基于多模式特征聚合的未来商业预测

摘要：

准确预测商业销售量未来趋势对于企业开发经营、政府宏观调控等至关重要.传统的数据预测方法计算时间开销大,具有主观性,而现有基于数据驱动的未来商业预测方法没有考虑到数据集中的特征多样.商业销售量数据是一个时序数据,时序数据中包含了丰富的时间窗特征、滞后历史特征和价格变化趋势特征等众多特征,先前的研究往往只注重于其中的某些特征,对于特征的融合和增强探究偏少,现有的未来商业预测方法的预测精度仍然有待提高.为此,本文提出了一种基于多模式特征聚合的未来商业预测方法,该方法首先将商业销售量数据进行预处理;然后基于特征工程提取数据集的5组不同的时间窗特征和其他特征;在机器学习上对于5组时间窗特征采用硬投票机制选择合适的模型训练,同时也采用神经网络的优化模型提取时序特征和预测结果,然后分析销售量数据集和某些特征之间的依赖关系;最后基于软投票模型完整地模型融合实现了商业销售量的高精度预测.一系列实验结果表明,本文提出的方法具有较高预测精度和效率,明显优于现有预测方法.

关键词：未来商业预测、多模式、特征融合、投票机制、机器学习、深度学习

所属期刊栏目：32

分类号：TP391;F282;F301

在线出版日期：2023-02-15（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：25-33