第29卷第17期电子设计工程2021年9月VoL29No.17ElectronicDesignEngineeringSep.2021BP神经网络在新零售行业销售预测中的应用肖泉彬，黎小龙，车俊俊，何敏(江西理工大学软件工程学院，江西南昌330013)摘要：针对新零售行业为了满足市场需求，逐步转入多品种小批量的新生产模式，带来前所未有的库存管理难度，提出了一种基于数据分析实现对销售量预测的方法。该方法采用Pearson相关系数分析变量之间的相关性，对相关性进行假设检验。得出显著相关因素，并建立BP神经网络预测模型预测销售量,从Matlab平台上得到的仿真和测试结果表明，该模型的预测值误差切4槌小于0.006,因此该方法可以帮助新零售公司更好地掌握市场需求，安排库存，从而降低销售成本。关键词：大数据挖掘；相关性分析；BP神经网络；因子修正中图分类号：TP399文献标识码：A文章编号：1674・6236(2021)17-0109-03DO1：10.14022/j.issnl674-6236.2021.17.023ApplicationofBPneuralnetworkinsalesforecastsforthenewretailsectorXIAOQuanbin,LIXiaolong,CHEJunjun,HEMin(SchoolofSoftwareEngineering,JiangxiUniversityofScienceandTechnology,Nanchang330013,China)Abstract:Inordertomeetthemarketdemand,thenewretailindustrygraduallyturnintomanynewvarietiesofsmallbatchproductionmode,bringsunprecedenteddifficultyininventorymanagement,aforecastingmethodbasedondataanalysisforsalesisproposed.Inthismethod,Pearsoncorrelationcoefficientisusedtoanalyzethecorrelationbetweenvariables,andfinallythecorrelationistestedbyhypothesis.SignificantcorrelationfactorswereobtainedandaBPneuralnetworkpredictionmodelwasestablishedtopredictsalesvolume.SimulationandtestresultsobtainedfromMatlabplatformshowedthatthepredictedvalueerrorMAPEofthecalculatedmodelwaslessthan0.006.Therefore,thismethodcanhelpnewretailcompaniesmeetthemarketdemandbetter,arrangetheinventory,andthusreducethesellingcost.Keywords:bigdatamining；correlationanalysis；BPneuralnetwork；factorcorrection中国零售市场进入了一个创新与技术应用的高发期七产品供应是市场上最重要的环节之一，准确预测商品销售量从而把握供应量成为企业在市场竞争中存活的关键。随着技术的进步，人工神经网络预测技术在不同领域的应用不断深入孔相关学者应用神经网络对临床红细胞用量⑶、血红蛋白浓度固、铁路大宗货物运价风险羊肉价格⑹、滚动轴承故障预测⑺等各个领域进行预测，结果较好。该文在神经网络的基础之上通过Pearson相关性分析，对新零售行业销售量的预测进行应用并得到验证。1数据预处理销售数据预测的准确性取决于过去统计的销售量数据的质量和数量，在数据的收集统计中存在异常情况，需要剔除不完整和异常的数据。如果采用这些数据进行预测，会导致预测成功率下降。由于数据量庞大且数据变量之间相互影响，必须对样本数据进行预处理叫对原始数据进行异常值的剔除、相关性分析等。收稿日期:2020-06-22稿件编号：202006122Pearson相关性分析相关性分析是研究两个及其以上处于同等地位的随机变量之间的相关关系的统计分析方法。相关系数是一种定量描述两组随机变量的统计学相关性的指标。通过比较数组中的每个数对以确定两组数据整体间的相关程度。当自变量取某一值时，因变量对应为一个概率分布，如果对于所有的自变量取值的概率分布都相同，则说明因变量和自变量是没有相关关系的。反之，如果自变量的取值不同，因变量的分布也不同，则说明两者是存在相关关系的。影响因素既有产品自身的内在因素，也有外部因素叫但该文从己知数据入手主要分析库存量、标价、售价与折扣等因素。采用Pearson相关系数分析数据间的相似程度㈣。原假设为Ho二厂二0,则备择假设为E0（其中，r为Pearson相关系数）。表1国庆相关性检验如表1所示，国庆期间，在99%置信水平上，拒绝原假设，Pearson相关系数显著异于0,即销售量与库存、售价相关。目标单款商品销售量的影响均与其库存、售价相关，与产品的实际价格、节假日的折扣相关性不强也BP...