计算机时代2023，Issue(8) ：65-68,73.DOI:10.16644/j.cnki.cn33-1094/tp.2023.08.015

融合自注意力机制和SARIMA-LSTM算法的快消品需求预测模型

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

柴鸿斌 郑军红 何利力
计算机时代2023，Issue(8) ：65-68,73.DOI:10.16644/j.cnki.cn33-1094/tp.2023.08.015
✕
  • NETL
  • NSTL
  • 维普
  • 万方数据

融合自注意力机制和SARIMA-LSTM算法的快消品需求预测模型

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

柴鸿斌 1郑军红 1何利力1
扫码查看

作者信息

  • 1. 浙江理工大学计算机科学与技术学院,浙江 杭州 310018
  • 折叠

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.

关键词

SARIMA/LSTM/自注意力机制/需求预测

Key words

SARIMA/LSTM/self-attention mechanism/demand forecasting

引用本文复制引用

基金项目

浙江省重点研发"领雁"计划(2022C01238)

出版年

2023
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
被引量1
参考文献量5
段落导航相关论文