换一批基于改进Apriori方法的高值耗材使用规则挖掘算法研究
Research on High-value Consumables Usage Rule Mining Algorithm Based on Improved Apriori Method
摘要针对传统预测方法难以捕捉高值耗材之间隐藏关联、短期需求预测精度不足的问题,研究提出一种融合耗材组合效应的改进Apriori算法,用于挖掘高值耗材使用规则并构建短期需求预测模型.该算法通过引入时间衰减支持度与双向剪枝策略,优化频繁项集生成效率与关联规则质量;在此基础上,将挖掘出的耗材组合特征融入预测模型,实现对其短期需求准确度较高的预测.数据分析表明,相较于简单线性回归模型、BP神经网络模型等,基于改进算法的预测模型准确率达 91.2%,较传统方法提升了约 18.3%,为高值耗材供应链动态调整提供了科学依据.
更多相关知识
关键词
高值耗材短期需求预测关联规则算法组合效应high-value consumablesshort-term demand forecastingassociation rule algorithmcombination effect
栏目名称
DOI
10.3969/j.issn.1006-4311.2025.32.022
发布时间
2025-11-11（万方平台首次上网日期，不代表论文的发表时间）
- 浏览1
- 被引0
- 下载0
相似文献
- 中文期刊
- 外文期刊
- 学位论文
- 会议论文
