产品销售预测方法、系统、计算机设备和存储介质技术方案

本发明专利技术公开了一种产品销售预测方法、系统、计算机设备和存储介质，方法包括：利用遗传算法优化BP神经网络；将产品销售的历史数据作为训练样本，对优化后的BP神经网络进行训练；利用训练后的BP神经网络对产品销售进行预测。系统包括：神经网络优化模块、神经网络训练模块和预测模块。计算机设备和存储介质通过执行计算机程序能够实现上述方法过程。本发明专利技术利用遗传算法的全局搜索能力对BP神经网络的权值和阈值进行优化求解，提高了BP神经网络预测模型的收敛精度和泛化能力；两者结合解决了BP神经网络单独预测时容易陷入局部最优的缺陷，提升了模型的稳定性，提高了收敛速度和预测结果精度。

Product sales forecasting methods, systems, computer equipment and storage media

【技术实现步骤摘要】
产品销售预测方法、系统、计算机设备和存储介质
本专利技术涉及互联网新零售领域，特别涉及一种产品销售预测方法、系统、计算机设备和存储介质。
技术介绍
随着市场经济的发展和经济全球化，企业面临着越来越激烈的市场竞争。企业要想赢得竞争，取得客户，就必须在最快的时间内，以最低的成本将产品提供给客户，这使得进行正确及时的产品销售预测以及由此产生的可靠的决策成为现代化企业成功的关键因素，由此一些销售预测方法、系统也应运而生。随着计算机技术、网络技术、通讯技术和Internet技术的发展和各个业务操作流程的自动化，企业产生了数以几十或上百GB的销售历史数据，面对这些海量数据，传统的预测方法、系统越来越不适应新的预测要求，主要表现在：大量的历史数据处于脱机状态，变成了“数据坟墓”；预测涉及海量数据的处理，传统的方法无法满足运行效率、计算性能、准确率及存储空间的要求；传统的数据库技术在预测知识的表达、综合和推理方面能力比较薄弱，难以满足日益提高的预测要求。
技术实现思路
本专利技术的目的在于提供一种高精度的产品销售预测方法、系统、计算机设备和本文档来自技高网...

【技术保护点】
1.一种产品销售预测方法，其特征在于，包括以下步骤：/n利用遗传算法优化BP神经网络；/n将产品销售的历史数据作为训练样本，对优化后的BP神经网络进行训练；/n利用训练后的BP神经网络对产品销售进行预测。/n

【技术特征摘要】
1.一种产品销售预测方法，其特征在于，包括以下步骤：
利用遗传算法优化BP神经网络；
将产品销售的历史数据作为训练样本，对优化后的BP神经网络进行训练；
利用训练后的BP神经网络对产品销售进行预测。


2.根据权利要求1所述的产品销售预测方法，其特征在于，所述利用遗传算法优化BP神经网络的过程包括：
1)随机初始化BP神经网络的权值和阈值；
2)初始化种群；
3)确定适应度函数；
4)进行选择、交叉和变异，获得新种群；
5)重复上述3)至4)，不断优化权值和阈值，直至达到预设迭代次数或达到预设精度，由此获得经遗传算法优化后BP神经网络的权值和阈值。


3.根据权利要求2所述的产品销售预测方法，其特征在于，所述初始化种群的过程包括：对上述1)初始化的权值、阈值执行实数编码操作，完成种群初始化。


4.根据权利要求2所述的产品销售预测方法，其特征在于，所述选择操作具体采用随机遍历抽样的方式。


5.根据权利要求2所述的产...

【专利技术属性】
技术研发人员：陈善祥，孙迁，李成，虞秀，施佳明，
申请(专利权)人：苏宁云计算有限公司，
类型：发明
国别省市：江苏;32