共被期刊论文引用了2次
您的检索式：您选中1篇文献正在查看引证文献汇总
|
|
|
题名
|
作者
|
年代
|
出处
|
被引量
|
| 1 | 基于经验模态分解与人工神经网络的参考作物腾发量混合预测模型研究显示文摘为了提高具有非线性和非稳定性特征的参考作物腾发量(ET0)时间序列的预测精度,提出基于经验模态分解(EMD)的BP神经网络预测模型。以大连地区1970~2006年间逐月ET0序列为例,首先应用经验模态分解(EMD)方法将ET0序列分解为具有不同尺度特征的本征模态函数(IMF),然后运用BP神经网络对ET0序列和分解得到的IMF进行训练,得到ET0序列的预测模型,并对ET0进行预测,最后将预测值及单纯的BP神经网络预测值分别与真实值进行对比分析。结果表明:EMD-BP模型预测值的平均绝对百分误差(MAPE)、均方根误差(RMSE)、平均绝对差(MAD)及判定系数(R2)分别为1.32%,0.0327,0.0278,0.9967;而BP模型相应的指标值分别为8.50%,0.2583,0.1839,0.8967。显然,EMD-BP模型的MAPE、RMSE、MAD值较小且R2值较大。因此,其预测精度及稳定性均优于单纯的BP模型,可作为ET0预测的一种参考。 | 迟道才 郑俊林 许杏娟 吴奇 陈涛涛 | 2015 | 沈阳农业大学学报2015，46，1： | 6 |
| 2 | 基于商品关联网络的销量预测方法显示文摘销量预测作为企业营销决策和战略管理中的重要环节,一直是研究的热点。但由于销量受企业内部环境和外部环境中多种因素影响,销量预测一直是极具挑战性的研究问题。现有的销量预测模型常使用商品的历史销量和商品属性等变量来预测销量,很少考虑利用其他商品信息来提高预测精确度。本文首先通过市场购物篮分析,找出销量相互影响的商品品类。然后根据市场购物篮分析结果构建品类之间的关联网络,并利用网络中与待预测品类相关联的其他品类的销量信息来提高预测准确度。为了解决顶测过程中存在的内生性问题,本文采用向量自回归模型对预测问题进行建模,同时控制节假日等因素对销量的影响。本文用一家国内大型超市的真实数据进行验证,结果表明本文提出的方法比传统方法具有更高的精确度。最后,本文基于得到的研究结果,为企业的库存管理和营销策略提出一些管理建议。 | 姚凯 康靖林 涂平 苏萌 | 2015 | 营销科学学报(辑刊)2015，9，4： | 2 |
您所在的机构暂未开通此部分的功能，请联系管理员