一种基于全连接神经网络的商品销量预测方法及预测模型

本发明涉及一种基于全连接神经网络的商品销量预测方法及预测模型，预测模型包括：多尺度特征提取模块，Stack模块以及预测结果融合模块，预测方法包括：步骤S1根据商品的历史销售数据，构建训练数据集，步骤S2数据集输入多尺度特征提取模块，得到不同尺度的序列，步骤S3：不同尺度的序列数据进行预测，输出预测结果，步骤S4：不同尺度的预测结果融合，得到最终预测结果。本发明的优点：基于深度学习的预测模型可以理解数据中的非线性和时序性，能够更好地处理非线性和时序性问题。通过计算数据输入与重构值之间的残差，预测模型可以学习到尚未拟合的不规则特征。从而提高模型的预测精度。