汪 想，龚谊承，程明辉，曾庆蓉

（1.武汉科技大学汽车与交通工程学院，湖北 武汉 430065；2.武汉科技大学理学院，湖北 武汉 430065）

随着中国经济的不断发展，人们对目标产品的需求发生了显著变化。性价比不再是人们的唯一诉求，人们更加愿意关注个性化、时尚化及美观化，并将其作为对目标产品的重要需求。

同时，随着新零售行业的不断发展，新零售产品的种类呈爆发式增长，新零售产品类别不断细化。这也导致商家对目标产品的分类管理十分困难。如何根据层次复杂、种类繁多的历史数据，对目标产品的需求进行精准预测，成为目前绝大部分零售商家关注的主要问题。

本文首先通过逐步回归分析筛选出影响目标产品销量的主要因素，接着通过灰色神经网络对目标产品的销量进行预测。由于灰色神经网络的初始权值与阈值随机选择，导致网络在学习与进化过程中较容易陷入局部最优解。故引入遗传算法对灰色神经网络进行优化，以提高模型预测的准确度。

1 研究方法

1.1 逐步回归理论

逐步回归理论（Stepwise Regression Theory）是运用回归原理并进行双检验的一种理论。从本质上来说，逐步回归是从一组候选变量中构建回归模型，并识别出显著变量的过程。

具体按如下3 步展开：①引入变量。对未引进变量进行F 检验，若显著则引进。②剔除变量。对引进的自变量进行F 检验，若不显著则剔除。③重复步骤①及步骤②，直至既没有显著的变量选入方程，也没有不显著的变量从方程中剔除为止，保证最后所筛选出的变量集达到最优。……