自考大型网站开发工具,国外免费域名网站,高端品牌型网站建设,wordpress 体验该构建的模型适用大多数电商零售商家的预测问题#xff0c;本文决定综合多种 时间序列预测 方法创 建一个模型集#xff0c;将之作为一个新的预测模型来解决实际预测问题。 本文首先对数据预处理#xff0c;将附件 1-6 的数据合并#xff0c;将非数值数据转换为可识别的数… 该构建的模型适用大多数电商零售商家的预测问题本文决定综合多种 时间序列预测 方法创 建一个模型集将之作为一个新的预测模型来解决实际预测问题。 本文首先对数据预处理将附件 1-6 的数据合并将非数值数据转换为可识别的数 值数据用 q-q 图 以及 Kolmogorov-Smirnov 检验判定 得知本文数据集服从 正态分布 本文决定采用 3 σ 原则 判定异常值认定落于三倍标准差之外的数据点为异常值将筛查出来的异常值转换为缺失值 用牛顿插值对缺失值进行线性填充降低异常数值对预测结果带来的负面影响。基于商家 仓库 商 品维度等多种特征考虑到所需数据过于庞大本文决定采用K-means 聚类方式进行特征分类。然后 综合使用ARIMA 、 LSTM 和多元线性回归 三种时间序列预测方法对本文使用数据进行拟合用 粒子 群优化算法对三种预测方法得到的预测结果进行加权计算其结果表明加权预测模型的各个预测指标 要优于原先的任一预测模型。本文采用均方根误差 RMSE 、平均绝对百分比误差 MAPE 、平 均绝对误差MAE 、确定系数 ( R 2 ) 作为本文建立基于时间的经济预测模型的四大评价指标以此 对预测模型的预测结果进行量化分析经过检验其中加权预测模型的预测准确率为95.92% 。将以上 “1314 ”种模型作为本文完整的预测流程用此模型得到问题一所需的需求量预测值。
