1. 课程导论：间歇需求定义、Croston方法背景、多步预测的重要性

1.1 什么是间歇需求？

在供应链与库存管理领域，间歇需求（Intermittent Demand） 是指需求事件在时间轴上稀疏且不连续出现的模式。与连续、稳定的常规需求不同，间歇需求呈现出“大部分时间段为零，少数时间段为正”的典型特征。

间歇需求通常出现在以下场景：

• 备件与维修件：飞机发动机叶片、医疗设备电路板，可能数月才产生一次需求。
• 高价值低频消费品：大型工程机械、专用仪器仪表。
• 新产品或衰退期产品：市场导入期或退市前的零散订单。

1.2 间歇需求 vs 常规需求

1.3 Croston方法背景

1972年，英国统计学家 John D. Croston 在《Journal of the Royal Statistical Society》上发表，首次提出针对间歇需求的预测方法。其核心思想是：将需求过程拆解为两个独立的时间序列——需求是否发生（间隔）与需求发生时的规模（非零需求量）。

Croston方法的数学表达：

# 伪代码：Croston 更新逻辑
if demand_t > 0:
    # 更新非零需求均值
    z_t = α * demand_t + (1 - α) * z_{t-1}
    # 更新间隔均值
    p_t = α * interval_t + (1 - α) * p_{t-1}
    # 重置间隔计数器
    q_t = 1
else:
    # 需求为零，仅增加间隔计数
    q_t = q_{t-1} + 1
    # 均值和间隔保持不变
    z_t = z_{t-1}
    p_t = p_{t-1}

# 最终预测值
forecast_t = z_t / p_t

1.4 多步预测的重要性

在真实供应链决策中，单步预测（仅预测下一期）远远不够。采购提前期、生产周期、运输时间等因素要求预测人员必须输出 多步预测（Multi-step Forecast），即同时预测未来多个时间周期的需求。

多步预测面临的核心挑战：

1. 误差累积：预测步长增加，误差呈非线性放大。
2. 间隔不确定性：未来多期内需求是否发生、何时发生难以确定。
3. 参数漂移：平滑系数α在长周期内可能不再最优。

1.5 间歇需求预测流程总览

1.6 课程学习路径

本课程将按照以下逻辑逐步深入：

• 第2-4章：Croston方法数学原理与基础实现
• 第5-8章：单步预测参数配置与评估
• 第9-15章：多步预测策略与误差累积控制
• 第16-22章：高级变体（SBA、TSB、iCroston）
• 第23-28章：实战案例与Python代码实现
• 第29-30章：总结与最佳实践