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。

搜集汇总

背景与挑战

背景概述

该数据集面向汽车零件销售预测，针对传统零件计划累积误差问题，提供了基于线性回归、灰色模型和神经网络的混合预测模型。数据来源于产业链合作三年的汽车零件销售记录，实验表明模型平均误差为2.62%，准确率高达97.38%，旨在提升汽车零部件价值链的协同效率。