商品销量的趋势分析及预测

本文通过分析商品销量的历史资料，用时间序列分析的方法，对商品未来的销售情况进行科学预测，达到以销定产。     

商品销量的趋势分析及预测

通过分析一部分季节性商品销量的历史资料，以时间序列分析方法为基础，找到了一种对于季节性商品未来销量较为有效的预测方法，并以某城市的啤酒销售量进行实证分析。     

商品销量的趋势分析及预测

本通过分折一部分季节性商品销量的历史资料，以时间序列分折方法为基础，找到了一种对于季节性商品未来销量较为有效的预测方法，并以某城市的啤酒销售量进行实证分析。     

西安市旅游商品业发展动态分析

旅游商品业是区域旅游业经济效益产出的重要组成部分。以西安市旅游商品业近10多年的发展为例，依据统计数据，建立了西安市旅游商品业创汇收入的趋势方程；对1989—1998年旅游商品收入的比重以及旅游业、游旅商品业和旅游劳务创汇收入年增长率的变化进行对比分析；分析了西安旅游商品业发展的动态趋势及波动周期；运用趋势方程及周期规律，对未来5年西安市旅游商品业的发展趋势做出预测。     

一类季节性商品市场预测的新方法

讨论了一类季节性商品的市场预测问题，在原有模型基础上，提出了一种改进的预测新方法，可以提高预测精度。     

运用SAS软件系统对商品批发单价的回归分析

本文运用SAS软件系统对商品批发单价进行了研究,建立了非线性回归模型,用t检验法检验了模型的合理性,并对商品的单价作出预测,为商品批发价格的预测提供一种方便实用的方法.     

市场经济下需求预测的随机模型

本文从不确定性科学的角度研究市场经济条件下商品的需求量预测问题，提出了一种新的随机预测方法，并用一个算例证实了该预测方法的有效性。     

耐用商品销售的数学模型

利用三次增长率模型预测了耐用商品销售量最大值,利用Gompertz曲线模型预测了销售状况,并对浙江省城镇居民平均每百户彩电拥有量和空调拥有量进行了分析、预测,为耐用商品的生产、销售及更新换代提供了依据。     

一类线性动态非均衡蛛网模型的稳定性分析

动态非均衡下蛛网模型的稳定性分析，对于解决诸如农产品等单商品市场价格波动一类的经济活动有着积极的意义。本考虑到单商品的众多生产在进行市场总产量和价格的预测中存在着博弈过程，将第t期的供给函数看成是第t-1期价格和第t-2期价格的线性函数。引入价格调节机制，对传统蛛网模型加以改进，并对改进后的模型进行了动态和稳定性分析，从而得到均衡价格存在的稳定性条件。有助于提高生产对产品的价格和供给量的预测能力及风险管理水平。     

季节性波动的预测新方法——直线与三角曲线迭加法

在市场经济活动中，有许多商品的销售量是随季节呈周期性变化。搞好季节性波动预测，对提高企业生产计划的科学性和经济效益具有十分重要的意义。季节性波动比较复杂，预测方法也较多，这里我们讨论一种新的预测方法，这种方法形式简单，容易掌握，而且预测精度较高。     

云模型在商品月销售量预测中的应用

针对营销企业商品月销售数量变化不定的难点,提出了基于云模型的商品月销售量的预测方法。根据云规则发生器计算云模型的数字特征值和所需数目的云滴,来预测未来商品月销售数量。云模型预测解决了预测数据的模糊性和随机性问题。实验结果表明,和基于时间序列季节预测方法相比,采用云模型预测的结果更准确,对企业的销售预测具有现实意义和参考价值。     

电子商务中商品评分的销售方法

在电子商务销售系统中,运用等效相关系数来衡量商品之间的相关程度,根据等效相关系数和已知商品评分对未知商品进行预测评分,并将爱好程度高的商品介绍给顾客的销售方法,既可有效实现系统对众多用户和大量商品数据的及时处理,又能明显提高电子商务中销售商品的成功率和推荐商品的正确度。     

智力商品论

独立地提出了智力商品这个概念，从其产生的背景、构成的因素、分化的意义三个层次对其进行了论述，并在此基础上对今后社会进化的模式作了大胆预测。     

基于阿里巴巴电商数据的商品需求预测研究

在电商供应链的自动化管理过程中,高质量的商品短期需求预测是供应链管理的基础和核心功能。基于电商大数据对商品需求进行准确预测,可以帮助企业降低成本,提升用户体验,对整个电商行业的效率提升都会起到重要作用。由于受用户喜好、价格调整、季节变化等各种动态与间歇性因素影响,使得该项任务具有一定的挑战性。首先创新性的使用商品历史销量走势图作为商品特征,通过深度学习的迁移学习获取图像特征并对商品进行聚类分析,目的是针对相似的商品进行预测;接着将短时段内（天为单位）的商品时序动态特征转为二维矩阵数据,通过卷积神经网络（CNN）自动提取特征,在与商品的固有特征融合后,连接到较长时序（周为单位）的长短期记忆神经网络（LSTM）,并通过混合密度网络（MDN）进行预测输出。最后使用阿里巴巴菜鸟网络下的真实电商数据验证了所提算法更加的精确和有效,该算法符合大多数以综合性商品销售为主的电商平台,具有较好的可扩展性和普遍的应用价值。     

改进的GM（1,1）模型在商品进出口贸易问题中的应用

针对我国近些年商品进出口额低增长的特性,利用最优平移变换优化原始序列,建立GM(1,1)模型进行预测分析,从结果可看出,优化的灰色模型计算简单,模型更加精确可靠,能对未来我国商品进出口额预测提供更有效的数据依据,具有很好的实际意义。     

上海地区内衣消费群研究及新品牌开发策略

以上海内衣市场为研究对象，运用AIOV分析法研究上海内衣消费群，揭示其总体特征，发掘市场空缺．创设情侣内衣品牌，制定了包括对目标消费群的研究，内衣环境分析和流行预测，产品理念风格及总体设计。卖点定位及市场推广等项目的市场企划案．提出了一种以市场流行趋势及消费者需求为出发点，以创设个性化内衣品牌“N＆Z”为中心的较完备的预测提案型商品品牌开发和商品企划策略．     

基于评论特征提取和隐因子模型的评分预测推荐系统

评分预测是推荐系统研究的核心问题,通过用户的历史行为来预测用户对商品的评分,根据评分高低来推荐用户喜欢的商品.当前基于评论评分预测推荐系统普遍只使用卷积神经网络捕获局部特征或者循环神经网络捕获全局特征,忽略了将这两类特征的有效融合.针对现存问题,本文提出基于评论特征提取和隐因子模型的评分预测推荐模型,使用自适应感受野的卷积神经网络(CNN)提取局部特征,同时使用门控循环单元(GRU)提取全局特征,将不同特征融合为评论的嵌入表达.再结合隐因子模型(LFM)对用户的特征偏好和商品的特征属性进行建模.最后,通过对用户和商品的嵌入表达进行评分预测.实验结果表明,本文模型在5个数据集上均高于现有基线模型.     

基于NAR模型的商品零售价格指数预测研究

基于样条估计理论,建立了我国商品零售价格指数的NAR预测模型.并应用此模型对我国2004-2007年的价格指数进行了预测分析,结果表明:相对于传统的ARMA模型而言,NAR模型能够更好地捕获我国社会商品零售价格指数的非线性特征,预测精度较高.     

城市蔬菜供需平衡问题的优化研究

在对兰州市蔬菜产、供、销历史与现状进行研究，并对其供求关系进行定量分析及预测的基础上建立了兰州市蔬菜供南非平衡的线性规划优化模型，通过求解得到了商品菜基地建设和蔬菜调出量，调入量的优化安排，以期达到蔬菜供应的最佳经济效益与社会效益。     

基于GBDT的商品分配层次化预测模型

商品预测是使用以往商品信息去估计和推断未来商品的销售趋势,并以此作为对商品进行合理调配与规划的依据.为实现对商品销售的精确预测,在GBDT基础上,提出了一种层次化集成预测模型(HGBDT).针对数据表征的高维问题,基于Bagging思想,在特征空间构建了该模型,实现对商品的有效描述,以此提高预测模型的性能与泛化能力.在开放数据库上的实验结果验证了本文模型的有效性.