面向疫苗供应链优化的预测调和
机器学习
2023-05-03 v1 人工智能
摘要
按类型或位置对疫苗分组时，疫苗供应链优化可受益于层次时间序列预测。然而，当高层级预测与低层级预测之和不匹配时，不同层级预测会变得不一致，这可以通过调和方法来解决。本文通过将 GSK 2010 至 2021 年销售数据建模为层次时间序列，解决疫苗销售预测问题。在使用若干 ARIMA 模型预测未来值后，我们通过统计检验系统比较了多种调和方法的性能。我们还比较了 COVID 前后预测的性能。结果突显了 Minimum Trace 与带结构缩放的 Weighted Least Squares 为性能最佳的方法，其在提供一致预测的同时降低了基线 ARIMA 的预测误差。
引用
@article{arxiv.2305.01455,
title = {Forecast reconciliation for vaccine supply chain optimization},
author = {Bhanu Angam and Alessandro Beretta and Eli De Poorter and Matthieu Duvinage and Daniel Peralta},
journal= {arXiv preprint arXiv:2305.01455},
year = {2023}
}