外文翻譯---基于數(shù)據(jù)挖掘的服裝銷售預(yù)測(文件)
【正文】 單變量分析的模型相比， 多元模糊邏輯模型 是執(zhí)行力最優(yōu)的 。尤其是，紡織分配牽涉到不同交付期的預(yù)測 :中期（一年）和短期（平均為一周）。為確保預(yù)測的精確度，我們將自己的經(jīng)典模型與一位重要成品經(jīng)銷商手下的 322種真實(shí)商品銷售系列進(jìn)行了比較。確實(shí)，一個(gè)大范圍的紡織項(xiàng)目參照存在（大約 15000 每年），他們的歷史銷售數(shù)據(jù)往往是很缺乏的（ 104 個(gè)周期， 2 年以52 周 算）并且會被很多既不能嚴(yán)格控制也不能鑒定的因素?cái)_亂。生產(chǎn)經(jīng)理也需要物品的數(shù)量來制造，特別是在早期從遙遠(yuǎn)的國家進(jìn)口物品的情況下。包括復(fù)原模型，時(shí)間序列模型，神經(jīng)網(wǎng)絡(luò)或者模糊系統(tǒng)。 為了處理好這些被紡織品問題影響的約束條件（兩個(gè)不同的范圍、為數(shù)眾多的參考、被大量的解釋變量擾亂的簡化歷史數(shù)據(jù)），用于這篇論文的方法是以下建立在模糊推論系統(tǒng)和神經(jīng)網(wǎng)絡(luò)的基礎(chǔ)上的微計(jì)算方法。章節(jié) 短期的自動預(yù)測模型，它運(yùn)用的是神經(jīng)網(wǎng)絡(luò)的學(xué)術(shù)和適應(yīng)能力以及解釋模糊推理系統(tǒng)的設(shè)施。這將會在章節(jié) 中提到。事實(shí)上，它們的性能本質(zhì)上取決于各自的應(yīng)用領(lǐng)域、預(yù)測目標(biāo)、用戶體驗(yàn)和預(yù)測范圍。因此紡織工業(yè)涉及到中期（一年）和短期（一周）的預(yù)測。這些數(shù)據(jù)并不總是有用，而且對銷售有不同的影響。供應(yīng)鏈效率的最優(yōu)化依賴于已銷售產(chǎn)品的預(yù)測的準(zhǔn)確性。第一個(gè)模型（ AHFCCX）允許通過模糊技術(shù)量化解釋變量的影響來獲得中期預(yù)測。 要建立一個(gè)更加綜合的模型，可以通過考慮其他因素來完 成，如：天氣，折扣，營銷策略等， 這將成為我們 提交 這篇論文 后 的延伸 工作 。模糊模型效果最好歸功于它能識別輸入的數(shù)據(jù)間的非線性關(guān)系的能力。 圖表 8,9,和 10體現(xiàn)了用單變量分析完成的幾種模型的實(shí)際銷售和預(yù)測銷售。圖表 7給出了實(shí)際銷售值和預(yù)測銷售值。 表格 7給出了模型的 R2值，和 2020年 10月實(shí)際日銷售和預(yù)測日銷售之間的相關(guān)系數(shù)。圖表 5為它的一個(gè)簡單結(jié)構(gòu)體系。見圖表4，它體現(xiàn)了 2020年的實(shí)際銷售值與預(yù)測銷售值。 等式 6闡述了光滑季節(jié)指數(shù)的計(jì)算。 用來估計(jì)這些光滑值的等式有： St= α(Yt/ItL)+(1α)(St1+bt1) (4) bt=β(StSt1)+(1β)bt1 (5) It=γ (Yt/St)+(1γ)ItL+m (6) Yt+m=(St+btm)It1+m
畢業(yè)設(shè)計(jì)相關(guān)推薦
鄂ICP備17016276號-1