典型文献
基于气象与非气象因素的客流量单数逐日预测模型
文献摘要：
客流量单数指的是到达商场的顾客真实买单的数量,客单数越多,经营者的工作量和相关消耗就越多,相应的收入也会越多.为建立对超市经营团体乃至整个商业服务行业具有应用价值的定量的短期超市客单数预测模型,选用6种机器学习预测方法进行尝试.结果显示:(1)客单数与气象因子之间的确存在着一定的相关性.客单数会随着气温和舒适度指数的升高,以及风速、相对湿度和降水量的降低,而有所增加.(2)6种机器学习预测方法中,当输入因子选择为气温、风速、相对湿度、降水量级别、舒适度指数、星期、是否节假日、是否节气共8个全因子进行模型训练后,得到的预测效果最佳.相对而言,随机森林的预测效果最优.(3)机器学习方法可以有效地进行客单数回归预测,定量化的预测模型可以作为经营者商业准备行为的科学借鉴,使经营者充分利用好人力和物力成本,有助于科学地节能减排.
文献关键词：
客单数;机器学习;预测模型;气象要素;非气象要素
中图分类号：
作者姓名：
乔媛;姜江;夏江江;白帆;蒋志
作者机构：
北京市气象服务中心,北京100089;中国科学院大气物理研究所,北京100029;北京市门头沟区气象局,北京102300
文献出处：
引用格式：
[1]乔媛;姜江;夏江江;白帆;蒋志-.基于气象与非气象因素的客流量单数逐日预测模型)[J].气象与环境科学,2022(04):90-97
A类：
客单数
B类：
气象因素,客流量,逐日,商场,顾客,买单,经营者,就越,超市,商业服务,服务行业,机器学习预测,气象因子,舒适度指数,相对湿度,降水量级,星期,节假日,节气,全因,模型训练,相对而言,机器学习方法,行客,数回,回归预测,定量化,好人,非气象要素
AB值：
0.286902
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
