| 摘要 | 第4-5页 |
| abstract | 第5页 |
| 第一章 引言 | 第8-15页 |
| 1.1 研究背景 | 第8-9页 |
| 1.1.1 分析客流量的意义 | 第9页 |
| 1.2 国内外研究现状 | 第9-12页 |
| 1.2.1 客流量发展趋势 | 第9页 |
| 1.2.2 客流量的特性 | 第9-10页 |
| 1.2.3 客流量预测方法测的研究 | 第10-11页 |
| 1.2.4 人工神经网络在客流量预测中的研究 | 第11-12页 |
| 1.3 研究目的和意义 | 第12-13页 |
| 1.4 研究内容和方法 | 第13-14页 |
| 1.5 论文的主要工作 | 第14-15页 |
| 第二章 商铺客流量预测的影响因素分析以及预测方法 | 第15-23页 |
| 2.1 影响商铺客流量的商铺因素 | 第15-17页 |
| 2.1.1 商品的价格因素 | 第15-16页 |
| 2.1.2 商品的季节性因素 | 第16-17页 |
| 2.1.3 商品的周期性因素 | 第17页 |
| 2.2 影响商铺客流量的环境因素 | 第17-19页 |
| 2.2.1 经济因素 | 第17-18页 |
| 2.2.2 行业因素 | 第18页 |
| 2.2.3 天气因素 | 第18-19页 |
| 2.2.4 消费者因素 | 第19页 |
| 2.3 数据分类 | 第19-20页 |
| 2.4 商铺客流量的预测方法分析 | 第20-22页 |
| 2.4.1 定性预测方法分析 | 第20-21页 |
| 2.4.2 定量预测方法分析 | 第21-22页 |
| 2.5 本章小结 | 第22-23页 |
| 第三章 统计学中的客流量预测方法比较 | 第23-33页 |
| 3.1 客流量的预测程序 | 第23-24页 |
| 3.2 客流量预测的方法 | 第24-32页 |
| 3.2.1 客流量预测的实验步骤 | 第25-26页 |
| 3.2.2 样本采集与数据分析 | 第26-27页 |
| 3.2.3 客流量预测的误差检验 | 第27-29页 |
| 3.2.4 实验方法 | 第29-30页 |
| 3.2.5 实验结果与讨论 | 第30页 |
| 3.2.6 商铺客流量预测方法的适用性分析 | 第30-32页 |
| 3.3 本章小结 | 第32-33页 |
| 第四章 基于BP神经网络的客流量预测 | 第33-66页 |
| 4.1 BP神经网络的理论原理 | 第33-44页 |
| 4.1.1 人工神经网络概述 | 第33-34页 |
| 4.1.2 模型定义 | 第34-36页 |
| 4.1.3 BP神经网络的模型结构与工作原理 | 第36页 |
| 4.1.4 BP神经网络的训练算法设计 | 第36-39页 |
| 4.1.5 BP神经网络正向传递子过程 | 第39页 |
| 4.1.6 BP神经网络反向传递子过程 | 第39-41页 |
| 4.1.7 BP算法现有的改进方法 | 第41-44页 |
| 4.1.7.1 SGD | 第42页 |
| 4.1.7.2 Momentum | 第42页 |
| 4.1.7.3 Nesterov | 第42-43页 |
| 4.1.7.4 Adagrad | 第43页 |
| 4.1.7.5 Adadelta | 第43页 |
| 4.1.7.6 Adam | 第43-44页 |
| 4.2 基于BP神经网络的商铺客流量预测模型的实现 | 第44-61页 |
| 4.2.1 数据预处理 | 第44-48页 |
| 4.2.2 BP神经网络的建模步骤 | 第48-53页 |
| 4.2.3 网络参数的优化 | 第53-61页 |
| 4.3 基于BP神经网络的商铺客流量预测模型的验证 | 第61-65页 |
| 4.3.1 慢启动算法和Adagrad算法的效率比较 | 第61-62页 |
| 4.3.2 数值校验 | 第62-63页 |
| 4.3.3 BP神经网络预测模型与统计学预测方法的比较 | 第63-65页 |
| 4.4 本章小结 | 第65-66页 |
| 第五章 总结与展望 | 第66-68页 |
| 5.1 结论 | 第66页 |
| 5.2 展望 | 第66-68页 |
| 致谢 | 第68-69页 |
| 参考文献 | 第69-71页 |
