产品订单分析与需求预测

作者：郝青松; 卢冬晖^*; 谭奥成; 吴昊天

来源：数学建模及其应用, 2023, 12(04): 84-94.

DOI：10.19943/j.2095-3070.jmmia.2023.04.11

• 不规则时间序列
• BGCP插补
• CRU模型
• DeepAR模型
• Prophet模型

需求预测是企业供应链管理的基础，高效、准确的需求预测有助于采购计划和生产计划制定，减少业务波动影响.某企业相关数据具有时序性、非线性、时间跨度大等特性.对数据预处理后，进行特征工程处理，使用MMIFS算法来量化各个特征与订单需求量间相关性.使用CRU模型、 DeepAR模型和Prophet模型来针对不同时间粒度需求量建模，以时间滚动交叉检验RMSE作为模型评估标准.不规则时间序列数据，不同时间粒度趋势、波动、突变不同，适用于不同模型.交叉检验评估验证了模型有效性，表明本文方法能够有效运用于其他不规则时序需求预测问题.

• 单位
  武汉轻工大学; 襄阳职业技术学院