• 家电商家供应链场景销量预测算法
• • 项目目标
  • 部署形式
• 算法代码目标：
• 结构

家电商家供应链场景销量预测算法

项目目标

对某大型家电商家的电商平台进行销量预测，维度包括仓库、商品、销售渠道。该模型需要识别该模型的多个数据特征，对输出的预测结果进行可解释性的分解，识别其趋势性、季节性、水平项。
本模型利用深度网络构建销量预测模型，通过对SKU的趋势、季节项进行分别建模，完成可解释的模型架构。

部署形式

SaaS化部署
数据量：仓：4个，商品：1315种，渠道：5个。
总体时间序列个数：5839

算法代码目标：

提供全维度的天维度120天的常规预测；
提供模型文件供商家预测使用。

针对上述目标，提出解决方案：
基于1D-CNN模型对常规大小品类进行销量预测

• reference
  《Neural basis expansion analysis for interpretable time series forecasting》
  参考state space model的思想，通过多层全连接进行时间序列分解，每层拟合时间序列部分信息（之前层拟合的残差）。
  整个模型包括多个stack，每个stack包括多个block，每个block是Nbeats的最基础结构模块，由多个全连接层组成。
  为了能让模型的分解具有可解释性，文中也提出了在各个层引入一些先验知识，强制让某些层学习某种类型的时间序列特性，实现可解释的时间序列分解。

结构