本栏目责任编辑：唐一东人工智能ComputerKnowledgeandTechnology电脑知识与技术第19卷第3期(2023年1月）基于多模型融合的BP神经网络组合预测模型的研究王晓玲，杨姝（电子科技大学成都学院，四川成都610051)摘要：随着大数据互联网等产业的高速发展，企业比以往更需要精准的预测销售数据来制定企业未来的规划。然而传统单一的预测模型如三次指数平滑预测模型、灰色预测模型和多变量LSTM预测模型都因各自的局限性难以得到精准预测的结果。本文提出建立一种基于多模型融合的BP神经网络组合预测模型，即将三次指数平滑预测、灰色预测和多变量LSTM预测的预测结果作为BP神经网络预测模型的输入，从而得到精准预测结果。该模型通过在医疗销售行业的应用，符合预期成果，并得到好的评价。关键词：预测模型；三次指数平滑预测；BP神经网络组合预测；灰色预测；多变量LSTM预测中图分类号：TP181文献标识码：A文章编号：1009-3044(2023)03-0022-04开放科学（资源服务）标识码(OSID)：1概述对未来销售数据的精准预测是企业获得竞争优势并实现目标的重要举措，特别在新冠肺炎疫情全球蔓延背景下，企业对精准的销售预测数据的期望变得尤为重要。怎么利用历史销售数据与当前形势结合，预测未来的销售量，以此应对不断变化的市场，从而提高企业自身的应变能力。现有预测模型都采用单一的三次指数平滑预测模型[1]、灰色预测模型[2]或多变量LSTM预测模型来预测未来的销售数据[3]，三种预测模型得到的预测结果会受到各自局限性的影响从而导致预测结果不够精确，影响着销售计划的制定。针对单一预测模型存在的问题本文引入多模型融合的BP神经网络组合预测模型，该模型三种模型预测的结果送入BP神经网络组合预测模型中，从而得到三种预测模型的最佳组合的预测结果[4-5]。2模型的建立基于多模型融合的BP神经网络组合预测模型[6]基于三次指数平滑预测模型、灰色预测模型和LSTM模型而建立的预测模型，即三种模型的输出作为BP神经网络组合预测模型的输入而建立的预测模型，该模型的数据流程如图1所示。2.1归一化处理归一化[7]的目的是得到平滑的初始值和剔除异常值。本模型取前面5个周期的平均值作为初始值，再利用线性回归和剔除残差的方法识别异常值，用相邻两个周期内平均值的方法替换异常值，最后将原数据采用公式xi*=xi-min(x)max(x)-min(x)无损映射到[0,1]之间。2.2三次指数平滑预测模型建立指数平滑预测模型利用历史数据进行加权平均作为未来时刻的预测结果，一次指...
