互联网时尚产品流行趋势预测研究-管理科学与工程专业论文.docxVIP

硕士学位论文互联网时尚产品流行趋势预测研究 硕士学位论文 互联网时尚产品流行趋势预测研究 The Research of Forecasting for Fashion ProductsPopular Trends Under the Internet Environment 学 号：大连理工大学 Dalian University of Technology 万方数据 大连理工大学学位论文独创性声明作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 大连理工大学学位论文独创性声明 作者郑重声明：所呈交的学位论文，是本人在导师的指导下进行研究 工作所取得的成果。尽我所知，除文中已经注明引用内容和致谢的地方外， 本论文不包含其他个人或集体已经发表的研究成果，也不包含其他已申请 学位或其他用途使用过的成果。与我一同工作的同志对本研究所做的贡献 均已在论文中做了明确的说明并表示了谢意。 若有不实之处，本人愿意承担相关法律责任。 学位论文题目：盈壁困幽煎左鱼盗丝丝夔塑型塑霆 作者签名： 聋赵 日期：二堕年—色月上之日 万方数据 大连理工大学硕士学位论文摘 大连理工大学硕士学位论文 摘 要 产品之所以时尚在于它们能够反映当今的流行趋势。对时尚产品生产企业而言，需 具备识别与预测流行元素的能力。 而对产品流行趋势的预测多是采用专家的定性预测，近年来已有定量预测的研究。 定量化的预测方法，一方面，其数据多采用产品的销售数据。本文基于对销售数据进行 了特征分析，进而构建了组合预测模型对产品的流行趋势进行预测。另一方面，网络搜 索数据和经济行为的相关性分析已成为了焦点研究问题。网络搜索数据中蕴含着消费者 的潜在需求，因此本文将网络搜索数据作为销售数据的补充构建预测模型对互联网时尚 产品流行趋势分别进行了在线和离线预测。 产品能否流行受消费者心理需求的影响并反映在消费行为上，从长期来看群体消费 行为具有一定的规律性，而短期消费行为由于受诸多不确定因素的影响则表现出极大的 不稳定性，这给流行元素的短期预测带来了很大的困难。消费行为的不确定性反映在产 品销售数据的变化方面是线性与非线性现象并存。在第一部分研究工作中，本文面对这 一数据特征，分别采用ARIMA时间序列模型和ELM极限学习机模型分别对销售数据 进行线性建模和非线性建模，然后采用加权投票的方法进行集成，建立组合模型。实验 数据采自淘宝商城2010年1月一2013年7月服装交易的行业数据，利用提出的组合模 型对短期内服装颜色的流行度进行了实际预测，结果表明该组合模型较之单一预测模型 其预测结果既合理又准确。 网络搜索数据不仅反映了用户的焦点关注与个性化需求，其中还蕴含着群体的某些 社会或经济行为。在第二部分研究工作中，本文首先在理论上分析了网络搜索数据和成 交数据之间的关系，并验证了网络搜索数据的预测能力。然后利用网络搜索数据和历史 成交数据建立预测模型，针对时尚产品市场需求不稳定、产品更新速度快等特点，构建 具有较强学习能力和泛化能力的ELM极限学习机模型，对时尚产品的流行趋势进行预 测。数据来源为淘宝指数的流行元素关键词网络搜索量和成交量数据。与传统的统计预 测模型相比，加入搜索数据后，本文构建的模型预测精度较高，该模型对流行趋势的转 折点具有较强的预测能力。同时针对实际应用，构建了OS—ELM模型实现了互联网时尚 产品的在线预测。 关键词：时尚产品；流行趋势；预测；ELM极限学习机；时间序列模型；网络搜索 数据 万方数据 互联网时尚产品流行趋势预测研究Abstract 互联网时尚产品流行趋势预测研究 Abstract The reason why a product is popular is that it can reflect the popular trend in modern times． Therefore，it’S necessary for fashion products enterprises to be able to identify and predict the popular elements． Nowadays，the most widely used method for fashion trend forecasting is qualitative prediction method which is based on the knowledge of the domain experts．But this kind of method is subject to the professional skills and experience level of the experts．In recent years，t