大数据挖掘在协议库存物资需求预测的研究和应用

论文摘要

国网福建电力公司开展协议库存物资需求预测,着重解决当前因协议库存物资需求计划不准确而造成物资结构性缺货、协议合同长期未执行等难题。通过整合ERP系统项目模块和物资模块的海量数据,利用Python算法库挖掘数据的内在联系,先对项目名称进行关键词选取及项目分类,再对项目类型、投资金额、地市、城乡等开展皮尔森相关分析,选取关键影响因子,最后采用随机森林构建大数据模型进行配网物资需求预测,大幅提升预测准确性。

论文目录

• 1 研究背景
• 2 主要做法
•   2.1 数据采集与清洗
•   2.2 项目类型进行分类
•   2.3 主要因子相关性分析
•     2.3.1 皮尔森相关系数理论
•     2.3.2 皮尔森相关系数应用
•   2.4 采用随机森林进行预测
•     2.4.1 随机森林理论
•     2.4.2 随机森林应用
•   2.5 物资需求预测与结果验证
• 3 推广应用
• 4 结语

文章来源

类型: 期刊论文

作者: 陈国洪,刘烁,李燕燕,陈晔

关键词: 皮尔森相关系数,随机森林,关键词分类,物资需求预测

来源: 信息通信 2019年09期

年度: 2019

分类: 信息科技,工程科技Ⅱ辑,经济与管理科学

专业: 电力工业,计算机软件及计算机应用,工业经济,企业经济

单位: 国网福建省电力有限公司物资分公司,国网信通亿力科技有限责任公司

分类号: TP311.13;F426.61;F274

页码: 96-98

总页数: 3

文件大小: 1311K

下载量: 151