销量预测一直是一个重点研究的问题,一个准确的销量预测可以为企业控制成本,提前规划市场和部署战略。这个问题解决的好就能为企业的未来规划提供重要决策的理论支持。氨纶是聚氨基甲酸酯纤维的简称,但因其需要保存在温湿均恒的环境内,温度18-20摄氏度之间。并且不宜放于日光曝晒之地方,不宜与二氧化硫,氮氧化物等化工产品一起存放。这些限制条件又使得企业在生产氨纶产品等要有较为严谨的生产计划,否则会造成大量产品损毁。因此,氨纶产品销售预测对生产氨纶的企业来说有着重大的意义。本文利用Stacking策略将Xgboost、SVR(Support Vector Regression)支持向量回归、GRU神经网络作为基础模型,然后将lightGBM作为最终的预测模型中了几种模型的优势,大大的提高了模型的预测性能,更加接近真实的销量数据,为回归预测提供一种新的预测方法。除此之外,并且融合了新的特征。本文从网站上爬取了用户口碑数据,通过分词、情感分类对其进行处理。在对于历史销售数据时,采用滑动窗口的方法,构造了一系列的特征。最终将特征筛选出来的特征和构造的特征进行了融合,作为最后一层模型的训练数据。在结果分析时,本文将单一模型和组合模型进行性能对比,最终实验表明,本文的组合模型的预测性能要高于单一模型,其预测结果更加逼近真实的销售数据。进一步,本文将没有融合新特征的算法和融合新特征的算法进行对比,也发现,在引入新的特征作之后,算法的预测正确率有了提升,也证明了这些构造的特征确实发挥了作用。本文研究的算法应用与D企业色智能分拣系统中,本文对智能分拣系进行了简单的介绍,重点介绍了算法应用的模块。通过本算法提供的预测结果,给出合理的生产计划,为用户决策提供可靠的理论依据。