南京商洛电子是国内领先的电子元器件分销商，作为电子产品制造商与电子元器件制造企业的沟通桥梁，为客户提供电子元器件产品，实现物料降本、库存分担等功能。目前，南京商洛电子代理的产品线近80条，经常交易的SKU数超过1.5万，在这1.5万个SKU中，通用性强的SKU不到2000个。受电子行业外部环境影响，物料需求的波动性较大、需求连续性也不太稳定。本毕业设计根据物料的历史需求，分析物料序列特征，有针对性地建立预测模型，同时引入外部影响因子，提升预测模型的灵活性，并搭建物料需求预测可视化系统，为企业人员提供有效的物料管理支持。

分析南京商洛电子的物料历史出货数据特性，将物料分为连续性和间歇性两大类，并分别构建物料需求预测模型，以提高物料需求预测的准确性。通过聚类方法进一步细分物料，或者通过集成方法进一步优化组合预测模型，提高预测方案的泛化性和鲁棒性。寻找、选择并验证有相关性的外部影响因子，例如行业数据，加入预测模型，提升预测模型的灵活性，降低预测模型的偏离度。此外，设计用户友好的物料需求预测可视化系统，在线输出物料需求预测结果，方便企业人员查看并据此作出科学合理的采购决策。

1. 考虑连续性时间序列的物料需求预测研究。通过K-means聚类算法将连续性物料分为三类，采用VMD对数据进行预处理，对数据进行降噪，分离并提取信号分量，以提高模型准确度。预测模型选取了统计学习方法和机器学习方法进行预测，然后在不同聚类数据上评估模型效果。

2. 考虑间歇性时间序列的物料需求预测研究。挑选了5种传统统计预测方法以及3种机器学习预测方法对物料出货数据进行建模，并设计了集成方案和聚类方案，综合各个子模型的优点，以提高预测效果。

3. 基于连续性和间歇性时间序列的物料需求预测研究，采用Bootstrap作为前端框架、Django作为后端框架，基于MySQL完成了数据库的搭建，开发了物料需求预测可视化系统。