基于GBRT树模型分位数回归预测的CPFR补货方法

• 作者: 姚小龙 孙延华 张冬杰 曾庆维 金健 陈桓
• 来源期刊: 软件导刊
• 学科: 工学
• 关键词: 大数据 物流供应链 CPRF 分位数回归预测 服务水平 库存
• 年，卷（期）: 2019,（12）
• 所属期刊栏目: 人工智能
• 页码范围: 35-39
• 页数: 5页
• 分类号: TP306
• 字数: 5056字
• 语种: 中文
• DOI: 10.11907/rjdk.192360

摘要

随着大数据的发展和物流科技信息化进程的加快,企业供应链数据呈爆炸式增长,且种类繁多、关系网络复杂,而传统CPRF技术中的预测模型已经不能适应供应链大数据需求预测,更不能依据需求预测进行有效的库存管理,经典的周期库存盘点策略也不能很好地适应非正态分布的需求数据,如何对供应链大数据进行准确预测并补货已成为供应链研究的热点.依据大数据的分位数回归预测技术,利用历史数据信息进行准确预测,并将分位数回归预测与补货模型合理有效连接,通过真实数据仿真分析,表明在98％的服务水平下,平均库存得到了降低.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	孙延华		1	0	0.0	0.0
2	张冬杰		1	0	0.0	0.0
3	曾庆维		1	0	0.0	0.0
4	金健		1	0	0.0	0.0
5	陈桓		1	0	0.0	0.0
6	姚小龙		1	0	0.0	0.0