Long-term Demand Forecasting: using an Ensemble of Neural Networks to Improve Accuracy

Abstract

This research paper proposes a method of long-term demand forecasting based on an ensemble of neural networks that considers the novelty of the data. A tool for creating the ensemble was developed that uses a bagging technique as well as a modification that allows for the relevance and novelty of the data to be considered when creating training samples for each model in the ensemble. The study examines and compares the developed method with known approaches to long-term demand forecasting. Experimental results have indicated that the proposed approach allows for obtaining more accurate and reliable demand forecasts compared to existing methods. The results emphasize the importance of data in the demand forecasting process and indicate the potential of the proposed method to eventually improve inventory management strategies and product planning.

У статті пропонується метод довгострокового прогнозування попиту на основі ансамблю нейронних мереж, який враховує новизну даних. Було розроблено інструмент для створення ансамблю, який використовує техніку пакетування, а також модифікацію, яка дозволяє враховувати релевантність і новизну даних під час створення навчальних зразків для кожної моделі в ансамблі. У дослідженні розглянуто та порівняно розроблену методику з відомими підходами до довгострокового прогнозування попиту. Експериментальні результати показали, що запропонований підхід дозволяє отримати більш точні та надійні прогнози попиту порівняно з існуючими методами. Результати підкреслюють важливість даних у процесі прогнозування попиту та вказують на потенціал запропонованого методу для остаточного покращення стратегій управління запасами та планування продукції.