队伍编号MCB2400851
赛道（B）
电商品类货量预测及品类分仓规划研究
摘要
随着电子商务的迅猛发展，电商企业面临的一个主要挑战是如何有效地管理其庞
大的商品库存，并进行高效的品类分仓规划。为此，本研究首先采用ARIMA和
SARIMA算法建立货量预测模型，通过准确预测未来的库存量和销量，为后续品类分
仓规划提供重要的依据。然后采用多目标线性规划模型和模拟退火算法构建品类分仓
优化模型，并借助MATLAB等工具求解得到“一品一仓”与“一品多仓”的最优分仓
方案，旨在为电商企业提供一个科学的货量预测和品类分仓规划方案，以应对日益复
杂的仓储物流挑战，实现成本效益最大化和客户满意度的提升。
为提高数据的精度，本文首先对附件数据集进行预处理，首先针对电商物流数据
的缺失和离散值问题，通过分箱、插值和编码处理来弥补数据缺失，并利用数据归一
化和Box-Cox变换优化数据结构，从而提升预测模型的求解效率和泛化能力。经过预
处理后的数据更适合用于后续模型的预测和规划。
针对问题1，基于电商品类货量预测问题。本文首先构建了基于时间序列的货量预
测模型，利用ARIMA模型预测未来三个月的库存量，得到电商品类的月库存量预测结
果见表12；并用SARIMA模型预测每日销量，得到电商品类的日销量预测结果见表13，
从而为下文品类分仓规划提供准确的货量数据支撑。然后通过ACF和PACF图确定模
型参数（见图13），从残差的ACF和PACF图形中可以看出，所有滞后阶数的自相关系
数和偏自相关数均和0的差异性较小，显示本文构建的货量预测模型拟合效果良好。
针对问题2，基于“一品一仓”分仓方案。首先，应用问题一预测的电商品类库存
量和销量数据。其次，以仓容利用率、产能利用率和总仓租成本为优化目标，然后通
过确定决策变量和约束条件构建多目标线性规划模型，并以此作为品类分仓最优方案。
最后，应用模拟退火算法求解得到最佳仓储分布，其中“一品一仓”分仓方案见表14。
针对问题3，基于“一品多仓”分仓方案。首先，在问题二品类分仓的基础上，对
品类分仓的规划方案从“一品一仓”拓展为“一品多仓”，然后优先考虑品类之间的关
联度。其次，根据品类件型及高级品类的划分，尽可能确保相似品类在同一仓库中，
从而提升仓储网络的协同效率。接着，结合已知条件通过更新决策变量和约束条件构
建多仓分品类关联存储决策的优化模型，并以此模型作为品类分仓最优方案。最后通
过求解该模型得到“一品多仓”分仓方案见表15。“一品多仓”分仓方案不仅提高了仓
库利用率，也强化了品类间的物流关系协调性，实现了仓储网络的优化配置。
最后，本文针对电商品类货量预测模型进行了灵敏度检验和测试了模型的鲁棒性，
用于进一步提高模型的精准度。
关键词：货量预测；品类分仓；ARIMA；SARIMA；多目标线性规划；模拟退火
目录
1问题重述1
1.1研究背景与意义1
1.2文献综述2
1.3题目已知信息3
1.4研究选题3
2研究思路3
3模型假设5
4符号说明5
5数据的预处理6
5.1样本数据的处理6
5.2缺失异常值探索7
5.3数据集特征探索8
5.4样本数据的结构优化10
6问题1：基于ARIMA模型的货量预测12
6.1ARIMA的库存量预测模型建立与求解12
6.2模型优化处理16
6.3基于SARIMA对销量预测模型的建立与求解17
6.4模型检验18
6.5结果分析19
7问题2：一品一仓分类方案20
7.1品类分仓决策的优化模型构建20
7.2模拟退火算法应用21
7.3结果分析22
8问题3：一品多仓分仓方案22
8.1多仓分品类关联存储决策的优化模型