基于LSTM神經(jīng)網(wǎng)絡(luò)的電商需求預(yù)測(cè)的研究.pdf

1、隨著電商行業(yè)近些年的飛速發(fā)展，電商企業(yè)的運(yùn)營(yíng)也不斷精細(xì)化。運(yùn)營(yíng)考慮很重要的一個(gè)指標(biāo)就是商品的未來(lái)銷量。對(duì)于電商企業(yè)來(lái)說(shuō)，商品的種類繁多，使用傳統(tǒng)預(yù)測(cè)方法不一定能夠達(dá)到精細(xì)化運(yùn)營(yíng)的精度。為多種類SKU提供準(zhǔn)確的需求數(shù)據(jù)預(yù)測(cè)成了電商精細(xì)化運(yùn)營(yíng)很重要的一個(gè)需求。
　　本文以電商行業(yè)的歷史銷售數(shù)據(jù)為研究對(duì)象，探究使用LSTM神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)其SKU未來(lái)銷量的可能性與方法。為了達(dá)到這一目的，本文構(gòu)建了LSTM神經(jīng)網(wǎng)絡(luò)，使用S公司的歷史銷售數(shù)據(jù)作

2、為訓(xùn)練數(shù)據(jù)，預(yù)測(cè)了未來(lái)的銷量并對(duì)準(zhǔn)確度進(jìn)行評(píng)價(jià)，并提出了新的訓(xùn)練方法來(lái)優(yōu)化神經(jīng)網(wǎng)絡(luò)的準(zhǔn)確度。主要研究?jī)?nèi)容如下:
　　(1)對(duì)于LSTM神經(jīng)網(wǎng)絡(luò)能否用于電商企業(yè)未來(lái)銷量的預(yù)測(cè)，本文構(gòu)建了LSTM神經(jīng)網(wǎng)絡(luò)，設(shè)計(jì)了數(shù)據(jù)輸入形式，選取了激活函數(shù)，討論了避免過(guò)度擬合的方法，最后確定了使用隨機(jī)梯度下降作為監(jiān)督學(xué)習(xí)的訓(xùn)練方法。
　　(2)將構(gòu)建好的LSTM神經(jīng)網(wǎng)絡(luò)使用S公司12種SKU歷史數(shù)據(jù)進(jìn)行訓(xùn)練和測(cè)試，其中12種SKU包括季節(jié)性和常

3、規(guī)性商品，用來(lái)測(cè)試LSTM神經(jīng)網(wǎng)絡(luò)對(duì)不同特點(diǎn)的SKU的效果。結(jié)論為實(shí)驗(yàn)過(guò)程中手動(dòng)調(diào)整神經(jīng)網(wǎng)絡(luò)的參數(shù)包括LSTM層數(shù)、LSTM單元中隱藏神經(jīng)元的個(gè)數(shù)和訓(xùn)練的迭代數(shù)，探究不同參數(shù)設(shè)定下對(duì)神經(jīng)網(wǎng)絡(luò)的影響。同時(shí)，實(shí)驗(yàn)增加了使用BP神經(jīng)網(wǎng)絡(luò)預(yù)測(cè)的對(duì)照，比較BP和LSTM神經(jīng)網(wǎng)絡(luò)在該場(chǎng)景中的表現(xiàn)。
　　(3)由于手動(dòng)調(diào)整參數(shù)的不可靠性，本文提出一種LSTM神經(jīng)網(wǎng)絡(luò)的訓(xùn)練優(yōu)化方法，使其具有自適應(yīng)性，能動(dòng)態(tài)調(diào)整LSTM單元中的隱藏神經(jīng)元個(gè)數(shù)。并針