利用人工神经网络预测零售店天气敏感产品需求
机器学习
2020-11-17 v1 机器学习
摘要
有效供应链管理的一个关键要求是其库存管理的质量。通常基于需求模式、产品属性与供应网络为不同类型产品采用各种库存管理方法。本文中，我们的目标是为零售店的天气敏感产品开发稳健的需求预测方法。我们采用来自 Walmart 的历史数据集，其客户与市场常暴露于极端天气事件，这些事件会对相关门店与产品的销售产生巨大影响。我们希望准确预测美国 45 家 Walmart 零售点周围在主要天气事件时段 111 种潜在天气敏感产品的销量。直观上，我们可能预期大雷暴前雨伞销量上升，但补货经理难以预测为避免该风暴期间及之后缺货或积压所需库存水平。尽管他们依赖多种供应商工具预测极端天气事件周围的销量，但大多采用缺乏系统有效性度量的耗时流程。我们采用对任何分析项目都关键的所有方法并从数据探索入手。从原始历史数据集中提取关键特征以提升需求预测的准确性与稳健性。特别地，我们采用人工神经网络预测主要天气事件时段周围所售每种产品的需求。最后，我们评估模型以评判其准确性与稳健性。
引用
@article{arxiv.1711.08325,
title = {Utilizing artificial neural networks to predict demand for weather-sensitive products at retail stores},
author = {Elham Taghizadeh},
journal= {arXiv preprint arXiv:1711.08325},
year = {2020}
}