1、眾所周知,銷售預測是商務預測中的一項重要內(nèi)容,良好的預測結(jié)果可以為企業(yè)經(jīng)營決策提供有力的支持,從而增強企業(yè)競爭力；而在現(xiàn)實中,由于政治、經(jīng)濟、競爭對手等市場因素及一些人為因素如促銷等行為的影響,銷量的變化往往波動很大,要做出準確的預測實屬不易;如果僅僅采用單項預測模型進行預測很難達到預測精度的要求。
　　 數(shù)據(jù)挖掘作為一門多學科的交叉性學科,目前被廣泛應用于商業(yè)領域中；它能夠從大量的歷史數(shù)據(jù)中按一定的方法提取出隱含在其中的、潛在

2、有用的信息和知識,本文主要對數(shù)據(jù)挖掘在時間序列預測領域中的應用作了相關的研究,以某大型連鎖超市為背景,通過現(xiàn)場調(diào)研,在參考了大量文獻的基礎上,為該超市提出了商品銷售預測決策支持系統(tǒng)的體系結(jié)構(gòu),并重點采用組合預測方法的思想進行了銷量預測模塊的設計。以飲料類產(chǎn)品的歷史銷售數(shù)據(jù)為例,通過對各種銷售預測方法的深入研究,對歷史銷量數(shù)據(jù)的特征進行了分析,分別采用時序分解模型、GM(1,1)模型和改進后的BP神經(jīng)網(wǎng)絡模型從不同角度對銷售情況進行了預測

3、,并對不同的預測方法進行了比較與分析,后采用貝葉斯正則化優(yōu)化BP網(wǎng)絡對GM(1,1)模型和BP網(wǎng)絡模型的預測結(jié)果進行了組合,以綜合各預測模型的優(yōu)勢,彌補單項預沒模型的不足。在選擇神經(jīng)網(wǎng)絡進行預測用時,本文采用了貝葉斯正則化優(yōu)化的BP網(wǎng)絡,從而明顯增強了網(wǎng)絡泛化能力和預測模型的可推廣性。
　　 實驗結(jié)果表明:貝葉斯正則化優(yōu)化的BP網(wǎng)絡能明顯的提高網(wǎng)絡的泛化能力；GM(1,1)模型在較少數(shù)據(jù)情況下同樣能得到較好的預測結(jié)果；而采用BP