随着烟草行业竞争加剧,越来越多的业内人士开始关注卷烟销量预测问题。卷烟销量主要分三种:工业销量、商业销量以及社会销量。工业销量由于其较强的计划性基本无需预测,社会销量因销售数据难以收集,导致历史数据稀少,所以不具备预测的基础,而商业销量数据随着烟草行业信息化逐渐完善已细分到各卷烟及各地市,并已有10年以上的历史记录。利用这些数据,便可在一定程度上预测未来一段时间的商业销量。基于以上原因与现状,现有的相关研究基本都为商业销量的预测。本文针对现有的相关研究及企业正在使用的商业销量预测方法建立了一套卷烟销量预测方法评价体系,对现有的预测方法进行评分后,发现预测方法仍有改进的空间。在此基础上,本文提出了一种新的卷烟商业销量预测方法。这种预测方法将卷烟在各个时间段的销量视为时间序列,并使用移动窗口法(Moving Window)将其转换为监督学习的输入和输出。随后,从MLP、RNN和LSTM三种神经网络中选择一种,并对激活函数、优化算法及超参数设置进行有针对性的调整。接着,在实验中不断优化网络结构以获得更好的预测效果。通过比较不同场合下各网络的预测效果,探索上述三种网络的选取规则后发现:MLP适用于销量变化周期性比较明显,且企业愿意花费额外人力调试窗口大小的卷烟,而预测不具有上述特性的卷烟时,则需要使用另两种网络。预测周销量时,选择RNN误差更小;预测月销量时,使用LSTM误差更小。最后,使用本文建立的评价体系对其进行评分,并将评分结果与现有的预测方法及人工预测对比后,发现本文方法的最终得分高于他人的预测方法,能更好地适应本研究的目标。