基于组合模型的商品订单预测研究

摘要：

电商销售环境下,订单量的影响因素众多,使用传统的预测方法已经不能满足当前预测需要.针对这一问题,本文构建了组合模型,考虑到影响因素的线性和非线性关系,选择ARIMA、BP神经网络、XGBoost模型进行融合构建了商品订单预测模型.将该模型应用到亚马逊的构建组合预测模型.实验结果表明,组合预测模型相比于单一预测模型能够有效提高订单预测准确率.

关键词：ARIMA时间序列、BP神经网络、XGBoost、订单预测

在线出版日期：2020-04-10（万方平台首次上网日期，不代表论文的发表时间）

页数：共2页

页码：97-98