超越准确率：基于多层级库存成本评估预测模型
人工智能
2026-03-18 v1
摘要
本研究开发了一个数字化预测-库存优化流水线，将传统预测模型、机器学习回归器和深度序列模型集成于统一的库存仿真框架中。利用 M5 Walmart 数据集，我们评估了七种预测方法，并在单层和两层报童系统中评估其运营影响。结果表明，Temporal CNN 和 LSTM 模型相比统计基线显著降低了库存成本并提升了满足率。灵敏度和多层级分析展示了鲁棒性和可扩展性，为现代供应链提供了数据驱动的决策支持工具。
引用
@article{arxiv.2603.16815,
title = {Beyond Accuracy: Evaluating Forecasting Models by Multi-Echelon Inventory Cost},
author = {Swata Marik and Swayamjit Saha and Garga Chatterjee},
journal= {arXiv preprint arXiv:2603.16815},
year = {2026}
}
备注
10 pages, 2 tables