需求预测模型选型与调优实战 - 供应链数字化与智能采购系统 - 016-AI驱动的供应链需求预测与库存优化实战 - 可可精品资料库

VIP20

本课程属于：016-AI驱动的供应链需求预测与库存优化实战 供应链数字化与智能采购系统 · 共 20 门相关课程，组合学习更完整。

查看所属VIP全部课程 →

← 返回所属目录咨询 / 购买

📚 共30个章节 🎯 实战案例 + 理论精讲 ⭐ 中小学生友好色系 · 明快专注

01

需求预测概述

定义、重要性、供应链场景、挑战与常见误区

02

预测数据类型与特征工程

时间序列特点、趋势/季节/节假日、外部特征提取

03

预测评价指标体系

MAE, MSE, RMSE, MAPE, sMAPE, MASE 对比

04

数据预处理实战

缺失值、异常值(IQR/3σ)、平滑与重采样

05

平稳性检验与差分

ADF/KPSS检验、差分、对数/Box-Cox变换

06

自相关与偏自相关分析

ACF/PACF解读、AR/MA阶数、拖尾截尾

07

经典统计模型

朴素法、移动平均、指数平滑(SES/Holt/Holt-Winters)

08

ARIMA模型原理

AR/I/MA数学含义、p,d,q参数选择

09

季节性ARIMA (SARIMA)

季节性差分、SARIMA(p,d,q)(P,D,Q,s) 完整流程

10

Facebook Prophet设计、趋势/季节/节假日、changepoint

11

Prophet实战调优

seasonality_mode、prior_scale、交叉验证

12

线性回归预测

时间特征、滞后特征、滚动窗口、one-hot编码

13

树模型预测

决策树/随机森林/XGBoost/LightGBM、特征重要性

14

LSTM神经网络预测

RNN原理、LSTM门控、时间步长、单步/多步

15

CNN与TCN时序预测

因果卷积、膨胀卷积、TCN结构优势

16

Transformer与Informer

自注意力、位置编码、ProbSparse、蒸馏机制

17

多步预测策略

递归/直接/多输出、Seq2Seq、Teacher Forcing

18

集成学习与模型融合

Stacking/Blending/加权平均/Bagging、多样性

19

时间序列交叉验证

Expanding/Rolling Window、TimeSeriesSplit、防泄露

20

超参数调优方法

网格/随机搜索、贝叶斯(Hyperopt/Optuna)、早停

21

模型选型决策框架

数据量/频率/时长/算力/可解释性 · 选择矩阵

22

冷启动问题

新产品预测、类比法、属性回归、贝叶斯方法

23

层级预测与协调

SKU/品类/品牌层级、Top-Down/Bottom-Up/Middle-Out

24

预测不确定性量化

分位数回归、区间预测、Conformal Prediction

25

异常需求与突发事件应对

CUSUM、贝叶斯变点、干预分析、鲁棒模型

26

自动化预测管道 (AutoML)

Auto-ARIMA/Auto-Prophet/AutoTS、自动特征工程

27

模型部署与监控

Pickle/ONNX、Flask/FastAPI、漂移检测、重训练

28

案例实战1：零售快消品周度销量

数据清洗 → Prophet调优全流程

29

案例实战2：电商平台日度流量

LSTM vs XGBoost、多步预测与集成

30

案例实战3：制造业备件需求

层级预测、冷启动、不确定性区间