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.
NETL
NSTL
万方数据