外文翻译---基于数据挖掘的服装销售预测(编辑修改稿)

外文翻译---基于数据挖掘的服装销售预测(编辑修改稿)内容摘要：

月的实际销售与预测销售。 温特斯三参数光滑模型 温特斯光滑模型提出： Yt+m=(St+bt)ItL+m 这里： St — t时期末的 一系列 平滑非季节性 标准 Bt — t时期内的平滑走向 m — Yt+m的预测长度范围 ItL+m — t+m时段的光滑季节 性指数 即，实际级数值 Yt+m等于一个平滑的标准值 St加上一个趋势估计 bt再乘以一个季节指数 ItL+m。 这三个需求变量 都是在时间段 t最后有效的指数形式光滑值。 用来估计这些光滑值的等式有： St= α(Yt/ItL)+(1α)(St1+bt1) (4) bt=β(StSt1)+(1β)bt1 (5) It=γ (Yt/St)+(1γ)ItL+m (6) Yt+m=(St+btm)It1+m (7) 这里： Yt — t时间末的实际需求值 α — St的光滑常量 St — 季节性调整后的时间末光滑值 β — 用于计算趋势 bt的光滑常量 ItL — L时段前的光滑季节指数 L — 季节周期长度（如 5个月） γ — 光滑常量，用来计算周期 t内的季节指数 It — 时段 t末的光滑季节指数 m — Yt+m的预测范围长度 等式 4是用来计算级数的总体值的，等式 5中的 St是调整后的趋势，用来延长时段 t末的销售。 在等式 7中 St是用来 进行预测的。 等式 5通过使 St和 St1的不同光滑值的变光滑来估算趋势。 这样就估算了级数 Yt的周期到周期的变化趋势。 等式 6阐述了光滑季节指数的计算。 这个季节性的因素用来 估算 下一个周期的预测 ，它常常用于一个或者多个向前的季节循环预测值。 α， β和 γ这三个值是根据标准挑选出来用作最小化均方误差的。 利用一个根据五 个月的销售数据建立的预测模型，完成了 2020年 10月的每日销售比例。 见图表4，它体现了 2020年的实际销售值与预测销售值。 神经网络模型 一个神经网络。