融合自注意力机制和SARIMA-LSTM算法的快消品需求预测模型

扫码查看

原文链接

NETL
NSTL
万方数据
维普

中文摘要：针对市场中Z企业的快消品存在地区因素影响大、明显的季节性等特点,提出一种更加精准的组合预测模型.首先对Z企业快消品数据进行平稳化操作,其次考虑需求影响因素如周期节假日、地方经济环境(GDP)、准时交货率等,利用SARIMA模型与LSTM优化模型进行组合预测,最后将预测结果融合自注意机制模块进行处理,得到的预测值与实际值进行比较.实验证明,获得的结果在衡量指标中有最佳性能,验证了本文所提方法的有效性.

外文标题：Fast-moving consumer goods demand forecasting model integrating self-attention mechanism and SARIMA-LSTM algorithm

外文关键词：

SARIMALSTMself-attention mechanismdemand forecasting

作者：

柴鸿斌、郑军红、何利力

展开 >

作者单位：

浙江理工大学计算机科学与技术学院,浙江杭州 310018

关键词：

SARIMA LSTM 自注意力机制需求预测

基金：

浙江省重点研发"领雁"计划

项目编号：

2022C01238

出版年：

2023

DOI：

10.16644/j.cnki.cn33-1094/tp.2023.08.015

计算机时代

浙江省计算技术研究所　浙江省计算机学会

计算机时代

影响因子：0.411

ISSN：1006-8228

年,卷(期)：2023.(8)

被引量1
参考文献量5