基于BAYES-BP预测算法的电商平台商品采购计划研究
发布时间：2021-01-09 12:50
随着电子商务的不断发展以及消费者需求向个性化、多元化方向发展,对电子商务平台运营商以及商家来说,提高运营效率和获取更高利润,需要在提升产品多样性、服务能力、降低成本等方面进行深入的探讨。本文以一个企业自营型电商平台为背景,鉴于该企业在自营平台服务水平有待提高,商品库存亟待降低以提升运营收益等实际情况,考虑某些商品采购周期长、库存占用大等因素,开展基于BAYES-BP预测算法的采购预测和采购计划制定方面的研究。精准的采购预测可以为企业缩减库存规模、增加企业的资金流转和减少采购的次数,降低库存,提升客户服务品质,进而可以提高企业的竞争力,具有非常重要的现实意义。本文在对国内外相关研究中所采用的理论与方法进行研究的基础上,首先对自营型电商平台中影响销量的因素进行分析,发现商品收藏数、商品评论数、商品好评分等自营电商平台所特有的因素,这些因素对后期商品销售和采购有重要的影响,根据Granger因果分析法,对影响因素进行筛选,最后选取包括商品单价、商品好评分等级、商品收藏数、商品评论数、商品库存是否充足、商品类型、商品加入购物车次数、是否满足一周无理由退货、是否有优惠券等9个影响因素。其次,构建...
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图１．?１论文技术路线??Ｔａｂ．?１．１?Ｔｅｃｈｎｉｃａｌ?ｒｏｕｔｅ?ｏｆ?ｔｈｅ?ｔｈｅｓｉｓ??
们可以得出采购量与其存在一定的关系。根据影响因素得出需求的预测，可以精确的??进行采购，减少库存占用，提高库存周转，减少企业的财务费用，提高企业运营水平，??并建立适合电商平台的采购计划。在制定采购计划的过程中，将可能遇到的问题，相应??的解决方法，以及方法理论作了说明。??（１）提出可能出现的问题：影响因素选娶预测精准度和采购计划的相关问题。??（２）提出了相应的优化方法：进行影响因素选择、提高预测准确性和进行安全库??存优化。??（３）解释了相关方法的理论依据。??总体思路如图３．１所示。??问题原因?．．．［＞?优化方法二理论依据??Ｖ?／?Ｖ??／?Ｖ???）??／￣￣＼?￣?￣￣Ｎ?＾＾??需求影响因素选?进行影响因?ＧＲＡＮＧＥＲ因￣＾??择不准确?１素相关选择?１果分析??采购需求预测精准度差?？??？优化算法??采购计划未实施?？安全库存优化???理理论??＾＾?＾）?Ｖ?，??图３．?１总体思路??Ｆｉｇ．?３．１?Ｇｅｎｅｒａｌ?ｉｄｅａ??－２４?－??
?大连海事大学硕士学位论文???１?Ｔｒａｉｎｉｎｇ：?Ｒ＝０．９８６１５?Ｔｅｓｔ：?Ｒ＝０．９５５６７??°?〇?Ｄａｔａ?．?ｇ?〇?Ｄａｔａ?〇?／???ｆ－ｈＴ?．??－１?－０．５?０?０．５?１?－１?－０．５?０?０．５??Ｔａｒｇｅｔ?Ｔａｒｇｅｔ??Ａｌｌ：?Ｒ＝０．９８０７４??｜?１ｊＴＦ＾．?７／＞??ｎｊｒ??Ｂ?－＇Ｗ－?Ｉ??－１?－０．５?０?０．５?１??Ｔａｒｇｅｔ??图５．?３?ＢＡＹＥＳ－ＢＰ模型拟合效果??Ｆｉｇ．?５．３?ＢＡＹＥＳ－ＢＰ?ｍｏｄｅｌ?ｆｉｔｔｉｎｇ?ｅｆｆｅｃｔ??在预测的过程中，对影响因素使用了因果检验方法来确定相关影响因素。图５．４是??经过Ｇｒａｎｇｅｒ因果检验后的误差百分比，从图５．４可以看出三种方法在采购需求预测的??准确率，ＢＡＹＥＳ－ＢＰ算法的准确度最高，误差百分比低于ＬＭ－ＢＰ算法与指数平滑预测??算法。从表５．３可看出，三神方法的最大误差百分比为７．７％，?１２．９％，１８％。平均误差??百分比为４．０％，７．６％，?１１．３％。均方根误差的值分别为１９５．４，?３４６．５，?４０４．３。??由表５．３可以看到，在使，用Ｇｒａｎｇｅｒ因果分析前，有不相关影响因素，ＢＡＹＥＳ－ＢＰ??方法与ＬＭ－ＢＰ算法的最大误差百分比比较大，分别为９．６％，?１４．８％；平均误差也都比??较大，分别为８．２％，１０．５％；均方根误差分别为２６０．７，?４２０．５。??在使用Ｇｒａｎｇｅｒ因果分析后，ＢＡＹＥＳ－ＢＰ与ＬＭ－ＢＰ算法的精确度都有提高，然而??ＢＡＹＥＳ－ＢＰ算法的平均误差与方差仍旧小于ＬＭ－ＢＰ算
【参考文献】：
期刊论文
[1]电信运营商采购需求预测模型及案例研究[J]. 杨天剑,雒晶慧,伍娟. 北京邮电大学学报(社会科学版). 2017(05)
[2]基于网络关注度的大宗商品市场预测研究[J]. 王珏,胡蓝艺,齐琛. 系统工程理论与实践. 2017(05)
[3]基于剪枝贝叶斯神经网络的电阻率成像非线性反演（英文）[J]. 江沸菠,戴前伟,董莉. Applied Geophysics. 2016(02)
[4]基于遗传算法的BP神经网络服装销售预测方法[J]. 罗戎蕾,刘绍华,苏晨. 北京邮电大学学报. 2014(04)
[5]基于灰色线性回归组合模型的超市商品销售量预测[J]. 阿布力孜·布力布力,张新国. 统计与决策. 2014(07)
[6]C2C中产品浏览量和销量影响因素的对比研究[J]. 赵占波,孙鲁平,苏萌. 管理科学. 2013(01)
[7]基于组合预测的商品销售量预测方法[J]. 李俊,何刚. 统计与决策. 2012(08)
[8]基于时间序列马尔可夫链的服装销售预测[J]. 沈岳. 丝绸. 2009(11)
[9]基于GA-BP贝叶斯算法的可靠性分析近似模型[J]. 任远,白广忱. 北京航空航天大学学报. 2009(05)
[10]BP神经网络参数改进方法综述[J]. 李翱翔,陈健. 电子科技. 2007(02)
硕士论文
[1]A跨国公司的采购策略研究[D]. 任帅.吉林大学 2019
[2]S跨国公司采购策略优化[D]. 周君鹏.苏州大学 2017
[3]A公司售后服务零配件库存管理方案探讨[D]. 施少磊.上海交通大学 2009
[4]AD公司采购流程再造研究[D]. 黄辉.华南理工大学 2009
[5]设备管理系统的研究与开发[D]. 杨亦.东南大学 2004
本文编号：2966683
【文章来源】：大连海事大学辽宁省 211工程院校
【文章页数】：72 页
【学位级别】：硕士
【部分图文】：
图１．?１论文技术路线??Ｔａｂ．?１．１?Ｔｅｃｈｎｉｃａｌ?ｒｏｕｔｅ?ｏｆ?ｔｈｅ?ｔｈｅｓｉｓ??
们可以得出采购量与其存在一定的关系。根据影响因素得出需求的预测，可以精确的??进行采购，减少库存占用，提高库存周转，减少企业的财务费用，提高企业运营水平，??并建立适合电商平台的采购计划。在制定采购计划的过程中，将可能遇到的问题，相应??的解决方法，以及方法理论作了说明。??（１）提出可能出现的问题：影响因素选娶预测精准度和采购计划的相关问题。??（２）提出了相应的优化方法：进行影响因素选择、提高预测准确性和进行安全库??存优化。??（３）解释了相关方法的理论依据。??总体思路如图３．１所示。??问题原因?．．．［＞?优化方法二理论依据??Ｖ?／?Ｖ??／?Ｖ???）??／￣￣＼?￣?￣￣Ｎ?＾＾??需求影响因素选?进行影响因?ＧＲＡＮＧＥＲ因￣＾??择不准确?１素相关选择?１果分析??采购需求预测精准度差?？??？优化算法??采购计划未实施?？安全库存优化???理理论??＾＾?＾）?Ｖ?，??图３．?１总体思路??Ｆｉｇ．?３．１?Ｇｅｎｅｒａｌ?ｉｄｅａ??－２４?－??
?大连海事大学硕士学位论文???１?Ｔｒａｉｎｉｎｇ：?Ｒ＝０．９８６１５?Ｔｅｓｔ：?Ｒ＝０．９５５６７??°?〇?Ｄａｔａ?．?ｇ?〇?Ｄａｔａ?〇?／???ｆ－ｈＴ?．??－１?－０．５?０?０．５?１?－１?－０．５?０?０．５??Ｔａｒｇｅｔ?Ｔａｒｇｅｔ??Ａｌｌ：?Ｒ＝０．９８０７４??｜?１ｊＴＦ＾．?７／＞??ｎｊｒ??Ｂ?－＇Ｗ－?Ｉ??－１?－０．５?０?０．５?１??Ｔａｒｇｅｔ??图５．?３?ＢＡＹＥＳ－ＢＰ模型拟合效果??Ｆｉｇ．?５．３?ＢＡＹＥＳ－ＢＰ?ｍｏｄｅｌ?ｆｉｔｔｉｎｇ?ｅｆｆｅｃｔ??在预测的过程中，对影响因素使用了因果检验方法来确定相关影响因素。图５．４是??经过Ｇｒａｎｇｅｒ因果检验后的误差百分比，从图５．４可以看出三种方法在采购需求预测的??准确率，ＢＡＹＥＳ－ＢＰ算法的准确度最高，误差百分比低于ＬＭ－ＢＰ算法与指数平滑预测??算法。从表５．３可看出，三神方法的最大误差百分比为７．７％，?１２．９％，１８％。平均误差??百分比为４．０％，７．６％，?１１．３％。均方根误差的值分别为１９５．４，?３４６．５，?４０４．３。??由表５．３可以看到，在使，用Ｇｒａｎｇｅｒ因果分析前，有不相关影响因素，ＢＡＹＥＳ－ＢＰ??方法与ＬＭ－ＢＰ算法的最大误差百分比比较大，分别为９．６％，?１４．８％；平均误差也都比??较大，分别为８．２％，１０．５％；均方根误差分别为２６０．７，?４２０．５。??在使用Ｇｒａｎｇｅｒ因果分析后，ＢＡＹＥＳ－ＢＰ与ＬＭ－ＢＰ算法的精确度都有提高，然而??ＢＡＹＥＳ－ＢＰ算法的平均误差与方差仍旧小于ＬＭ－ＢＰ算
【参考文献】：
期刊论文
[1]电信运营商采购需求预测模型及案例研究[J]. 杨天剑,雒晶慧,伍娟. 北京邮电大学学报(社会科学版). 2017(05)
[2]基于网络关注度的大宗商品市场预测研究[J]. 王珏,胡蓝艺,齐琛. 系统工程理论与实践. 2017(05)
[3]基于剪枝贝叶斯神经网络的电阻率成像非线性反演（英文）[J]. 江沸菠,戴前伟,董莉. Applied Geophysics. 2016(02)
[4]基于遗传算法的BP神经网络服装销售预测方法[J]. 罗戎蕾,刘绍华,苏晨. 北京邮电大学学报. 2014(04)
[5]基于灰色线性回归组合模型的超市商品销售量预测[J]. 阿布力孜·布力布力,张新国. 统计与决策. 2014(07)
[6]C2C中产品浏览量和销量影响因素的对比研究[J]. 赵占波,孙鲁平,苏萌. 管理科学. 2013(01)
[7]基于组合预测的商品销售量预测方法[J]. 李俊,何刚. 统计与决策. 2012(08)
[8]基于时间序列马尔可夫链的服装销售预测[J]. 沈岳. 丝绸. 2009(11)
[9]基于GA-BP贝叶斯算法的可靠性分析近似模型[J]. 任远,白广忱. 北京航空航天大学学报. 2009(05)
[10]BP神经网络参数改进方法综述[J]. 李翱翔,陈健. 电子科技. 2007(02)
硕士论文
[1]A跨国公司的采购策略研究[D]. 任帅.吉林大学 2019
[2]S跨国公司采购策略优化[D]. 周君鹏.苏州大学 2017
[3]A公司售后服务零配件库存管理方案探讨[D]. 施少磊.上海交通大学 2009
[4]AD公司采购流程再造研究[D]. 黄辉.华南理工大学 2009
[5]设备管理系统的研究与开发[D]. 杨亦.东南大学 2004
本文编号：2966683
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/2966683.html
