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模型预测残差,构建实验效果更好、预测精度更高的实验模型.实验结果表明,ARIMA-RF组合模型对此快销品牌销量预测结果的评价指标优于单个模型预测结果,相较于ARIMA模型,均方根误差和平均绝对误差分别提高了12％和6.671％,说明该组合模型能够在不稳定的商业环境下实现更好的预测结果.
国家科技期刊平台
NSTL
万方数据
维普
