基于LSTM-RELM组合模型的电商GMV预测研究

来源：计算机工程与应用杂志2023年第10期北京时间：

作者：王逸文, 王维莉

单位：上海海事大学 物流研究中心，上海 201306

摘要：随着互联网的发展，内容营销逐渐成为电商营销的主流，而该类营销的日商品交易总额（gross merchandise volume，GMV）直接关系到企业的库存优化控制与广告投放策略。为了提高预测精度，基于真实电商订单数据集，根据内容营销的指标，分析用户行为对于GMV的影响，提出了一种长短期记忆网络（long short-term memory network，LSTM）与正则化极限学习机（regularized extreme learning machine，RELM）的组合模型LSTM-RELM。实验结果表明，相比于传统单一模型与双LSTM、LSTM-SVR、GM（1，1）-BP等组合模型，LSTM-RELM模型具有更精确的预测效果与更快的运行速度，能为相关销售企业提供广告投放策略参考与库存优化建议。

关键词：长短期记忆网络（LSTM）,极限学习机（ELM）,GMV预测,组合预测