發(fā)布時間：2020-11-14 05:16

　　 在分析服裝銷售預測影響因素的基礎上,綜述服裝銷售預測模型的研究進展,并結合模型特征對比不同預測方法的優(yōu)缺點,同時指出服裝銷售預測研究趨勢與方向。將服裝銷售預測影響因素歸納為4點,包括周期性因素、季節(jié)性因素、分類方案及其他解釋變量,提出產品特征與預測方法的關聯(lián)方案,闡釋影響服裝銷售的解釋變量。從統(tǒng)計預測方法、人工智能預測方法及混合模型角度,分類闡述不同預測方法的工作原理及預測效果,重點介紹混合模型的最新應用及預測優(yōu)勢�；�于服裝銷售預測研究趨勢,根據研究進展與現(xiàn)存問題,提出服裝銷售預測研究的發(fā)展方向。
【部分圖文】：

統(tǒng)計方法是銷售預測的傳統(tǒng)方法，也是較常用的銷售預測技術，包括線性回歸法、移動平均法、加權平均法、指數(shù)平滑法等。基于時間序列的分析方法，如自回歸積分滑動平均模型（ARIMA）和季節(jié)性差分自回歸滑動平均模型（SARI-MA）被廣泛用于銷售預測。ARIMA與SARIMA模型由于具有封閉表達式而呈現(xiàn)出快速、直觀、易于使用的特征，相應預測方案在幾秒內即可完成。Shumway et al[8],Liu et al[9]以及Thomassey[10]考察了基于ARIMA和SARIMA的預測模型，并驗證了模型的適用性。然而，由于服裝銷售時間序列數(shù)據的高度變異性和不規(guī)則性，研究者普遍認為單純的統(tǒng)計方法很難產生滿意的預測結果，因其難以捕捉到數(shù)據中的非線性關系[11]。此外，服裝需求受眾多解釋變量的影響，如圖2所示，而基于時間序列的統(tǒng)計方法難以將其納入。因此，統(tǒng)計方法雖然快速、直觀，但對服裝銷售的預測精度不高。

盡管ANN模型和ENN模型在預測精度方面表現(xiàn)良好（如均方誤差等性能指標），但由于數(shù)據的復雜性、多樣性及模型使用的梯度學習算法，使得ANN所需的訓練時間大大增加。研究表明，即使是簡單的ANN也需要大量時間來完成一項預測任務。這一限制不符合服裝行業(yè)的快時尚特征，成為許多基于ANN和ENN的預測模型在實際應用中的巨大障礙。為實現(xiàn)快速預測，有人提出將極限學習機器（ELM）作為銷售預測新技術。ELM是一種快速的單隱層前饋神經網絡（SLFN），與基于神經網絡的梯度學習算法模型相比，ELM具有更好的泛化能力和更快的學習速度[16]。Sun et al[17]于2008年首次將ELM運用于服裝需求預測。Yu et al[18]結合統(tǒng)計方法和ELM，建立了服飾產品快速預測模型。雖然ELM比傳統(tǒng)ANN模型預測速度更快，但它仍需一定時間完成需求預測任務，并且需足夠數(shù)據進行訓練，以獲得良好的預測結果。此外，由于ELM通過隨機分配SLFN的輸入權重和隱藏層偏差來工作，其輸出具有不穩(wěn)定性，在某些情況下不能很好地完成預測任務。
【參考文獻】

相關期刊論文 前3條

1 張丹;;多元化銷售渠道下的品牌服裝設計[J];針織工業(yè);2012年11期

2 王海寧;王厲冰;;網絡環(huán)境下我國服裝企業(yè)客戶關系管理的策略[J];針織工業(yè);2006年07期

3 丁鐘復,郝秀芳;計算機在服裝企業(yè)中的應用[J];針織工業(yè);2002年05期

相關碩士學位論文 前1條

1 池可;服裝銷售預測方法及RBF神經網絡模型研究[D];蘇州大學;2009年

【共引文獻】

相關期刊論文 前4條

1 張丹;;桃花塢木刻年畫文化意境在服裝創(chuàng)意設計中的應用[J];絲綢;2015年08期

2 張丹;;江蘇服裝區(qū)域品牌集群差異化創(chuàng)新模式的探討[J];現(xiàn)代絲綢科學與技術;2013年04期

3 張詩楠;潘軍;張永志;;基于VB.NET的服裝管理系統(tǒng)的設計與實現(xiàn)[J];電腦知識與技術;2010年19期

4 王麗霞;;CRM在我國服裝行業(yè)中的應用[J];廣西輕工業(yè);2008年03期

相關碩士學位論文 前8條

1 王麗麗;基于用戶偏好的服裝個性化推薦[D];蘇州大學;2018年

2 張鈺;面向服裝企業(yè)市場預測的數(shù)據挖掘技術研究[D];西安工程大學;2015年

3 張雨祝;基于神經網絡的X公司太陽鏡銷售預測研究[D];重慶理工大學;2014年

4 袁磊磊;基于時間序列分析的商業(yè)企業(yè)銷售預測模型研究[D];重慶理工大學;2013年

5 姜艷艷;基于肺音的麻醉狀態(tài)下呼吸系統(tǒng)的建模與仿真[D];哈爾濱理工大學;2013年

6 陸江;農副產品包裝廠產供銷管理系統(tǒng)的研究與實現(xiàn)[D];湖南農業(yè)大學;2012年

7 畢建濤;基于主成分和粒子群優(yōu)化BP神經網絡的促銷產品銷量預測研究[D];東華大學;2012年

8 金立瑜;商業(yè)智能（BI）在中小型服裝企業(yè)的應用研究[D];東華大學;2011年

【二級參考文獻】

相關期刊論文 前2條

1 趙輝;;快速時尚對絲綢服裝設計的可鑒性啟示[J];絲綢;2009年11期

2 蔡慧,顧慶良,宗述;美國的敏捷零售模式對中國服裝零售業(yè)的借鑒[J];中國紡織;2000年05期

【相似文獻】

相關期刊論文 前10條

1 沈岳;;基于時間序列馬爾可夫鏈的服裝銷售預測[J];絲綢;2009年11期

2 李斌;關于新產品的銷售預測[J];管理科學文摘;1995年09期

3 袁振強;;我國煙草企業(yè)銷售預測系統(tǒng)應用背景和意義研究[J];現(xiàn)代營銷(學苑版);2012年07期

4 楊飛;王猛;;基于支持向量機的煤炭銷售預測系統(tǒng)的研究[J];計算機與數(shù)字工程;2011年06期

5 蔡麗玲;季曉芬;方靖;;服裝銷售預測技術的新發(fā)展[J];絲綢;2005年12期

6 池可;陳雁;;基于對象信息的服裝銷售預測方法選擇[J];紡織學報;2009年10期

7 王平,明哲,王艷紅;汽車行業(yè)銷售預測系統(tǒng)的分析、設計與實施[J];情報科學;2001年02期

8 劉德玲;;大區(qū)域內藥品銷售預測方法研究與仿真[J];計算機仿真;2012年07期

9 吳文杰,虞泓;基于線性回歸的銷售預測模型[J];面粉通訊;2005年03期

10 林誠真;洪丹丹;黃珍珍;朱秀娟;;淺析奶茶銷售方案[J];現(xiàn)代物業(yè)(中旬刊);2014年Z1期

相關碩士學位論文 前10條

1 于天池;移動商務環(huán)境下服裝行業(yè)動態(tài)銷售預測技術研究與實現(xiàn)[D];上海交通大學;2008年

2 武婷婷;R公司進口產品的銷售預測和庫存管理[D];上海交通大學;2015年

3 劉恰恰;基于環(huán)境因素的醫(yī)藥銷售預測研究[D];蘭州財經大學;2019年

4 金明磊;基于銷售預測的工業(yè)軸承營銷策略研究[D];天津大學;2016年

5 王剛;支持向量回歸機在藥品銷售預測中的分析及應用[D];云南財經大學;2010年

6 于淼;基于機器學習理論的服裝中期銷售預測研究[D];浙江理工大學;2015年

7 李志明;CRC醫(yī)藥公司銷售預測研究[D];南華大學;2015年

8 何鵬;銷售預測模型在世紀達公司的應用研究[D];中南大學;2006年

9 陳歡;灰色理論在汽車銷售預測和投資決策中的應用研究[D];合肥工業(yè)大學;2008年

10 胡成義;AC壓縮機公司銷售預測方法研究[D];上海交通大學;2007年

本文編號：2883127