供应链需求预测系统 | 异常检测模块：识别历史数据中的异常波动点

叶一一

发布于 2026-07-21 20:34:21

1070

概述

在销量预测与库存优化的闭环体系中，我们往往聚焦于“预测未来”，却容易忽视“历史数据的质量”。事实上，预测模型的准确性高度依赖于训练数据的干净程度。供应链历史数据中充斥着大量“脏数据”：系统上线初期的测试数据、仓库盘点导致的零销量、竞品突然缺货带来的销量暴增、或者数据采集故障产生的负值。这些异常点（Outliers）如果不加以识别和剔除，就会像“病毒”一样感染模型，导致趋势误判、季节性失真，最终输出

文章被收录于专栏：供应链项目实践供应链项目实践

原创声明：本文系作者授权腾讯云开发者社区发表，未经许可，不得转载。

如有侵权，请联系 cloudcommunity@tencent.com 删除。

前端框架