基于ARIMA构建SWECPX模型解决电商需求预测问题

本文针对电商需求预测问题,基于促销节日因素S(Sale)和仓库因素C(Category),借助Matlab、Excel软件进行数据预处理,以ARIMA时间序列模型为核心,建立SWECPX(Sale Ware Effect Category Product X)模型,使用Matlab软件中的X-12-ARIMA选项等方法进行求解,实现了对商品需求量的准确预测,取得较好的1-wrmape指标测试效果。本文最大的创新点是提出了SWECPX模型,对影响商品需求量的要素S和C进行区分和求解,使对商品需求量预测更加精确,1-wrmape值较高。当每日的商品需求量处于较低水平时,预测效果的提升尤为显著,其预测值几乎与实际值相同。因此,我们期望SWECPX模型可以为电商仓储平台的决策提供切实的参考和借鉴。