ارائه یک سیستم نوین تخمین قیمت برای تعداد زیاد کالا در فروشگاه های آنلاین (مورد مطالعه: شرکت نگین پولاد نقش جهان) (مقاله علمی وزارت علوم)
درجه علمی: نشریه علمی (وزارت علوم)
آرشیو
چکیده
با توجه به تعداد زیاد کالاها در فروشگاه های آنلاین، تغییر روزانه قیمت کالاها و عدم امکان استعلام و ثبت این حجم از قیمت ها توسط اپراتورها، توسعه یک سیستم تخمین قیمت برای پیش بینی روزانه قیمت کالاها با دقت بالا بسیار ضروری می باشد. برای این منظور، در مقاله حاضر یک سیستم نوین تخمین قیمت با استفاده از ماتریس همبستگی و رگرسیون خطی، توسعه داده شده است. با توجه به خطای بالای رگرسیون خطی در پیش بینی قیمت ها، یک روش رگرسیون خطی ابتکاری جهت افزایش دقت پیش بینی و کاهش خطای میانگین بر مبنای تعیین اهمیت داده ها بر حسب زمان توسعه داده شده است. سیستم توسعه داده شده بر روی داده های واقعی شرکت نگین پولاد نقش جهان (آهن آنلاین) پیاده سازی شده است که نتایج حاکی از دقت بالای قیمت های تخمینی این مدل می باشد. همچنین نتایج مدل ارائه شده با در نظر گرفتن تغییرات نرخ دلار مورد بررسی و تحلیل قرار گرفته است. نتایج حاکی از آن است که در اکثر اوقات رگرسیون ابتکاری ارائه شده خطای کمتری نسبت به سایر روش های مورد بررسی دارد.A New Price Estimation System for a Large Number of Products in Online Stores (Case Study of Negin Polad Naqsh Jahan Company)
Due to the large number of goods provided in online stores, the daily change of goods prices and the impossibility of querying and registering this amount of prices by the operators, it is very necessary to develop a price estimation system for daily forecasting of goods prices with high accuracy. For this purpose, in this article, a new price estimation system was developed using the correlation matrix and linear regression. Due to the high error of linear regression in price prediction, an innovative linear regression method was formulated to increase the prediction accuracy and reduce the average error based on determining the importance of data in terms of time. The developed system was implemented on the real data of Negin Polad Naqsh Jahan Company (Ahanonline.com). The results indicate the high accuracy of the estimated prices by this model. Also, the results of the presented model were examined and analyzed considering the changes in the exchange rate of US Dollar. The results show that, most of the time, the presented heuristic regression has less error than other investigated methods.
تبلیغات
