外文翻譯---基于數(shù)據(jù)挖掘的服裝銷售預(yù)測(cè)-資料下載頁(yè)
【導(dǎo)讀】原文出處：1.CeliaFrank,BalajiVemulapalli,Les,AmarWomen’s. 邏輯模型的一些簡(jiǎn)單計(jì)算方法。銷售預(yù)測(cè)是服裝供應(yīng)鏈鎖管理中的主要部分，并且對(duì)于收益性來(lái)說非常重要。動(dòng)、營(yíng)銷策略等外因和時(shí)間這樣的內(nèi)因都必須被考慮進(jìn)去。盡管用一貫的氣象學(xué)。數(shù)據(jù)和一個(gè)線性趨勢(shì)。非常規(guī)的人工智能工具例如模糊邏輯和人工神經(jīng)網(wǎng)絡(luò)，可。在這個(gè)研究中，預(yù)測(cè)模型是建立在單變量分析和多變量分析的基。模型的效力是通過比較擬合優(yōu)度統(tǒng)計(jì)資料、R2中的一個(gè)來(lái)測(cè)試的，也包。當(dāng)做原始數(shù)據(jù)用于我們的模型，然后做出一個(gè)2020年一個(gè)月份的銷售預(yù)測(cè)。該模型正在被擴(kuò)展到包括其他變數(shù)如氣候、經(jīng)濟(jì)條件等,將用于建設(shè)。銷售數(shù)據(jù)格式樣本見表1。輯模型為每個(gè)組預(yù)測(cè)銷售。預(yù)測(cè)后的日銷售量再通過統(tǒng)計(jì)擬合優(yōu)度、R2來(lái)與實(shí)際銷售量做比較。根據(jù)觀察，每個(gè)工作日的分?jǐn)?shù)貢獻(xiàn)對(duì)于整個(gè)周銷售來(lái)說是恒定不變的。在等式7中St是用來(lái)進(jìn)行預(yù)測(cè)的。等式5通過使St和St-1的不同光滑。隱藏層和1個(gè)神經(jīng)原的輸出層來(lái)實(shí)施。用到了不少于十個(gè)月的分組化銷售數(shù)據(jù)，
【正文】 制庫(kù)存中斷，紡織公司需要一個(gè)特質(zhì)而且精確的銷售預(yù)測(cè)系統(tǒng)。尤其是，紡織分配牽涉到不同交付期的預(yù)測(cè) :中期（一年）和短期（平均為一周）。這篇論文提出兩個(gè)新補(bǔ)充出來(lái)的預(yù)測(cè)模型，適用于紡織市場(chǎng)的需求。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(lái)獲得中期預(yù)測(cè)。第二個(gè)模型 AMANFIS),基于神經(jīng)模糊方法 ,通過加載真實(shí)銷售來(lái)調(diào)整中期預(yù)測(cè)模型，再執(zhí)行短期預(yù)測(cè)。為確保預(yù)測(cè)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。 引言 為了建立生產(chǎn)和處理產(chǎn)品時(shí)需要的所有運(yùn)籌程序，紡織品經(jīng)營(yíng)者們必須使用預(yù)測(cè)系統(tǒng)。供應(yīng)鏈效率的最優(yōu)化依賴于已銷售產(chǎn)品的預(yù)測(cè)的準(zhǔn)確性。 紡織工業(yè)的銷售預(yù)測(cè)是非常復(fù)雜的。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(huì)被很多既不能嚴(yán)格控制也不能鑒定的因素?cái)_亂。這些因素可能取決于物料項(xiàng)目（顏色，價(jià)格…），經(jīng)銷商（店員，推銷…），客戶（時(shí)尚…）或者外在因素（天氣，節(jié)假日…）。這些數(shù)據(jù)并不總是有用，而且對(duì)銷售有不同的影響。 不同階段紡織項(xiàng)目發(fā)展的持續(xù)意味著預(yù)測(cè)的需求，直到所有原材料都安排好的那一年。生產(chǎn)經(jīng)理也需要物品的數(shù)量來(lái)制造，特別是在早期從遙遠(yuǎn)的國(guó)家進(jìn)口物品的情況下。 根據(jù)當(dāng)?shù)刂瞥善返闹匦逻M(jìn)貨來(lái)看，這對(duì)于在預(yù)期使用期限內(nèi)的紡織品的預(yù)測(cè)也是必不可少的。因此紡織工業(yè)涉及到中期（一年）和短期（一周）的預(yù)測(cè)。 一些預(yù)測(cè)模型已經(jīng)被熟練的運(yùn)用于不同的應(yīng)用程序中。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)。一般來(lái)說，這些模型提供的是不同的結(jié)果。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(cè)目標(biāo)、用戶體驗(yàn)和預(yù)測(cè)范圍。當(dāng)使用不完善的、被解釋變量嚴(yán)重?cái)_亂的歷史數(shù)據(jù)時(shí)，傳統(tǒng)的模型通常是不適合的。 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(jiǎn)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。 AHFCCX 模型，以 HFCCX模型為基礎(chǔ)，能自動(dòng)執(zhí)行中期預(yù)測(cè) 。這將會(huì)在章節(jié) 中提到。這個(gè)模型利用模糊推論系統(tǒng)的功能來(lái)處理非線性的關(guān)系和量化解釋變量的影響。章節(jié) 短期的自動(dòng)預(yù)測(cè)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。 附原文 1. 附原文 2.
鄂ICP備17016276號(hào)-1