摘要
电商竞争日益激烈，在各种商品类目下不断有老牌企业淘汰，也不断有新的竞争者出现。如何把握电商市场供需的变动，提高供应链的灵活性，是每个商家都需要考虑的问题。乳饮产品生命周期短、易腐坏、价值较高、销量波动大，精准分析电商乳饮销量的影响因素，做好销量预测和库存控制，降低供应链成本，是保证乳饮电商企业不被淘汰、保持竞争力的关键。本文基于电商运营大数据，提取并分析销量相关的特征，结合不同算法的优势建立销量预测组合模型来预测未来需求，基于产品需求构建库存控制模型，利用强化学习计算订货点和订货量，为乳饮类短保食品电商的销量预测和库存控制提供新的思路与方法，具有重要的理论研究意义与工程实用价值。 本文的主要工作和成果如下： （1）分析与处理乳饮电商销售数据。基于时间序列分解算法分析销售数据的趋势性、周期性以及随机性特点，对销售特征数据进行预处理，根据乳饮电商销售特点挖掘相关特征，利用机器学习模型选择有效的特征集合。 （2）基于GRU与LightGBM算法构建乳饮电商销量预测组合模型。描述电商销量预测特点，基于ARIMA、LightGBM、LSTM等时序预测算法建立销量预测模型，对比分析不同算法的预测效果和优势；结合电商销售的特殊性，利用Stacking模型融合思想建立GRU-LightGBM组合模型以提高预测精度，对比分析组合模型的预测效果，通过模型特征权重以分析销售影响因素，总结提升产品销量的方法。 （3）基于深度强化学习构建乳饮电商库存控制模型。分析乳饮电商库存控制的特点，定义库存相关变量，建立以最小化库存成本和订货成本的库存控制目标函数；描述乳饮电商库存控制流程，基于强化学习对库存控制进行建模，以产品需求和库存状态为状态变量建立状态转移机制，以订货点和订货量为行为变量，基于目标成本最小化建立报酬函数；开展乳饮电商库存控制实证研究，根据供应链潜在风险设置风险参数以提高模型应对风险的能力，训练模型并应用于某季度库存决策中，对比实际库存策略，强化学习策略在库存成本、平均库存量、折价量等关键指标上表现更优，且在风险发生时有更高的安全库存进行应对。 （4）开发乳饮电商销量预测与库存控制原型系统。通过SQLServer建立系统数据库，采用Delphi设计系统界面，基于Python实现系统运算，完成乳饮电商销量预测与库存控制原型系统开发。
NETL