nach oben

Erschienen in:

2016 | OriginalPaper | Buchkapitel

Forecasting Intermittent Demand with Generalized State-Space Model

verfasst von : Kei Takahashi, Marina Fujita, Kishiko Maruyama, Toshiko Aizono, Koji Ara

Erschienen in: Operations Research Proceedings 2014

Verlag: Springer International Publishing

Einloggen

Aktivieren Sie unsere intelligente Suche, um passende Fachinhalte oder Patente zu finden.

search-config

KI-gestützte Suche

Aus

Abstract

We propose a method for forecasting intermittent demand with generalized state-space model using time series data. Specifically, we employ mixture of zero and Poisson distributions. To show the superiority of our method to the Croston, Log Croston and DECOMP models, we conducted a comparison analysis using actual data for a grocery store. The results of this analysis show the superiority of our method to the other models in highly intermittent demand cases.

Sie haben noch keine Lizenz? Dann Informieren Sie sich jetzt über unsere Produkte:

Springer Professional "Wirtschaft+Technik"

Online-Abonnement

Mit Springer Professional "Wirtschaft+Technik" erhalten Sie Zugriff auf:

über 102.000 Bücher
über 537 Zeitschriften

aus folgenden Fachgebieten:

Automobil + Motoren
Bauwesen + Immobilien
Business IT + Informatik
Elektrotechnik + Elektronik
Energie + Nachhaltigkeit
Finance + Banking
Management + Führung
Marketing + Vertrieb
Maschinenbau + Werkstoffe
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Springer Professional "Wirtschaft"

Online-Abonnement

Mit Springer Professional "Wirtschaft" erhalten Sie Zugriff auf:

über 67.000 Bücher
über 340 Zeitschriften

aus folgenden Fachgebieten:

Bauwesen + Immobilien
Business IT + Informatik
Finance + Banking
Management + Führung
Marketing + Vertrieb
Versicherung + Risiko

Jetzt Wissensvorsprung sichern!

Jetzt informieren

Vorheriges Kapitel Robustness to Time Discretization Errors in Water Network Optimization

Nächstes Kapitel Optimal Renewal and Electrification Strategy for Commercial Car Fleets in Germany

Andrieu, C., Doucet, A., Holenstein, R.: Particle Markov chain Monte Carlo methods. J. Roy. Stat. Soc. B. 72(3), 269–342 (2010)CrossRef

Croston, J.D.: Forecasting and stock control for intermittent demands. Oper. Res. Q. 23(3), 289–303 (1972)CrossRef

Doucet, A.: On sequential simulation-based methods for Bayesian filtering. Technical Report CUED/F-INFENG/TR. 310, Cambridge University Department of Engineering (1998)

Fildes, R., Nikolopoulos, K., Crone, S.F., Syntetos, A. A.: Forecasting and operational research: a review. J Oper. Res. Soc. 59, 1150–1172 (2008)

Kitagawa, G., Gersch, W.: A smoothness priors-state space approach to the modeling of time series with trend and seasonality. J. Am. Stat. Assoc. 79(386), 378–389 (1984)

Kitagawa, G.: Decomposition of a nonstationary time series—an introduction to the program DECOMP—. Proc. Inst. Stat. Math. 34(2), 255–271 (1986). in Japanese

Kitagawa, G.: Monte Carlo filter and smoother for non-Gaussian nonlinear state space models. J. Comput. Graph. Stat. 5(1), 1–25 (1996)

Liu, J.S., Chen, R.: Sequential Monte Carlo methods for dynamic systems. J. Am. Stat. Assoc. 93(443), 1032–1044 (1998)CrossRef

Shenstone, L., Hyndman, R.J.: Stochastic models underlying Croston’s method for intermittent demand forecasting. J. Forecast. 24, 389–402 (2005)CrossRef

10.

Syntetos, A.A., Boylan, J.E.: On the bias of intermittent demand estimates. Int. J. Prod. Econ. 71, 457–466 (2001)CrossRef

11.

Syntetos, A.A., Boylan, J.E.: Intermittent demand: estimation and statistical properties. In: Altay, N., Litteral, L.A. (eds.) Service Parts Management, pp. 1–30. Springer, London (2010)

Titel: Forecasting Intermittent Demand with Generalized State-Space Model
verfasst von: Kei Takahashi
Marina Fujita
Kishiko Maruyama
Toshiko Aizono
Koji Ara
Verlag: Springer International Publishing
Buch: Operations Research Proceedings 2014
Print ISBN: 978-3-319-28695-2

Electronic ISBN: 978-3-319-28697-6

Copyright-Jahr: 2016
DOI: https://doi.org/10.1007/978-3-319-28697-6_82