李亭立　李长云　王松烨

摘  要：针对目前服装面料需求数据周期非确定性导致预测精度差的问题，提出一种基于Prophet算法的服装面料需求预测模型。通过分析服装面料需求历史数据的时间序列特征构建Prophet模型，使用M公司面料数据集设计Prophet与LSTM的对比实验，并采用RMES以及MAE作为评价指标。实验结果表明：相比于LSTM，Prophet模型具有较高的预测精度且有效提升了服装面料需求时间序列预测的准确性。

关键词：Prophet模型;时间序列预测;LSTM;服装面料需求预测

中图分类号：TP18                  文献标识码：A文章编号：2096-4706（2021）20-0095-04

Research on Clothing Fabric Demand Forecast Based on Prophet Algorithm

LI Tingli， LI Changyun， WANG Songye

（Hunan Key Laboratory of Intelligent Information Perception and Processing Technology， Hunan University of Technology， Zhuzhou  412007， China）

Abstract： Aiming at the problem of poor prediction accuracy caused by the uncertainty of clothing fabric demand data cycle， a clothing fabric demand prediction model based on Prophet algorithm is proposed. By analyzing the time series characteristics of clothing fabric demand historical data， the Prophet model is constructed， the comparative experiment between Prophet and LSTM is designed by using the fabric data set of M company， and RMES and MAE are used as evaluation indexes. The experimental results show that compared with LSTM， Prophet model has higher prediction accuracy and effectively improves the accuracy of clothing fabric demand time series prediction.

Keywords： Prophet model; time series prediction; LSTM; clothing fabric demand forecast

0  引  言

面料作为服装生产最主要的物质材料，在服装生产过程中占据显著地位，精准的服装面料需求预测是企业成功运营的关键。服装面料需求预测作为服装生产流程的一个重要环节，预测的效果直接影响企业前期面料备料情况，是解决供应链环节中面料库存问题的最直接手段[1]。

在实际发展应用中，服装企业在服装生产过程中对面料需求的不确定性、时间差异性和动态变化性对面料需求预测问题的解决提出了极大挑战。服装面料需求预测由于容易受到周期性、季节性以及促销活动和节假日等多种不确定因素的影响，导致预测精度低。本文研究一种基于Prophet算法的服装面料需求预测模型，满足服装企业对面料需求的高精度预测。这对提高服装企业经营及拉动经济增长具有重要现实意义。

在需求预测问题中，为了提高预测的准确性，常用的方法有时间序列预测法、因果关系预测法、专家预测法、灰色预测法、马尔科夫预测法[2]等。……