中国彩票自1987年开始发行以来,已经筹集了超过10000亿元的公益金,有力支持了人民福利的提高和体育事业的发展。鉴于彩票是一项国家公益事业,研究其销量影响因素,建立彩票销量预测模型,保障彩票发行销售持续健康发展,具有十分重要的现实意义。在传统的彩票销量预测研究中,由于彩票销量影响因素复杂、彩票销量数据难以获得等客观原因,仅有针对一个或多个影响因素的定量分析,在研究方法上主要以传统时间序列预测和线性回归预测为主,筛选的特征因素和研究方法具有一定的局限性,预测效果不够理想。因此,本文提出使用深度学习回归模型对彩票销量进行预测,并将模型实际预测效果进行了仿真验证。主要内容如下:(1)首先分析在以省为单位、以年为周期的彩票销量研究中起主要作用的影响因素,综合考虑数据收集难度,选择七个宏微观因素作为特征变量。统计相关性分析结果表明,特征变量与彩票销量间存在统计相关关系。(2)在深度神经网络回归模型中,隐层节点采用经验公式计算时很难达到最优结构。针对此问题,采用最大信息系数度量各隐藏层节点输出与模型输出的相关性,剔除相关性较弱的节点,自适应确定隐层节点数。仿真结果表明,算法优化的最优模型结构和采用经验公式多次迭代试验的最优模型结构相同,验证了算法的有效性,确定了最优的模型结构。(3)利用改进的支持向量回归比例不敏感损失函数,对深度神经网络模型的损失函数进行优化。针对采用梯度下降算法更新权重时,容易陷入局部最优点的问题,引入改进的群智能算法TLBO算法(Teach-Learn Based Optimization algorithm)周期性更新权重矩阵,增强算法全局搜索和跳出局部最优的能力,提升模型的预测精度,并给出了算法的收敛性证明。仿真结果表明,DNN-SVR回归模型预测精度明显优于线性回归模型、线性核的支持向量回归模型、深度神经网络回归模型;TLBO算法优化的各集成模型更趋近于最优模型,模型预测精度更高,验证了算法的有效性。综上所述,本文以彩票销量预测为研究方向,通过深度神经网络回归预测模型预测彩票销量,对我国彩票产业健康持续发展具有一定的参考价值。