避孕需求预测的新型混合方法：将点预测与概率分布集成
机器学习
2025-03-10 v2 应用统计
统计方法学
摘要
准确的需求预测对于确保避孕产品的可及性至关重要，这支持了采购、库存和分配等关键流程。然而，发展中国家的避孕需求预测面临数据不完整、数据质量差以及需考虑多个地理和产品因素的挑战。现有方法常依赖简单预测技术，无法捕捉这些因素引发的需求不确定性，亟需专家参与。本研究旨在通过结合概率预测方法与专家知识来改进避孕需求预测。我们开发了一种混合模型，将特定于领域的模型生成的点预测与统计和机器学习方法生成的概率分布相结合，使人类输入能够对系统生成的预测进行微调和提升。这一方法有助于解决需求中的不确定性，尤其适用于资源受限的环境。我们评估了包括时间序列、贝叶斯、机器学习和基础时间序列方法在内的各种预测方法，并对比分析了这些方法的优势、劣势和计算要求。我们的研究填补了预测避孕需求的空白，提供了一种将算法与人类专家知识相结合的实用框架。该模型也可推广到类似数据模式的其他人道主义情境。
引用
@article{arxiv.2502.09685,
title = {A Novel Hybrid Approach to Contraceptive Demand Forecasting: Integrating Point Predictions with Probabilistic Distributions},
author = {Harsha Chamara Hewage and Bahman Rostami-Tabar and Aris Syntetos and Federico Liberatore and Glenn Milano},
journal= {arXiv preprint arXiv:2502.09685},
year = {2025}
}