【正文】 using neural network[J].Neural Networks,1992,5:449461.[8]Weigend A. Predicting the future: a connectionist approacth[J].NeuralNetworks,1990,1:193209.[9]網(wǎng)上購(gòu)物網(wǎng)站資料，IBM，微軟的解決方案資料學(xué)位論文原創(chuàng)性聲明 本人鄭重聲明：所呈交的學(xué)位論文，是本人在導(dǎo)師的指導(dǎo)下進(jìn)行的研究工作所取得的成果。學(xué)位論文作者（本人簽名）： 年 月 日學(xué)位論文出版授權(quán)書(shū)本人及導(dǎo)師完全同意《中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》、《中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù)出版章程》(以下簡(jiǎn)稱“章程”)，愿意將本人的學(xué)位論文提交“中國(guó)學(xué)術(shù)期刊（光盤(pán)版）電子雜志社”在《中國(guó)博士學(xué)位論文全文數(shù)據(jù)庫(kù)》、《中國(guó)優(yōu)秀碩士學(xué)位論文全文數(shù)據(jù)庫(kù)》中全文發(fā)表和以電子、網(wǎng)絡(luò)形式公開(kāi)出版，并同意編入CNKI《中國(guó)知識(shí)資源總庫(kù)》，在《中國(guó)博碩士學(xué)位論文評(píng)價(jià)數(shù)據(jù)庫(kù)》中使用和在互聯(lián)網(wǎng)上傳播，同意按“章程”規(guī)定享受相關(guān)權(quán)益。本聲明的法律后果由本人承擔(dān)。本人愿意按照學(xué)校要求提交學(xué)位論文的印刷本和電子版，同意學(xué)校保存學(xué)位論文的印刷本和電子版，或采用影印、數(shù)字化或其它復(fù)制手段保存設(shè)計(jì)（論文）；同意學(xué)校在不以營(yíng)利為目的的前提下，建立目錄檢索與閱覽服務(wù)系統(tǒng)，公布設(shè)計(jì)（論文）的部分或全部?jī)?nèi)容，允許他人依法合理使用。本次畢業(yè)設(shè)計(jì)大概持續(xù)了半年，現(xiàn)在終于到結(jié)尾了。沒(méi)有他們的幫助，我將無(wú)法順利完成這次設(shè)計(jì)。再次對(duì)周巍老師表示衷心的感謝。四年的大學(xué)生活就快走入尾聲，我們的校園生活就要?jiǎng)澤暇涮?hào)，心中是無(wú)盡的難舍與眷戀。學(xué)友情深，情同兄妹。是他們?cè)谖耶厴I(yè)的最后關(guān)頭給了我們巨大的幫助與鼓勵(lì)，給了我很多解決問(wèn)題的思路，在此表示衷心的感激。33。他無(wú)論在理論上還是在實(shí)踐中，都給與我很大的幫助，使我得到不少的提高這對(duì)于我以后的工作和學(xué)習(xí)都有一種巨大的幫助，感謝他耐心的輔導(dǎo)。在我的十幾年求學(xué)歷程里，離不開(kāi)父母的鼓勵(lì)和支持，是他們辛勤的勞作，無(wú)私的付出，為我創(chuàng)造良好的學(xué)習(xí)條件，我才能順利完成完成學(xué)業(yè)，感激他們一直以來(lái)對(duì)我的撫養(yǎng)與培育?；厥姿哪?，取得了些許成績(jī)，生活中有快樂(lè)也有艱辛。另外，我還要感謝大學(xué)四年和我一起走過(guò)的同學(xué)朋友對(duì)我的關(guān)心與支持，與他們一起學(xué)習(xí)、生活，讓我在大學(xué)期間生活的很充實(shí)，給我留下了很多難忘的回憶。郭謙功老師淵博的知識(shí)、嚴(yán)謹(jǐn)?shù)淖黠L(fēng)和誨人不倦的態(tài)度給我留下了深刻的印象。經(jīng)過(guò)這次畢業(yè)設(shè)計(jì)，我的能力有了很大的提高，比如操作能力、分析問(wèn)題的能力、合作精神、嚴(yán)謹(jǐn)?shù)墓ぷ髯黠L(fēng)等方方面面都有很大的進(jìn)步。作者簽名: 二〇一〇年九月二十日致 謝時(shí)間飛逝，大學(xué)的學(xué)習(xí)生活很快就要過(guò)去，在這四年的學(xué)習(xí)生活中，收獲了很多，而這些成績(jī)的取得是和一直關(guān)心幫助我的人分不開(kāi)的。作者簽名: 二〇一〇年九月二十日盡我所知，除文中已經(jīng)注明引用的內(nèi)容外，本設(shè)計(jì)（論文）不含任何其他個(gè)人或集體已經(jīng)發(fā)表或撰寫(xiě)過(guò)的作品成果。對(duì)本文的研究做出重要貢獻(xiàn)的個(gè)人和集體，均已在文中以明確方式注明并表示感謝。在學(xué)習(xí)上，無(wú)論何時(shí)，老師都會(huì)對(duì)我的問(wèn)題做詳細(xì)的解答；在生活中，老師也給予了我很多關(guān)心與愛(ài)護(hù)。本論文是在X老師的悉心指導(dǎo)下完成的，從論文的定題到論文的具體思路，從問(wèn)題的提出到獲得解決方案，從項(xiàng)目的設(shè)計(jì)到完全實(shí)現(xiàn)，X老師引導(dǎo)我逐步領(lǐng)悟設(shè)計(jì)的思路和方法對(duì)比。致 謝從畢業(yè)論文定題開(kāi)始，我就在不斷的遇到困難解決困難中完成了畢業(yè)設(shè)計(jì)。但是由于客觀條件所限，實(shí)驗(yàn)樣本的相對(duì)單一，影響因素的分析也具有局限性。在花卉銷售預(yù)測(cè)的基礎(chǔ)上，提出初步分析系統(tǒng)。本文在分析銷售影響因素的基礎(chǔ)上，比對(duì)數(shù)據(jù)進(jìn)行分析。因此顯示在頁(yè)面上，提醒銷售者通知訂花商提前預(yù)定，來(lái)保證最低生產(chǎn)量，一定程度上降低了風(fēng)險(xiǎn)性。通過(guò)對(duì)過(guò)去數(shù)據(jù)的分析，計(jì)算出過(guò)去所有年份的經(jīng)營(yíng)份額比例較小的花卉，直觀的顯示在頁(yè)面中。不僅起到及時(shí)更新信息的作用，同時(shí)也迎合消費(fèi)者的需求，起到推薦的作用。重要的是對(duì)此的初步分析功能。這時(shí)利用移動(dòng)平均法將會(huì)是最佳預(yù)測(cè)算法。我根據(jù)JSP的平臺(tái)，實(shí)現(xiàn)算法的實(shí)現(xiàn)。而從第9個(gè)數(shù)據(jù)開(kāi)始對(duì)比，也對(duì)長(zhǎng)期預(yù)測(cè)精度差的問(wèn)題進(jìn)行了避免，及時(shí)再往后預(yù)測(cè)一年也只會(huì)增加一個(gè)月份期間數(shù)據(jù)，完全適應(yīng)移動(dòng)平均法要求型。但季節(jié)性波動(dòng)分析法由于方法本身的限制，需要一定時(shí)期的基礎(chǔ)數(shù)據(jù)才可以分析出季節(jié)性變動(dòng)，對(duì)比驗(yàn)證結(jié)果，精準(zhǔn)度明顯低于改進(jìn)后移動(dòng)平均法。這種方法只考慮了與預(yù)測(cè)關(guān)系密切的近期實(shí)際數(shù)的影響，雖然有利于消除偶然因素的干擾，但是忽略了不同時(shí)期實(shí)際數(shù)對(duì)預(yù)測(cè)值的影響程度，長(zhǎng)期預(yù)測(cè)精度就會(huì)很差，只適用于短期基本型銷售預(yù)測(cè)，并且對(duì)固定數(shù)據(jù)類型的靈敏度較高。觀察數(shù)據(jù)可分析得出，玫瑰花在二月上旬銷售量和價(jià)格會(huì)有大幅升高，因此選擇二月份上旬的花卉數(shù)據(jù)進(jìn)行特例對(duì)比，驗(yàn)證對(duì)節(jié)日影響因素的體現(xiàn)：09年2月上旬實(shí)際銷售數(shù)量對(duì)比：圖41三種預(yù)測(cè)紅玫瑰數(shù)量對(duì)比09年2月份上旬實(shí)際銷售價(jià)格對(duì)比：圖42三種方法預(yù)測(cè)紅玫瑰平均單價(jià)對(duì)比通過(guò)以上數(shù)據(jù)可以初步看出改進(jìn)后的移動(dòng)平均法在此特例中，相對(duì)準(zhǔn)確。上述算法所需數(shù)據(jù)如表41所示： 表41移動(dòng)平均法具體操作數(shù)據(jù)步驟：其中， 為預(yù)測(cè)期的季節(jié)性指數(shù)， 為預(yù)測(cè)期的趨勢(shì)值，可通過(guò)最小二乘法 計(jì)算銷售實(shí)際值的線性趨勢(shì)方程得到。如1～5月銷售量或銷售額的平均值為：依次類推：求出, , , ... , ,并填入表中。第4章 算法的驗(yàn)證與選擇 移動(dòng)平均法公式其中，表示下一期的預(yù)測(cè)值，Y表示第t期的實(shí)際值，k表示移動(dòng)平均的期數(shù)。而對(duì)樣本數(shù)據(jù)的實(shí)驗(yàn)是選定預(yù)測(cè)算法的重要根據(jù)。季節(jié)性分析法，同樣為了更加精準(zhǔn)，也利用以上分析中的15天為一個(gè)周期。對(duì)于鮮花的保鮮期限制，15天一次的剪集完全可以適應(yīng)花卉從銷售到再進(jìn)入市場(chǎng)所需要的保鮮期，同時(shí)也避免了可能由于時(shí)間間隔太長(zhǎng)造成的花卉花期限制。這種選擇避免了由于月份相差，季節(jié)相差。這種規(guī)律性來(lái)自花卉銷售的主要影響因素是節(jié)日性，其次才是季節(jié)性。對(duì)于花卉影響的分析，花卉還具有一個(gè)關(guān)鍵影響因素，南京市2006年花卉調(diào)查中，表明影響消費(fèi)者購(gòu)買花卉最重要的影響是鮮切花的新鮮度。當(dāng)產(chǎn)品的市場(chǎng)需求呈明顯的季節(jié)性波動(dòng)時(shí)，用平均法進(jìn)行銷售預(yù)測(cè)就不能正確地反映銷售量的波動(dòng)。而選擇移動(dòng)平均法的移動(dòng)平均法是指把過(guò)去若干期的平均需求量當(dāng)做未來(lái)期的需求量，使用平均數(shù)計(jì)算的方法。預(yù)測(cè)者會(huì)利用多個(gè)有相互依賴關(guān)系的回歸模型組成回歸方程組或者經(jīng)濟(jì)計(jì)量模型，用來(lái)推算或預(yù)測(cè)需求量。但是所有花卉銷售量和銷售額增加的月份包含的節(jié)日也有所不同。而季節(jié)性的差異，反而因?yàn)楣?jié)日的影響，表現(xiàn)不夠強(qiáng)烈。根據(jù)下面第一個(gè)表格發(fā)現(xiàn)在二月上旬，十月上旬和八月上旬，無(wú)論是玫瑰花的數(shù)量，還是價(jià)格都比平時(shí)要高出較多。在回歸分析預(yù)測(cè)中，要注意服裝銷售影響因素與銷售量之間的相關(guān)關(guān)系必須是密切的，而各個(gè)影響因素之間的關(guān)系是不密切的，而且影響因素要求取值精確，可控性強(qiáng)。它是指通過(guò)對(duì)移動(dòng)平均數(shù)形成新的時(shí)間序列對(duì)原時(shí)間序列的修勻作用，削弱影響花卉銷售的偶然性因素的作用，呈現(xiàn)出銷售變化趨勢(shì)的方法。對(duì)于銷售預(yù)測(cè)現(xiàn)行方法，只有了解