Pesquisa sobre Gestão de Estoque e Previsão de Demanda em Plataforma de E-commerce Baseada em Modelos ARIMA e LSTM

Este artigo foca em um estudo aprofundado das questões de gestão de estoque em plataformas de e-commerce. Os comerciantes precisam equilibrar a alta pressão de capital causada por mais estoque e o risco de falta de produto que pode ser causado por menos estoque. Primeiramente, este artigo pré-processa os dados da plataforma de e-commerce, mescla os dados de séries temporais e trata os outliers, prevê a demanda por produtos através do modelo ARIMA e avalia o efeito do modelo utilizando os indicadores RMSE e 1-wmape. Em segundo lugar, para os dados de novos produtos devido ao tamanho de amostra insuficiente, este artigo utilizou o modelo de clustering K-means para classificação de similaridade e previu as vendas futuras de acordo. Finalmente, para promoções em larga escala, este artigo prevê a demanda sob a influência das promoções através do pré-processamento de dados e do modelo LSTM, e o indicador 1-wmape mostra que o efeito da previsão do modelo LSTM é melhor do que o do modelo ARIMA. Os métodos e conclusões deste estudo são de grande importância prática para otimizar a gestão de estoque das plataformas de e-commerce e melhorar a eficiência da cadeia de suprimentos.