声明
摘要
1 绪论
1.1 选题背景与研究意义
1.1.1 选题的背景
1.1.2 研究的意义
1.2 预测问题研究的现状
1.3 网络市场的发展现状
1.4 本文的研究思路与内容
1.5 本章小结
2 经典预测算法理论论述
2.1.3 灰色预测法
2.1.4 专家预测法
2.2 本章小结
3 预测模型简介
3.1 神经网络发展简介
3.2 BP神经网络
3.2.3 BP神经网络预测流程
3.2.4 BP神经网络相关函数
3.3 KNN方法预测
3.3.1 KNN理论介绍
3.3.2 KNN方法衡量指标
3.3.3 KNN距离准则定义
3.4 本章小结
4 预测模型实证分析
4.1 店铺销售预测的影响因素
4.1.1 影响因素概述
4.1.2 影响因素的确定
4.2 基于BP神经网络的的销售额预测
4.2.1 网络层数的确定
4.2.2 输入层数的确定
4.2.3 输出层的确定
4.2.4 隐含层节点的确定
4.2.5 传输函数的确定
4.2.6 训练方法及参数的介绍
4.2.7 数据的归一化处理
4.2.8 网络的训练与泛化
4.2.9 BP预测结果实现与分析
4.3 基于KNN的店铺销售额预测
4.3.1 KNN方法的实现流程
4.3.2 KNN方法预测数据处理
4.3.3 KNN方法样本数据的选择与定义
4.3.4 KNN方法的K值选取
4.3.5 KNN方法的数据训练
4.3.6 基于KNN方法的店铺销售额结果预测
4.4 基于BP-KNN的销售额预测
4.4.2 基于BP-KNN预测的数据处理
4.4.3 基于BP-KNN预测实现
4.5 预测结果分析对比
4.6 本章小结
5.1 结论
5.2 展望
参考文献
致谢
作者简介及读研期间主要科研成果
安徽理工大学;