融合CNN和WDF模型的电商企业商品销量预测研究

来源：计算机工程与应用杂志2025年第2期北京时间：

作者：袁瑞萍, 魏辉, 傅之家, 李俊韬

单位：1.北京物资学院 信息学院，北京 101149；2.智能物流系统北京市重点实验室，北京 101149；3.中国矿业大学（北京） 管理学院，北京 100083

摘要：为了适应电商企业商品销量数据规模大、维度高、非线性等特征，并提高销量预测的准确性，创新性地提出一种卷积神经网络融合加权深度森林（CNN-WDF）的销量预测方法。利用卷积神经网络（CNN）处理高维数据的优势对电商企业商品销量数据进行特征提取，降低冗余度和模型训练复杂度。提出一种改进的加权深度森林模型（WDF）进行商品销量预测。该模型依据各个子树的预测准确率计算每一级森林中该子树的权重以提高整体预测准确性，且相对于传统深度网络模型具有超参数少、可解释性强等优点。利用京东商品销量数据进行实验验证，结果表明： CNN-WDF融合模型在不同规模京东销售数据集上，预测准确率均显著高于其他对比模型，且随着数据集规模的扩大，预测准确率提高更加明显。

关键词：商品销量预测,深度学习,融合模型,卷积神经网络,加权深度森林