基于ARIMA-LSTM的服装流行趋势预测模型

摘要

针对服装销售过程中供求不平衡等问题,提出了一种自回归移动平均(ARIMA)和长短期神经网络(LSTM)相结合的服装流行趋势预测模型。首先,利用网络爬虫技术获取服装的销售、评论等相关信息;然后,采用ARIMA模型对不同色彩属性下的服装销量预测其线性特征,通过LSTM修正ARIMA模型的预测残差;最后,对比ARIMA模型和ARIMA-LSTM组合模型的预测精度和性能。实验表明,与单一的时间序列算法相比,结合两种高效的模型算法在服装销量预测精度上取得了较好的效果。