[发明专利]汽车配件销量预测方法、终端设备及存储介质

摘要

本发明公开一种汽车配件销量预测方法，包括如下步骤：S1：样本数据获取；S2：样本权重的初始化；S3：BP神经网络初始化，并设置M个BP神经网络为弱预测器，所有弱预测器组成强预测器；S4：将样本按初始权重输入第m个弱预测器，进行训练，获得第m个弱预测器的预测结果和预测误差；S5：计算弱预测器在强预测器中所占权重系数，进入S6步骤；若m等于M，则进入S7步骤；S6：更新样本的权重：根据第m个弱预测器的预测结果更新N个样本的权重，获取权重更新后的N个样本，令m自增1，进入S4步骤；S7：在强预测器中对弱预测器的预测结果进行加权求和得到N个样本的最终预测结果。

主权项

1.一种汽车配件销量预测方法，其特征在于：包括如下步骤：S1：数据获取：获取用于汽车配件销量预测的样本数据集，样本数据集中包括N个样本，进入S2步骤；S2：样本权重的初始化：对样本数据集中的N个样本进行样本权重的初始化，进入S3步骤；S3：BP神经网络初始化：用遗传算法初始化M个BP神经网络的初始权值，同时初始化其学习率、网络层数、各层网络的神经元个数、训练终止条件，并设置M个BP神经网络为弱预测器，所有弱预测器组成强预测器，进入S4步骤；S4：将样本输入弱预测器训练获得预测结果和预测误差：将N个样本按初始权重输入第m个弱预测器，根据第m个弱预测器的初始化条件进行第m个弱预测器的训练，通过BP神经网络的梯度下降反向传播更新权值，获得第m个弱预测器的预测结果和预测误差，其中m的初始值为1，且m的取值范围为：m大于或等于1且小于或等于M，当m大于或等于2且小于或等于M时，在训练的过程中，在网络的隐含层放弃部分的权值，放弃的权值相对于前一个弱预测器相同位置的权值的变化率大于保留的权值，进入S5步骤；S5：计算弱预测器在强预测器中所占权重系数：根据第m个弱预测器的预测误差计算第m个弱预测器在强预测器中所占权重系数，进入S6步骤；若m等于M，则进入S7步骤；S6：更新样本的权重：根据第m个弱预测器的预测结果更新N个样本的权重，获取权重更新后的N个样本，令m自增1，进入S4步骤；S7：在强预测器中对弱预测器的预测结果进行加权求和得到N个样本的最终预测结果。