李洋莹，陈智军，张子豪，游 兰

（湖北大学计算机与信息工程学院，武汉 430062）

0 引言

制糖业是多类行业的基础工业，在我国的国民经济中具有不可或缺的地位［1］。制糖原材料的供需平衡直接影响着企业生产效率，通过人工智能方法针对原材料供需规律建模，是实现企业高效生产的有效方法，也是制造型企业智能化转型的重要信息化指标之一。

需求量预测是一种定量预测，较为常用的预测手段为时间序列预测法。时间序列预测法由数学家Yule 在1927 年提出，自回归模型（Auto-Regressive Model，AR）可用来预测未来市场变化规律［2-3］，随后自回归移动平均模型（Auto-Regressive Moving Average Model，ARMA）和 .动 .均模型（Moving Average model，MA）的提出则揭开了国内外学者研究时间序列的序幕［4］。时间序列预测旨在通过研究对象本身所具有的数据变化规律，在时间基础上拟合出数据的规律性，在解决线性时间序列的拟合问题上有着出色表现。但现实中多为非线性复杂问题，相较于传统的时间序列预测方法［5-7］，引入神经网络可以更好地解决非线性时间序列的拟合问题。武乃虎等［8］采用时间序列和神经网络改进模型，解决了风速和风电功率之间存在的非线性关系对预测精度的影响；Wang 等［9］提出了基于长短期记忆的顺序神经网络预测模型，可用于预测给定页面深度处的广告将在用户屏幕上显示特定停留时间的概率。

目前，国内外需求量预测相关研究已积累了一些成果，但较少考虑行业特点对需求量预测的影响，准确性有待提高；同时，食品加工业中原材料采购主要以周为周期，而现有研究多以月和年为预测时间长度，导致现有方法难以满足预测的时效性要求。……