一种用于季节性产品需求预测的多元化堆叠回归模型

下载:

PDF (1101KB)
输出: BibTeX | EndNote (RIS)

摘要产品需求预测是智慧供应链的核心环节。针对具有季节性的快消品的需求特点，设计了一种结合Blending线性与多机器学习模型融合的多元化堆叠回归模型RXOEL-X。首先，介绍了RXOEL-X模型的构建及运行步骤，然后基于一组公开数据将此模型与五种传统单一化模型进行比较，证明其在预测精度方面比其他模型更优。同时基于某饮料公司的实际销售数据，对模型性能进行进一步测试，证明RXOEL-X模型在预测精度、数据拟合能力、时间效率等方面整体表现最佳。RXOEL-X模型为季节性产品乃至更广泛的企业供应链管理中的需求预测问题提供了一种前沿的解决策略，有利于帮助企业在节省成本、减少库存积压的同时，提高对市场变化的响应速度和供应链的整体灵活性。

	服务
	把本文推荐给朋友
	加入引用管理器
	E-mail Alert
	（）
	作者相关文章

关键词: 季节性产品需求预测多元化堆叠回归模型机器学习智慧供应链

发布日期: 2024-08-06

引用本文:

刘斌, 丁昊. 一种用于季节性产品需求预测的多元化堆叠回归模型[J]. 物流技术, 2024, 43(06): 15-.

链接本文:

http://www.logisticstech.com/CN/ 或 http://www.logisticstech.com/CN/Y2024/V43/I06/15

[1]	李明, 郑逸林, 高瞻, 陈达强, 詹沙磊. 基于影响因素多维融合与贝叶斯概率更新的电力物资需求预测[J]. 物流技术, 2021, 40(3): 71-.
[2]	范江东, 高瞻, 郑逸林, 陈达强. 电网现代智慧供应链数字物流体系构建要素、演化及其实践#br#[J]. 物流技术, 2021, 40(2): 102-.
[3]	王利, 刘耀明, 潘飞宇. 危化品物流智慧供应链影响因素及对策[J]. 物流技术, 2021, 40(2): 110-.
[4]	江楠. 基于灰色GM（1,1）的南京都市圈物流需求预测[J]. 物流技术, 2021, 40(11): 44-.
[5]	李晗, 吴珍珍, 张雪雪. 基于BP神经网络与GM(1,1)组合的北京市物流需求预测模型#br#[J]. 物流技术, 2021, 40(1): 50-.
[6]	梅国强, 黄若函, 胡月峰. 特高压智慧供应链一体化管理和应用[J]. 物流技术, 2021, 40(1): 108-.
[7]	尹巍巍, 王立平. 基于ICT行业智慧供应链协同体系研究与实践[J]. 物流技术, 2020, 39(12): 77-.
[8]	李华, 黄圣南, 林夏繁. 基于灰色-马尔科夫链的海南自贸港农产品冷链物流需求预测[J]. 物流技术, 2020, 39(11): 52-.
[9]	潘珠. 基于BP神经网络的海南省农产品冷链物流需求预测分析[J]. 物流技术, 2020, 39(11): 69-.
[10]	Phatcharida Dindan. DOI-CHANG咖啡的多级库存供应链研究[J]. 物流技术, 2020, 39(09): 122-.
[11]	石川. 非物流数据条件下对物流需求预测的实用性研究[J]. 物流技术, 2020, 39(07): 124-.
[12]	王雪琴, 谢淳, 张莉勋, 刘清. 地铁站共享单车配置量研究[J]. 物流技术, 2019, 38(04): 18-.
[13]	王清漪, 徐菱. 考虑顾客感知价值的零售商动态定价模型[J]. 物流技术, 2019, 38(04): 23-.