基于ARIMA和XGBoost方法的快消品行业需求预测分析  

作　　者：张宸奕 

机构地区：[1]北京工商大学计算机与人工智能学院

出　　处：《消费电子》2025年第6期203-205,共3页Consumer Electronics Magazine

摘　　要：本研究旨在探讨和比较两种方法在快消品行业需求预测中的应用:ARIMA(自回归积分滑动平均模型)和XGBoost(基于梯度提升的机器学习算法)。快消品行业因其产品的高流通速度和广泛的市场需求而面临独特的供应链管理和库存控制挑战。为此,该行业需要采取措施以优化生产计划,降低库存成本,提高市场反应速度,提升需求预测准确性等。本研究通过分析快消品行业的需求特性,评估上述两种预测方法的准确性和适用性,并探讨如何结合这些方法的优势以提高预测准确性。研究结果表明,这些先进的预测技术能够有效应对市场的快速变化和不确定性,为快消品行业的需求管理提供科学依据。

关 键 词：快消品行业 需求预测 ARIMA模型 XGBoost算法 

分 类 号：F274[经济管理—企业管理]