肖泉彬，黎小龙，车俊俊，何敏

（江西理工大学软件工程学院，江西 南昌 330013）

中国零售市场进入了一个创新与技术应用的高发期[1]，产品供应是市场上最重要的环节之一，准确预测商品销售量从而把握供应量成为企业在市场竞争中存活的关键。随着技术的进步，人工神经网络预测技术在不同领域的应用不断深入[2]，相关学者应用神经网络对临床红细胞用量[3]、血红蛋白浓度[4]、铁路大宗货物运价风险[5]、羊肉价格[6]、滚动轴承故障预测[7]等各个领域进行预测，结果较好。该文在神经网络的基础之上通过Pearson相关性分析，对新零售行业销售量的预测进行应用并得到验证。

1 数据预处理

销售数据预测的准确性取决于过去统计的销售量数据的质量和数量，在数据的收集统计中存在异常情况，需要剔除不完整和异常的数据。如果采用这些数据进行预测，会导致预测成功率下降。由于数据量庞大且数据变量之间相互影响，必须对样本数据进行预处理[8]，对原始数据进行异常值的剔除、相关性分析等。

2 Pearson相关性分析

相关性分析是研究两个及其以上处于同等地位的随机变量之间的相关关系的统计分析方法。相关系数是一种定量描述两组随机变量的统计学相关性的指标。通过比较数组中的每个数对以确定两组数据整体间的相关程度。当自变量取某一值时，因变量对应为一个概率分布，如果对于所有的自变量取值的概率分布都相同，则说明因变量和自变量是没有相关关系的。……