一种改进的神经网络算法在销售预测中的应用

本文针对传统神经网络算法的不足之处给出了一种改进算法，且将该算法应用于销售预测中，获得了良好的预测结果，可作为预测商品销售的一种手段。     

神经网络在经济预测中的应用

对神经网络理论在时间序列建模和预测中的应用进行了探索．对基于ＢＰ网络及ＫＲＢＦ网络的预测模型进行了分析，并通过对股票价格序列模拟试验得出神经网络对非线性时间序列的预测较传统方法具有一定的优越性．同时神经网络预测模型具有自适应学习和并行处理功能，并可应用于多维时间序列．对经济预测具有重要意义     

指数平滑法在销售预测中的应用

本文以实例对指数平滑法进行论证,用实例说明其在财务预测中的作用。     

机器学习算法在股票走势预测中的应用

结合K-近邻算法、支持向量机算法和时间序列算法的优点,整合其结果提出一种综合预测算法,并将其应用到沪深300指数的涨跌预测中。首先通过时间序列预测出股票未来一段时间内的走势图,然后结合K-近邻算法判断该走势图的总体涨跌趋势,最后将涨跌趋势量化作为一变量引入到支持向量机算法中,通过支持向量机算法预测最终的股票涨跌。该方法能够弥补3种算法的不足,能够更加准确地预测股市的涨跌趋势。     

人工神经网络在隧道变形预测中的应用

将人工神经网络应用于隧道施工中的变形预测，预测结果表明，该模型具有较高的预测精度，为隧道变形预测提供了一种新的方法。     

基于灰狼优化算法的长短期记忆网络在时间序列预测中的应用

提出了1种基于灰狼优化算法的长短期记忆(long short term memory,LSTM)模型。结合灰狼优化算法全局收敛的优点,将其应用于长短期记忆网络中参数的优化,克服了传统的长短期记忆网络所采用的随时间反向传播(back propagation through time,BPTT)算法易于收敛于局部最优的缺点。将所提出的模型应用于时间序列预测,实验结果表明,其性能优于基于BPTT的LSTM。     

组合预测在安徽省能源消费中的应用

鉴于能源消费系统的复杂性和非线性特征,首先利用安徽省1994-2011年的能源消费数据,分别建立二次多项式模型、灰色预测模型和时间序列模型,并对其结果进行统计检验和比较分析;其次在使误差平方和达到最小的条件下进行权重分配,建立组合预测模型,结果表明该模型的精度高于各单项预测模型,可以用来预测安徽省未来的能源消费量;最后应用组合预测模型预测出安徽省未来4年的能源消费量.     

时间序列模型在CPI预测中的应用

利用时间序列模型对全国2000年5月到2012年4月的月度居民消费价格指数（consumption priceindex,CPI）建立了自回归移动平均模型（ARMA）。并对2012年4月的CPI进行了预测,结果表明,ARMA（1,1）是描述我国CPI变化趋势相对较优的时间序列模型。     

一种改进的神经网络算法在销售预测中的应用

本文针对传统神经网络算法的不足之处给出了一种改进算法,且将该算法应用于销售预测中,获得了良好的预测结果,可作为预测商品销售的一种手段.     

基于 WOA-GRU 的销售预测研究

防晒用品属于快速消费品,其销售情况受季节变动影响,具有非线性特征。人工神经网络强大的学习能力使其在销售量预测领域显示出非线性预测的应用优势。作为新兴智能算法,鲸鱼群算法具有快速收敛、全局优化等特点。为精准预测上海某化妆品公司防晒产品销量,基于鲸鱼算法,构建优化网络权值的门控循环神经网络模型。实验结果表明,经鲸鱼算法优化后的门控循环神经网络训练相对误差比优化前降低 0.6 个百分点,测试相对误差比优化前降低约 2 个百分点。     

ARIMA模型在地区GDP预测中的应用研究

在时间序列分析理论的基础上,以山东省2007年第一季度到2011年第四季度的GDP总值为基础,利用SPSS软件,对数据进行时间序列分析,建立时间序列分析模型,并对模型进行检验。利用建立的模型对山东省在2012年的GDP的增长趋势做出预测。     

ARIMA-RF组合模型的销售预测研究

为帮助快销服饰企业制定合理的生产销售计划,提出结合ARIMA与RF模型的销售预测模型.通过对原始数据集进行数据预处理、特征筛选和特征降维处理,得到高质量的训练集,进而通过对参数的不断调优获得较好的实验模型,最后针对ARIMA模型无法更好地提炼非线性信息的问题,利用随机森林算法对非线性数据特征的学习能力,优化ARIMA模...     

ARIMA模型在广西消费价格指数分析与预测中的应用

根据运用软件建立ARIMA（1,1,1）求和自回归移动模型,并分析广西消费价格指数（CPI）变化规律,为广西消费价格指数（CPI）提供较好的预测,对政府宏观政策的实施提供重要依据。     

浅谈大学生创业如何做销售预测

大学生创业者往往在销售预测时过于乐观,这是导致创业失败的原因之一,本文给同学们介绍了几种销售预测的方法,同时利用案例详细讲解了销售预测的计算方法,相信会对广大创业同学有所帮助。     

时间序列预测模型在中小企业中的应用研究

文章应用几种不同时间序列预测方法对中小企业销售额进行建模并预测,旨在建立适用于中小企业的预测方法和预测模型,收集了某企业某产品2006~2012年各月销售额数据,利用时间序列中的回归模型、ARIMA模型对其进行拟合建模,并运用各模型对2013年前6个月的销售额进行了预测及比较分析,从中选出预测精度相对较高的模型。     

ARIMA模型在居民消费价格指数预测中的应用

本文以我国2001-2009年月季度的消费价格指数为例,通过SAS软件对AR IMA模型进行拟合预测,结果表明该模型有效,预测值精度较高。     

非线性时间序列的神经网络预测的研究

采用各种改进的BP算法及径向基神经网络来逼近非线性映射Xn 1=4Xn(1-xn)，揭示了人工神经网络有非常强的逼近非线性映射的能力。同时也分析对比了各种算法的性能，讨论了几种改善人工神经网络功能的途径。     

马尔科夫链在零售商品销售预测中的应用

文章对以往应用马尔科夫链分析零售产品销售预测中的产品,原始销售状态仅考虑畅销和滞销作出了改进,增加了一个位于畅销及滞销之间的状态：一般。在此基础上,比较了原方法与改进方法对零售产品销售状态预测的准确性,得出改进方法更为准确、更有利于作出正确销售决策及实现产品销售利润最大化的结论。     

模糊神经网络在房地产销售中的应用

由于房地产的销售受诸多复杂要素与复杂子系统的纠合影响和作用,因此预测房地产的销售是一件比较困难的事.在考虑广告、地理位置、国家政策等诸因素对房地产销售量的影响下,在原有的模糊神经网络上加以修改,利用新的模糊神经网络理论来预测某地区某种户型的房子的年最大销售量·     

一种智能预测方法在电梯群控系统交通分析中的应用

交通流预测是电梯群控系统的重要组成部分 .将基于神经网络的时间序列预测理论应用到电梯群控系统的交通分析中 ,构造了一种神经网络时间序列交通流预测模型 .仿真实验表明 ,这种交通流智能预测方法是有效的