基于LMD-XGBoost的短时生鲜物流需求预测

作     者：薛皓予 张志清 XUE Haoyu;ZHANG Zhiqing

作者机构：武汉科技大学管理学院湖北武汉430070 

出 版 物：《物流科技》 (Logistics Sci-Tech)

年 卷 期：2024年第47卷第16期

页      面：18-23页

学科分类：12[管理学] 02[经济学] 0202[经济学-应用经济学] 1202[管理学-工商管理] 1201[管理学-管理科学与工程(可授管理学、工学学位)] 020205[经济学-产业经济学] 

基　　金：武汉科技大学“十四五”湖北省优势特色学科(群)项目“数字化转型背景下数据驱动的敏捷协同创新理论与方法研究”(2023D0402) 

主　　题：生鲜物流 物流需求预测 信号分解 机器学习 

摘      要：随着生鲜物流行业的蓬勃发展,消费者对生鲜物流的要求也在进一步提高,传统需求预测模型已经难以满足市场需求。为解决传统预测方式难以有效应对短期生鲜物流需求的非线性关系和动态变化等问题,文章提出了LMD-XGBoost组合模型预测方法,对输入的物流需求曲线进行LMD分解,然后对分解所得的各分量进行XGBoost预测,最后对预测得出的分量进行逐一求和以得到最终结果。以某连锁超市的生鲜物流需求为例,对其日物流需求进行预测,证明该模型具备有效性和可行性,为解决非线性、强突变性短时物流曲线预测问题提供了方法参考。