基于组合模型的商品订单预测研究

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：电商销售环境下,订单量的影响因素众多,使用传统的预测方法已经不能满足当前预测需要.针对这一问题,本文构建了组合模型,考虑到影响因素的线性和非线性关系,选择ARIMA、BP神经网络、XGBoost模型进行融合构建了商品订单预测模型.将该模型应用到亚马逊的构建组合预测模型.实验结果表明,组合预测模型相比于单一预测模型能够有效提高订单预测准确率.

作者：

张琪

展开 >

作者单位：

北京物资学院北京 010000

关键词：

ARIMA时间序列 BP神经网络 XGBoost 订单预测

出版年：

2020

福建质量管理

福建省质量管理协会

福建质量管理

ISSN：

年,卷(期)：2020.(4)

参考文献量3