基于改进SSA-LSTM的销量预测研究
Research on sales forecasting based on improved SSA-LSTM
楼泽霖 1郑军红 1何利力1
作者信息
- 1. 浙江理工大学计算机科学与技术学院,浙江 杭州 310018
- 折叠
摘要
为提高销量预测的准确率,提出一种基于改进麻雀搜索算法优化LSTM的销量预测模型.首先在算法迭代过程中通过重心反向学习对个体进行变异,以增强算法跳出局部最优的能力;其次利用改进的算法对 LSTM 神经网络的超参数进行优化,解决了依靠主观经验选取超参数时存在精度不佳的问题;最后在原始销售数据的基础上加入大量零售数据等多个特征变量进行辅助预测,提高模型预测准确性.实验结果表明,该模型相较于其他模型具有更好的预测效果.
关键词
LSTM/超参数优化/麻雀搜索算法/重心反向学习/销量预测Key words
LSTM/hyperparameter optimization/sparrow search algorithm(SSA)/centroid opposition-based learning/sales forecasting引用本文复制引用
基金项目
浙江省重点研发"尖兵"攻关计划项目(2023C01119)
出版年
2023
NETL
NSTL
维普
万方数据