基于多因素稀疏回归预测模型的商家客流量预测.PDF

37 5 Vol. 37 No. 5 第 卷第 期 计算机应用研究 录用定稿 Application Research of Computers Accepted Paper 基于多因素稀疏回归预测模型的商家客流量预测 * 1 1, 2 1, 2 1† 1 郑增威 ，杜俊杰 ，周燕真 ，孙 霖 ，霍梅梅 (1. , 310015; 2. , 浙江大学城市学院 智能植物工厂浙江省工程实验室 杭州 浙江大学 计算机科学与技术学院 杭州 310012) 摘 要：针对智能商业平台中的大数据预测问题，提出一种多因素稀疏回归预测模型。以离散余弦变换为基础，构 建包含多个外部因素 （节假日、天气、温度）的字典集，通过 LASSO 方法定量求解稀疏编码模型中各外部因素的 影响。实验对 2 000 个商家的客流量进行预测。实验结果表明，外部因素不同程度地影响客流量，在预测模型中叠 RNN ARIMA 加外部因素后可以有效提高预测的准确性。同时，通过与其他方法的对比，多因素稀疏回归预测模型比 、 等模型的预测效果更好。 关键词：智能商业平台；客流量预测；稀疏回归；多因素分析；字典学习 中图分类号：TP391 doi: 10.19734/j.issn.1001-3695.2018.10.0816 Retail consumer traffic forecasting based on multi-factor sparse regression prediction model 1 1, 2 1, 2 1† 1 Zheng Zengwei , Du Junjie , Zhou Yanzhen , Sun Lin , Huo Meimei (1. Intelligent Plant Factory of Zhejiang Province Engineering Laboratory, City College, Zhejiang University, Hangzhou 310015, China; 2. College of Computer Science & Technology, Zhejiang University, Hangzhou 310012, China) Abstract: This paper proposed a multi-factor sparse regression prediction model aiming to solve the problem of big data prediction in business intelligent platform. Constructed a dictionary containing external factors (holidays, weather, and te