[发明专利]一种入库量和出库量的联合预测方法

说明书

一种入库量和出库量的联合预测方法，涉及库存管理。通过建立一个基于多时间序列数据预测的预测模型，并将其应用到库存管理领域，可以在满足出库与出库两类型时间序列的依赖关系情况下，同时实现高精度的预测结果。获取预定时间段内的入库量和出库量时间序列数据，并对这两类型时间序列数据进行数据清洗；利用数据挖掘技术建立时间序列预测模型；考虑到库存中的入库量和出库量均相互依赖的背景知识，将入库量和出库量时间序列数据的相互依赖关系建立模型；将相互依赖关系建立模型应用于库存预测中，即把库存预测的要求建立到约束下，获得最终预测结果。

技术领域

本发明涉及库存管理，尤其是涉及基于数据挖掘技术的一种入库量和出库量的联合预测方法。

背景技术

库存管理是有效地监控现有库存的流入和流出货物波动的一般过程[1]。这一过程一般包含了两种类型操作：(1)把货物搬进仓库以保证销售的顺畅(又名入库)；(2)从仓库中交出货物用于销售(又名出库)。这两种类型操作会产生两种类型的时间序列数据，每一个代表随时间而变化的相应的操作量。实现良好的库存管理，即力图在控制每一种操作的消耗和维持库存状态。

在现有的库存管理系统[2]中，通常是单独预测入库量和出库量。它被视为一个单一的时间序列预测，忽略了入库量和出库量之间的关系。在实践中，在一个库存中的入库和出库量均相互依赖。在同一件货物或者一段时间内，出库的数量往往受到入库数量的限制，也就是说，为了预防货物无现货，出库往往少于入库。另外，为了避免供过于求的情况，入库计划依赖于历史出库情况[3]。因此，针对于库存管理的特性，入库和出库两个时间序列承担着一定的相互依赖关系。

在数据挖掘的研究中，时间序列预测问题得到了很好的探索[4,5,6]。然而，很少有研究聚焦于这一方面——预测相关的时间序列数据集合的运动。

参考文献：

[1]Zipkin P H.Foundations of inventory management[M].New York:McGraw-Hill,2000.

[2]Li L,Shen C,Wang L,et al.iMiner:Mining Inventory Data forIntelligent Management[C]//Proceedings of the 23rd ACM,InternationalConference on Conference on Information and Knowledge Management.ACM,2014:2057-2059.

[3]Scarf H.The optimality of(5,5)policies in the dynamic inventoryproblem[J].1959.

[4]Weigend A S.Time series prediction:forescasting the future andunderstanding the past[M].1994.

[5]Van Gestel T,Suykens J A K,Baestaens D E,et al.Financial timeseries prediction using least squares support vector,machines within theevidence framework[J].Neural Networks,IEEE Transactions on,2001,12(4):809-821.

[6]Taylor S J.Modelling financial time series[J].2007.

发明内容

本发明的目的在于提供基于数据挖掘技术的一种入库量和出库量的联合预测方法。