基于可拓聚类的服装需求预测方法
2018-05-22何海洪余军合许立波李兴森
计算机应用与软件 2018年5期
何海洪 余军合 许立波 李兴森
1(宁波大学机械工程与力学学院 浙江 宁波 315211)2(浙江大学宁波理工学院计算机与数据工程学院 浙江 宁波 315100)
0 引 言
服装需求具有较强的季节性与波动性,加之其影响因素较多,对服装需求进行预测往往难度较大。然而对服装需求进行预测可以帮助服装企业更好地优化库存、更合理地安排生产与采购,有助于增强企业的市场响应能力,减少呆滞库存或断销情况,为库存管理、生产计划、采购计划等提供重要依据。因此,服装需求预测一直是企业面临的一个重大难题,同时也是国内外学者比较关注的问题。
服装需求影响因素的复杂性使得服装需求预测多为非线性预测问题,而神经网络具有较强的非线性拟合能力,因此很多研究者将其应用于服装需求预测,并用遗传算法、极限学习机、模糊理论等对其进行改进和优化,一定程度上提高了预测精度[1-7]。孟志青等[8]运用非线性机器学习的核函数技术建立了一种对时尚服装需求预测具有较高动态精度的服装需求预测模型;Martins等[9]在对服装产品进行试销基础上,假设真实销售与试销比例一致,然后根据试销比例对服装需求进行分类预测,验证结果表明按照畅销—滞销分类后再按照试销比例进行预测能提高预测精度,但基于提前销售的预测方法容易造成产品信息泄露;张秀美等[10]在考虑服装需求随季节、气候条件、价格、性别等因素动态变化情况下,运用模糊理论对各因素进行模糊化,然后以改进的二乘支持向量机(LS-SVM)为主,融合多种方法对服装销量进行了动态预测;……
登录APP查看全文
