摘 要：为了获得精度更高的服装销量预测结果，提出一种基于 LSTM 神经网络的服装销量预测方法。LSTM 神经网络具 有较好的非线性和自适应特性，可以更好地挖掘时序数据中的时序特征和非线性特征，从而获得更加符合实际的预测结果值。使用某服装企业的服装销量时间序列数据集训练 LSTM 模型，设计与经典时间序列预测模型 ARIMA 的对比实验。实验结果表明，该模型能够有效提升服装销量预测任务的精度。
关键词：服装销量预测；LSTM；ARIMA
DOI:10.19850/j.cnki.2096-4706.2021.20.027
中图分类号：TP18 文献标识码：A 文章编号：2096-4706（2021）20-0106-03
Short Term Clothing Sales Forecast Based on LSTM Neural Network
CHEN Dehong, LI Changyun
(School of Computer Science, Hunan University of Technology, Zhuzhou 412007, China)
Abstract: In order to obtain more accurate clothing sales forecast results, a clothing sales prediction method based on LSTM neural network is proposed. LSTM neural network has good nonlinear and adaptive characteristics. It can better mine the temporal and nonlinear characteristics in time series data, so as to obtain more realistic prediction results. Using the clothing sales time series data set of a clothing enterprise to train the LSTM model, a comparative experiment with the classical time series prediction model ARIMA is designed. The experimental results show that the model can effectively improve the accuracy of clothing sales forecast.
Keywords: clothing sales forecast; LSTM; ARIMA
参考文献：
[1] GÜIZA J，LUQUE R，MURILLO J，et al. Integrating
pricing and coordinated inventory decisions between one warehouse and multiple retailers[J].Journal of Industrial and Production Engineering，2021，38（7）：536-546.
[2] 王英伟，马树才 . 基于 ARIMA 和 LSTM 混合模型的时间序列预测 [J]. 计算机应用与软件，2021，38（2）：291-298.
[3] 张家晨， 左兴权， 黄 海， 等 .Prophet 混合模型应用 于基站网络流量长期预测 [J/OL]. 计算机工程与应用：1-11.（2021-07-06）.http://kns.cnki.net/kcms/detail/11.2127.TP.20210706.0941.002.html.
[4] 魏健，赵红涛，刘敦楠，等 . 基于注意力机制的 CNNLSTM短期电力负荷预测方法[J].华北电力大学学报（自然科学版），
2021，48（1）：42-47.[5] 陈聪，候磊，李乐乐，等 . 基于 GRU 改进 RNN 神经网络的飞机燃油流量预测 [J]. 科学技术与工程，2021，21（27）：11663-11673.
[6] 高海翔，胡瑜，余乐安 . 基于分解集成的 LSTM 神经网络模型的油价预测 [J]. 计算机应用与软件，2021，38（10）：78-83.
[7] 刘翀，杜军平 . 一种基于深度 LSTM 和注意力机制的金融数据预测方法 [J]. 计算机科学，2020，47（12）：125-130.
[8] 周哲韬，刘路，宋晓，等 . 基于 Transformer 模型的滚轴承剩余使用寿命预测方法 [J/OL]. 北京航空航天大学学报：1-17.（2021-07-12）.https://doi.org/10.13700/j.bh.1001-5965.2021.0247.
[9] 赵红蕊 , 薛雷 . 基于 LSTM-CNN-CBAM 模型的股票预测研究 [J]. 计算机工程与应用，2021，57（3）：203-207.
作者简介：陈德洪（1995—），男，汉族，湖南永州人，硕士研究生在读，研究方向：数据分析、智能信息处理；李长云（1971-），男，汉族，湖南衡阳人，教授，博士，研究方向：软件理论、物联网工程、人工智能。