率变化的渐进效应。通过建立反事实模型,模拟没有控烟政策情况下卷烟销量的变化趋势,将反事实模型与实际销量相比,评价控烟政策对于人均卷烟销量的净效应。结果北京市2015年全面控烟政策与2008年部分控烟政策相比,综合了MPOWER各项措施,控烟场所的类别进一步扩大到所有室内公共场所、工作场所、交通工具。北京市人均卷烟销量在2004—2015年期间,均维持在2200~2400支,2015年全面控烟政策出台后,北京市人均卷烟销量显著下降。2015年全面禁烟政策的渐进效应为0.89(0.81,0.98),实施全面禁烟政策两年半人均卷烟销量减少1388.2支。结论部分控烟政策对于人均卷烟销售量没有影响,2015年北京市全面控烟政策对于人均卷烟销售量有显著负向影响。

在线评论对家具产品销售量变化的影响研究——基于曲美家具数据的实证分析

文章以曲美家具的沙发数据为例分析在线评论对家具销售量的影响。研究首先采集了曲美天猫旗舰店Web中沙发的580条文字评论信息;然后,对数据进行词频分析,选取其中消费者关注度较高的10个指标赋值并进行主成分分析,得到该沙发的消费者满意度主成分得分;最后,利用该得分建立在线评论信息与销售量关系的分布滞后模型。模型回归结果验证了较高的消费者满意度将导致销售量的增加,还发现消费者对差评信息的关注程度在滞后阶数和乘数效应两方面都要高于好评信息,并且实体店可以减少差评信息对产品销售量的影响。因此,家具电商一方面要在产品质量和服务方面提升消费者满意度,还要通过线下渠道满足消费者的体验需求。

返利条件下利润最大化的销售量决策

运用管理经济学的基本原理和方法对返利条件下利润最大化的销售量决策进行了分析，提出了一种确定买卖双方均能接受的返利条件和返利度的方法，并用实例进行了验证。

我国新能源汽车月度销售量预测模型研究

在新能源汽车可缓解未来一系列环境、资源问题的重要背景下,对新能源汽车销售量准确预测有助于加速新能源汽车市场推广,降低相关生产研发企业运营成本。提取8个关键影响因素,应用灰色关联分析(GRA)验证各因素影响能力,然后构建基于果蝇算法优化灰色神经网络(FOA-GNN)预测模型的新能源汽车月度销售量预测模型。通过预测结果对比检验,验证该预测模型在预测新能源汽车销售量上有较高的预测精度。应用该模型对我国新能源汽车2019年月度销售量进行预测,结果表明,我国新能源汽车发展在2019年度依然可保持良好的增长态势。