基于SW-GBDT的在线农产品销量预测模型

作者:李鹏飞; 冉茂然; 毋建宏
来源:西安邮电大学学报, 2023, 28(02): 99-110.
DOI:10.13682/j.issn.2095-6533.2023.02.012

摘要

针对在线农产品销量影响因素较多导致预测模型准确度较低的问题,提出了一种滑动窗口-梯度提升决策树(Slide Window-Gradient Boosting Decision Tree, SW-GBDT)模型用于在线农产品销量预测。确定了4类指标,共32项特征变量,建立了预测指标体系,并在预测模型中引入滑动窗口,对原始数据进行特征扩展,将尽可能多的因素纳入考虑范围,增加梯度提升决策树算法可学习的信息,以提高在线农产品销量预测模型的准确性。实验结果表明,所提模型的决定平方系数为0.902 3,均方根误差值为1.829 8,平方绝对误差值为3.348 2。相较于其他同类算法,所提模型的在线农产品销量预测准确度较高。

全文