胡雨阳 张承 郑明 夏定纯

摘要：针对大型商场后台服务器管理系统规模越来越大，结构越来越复杂及服务器负载量过大的问题，选用Java和SSM框架构建中台服务器，承担部分管理功能，缓解大后台服务器压力。同时为增强中台的综合管理水平，适应当前AI技术的迅猛发展，构建LSTM销售预测模型和模型应用接口，为中台提供智能化的预测分析功能。

关键词：销售预测；长短期记忆神经网络；SSM；系统设计

中图分类号：TP311文献标志码：A文章编号：1008-1739（2020）23-65-3

0引言

在商场终端设备和大后台服务器之间，增加一个中台服务器，可以有效减少大后台服务器的压力，同时在后台服务器出现故障时，可以保证商场数据的安全。此中台服务器主要负责商品信息管理、订单管理及支付等功能，商场管理系统的其他功能仍然由商场大后台服务器负责。此外，原有后台服务器采取的仍是传统数据统计分析方法，对商场销售大数据利用率和挖掘程度低。为此，本文采用LSTM神经网络进行销售预测建模分析，并设计与模型相对应的中台系统调用接口，完成可视化销售预测分析，为商场营销决策提供参考[1]。

1基于LSTM的预测模型

1.1 LSTM算法

神经网络主要应用在商业智能领域[2]，LSTM是递归神经网络（RNNs）的一种，解决反向传播过程中存在梯度消失和梯度爆炸现象。通过引入门机制，解决了RNN模型不具备的长记忆性问题[3]。LSTM模型的一个神经元包含1个细胞状态和3个门机制，具体结构如图1所示。

遗忘门：控制上一时刻记忆细胞中的信息是否积累到当前记忆细胞中，记为。……