Modelado de Predicción de la Demanda de Logística de Cadena Fría Basado en Algoritmo de Minería de Datos

Las tecnologías de información modernas, como los grandes datos y la computación en la nube, son cada vez más importantes y se aplican ampliamente en la ingeniería y la gestión. En términos de logística de cadena fría, la minería de datos también ejerce efectos positivos sobre ella. Específicamente, la predicción precisa de la demanda de logística de cadena fría contribuye a optimizar los procesos de gestión así como a mejorar la eficiencia de gestión, que es el principal propósito de esta investigación. En este trabajo, analizamos los problemas existentes relacionados con la logística de cadena fría en el contexto del mercado chino, especialmente el aspecto de la predicción de la demanda. Luego, realizamos el cálculo matemático basado en el algoritmo de red neuronal y la predicción gris. Se construyen dos modelos de pronóstico con los datos de 2013 a 2019 utilizando el programa R 4.0.2, con el objetivo de explorar la demanda de logística de cadena fría. Según los resultados estimados por los dos modelos, encontramos que ambos modelos muestran alta precisión. En particular, la predicción del modelo de algoritmo de red neuronal es más cercana al valor real con errores menores. Por lo tanto, es mejor considerar el algoritmo de red neuronal como la primera opción al construir el modelo de pronóstico matemático para predecir la demanda de logística de cadena fría, lo que proporciona una referencia más precisa para el despliegue estratégico de la gestión logística, como la optimización de la automatización y la innovación en los procesos de cadena fría para adaptarse a la tendencia.