信息与电脑杂志

摘要：研究以昆明晋宁区为例，整合气象、市场、物流等多源数据，构建了云花销售预测模型。通过数据清洗、特征工程和降维处理筛选关键影响因素，对比自回归积分滑动平均(Autoregressive Integrated Moving Average, ARIMA)时间序列、随机森林、极限梯度提升(eXtreme Gradient Boosting, XGBoost)机器学习及长短期记忆(Long Short-Term Memory, LSTM)网络深度学习模型的预测效果。结果表明，集成学习模型的预测精度最高，平均绝对百分比误差(Mean Absolute Percentage Error, MAPE)控制在8%以内，可有效捕捉季节波动和突发事件的影响。研究为花卉种植决策、库存管理和价格预警提供了数据支撑。

关键词： 云花销售;多元数据;预测模型;机器学习;

基金资助： 云南省教育厅科学研究基金教师类项目“基于多元数据的‘昆明晋宁区云花’产销预测研究”(项目编号：2026J1351)；

专辑： 信息科技;经济与管理科学

专题： 自动化技术;农业经济;贸易经济;市场研究与信息

分类号： TP18;F323.7;F724.6