多价值链视角下基于深度学习算法的制造企业产品需求预测

摘要：

多价值链协同发展背景下,制造企业没有充分考虑服务链、营销链等其他价值链对产品需求的影响.为提高制造企业产品需求预测的精度,提出了产品数据空间和一维卷积神经网络(one-dimensional convolutional neural networks,1D-CNN)-长短期记忆(long short-term memory,LSTM)神经网络的深度学习算法.首先,整合不同价值链对产品需求影响的相关数据构建产品数据空间.其次,从数据空间中获取多链数据集用于1D-CNN-LSTM模型的预测.其中,1D-CNN通过两次卷积池化操作获取数据的深层次特征,LSTM则通过进一步学习数据特征中的重要信息来进行时间序列预测.最后,通过某电气设备制造企业生产销售的环网柜产品的相关数据进行算例分析,并与其他几种模型进行预测结果比较.结果表明:1D-CNN-LSTM模型的预测效果优于神经网络模型和单一的LSTM模型.可见提出的1D-CNN-LSTM深度学习模型更具优越性,预测效果好.

关键词：产品需求预测;数据空间;多价值链;一维卷积神经网络(1D-CNN);长短期记忆(LSTM)

所属期刊栏目：21

分类号：TP391(计算技术、计算机技术)

资助基金：国家重点研发计划2020YFB1707800

在线出版日期：2021-12-03（万方平台首次上网日期，不代表论文的发表时间）

页数：共8页

页码：13413-13420