數(shù)據(jù)挖掘在銷售預(yù)測中的應(yīng)用研究.pdf

1、隨著企業(yè)信息化程度越來越高，ERP系統(tǒng)得到了越來越廣泛的應(yīng)用。然而，隨著ERP中的數(shù)據(jù)與日劇增，“數(shù)據(jù)爆炸但知識貧乏”的現(xiàn)象已日益突出。本文針對傳統(tǒng)ERP系統(tǒng)關(guān)于銷售預(yù)測在決策支持方面的不足，根據(jù)數(shù)據(jù)挖掘技術(shù)的特點，把數(shù)據(jù)挖掘技術(shù)應(yīng)用到銷售預(yù)測系統(tǒng)中。 傳統(tǒng)的銷售預(yù)測方法往往只考慮了一部分影響銷售的因素，無法表達影響需求的各種因素之間復雜的相互作用，建立的模型簡單。而人工神經(jīng)網(wǎng)絡(luò)具有良好的非線性映射能力和自學習能力，它可以通過學

2、習把基本需求、季節(jié)因素、周期因素、市場活動等影響需求的因素以及它們之間復雜的相互作用以權(quán)值的形式固化在神經(jīng)網(wǎng)絡(luò)中。因此，作者把BP神經(jīng)網(wǎng)絡(luò)技術(shù)應(yīng)用于銷售預(yù)測，建立了相應(yīng)的銷售預(yù)測模型。仿真結(jié)果表明，該模型預(yù)測精度較高和較好的泛化能力，有一定的實際應(yīng)用意義。 雖然BP網(wǎng)絡(luò)預(yù)測模型預(yù)測結(jié)果不錯，但是單純的BP算法自身存在著一些不足：(1)易陷于局部極值；(2)遺忘已學樣本的趨勢；(3)學習效率不高，收斂速度慢等。本文將遺傳算法(GA