Resumen

Se propone un modelo de previsión híbrido que integra la descomposición empírica de modelos ensemble (EEMD) y la máquina de aprendizaje extremo (ELM) para las ventas de productos informáticos. La EEMD es una nueva tecnología de procesamiento de señales. Se basa en las escalas de tiempo características locales de una señal y puede descomponer la señal complicada en funciones de modo intrínseco (IMF). El ELM es un novedoso algoritmo de aprendizaje para redes feedforward de una sola capa oculta. En nuestro enfoque propuesto, la tarea inicial consiste en aplicar el método EEMD para descomponer los datos de venta originales en una serie de FMI. La información útil oculta de los datos originales podría descubrirse en esas FMI. A continuación, las FMI se integran con el método ELM para desarrollar un modelo de previsión eficaz para las ventas de productos informáticos. Los resultados experimentales obtenidos a partir de los datos de ventas de tres productos informáticos reales (disco duro, tarjeta de visualización y ordenador portátil) muestran que el método híbrido de previsión de ventas propuesto supera a los cuatro modelos comparativos y constituye una alternativa eficaz para la previsión de ventas de productos informáticos.

• Materias:Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:ventas de productos informáticos, imfs, método híbrido de previsión de ventas, escalas de tiempo características locales, datos reales de ventas de productos informáticos, modelo de previsión eficaz, descomposición empírica del modelo, máquina de aprendizaje extremo, información útil oculta, modelo híbrido de previsión
• Keywords:computer products sales, imfs, hybrid sales forecasting method, local characteristic time scales, real computer products sales data, effective forecasting model, empirical model decomposition, extreme learning machine, hidden useful information, hybrid forecasting model