1前言
为了准确预测电商销售量，应用时间序列方法建立某电商企业销售量预测模型，并检验模型精度。未来市场需求预测，是企业制定管理策略，库存计划，补货计划对重要措施。促销手段的多样，消费群体的广泛，销售商品的种类以及社会因素等使得电子商务销售相较于传统销售更加不确定。基于时间序列模型并针对某电商企业的未来市场需求进行预测，从而优化企业的运营管理，提高企业的库存使用率，缩短消费者的等待时间，降低缺货风险，从而使该预测模型被广泛参考与应用。
在生产和科学研究中，对某一个或一组变量x(t)进行观察测量，将在一系列时刻t1, t2, hellip;, tn (t为自变量）按照时间次序排列，并用于解释变量和相互关系的数学表达式。lt;t2lt;hellip;lt; tn='' )='' 所得到的离散数字组成序列集合x(t1),='' x(t2),='' hellip;,='' x(tn)，我们称之为时间序列，这种有时间意义的序列也称为动态数据。这样的动态数据在自然、经济及社会等领域都是很常见的。如在一定生态条件下，动植物种群数量逐月或逐年的消长过程、某证券交易所每天的收盘指数、每个月的gnp、失业人数或物价指数等等。
时间序列分析是根据系统观测得到的时间序列数据，通过曲线拟合和参数估计来建立数学模型的理论和方法。它一般采用曲线拟合和参数估计方法（如非线性最小二乘法）进行。时间序列分析常用在国民经济宏观控制、区域综合发展规划、企业经营管理、市场潜量预测、气象预报、水文预报、地震前兆预报、农作物病虫灾害预报、环境污染控制、生态平衡、天文学和海洋学等方面。
2国内外研究现状
- 国外研究现状
①预测技术研究
国内外预测技术文献中有许多标准方法。总的来说，我们将把重点放在测量技术的理论方法分为定性分析方法和定量分析方法。从国外专家学者的研究来看，关于预测技术的介绍及其应用条件的文献有很多，比如Delphi模型，神经网络，NNs（Tim-Hill提出）、回归模型（John-neter提出）、移动平均法（移动平均，Ma，由Richard B.Chase提出），指数平滑（指数平滑，罗伯特布朗（robertg.Brown）等提出的[1]。根据文献资料，国内学者对数据预测技术的研究方法主要有：数据仓库数据仓库（DW）、数据挖掘（DM）、统计方法系统动力学、计量经济学、投入产出分析、人工神经网络等这是这些方法的组合[2]。 对于销售预测技术的研究，学术界一直把重点放在统计学上技术和数据挖掘技术。目前，在统计方法中，预测技术主要应用于销售领域包括时间序列预测技术和回归预测技术。在数据挖掘技术中，神经网络、决策树和决策树得到了广泛的应用关联规则技术在销售预测中的应用更为集中。
②销售预测研究
1969 年，Bates.J.M 和 Granger.C.W 对组合预测方法进行了初次研究；二十世
纪七十年代，美国著名统计学家 George E.P.Box 和英国著名统计学家 Gwilym M.Jerkins 创立了自回归和滑动平均模型(ARMA 模型)；1986 年，Litterman 创建了贝
以上是毕业论文文献综述，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
