Zhuosd / 2021_AliCloud_Supply_Chain_CompetitionLinks
2021阿里云供应链大赛之需求预测及单级库存优化,B榜73名
☆28Updated 2 years ago
Alternatives and similar repositories for 2021_AliCloud_Supply_Chain_Competition
Users that are interested in 2021_AliCloud_Supply_Chain_Competition are comparing it to the libraries listed below
Sorting:
- 物流需求预测法的python实现(Logistics Demand Forecasting By Python),含移动平均法、指数平滑法、平滑系数的确认、结果输出到excel表、误差分析等☆37Updated 4 years ago
- 利用时间序列预测汽车销量☆44Updated 7 years ago
- 时间序列ARIMA模型的销量预测☆65Updated 7 years ago
- 客流量时间序列预测模型☆130Updated 3 years ago
- 智能供应链分析,对顾客用rfm模型分类,用多种机器学习模型建模,进行欺诈订单预测,延迟发货预测,销售额预测,销售数量预测☆40Updated 5 years ago
- 基于ARIMA时间序列的销量预测模型,实际预测准确率达90%以上,内含有测试记录和实际上线效果。☆112Updated 6 years ago
- 尝试对比ARIMA、LSTM、SARIMA、GRA_LSTM、SARIMA_LSTM串联模型和SARIMA_LSTM并联模型的时序预测能力。☆14Updated 2 years ago
- 数据特征工程、各种机器学习回归模型、回归数据预处理☆43Updated 6 years ago
- 如何使用ARIMA模型预测世界肺炎确诊人数?【时序数据预测】☆40Updated 5 years ago
- 基于深度学习的共享单车预测与调度解决方案,使用神经网络构建单车需求量与时间段和地理画像的关联,预测不同区域单车需求量;使用蚁群算法规划最优单车调度路径。☆112Updated 7 years ago
- 毕设-设备故障预测系统☆41Updated 6 years ago
- 本项目为时间序列预测项目,主要重点在于对预测项目整体流程的梳理总结,不同框架下如何进行简单数据处理和模型搭建。因此项目中搭建的主要为一些常用模型(后续会不断修改完善)。模型包含了prophet模型、keras库的bp神经网络和lstm网络模型、pytorch …☆26Updated 2 years ago
- 机器学习预测系统汇总:包括贝叶斯网络、马尔科夫模型、线性回归、岭回归、多项式回归、决策树回归、深度神经网络预测☆90Updated 5 years ago
- ☆258Updated last year
- 一种有效的电力负荷预测方法☆64Updated 6 years ago
- 2018比赛-大数据-光伏电站-人工智能运维☆25Updated 7 years ago
- 基于KNN聚类算法结合Dynamic Time Warping(动态时间调整)的时间序列分类☆63Updated 6 years ago
- Regression prediction of time series data using LSTM, SVM and random forest. 使用LSTM、SVM、随机森林对时间序列数据进行回归预测,注释拉满。☆200Updated 5 years ago
- 基于统计学的时间序列预测(AR,ARM).☆294Updated 5 years ago
- 多元多步时间序列的LSTM模型预测——基于Keras☆90Updated 4 years ago
- 建立SARIMA-LSTM混合模型预测时间序列问题。以PM2.5值为例,使用UCI公开的自2013年1月17日至2015年12月31日五大城市PM2.5小时检测数据,将数 据按时间段划分,使用SARIMA过滤其线性趋势,再对过滤后的残差使用LSTM进行预测,最后对预测结果进行…☆84Updated 7 years ago
- 《应用时间序列分析》易丹辉、王燕著; 案例Python实现☆17Updated 6 years ago
- Water Quality Management and Forecasting System(水质管理与预测系统)☆44Updated 3 years ago
- 第十一届泰迪杯B题:产品订单的数据分析与需求预测 代码和数据☆38Updated 2 years ago
- 电力系统短期负荷预测☆45Updated 5 years ago
- 基于LSTM的电力负荷预测☆168Updated 7 years ago
- 使用支持向量机、弹性网络、随机森林、LSTM、SARIMA等多种算法进行时间序列的回归预测,除此以外还采取了多种组合方法对以上算法输出的结果进行组合预测。Support vector machine, elastic network, random forest, LSTM…☆46Updated 5 years ago
- use deepar to predict water supply network pressure☆21Updated 4 years ago
- 基于Keras的LSTM多变量时间序列预测☆185Updated 8 years ago
- 机器学习预测模型,分别用逻辑回归,决策树,随机森林,神经网络,XGBOOST和支持向量机算法建模,交叉验证,并选出AUC最优的模型。特征工程优化后,AUC值达到0.8259☆57Updated 5 years ago