| 成果基本信息 | ||||||
| 关键词: | Prophet-随机森林,电商事件,驱动型需求量 | |||||
| 成果类别: | 应用技术 | 技术成熟度: | 初期阶段 | |||
| 体现形式(基础理论类): | 其他 | 体现形式(应用技术类): | 新技术 | |||
| 成果登记号: | 资源采集日期: | |||||
| 研究情况 | |||||
| 单位名称: | 武汉理工大学 | 技术水平: | 未评价 | ||
| 评价证书号: | 评价单位: | ||||
| 评价日期: | 评价证书号: | ||||
| 转化情况 | |||||
| 转让范围: | 合作开发 | 推广形式: | 合作开发 | ||
| 已转让企业数(个): | |||||
| 联系方式 | |||||
| 联系人(平台): | 孵化基地 | 联系人(平台)电话: | 0771-3394012 | ||
| *成果单位详细联系方式请登录会员;还不是会员,马上注册! | |||||
| 成果简介 | |||||
本发明公开了一种基于Prophet‑随机森林的电商事件驱动型需求量预测方法,包括步骤:获取电商平台的历史销售数据,销售数据包括时序数据和购买相关产品用户数据;清洗历史销售数据,提高数据质量;将时序数据进行尺度压缩,降低数据波动性;基于节日活动及电商平台促销事件进行事件建模;为Prophet模型附加事件回归量,并进行Prophet预测,剔除并插值处理属于事件效应范围内的离群点,并进行随机森林预测;组合Prophet预测与随机森林预测结果;进行精度评估以观测模型泛化能力与预测效果。本发明针对电商事件需求及非事件需求特点,分别应用Prophet、随机森林进行预测,提高了电商事件驱动型需求的预测精度 |