用于最优库存管理的神经多分位预测
机器学习
2021-12-13 v1
摘要
在这项工作中，我们提出使用分位回归和具有时间缩放的扩张循环神经网络（MQ-DRNN-s）并将其应用于库存管理任务。该模型在 10,000 条 El Globo 销售时间序列上、以每周 7 天前向的滚动窗口覆盖 53 周 horizon 的数据集上，相比统计基准（带外生变量的分位自回归模型，QAR-X）表现出高达 3.2% 的更优性能，且比无时间缩放的 MQ-DRNN 好 6%。
引用
@article{arxiv.2112.05673,
title = {Neural Multi-Quantile Forecasting for Optimal Inventory Management},
author = {Federico Garza Ramírez},
journal= {arXiv preprint arXiv:2112.05673},
year = {2021}
}