苏 新

（江苏科技大学 镇江 212000）

1 引言

生成产品级销售预测是服装电商平台成功运营的关键因素。准确可靠的产品销售预测，可以及时把握客户需求的新动向，从而推出适销对路的产品和高质量的服务。实现优质的库存计划，可以减少对饱和市场过量不必要的冗余生产，降低成本。准确的调包计划任务，有效降低供需不匹配情况出现的概率，提高有效销售转化率，从而实现利润的最大化。

相较于传统行业，电商平台的商业环境是高度动态且不稳定的，这主要是由假日效应，竞争者行为等因素引起［1］。而与一般产品相比，快销服装的销售情况除了受商品自身品质，市场供求关系等因素影响，还在很大程度上跟节假日效应，产品宣传与推广促销活动等客观因素息息相关，而这部分变化往往是非线性和随机的，单纯使用线性模型很难预测出良好的结果。由于产品本身更迭速度很快，生命周期短，造成有效可用业务数据较少，且由于具有季节性、周期性、趋势性和主观性的特点，销售数据很大程度上也会受到地域、天气等因素的影响，从而呈现出较为复杂特殊的情况［5～6］。

本文提出一种基于Prophet的优化算法［4］，优化时间序列分解得到的各因式项模型，并综合考虑了真实销售中存在的诸多影响因素。解决了以往的模型在数据噪声大的情况下预测精度差的问题［2～3］，并且当数据量有限时，其预测结果也较为可靠。最终实验表明本文优化算法预测准确度要优于算法。……