在醫療器材的電子商務(B2C類型)銷售平台管理中，管理者必須每日都評估未來的需求量，並依此訂購適量的產品，避免過多的存貨產生多餘的浪費，而存貨不足又可能減少或利的機會，所以準確的預測模型可以有效的增加獲利、降低庫存成本且有效提升消費者的滿意度。
本研究從亞馬遜(Amazon)購物平台購買第二類醫療器材銷售量，蒐集兩年的美國醫學相關的客戶群銷售資料，以類神經網路模型作為建立銷售預測模型的主要架構，進行最適模型的配置與探討。其中，以五種倒傳遞類神經網路(Back Propagation Neural Network, BPNN)與一種快速學習器(Extreme Learning Machine, ELM)評估類神經網路的銷售模型，共六種結果比較後，得到本研究最適模型。結果，本研究結果在準確性方面，倒傳遞類神經網路略優於快速學習器，雖然快速學習器的建構時間較短，但是準確性仍有其參考性。此研究結果可以提供給初入電子商業產業的公司，在欲建構預測模型上依資料收集程度有所選擇與考量的依據。

In the management of e-commerce platform (B2C type) for medical appliances, the managers need to estimate future demand everyday, and release proper amount of order based on the estimation. The proper estimation of demand can reduce excess inventory and revenue loss resulted from shortage of inventory. Therefore, an accurate forecasting model can increase profit efficiently, lower inventory cost, and increase customer satisfaction efficiently.
The study collects sales data of customers in American medical field from the level two medical equipment category on Amazon for the past two years. Afterwards, we build sales forecasting model mainly based on framework of neural network, and conduct the selection and discussion of optimal forecasting model. In the study, we use 5 types of BPNN (Back Propagation Neural Network) and ELM (Extreme Learning Machine) to evaluate sales forecasting model generated by neural network. And then we compare 6 results and select the optimal model. In the aspect of accuracy, BPNN is better than ELM. Although ELM has shorter building time, its accuracy has a certain reference value. The result of the study can provide new companies in e-commerce industry with reference for development of sales forecasting model based on level of data collection.

一、中文部分：
王曉平. (2010). 電子商務業務模式的發展與探討, 物流技術, P42.
薛智韵, & 陳燕清. (2017). 基於B2B、B2C、C2C的第三方網上支付研究. 科技廣場, P100 – 102.
Tzong-Ru Lee, Jia Shan Lee, Matti Muhos. (2013). Formulating a Business Management Strategy for E-shopping Websites Using Management Analysis. 電子商務學報, P44 - 67.
張郁芝. (2013). 我國發展電子商務之現況與未來趨勢－以第三方支付為例. ECONOMIC RESEARCH, P109-P129.
張峯銘, & 林家慶. (2009). 以時間序列與人工智慧方法預測訂單需求 ─以台中呈欣公司為例. International Conference on Advanced Information Technologies.
邱登裕, 陳天賞, & 潘雅真. (2008). 使用改良式倒傳遞類神經網路/科西機器以及基因演算法來建立有效率之類神經網路以預測臺灣電子股價加權指數, 財務金融學刊. 2009年12月.
邱垂昱, 黃文佐, & 邱駿榮. (2009). 應用線性迴歸分析進行銷售預測於醫療器材產業--以T公司為例. 臺北科技大學學報.
高峰. (2008). ARIMA模型在我國商品房銷售價格預測中的應用. 管理科學與統計決策, 第12期.
林水順, 鄭志賢, & 蔡禎騰. (2002). 資訊產品流通業之銷售預測模式分析. 東海學報.
王賢崙, 陳俊諺, 范聖義, & 顧聖傑. (2010). 應用時間序列法於港埠運量預測之研究--以中國國際港埠為例. 明新期刊.
李進生, 陳煒朋, & 鍾惠民. (2000). 不同波動性模型預測能力之比較：臺灣與香港認購權證市場實證. 證券市場發展季刊, 2000年1月.
吳順治, & 蔡朝治. (2000). 以自調式分割之模糊時序列預測年註冊人數. 臺南師院學報.
徐歷常. (2002). 臺灣地區國小教師數之短期預測模式分析. 教育與心理研究
李建然, & 周俊德. (2002).01. 管理當局信譽與自願性盈餘預測資訊內涵關係之研究 ,會計評論, 2002年1月.
黃明官, & 周瑛琪. (2001). 半導體機臺慢速流動零件之存貨模型及參數的預測. 管理與系統, 2001年3月.
朱蘭芬, 陳吉仲, & 張靜貞. (2003). 聖嬰現象對臺灣氣候之影響與預測價值之估計. 農業經濟叢刊, 2003年1月.
曾淑惠, & 王志成. (2004). 計量經濟模式/時間數列模式與模糊時間數列模式在預測應用之探討－以臺灣出口金額為例. 管理與系統, 2004年7月
汪進揚, & 余俊憲. (2005). 財務分析師盈餘預測誤差與預測行為影響因素之研究. 證券市場發展季刊, 2005年1月.
欉清全, 李政峰, & 郭炳伸. (2005). 預測績效檢定：簡單迴歸之應用. 經濟論文, 2005年7月.
林維珩, & 盧鎮瑋. (2005). 股價對強制性財務預測反應之效率性研究. 會計評論, 2005年11月.
林維珩, & 陳昭蓉.(2005). 股票市場對強制性財務預測誤差預期之研究. 管理學報, 2005年1月.
金成隆, 紀信義, & 林裕凱. (2005). 強制性財務預測與法人說明會關聯性之研究. 管理學報, 2005年7月.
汪進財, & 吳世偉. (2005). 即時事件導向之航機延誤預測模式. 運輸學刊, 2005年12月.
欉清全, 李政峰, & 郭炳伸. (2006). 過濾自體抽樣預測績效檢定量. 台灣經濟論文叢刊, 2006年9月.
李建強, 張佩鈴, & 陳珮芬.(2006). 臺灣毛豬市場批發價格的非線性模型分析. 農業經濟半年刊, 2006年12月.
楊聲勇, 周德瑋, 董澍琦, & 林泓瑋. (2007). Financial Analyst Characteristics and Accuracy in EPS Forecasting. 管理學報, 2007年8月.
鄒克萬, 張益三, & 杜建宏. (2006). 建物震害毀損度預測模式之研究－倒傳遞類神經網路法之應用. 住宅學報, 2006年6月.
鍾政棋, & 徐嘉陽. (2007). 兩岸三地整體船噸結構及其成長趨勢之分析. 運輸計劃季刊, 2007年12月.
郭孟坤, & 余清祥. (2008). 電腦模擬, 隨機方法與人口推估的實證研究. 人口學刊, 2008年6月.
林昭賢, 許溪南, & 李宏志. (2008). 臺灣期貨交易者與市場報酬之互動關係, 財務金融學刊,. 2008年9月.
周德瑋, 林建榮, & 王祝三. (2008). 公開市場股票購回與假訊號之研究, 證券市場發展季刊. 2008年6月.
鍾政棋, 徐嘉陽, & 林宥勝. (2009). 散裝波羅地海海岬型船市場與BCI指數之預測. 運輸學刊, 2009年3月.
胡守任, & 楊慧華. (2009). 時間序列與收費站模擬模式應用於電子收費車道使用需求預測與車道配置：以泰山收費站為例. 運輸學刊, 2009年6月.
李政峰, 連春紅, & 廖四郎. (2009). 臺灣短期利率模型樣本外預測之實證研究, 證券市場發展季刊. 2009年6月.
林玉惠, 林國榮, 徐世勳, & 張靜貞. (2010). 銷售稅制改革對物價影響之研 究. 臺灣經濟預測與政策, 2010年4月.
黃仁宏, & 沈聰益. (2003). 人格五因素模式預測銷售績效的效度--NEO-PI-R 量表的檢驗與應用. 管理學報, 2003年7月.
王金鍊. (2016). 觀察視窗的選擇對銷售預測績效之影響--以彈性Bass模型為例. 嶺東學報.
高宗萬. (2016). 基於模糊時間序列和馬可夫模型預測入學人數與應用. 臺北城市大學學報.
丁士展, & 李泓逸, 呂亦宸(2015). 貨櫃船新船造價影響變數與預測模式之研究--整合時間序列分析與灰色理論. 航運季刊.
彭俊能. (2014). 應用公開資訊預測台灣公司違約機率. 國立東華大學, 企業管理學系.
程智男, 林建秀, & 尤保傑. (2016), 有效匯率預測模型與避險績效比較. 應用經濟論叢, 2016年9月.

二、外文部分：
Heidi Winklhofer, Adamantios Diamantopoulos. (2003). A model of export sales forecasting behavior and performance: development and testing, International Journal of Forecasting, Vol. 19, pp. 271–285.
Louis H. Ederington ., & Wei Guan. (2010). Longer-Term Time-Series Volatility Forecasts. Journal of Financial & Quantitative Analysis. Aug2010, Vol. 45 Issue 4, p1055-1076.
Baba, K ., & Kozaki, M. (1992). An intelligent forecastion system of stock price using neural network. Proceedings of the International Joint Conference on Neural Networks. pp. 371-377, 1992.
Chih-YungYang., Tsai-Yuan Fang., Tien-Chieh Wu., Chung-Min Wu ., & Hung-Hua Kao. (2016). Study on Taiwan Medical Equipment Industry Strategy Applied Science and Management Research. Applied Science and Management Research, P12-21.
CHAKRAVARTY, ANINDITA. (2016). Analyst Earning Forecasts and Advertising and R&D Budgets: Role of Agency Theoretic Monitoring and Bonding Costs. Journal of Marketing Research (JMR). Aug2016, Vol. 53 Issue 4, p580-596. 17p. 5 Charts.
DZIKEVIČIUS, Audrius ., & ŠARANDA, Svetlana. (2016) FORMATION OF AN INTEGRATED STOCK PRICE FORECAST MODEL IN LITHUANIA. Business, Management & Education, 2016, Vol. 14 Issue 2, p292-307. 16p. 9 Charts, 1 Graph.
BAGCHI, RAJESH ., & INCE, ELISE CHANDON. (2016). Is a 70% Forecast More Accurate Than a 30% Forecast? How Level of a Forecast Affects Inferences About Forecasts and Forecasters. Journal of Marketing Research (JMR), Feb2016, Vol. 53 Issue 1, p31-45. 25p. 1 Diagram, 9 Charts, 2 Graphs.
Zheng, Meimei., Shu, Yan ., & Wu, Kan. (2015).On optimal emergency orders with updated demand forecast and limited supply. International Journal of Production Research. Jun2015, Vol. 53 Issue 12, p3692-3719.
Joong-Seok Cho., Hyung Ju Park ., & Ji-Hye Park1.(2016). Stock Return Synchronicity and Analysts' Forecast Properties. Gadjah Mada International Journal of Business, Sep-Dec2016, Vol. 18 Issue 3, p301-314.
Qian, Chen ., & Chan, Ching-Yuen.(2015). A new production approach for compensating forecast error and customer loss in waiting. International Journal of Production Research, Mar2015, Vol. 53 Issue 5, p1325-1336.
Devos,Erik., Krishnamurthy, Srinivasan ., & Narayanan, Rajesh. (2016). Efficiency and Market Power Gains in Bank Megamergers: Evidence from Value Line Forecasts. Financial Management (Wiley-Blackwell), Winter2016, Vol. 45 Issue 4, p1011-1039. 29p.
Ma, Yonghong., Wu, Zhiyong., Ai, Mingye., & Wei, Wang. (2016). The Construction and Application of a New Exchange Rate Forecast Model Combining ARIMA with a Chaotic BP Algorithm. Emerging Markets Finance & Trade, 2016, Vol. 52 Issue 6, p1481-1495. 15p. 1 Diagram, 4 Charts, 7 Graphs.
Cole, Cathy J., & Jones, Christopher L. (2015). The Quality of Management Forecasts of Capital Expenditures and Store Openings in MD&A. Journal of Accounting, Auditing & Finance, Apr2015, Vol. 30 Issue 2, p127-149. 23p. 5 Charts.
Yan, Xiaoming ., & Wang, Yong. (2014). A newsvendor model with capital constraint and demand forecast update. International Journal of Production Research, Sep2014, Vol. 52 Issue 17, p5021-5040.
Wong, M. H. Franco ., & Zhang, X. Frank. (2014). CEO Optimism and Analyst Forecast Bias. Journal of Accounting, Auditing & Finance, Jul2014, Vol. 29 Issue 3, p367-392. 26p. 9 Charts.
Hou, Tony., Hung, ChiehTse., Gao, Weifeng., & Simon S. (2014). Investors’ Reactions to Analysts’ Forecast Revisions and Information Uncertainty: Evidence of Stock Price Drift. Journal of Accounting, Auditing & Finance. Jul2014, Vol. 29 Issue 3, p238-259. 22p. 7 Charts, 1 Graph.
Shroff, Pervin K., Venkataraman, Ramgopal ., & Xin, Baohua. (2014). Timeliness of Analysts' Forecasts: The Information Content of Delayed Forecasts. Contemporary Accounting Research, Spring2014, Vol. 31 Issue 1, p202-229. 28p.
Cho, Myojung ., & Kwon, Soo Young. (2014). Trading Volume and Investor Disagreement Around Management Forecast Disclosures. Journal of Accounting, Auditing & Finance, Jan2014, Vol. 29 Issue 1, p3-30. 28p. 9 Charts.
Yan-Nei Law., Haixun Wang ., & Carlo Zaniolo. (2011). Relational Languages and Data Models for Continuous Queries on Sequences and Data Streams. ACM Transactions on Database Systems, May2011, Vol. 36 Issue 2, p8-8:32. 32p.
Rezaeian., Ali Shokouhyar., Sajjad Dehghan & Fariba. (2016). Measuring Customers Satisfaction of ecommerce Sites Using Clustering Techniques: Case Study of Nyazco Website. International Journal of Management, Accounting & Economics, Jan2016, Vol. 3 Issue 1, p61-74. 14p.
Żuchowski, Wiktor. (2016). THE IMPACT OF E-COMMERCE ON WAREHOUSE OPERATIONS. LogForum, 2016, Vol. 12 Issue 1, p95-101. 7p.
Pee, L. (2016). Customer co-creation in B2C e-commerce: does it lead to better new products? Electronic Commerce Research, Jun2016, Vol. 16 Issue 2, p217-243. 27p.
Hellawell, Alan. (2010). E-commerce forecast to flourish in China. Asiamoney Aug2010, Vol. 21 Issue 7, p58-58. 1p.