融合CNN和WDF模型的电商企业商品销量预测研究.pdfVIP

ComputerEngineeringandApplications计算机工程与应用2025，61（2）335

融合CNN和WDF模型的电商企业商品销量预测研究

1，23+11，2

袁瑞萍，魏辉，傅之家，李俊韬

1.北京物资学院信息学院，北京101149

2.智能物流系统北京市重点实验室，北京101149

3.中国矿业大学（北京）管理学院，北京100083

+通信作者E-mail163.com

摘要：为了适应电商企业商品销量数据规模大、维度高、非线性等特征，并提高销量预测的准确性，创新性地提出

一种卷积神经网络融合加权深度森林（CNN-WDF）的销量预测方法。利用卷积神经网络（CNN）处理高维数据的优

势对电商企业商品销量数据进行特征提取，降低冗余度和模型训练复杂度。提出一种改进的加权深度森林模型

（WDF）进行商品销量预测。该模型依据各个子树的预测准确率计算每一级森林中该子树的权重以提高整体预测准

确性，且相对于传统深度网络模型具有超参数少、可解释性强等优点。利用京东商品销量数据进行实验验证，结果

表明：CNN-WDF融合模型在不同规模京东销售数据集上，预测准确率均显著高于其他对比模型，且随着数据集规

模的扩大，预测准确率提高更加明显。

关键词：商品销量预测；深度学习；融合模型；卷积神经网络；加权深度森林

文献标志码：A中图分类号：TP391.9doi：10.3778/j.issn.1002-8331.2312-0318

ResearchonCommoditySalesForecastofE-CommerceEnterprisesIntegratingCNNand

WDFModel

1,23+11,2

YUANRuiping,WEIHui,FUZhijia,LIJuntao

1.SchoolofInformation,BeijingWuziUniversity,Beijing101149,China

2.BeijingKeyLaboratoryofIntelligentLogisticsSystem,Beijing101149,China

3.SchoolofManagement,ChinaUniversityofMiningandTechnology-Beijing,Beijing100083,China

Abstract:Toenhancetheaccuracyofsalespredictionfore-commerceenterprises’merchandisesalesdata,whichoften

exhibitlargescale,highdimensionality,andnon-linearity,thepaperproposesanovelsalespredictionmethodcalledcon-

volutionalneuralnetworkintegratedweighteddeepforest(CNN-WDF).Firstly,aconvolutionneuralnetwork(CNN),

whichhastheadvantageofhandlinghigh-dimensionaldata,isusedtoextractfeaturesofhigh-dimensionaldatatoreduce

redundancyandmodeltrainingcomplexity.Secondly,animprovedweighteddeepforestmodel(WDF)isproposedfor

commoditysalesprediction,inwhichtheweightofeachsubtreeineachforestleveliscalculatedbasedonitsprediction

a