基于改进SSA-LSTM的销量预测研究

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：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.

外文标题：Research on sales forecasting based on improved SSA-LSTM

外文关键词：

LSTMhyperparameter optimizationsparrow search algorithm(SSA)centroid opposition-based learningsales forecasting

作者：

楼泽霖、郑军红、何利力

展开 >

作者单位：

浙江理工大学计算机科学与技术学院,浙江杭州 310018

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

基金：

浙江省重点研发"尖兵"攻关计划项目

项目编号：

2023C01119

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.10.011

计算机时代

浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411

ISSN：1006-8228

年,卷(期)：2023.(10)

参考文献量10