针对目前服装面料需求数据周期非确定性导致预测精度差的问题，提出一种基于Prophet算法的服装面料需求预测模型。通过分析服装面料需求历史数据的时间序列特征构建Prophet模型，使用M公司面料数据集设计Prophet与LSTM的对比实验，并采用RMES以及MAE作为评价指标。实验结果表明：相比于LSTM，Prophet模型具有较高的预测精度且有效提升了服装面料需求时间序列预测的准确性。
科研之友
微信
新浪微博
Facebook
分享链接
