论文部分内容阅读
随着经济全球化和市场化的发展,国内外企业正面临着越来越严酷的市场竞争。要想在竞争中获胜,企业就必须及时对本行业作出正确、科学的市场预测,从而制定相应的营销计划,使之在竞争中立于不败之地。
如何对大量历史数据进行分析,从中提取有用信息,为企业提供有价值的决策依据,是一个十分重要的问题。数据挖掘正是运用AI、机器学习、统计学等技术,从大型数据库中提取隐藏的预测性信息、发掘数据间潜在规律,为企业作出科学预测提供参考意见。因此,本论文主要研究基于数据挖掘的市场营销预测的理论和方法。
目前研究较多的预测方法有基于统计学的回归分析法和时间序列法等,但这些方法往往拟合精度不高、计算量大且复杂,在实际应用中存在一定局限性。近年来,人工神经网络因其具有分布记忆和快速并行计算能力,在实际中得到了广泛的应用。但在某些应用环境中,神经网络的输入数据不能准确获得,只能获得在一定区间范围内的值,而对一些复杂问题,它可能需要很长的训练时间,甚至根本不能训练。针对这种情况,本论文将模糊数学和神经网络方法相结合,基于数据挖掘理论,对输入数据进行处理,利用模糊神经网络方法对销售市场进行预测,可有效发挥各自优势并弥补其不足。
因此,本文采用理论研究与实证研究相结合的方法,在综述数据挖掘的基本概念、发展状况以及产品销售预测情况的基础上,给出了基于数据挖掘的市场营销预测的研究框架;讨论了模糊神经网络的一般结构及算法,进一步建立了基于模糊神经网络的数据挖掘产品预测模型,并用所建模型对重庆市区某品牌白酒的销售量预测进行了实证研究,研究结果表明,模糊神经网络泛化能力和非线性能力强,拟合性好,将其应用于数据挖掘具有较强的实用性和理论指导意义,有着广泛的应用前景。