基于BP神经网络团购商品数量预测.doc

基于BP神经网络团购商品数量预测 　　摘 要：随着互联网的发展与普及，网络购物已成为现代人生活中一个重要组成部分。网购为消费者带来了颠覆传统消费模式的全新购物模式，节省了大量的购物时间。目前网络团购模式已经被广大网络消费者所认同，团购商品数量是团购网站预期营业额的重要依据，因此建立有效的团购商品数量预测模型，分析影响团购商品数量的作用因素，对团购网站具有重要的实际指导意义。 关键词：BP神经网络；团购；预测 中图分类号：TP183 团购网团购商品数量预测模型服务于团购网站，为预测团购商品数量而用。团购网团购商品数量预测模型用来预测本网站中准备开团企业销售商品数量，所以样本均在网站内部，选取样本多为不同企业团购数据。 1 团购网团购商品数量影响因素 1.1 价格因素。折扣通常作为促销的手段，为扩大销路，增加销量，团购网站中的折扣通常用折扣数来表示。扣减折扣后的价格才是商品的实际销售价格。在团购网站中消费者能够看到的与价格因素相关的信息组成有，原价、折扣、节省、现价。不难发现四者之间存在关联，所以在价格因素选取当中，选取现价和折扣代表价格因素作为输入数据。 1.2 团购时限。在典型的团购网站中，团购网中团购活动是有时间限制的（通常为一到五天），过时活动自动停止。经常浏览国内团购网站发现，团购时限在逐渐增加。团购开团时间越长参加团购的人也就越多，团购数量也会对应增加，所以选取团购时间为输入数据。 1.3 团购券的有效使用期限。团购商品是存在一定的有效期限的，消费者在参加团购之前，需清楚查看网站提示中的相关信息，在网站有效期区域内，会清楚地写明团购券的有效使用时间，所以团购券的有效使用期限也是影响团购数量的一个重要因素。 1.4 团购券的接待时间。根据商家的实际情况，团购券在一天范围内被允许消费的时间也会有所不同，同时在节日或周末团购券也是不允许使用的，所以根据餐厅可接待消费者的时间长短也是影响团购数量的一个因素。 1.5 每张团购券适用人数。根据团购券的价格，通常消费者都会选择性价比较高的团购项目，所以每张团购券的适用人数就成为团购数量的一个主要因素。相同团购价格时，团购者根据实际需要可自行参与不同适用人数的团购。 1.6 餐厅周边公共交通状况。参与团购已是一种很时髦的事情，在青年人中成为一种时尚，以80后、90后年轻人和学生为主，大多没有代步工具。年轻人在团购过程当中会考虑到达消费场所是否方便快捷，所以公共交通状况也是影响团购数量的一个因素。 2 网络模型建立 根据实验研究确定团购数量预测是多输入单输出的非线性映射，团购网团购商品数量预测模型，建立BP神经网络模型为7×7×1模型，既输入层神经元个数为7，隐含层神经元节点数为7，输出层节点数为1。因将原始数据归一化到[-1，1]之间，隐含层采用S型激活函数tan-sigmoid函数，输出层使用线性激活函数purelin，训练函数trainLM，学习函数learngd。初始权值采用随机数，50条训练样本数据，10条测试样本数据。如网络训练的初始误差很大，需重新设置样本结束学习条件，如：误差精度设置、循环次数设置等，团购网团购商品数量预测模型网络结构，如图1所示。 图1 团购网团购商品数量预测模型网络结构图 3 团购网团购商品数量预测模型训练与仿真 完成BP神经网络生成和初始化后，使用输入样本和输出样本数据对神经网络进行训练。采用train函数训练BP神经网络，训练之前，首先对网络训练参数进行设置。设置完训练参数后，调用train函数对BP网络进行训练，网络训练好后，调用sim函数进行仿真。 将归一化处理后的数据输入模型，进行训练，主要程序代码如下： net=newff（minmax（pn），[7，1]，{‘tansig’ ‘purelin’}，’trainlm’， ‘learngd’， ‘mse’）； net.trainParam.epochs=2000； net.trainparam.show=50； net.trainparam.lr=0.01； net.trainparam.goal=0.0001； net.layers{1}.initFcn=‘initnw’； net.layers{2}.initFcn=‘initnw’； net.inputWeights{1，1}.initFcn=‘rands’； net.inputWeights{2，1}.initFcn=‘rands’； net.biases{1，1}.initFcn=‘rands’； net.biases{2，1}.initFcn=‘rands’； ne