文献类型：期刊文献

中文题名：基于混合优化神经网络的零售销量预测

作者：程肖冰[1];曹丽婷[1];李苏建[2]

第一作者：程肖冰

机构：[1]北京联合大学城市轨道交通与物流学院,北京100101;[2]北京科技大学机械学院,北京100083

第一机构：北京联合大学城市轨道交通与物流学院

年份：2022

期号：6

起止页码：185-188

中文期刊名：统计与决策

外文期刊名：Statistics & Decision

收录：CSTPCD;;国家哲学社会科学学术期刊数据库;北大核心:【北大核心2020】；CSSCI:【CSSCI2021_2022】；

基金：教育部高校国别和区域研究资助项目(2020G5);北京市教委科技一般资助项目(KM202011417002)。

语种：中文

中文关键词：径向基神经网络;粒子群;梯度下降法;短期预测

摘要：文章结合部分零售商品的销售特征和影响销售的因素,采用改进神经网络模型进行预测分析。由于基本径向基(RBF)神经网络模型容易出现对训练样本过度拟合现象,因此使用粒子群(PSO)算法和随机梯度下降法(SGD)混合优化RBF模型,其中PSO能够降低算法陷入局部极小的可能性,SGD则可以保证算法的局部搜索能力。针对零售商品短期销量的预测,优化模型预测精度较高、预测稳定性好。