科研之友
微信
新浪微博
Facebook
分享链接
摘要
以利用大数据对库存水平进行预测为切入点,以通信行业的库存物资动态特征历史数据为支撑,通过数据挖掘和相关分析构建了基于支持向量机-稀疏贝叶斯学习方法(Support Vector Machine-Sparse Bayesian Learning,SVM-SBL)的库存信息需求概率预测模型。将上述预测模型应用于通信行业的一些仓储大数据项目中。实验结果表明,该预测模型为实现精细化库存管理提供了在数据基础和数据条件上的有力支撑,为通信库存状态的科学评估提供了依据,并且在一定的仓储安全水平下能够有效实现仓储成本的最小化。
