销售预测多价值协同机制验证数据集

汽车制造商通过服务提供商提交的零件计划来预测对汽车零件的需求。但是，零件计划通常会产生累积错误，并且无法立即感知用户的需求。为了克服这些缺点，我们提出了基于线性回归，灰色模型和神经网络的销售预测混合模型。首先，研究了汽车零件预测的数据特征，并选择了汽车零件销售历史，零件故障率和汽车销售历史作为预测参数。其次，设计了一种混合预测模型以提高预测准确性。最后，利用产业链合作的3年汽车零件销售数据，我们证明了我们的混合模型是有效的。实验表明，所提供的预测模型平均误差为2.62％，准确率达到97.38％。准确估计汽车零部件的销售量将提高汽车零部件价值链的协作效率。