圣文顺，赵翰驰，孙艳文

基于优化BP神经网络的销售预测模型研究

圣文顺1，赵翰驰2，孙艳文1

（1. 南京工业大学 浦江学院，江苏 南京 211200; 2.河海大学 计算机与信息学院，江苏 南京 210098）

为准确预测企业在未来单位时间内的销售额，构建了基于传统BP神经网络与时间序列预测模型为一体的改良BP神经网络预测模型。针对神经网络输入数据的非线性、冗余性、不完整性，改良神经网络参考了同步时间序列的预测做出了自我校准，并利用遗传算法达到通过校准得到自我优化的目的，简化网络结构，提高预测的准确度。针对某房地产企业历史销售数据进行了实例验证结果表明，该模型相比未经前期处理的BP神经网络模型和线性回归分析方法，其预测结果的误差更小，预测精度更高。

BP神经网络；时间序列预测模型；遗传算法；销售预测

销售预测是一套由人工定义的高度复杂化非线性系统，用于对销售情况的预测建模[1]。众所周知，企业销售计划其中心任务之一是销售预测，无论企业的规模有多大，销售人员有多繁杂，皆离不开对未来发展方向的规划。而发展方向必然且极大程度上会收到未来销售情况的影响，故销售预测对企业管理者和决策人来说，几乎是关乎企业存亡的重要待解决事件。实验表明，基于优化后的BP神经网络算法大大提高销售预测的准确度，在企业活动中实现精准营销，具有一定的社会应用价值。

1 优化BP神经网络的算法设计基础

1.1 时间序列模型

时间序列，是一组按时间顺序排列并随时间的变化而变化的数据序列[2]。……