基于"STL+ARIMA"模型的电力物资需求时间序列预测

扫码查看

原文链接

NETL
NSTL
万方数据

中文摘要：随着电力行业的快速发展，物资需求的精确预测成为提高企业运营效率和降低成本的关键因素。本文基于国网福建省电力有限公司厦门供电公司2021年至2023年的部分物资出库数据，研究了多种时间序列预测模型对电力物资需求的预测能力。本文选取了ARIMA、SARIMA、LSTM、KNN、ETS、"STL+ARIMA"等6种模型，并通过MAE(平均绝对误差)、MSE(均方误差)、R-squared(决定系数)等多项评价指标对其预测精度进行了比较。实验结果表明，"STL+ARIMA"模型在所有模型中表现最佳，能够有效捕捉数据中的季节性波动和趋势变化，预测精度远超其他模型。本文为电力企业物资需求预测提供了高效且精确的模型选择方案，有助于优化物资供应链管理，降低成本，并提升整体运营效率。

作者：

李英龙、林咪咪、倪颖婷、姚可筠、李云峰

展开 >

作者单位：

国网福建省电力有限公司厦门供电公司

厦门亿力吉奥信息科技有限公司

关键词：

电力物资需求时间序列预测 "STL+ARIMA"模型 SARIMA模型 LSTM神经网络

出版年：

2025

互联网周刊

科学出版社

互联网周刊

ISSN：1007-9769

年,卷(期)：2025.(2)