零售业新品需求预测模型
根据商品属性与历史销量信息构建特征，计算新品与旧品的相似度，通过机器学习模型利用旧品的销量对新品销量进行预测
零售业商品数据筛选算法模型
模型基于零售业现有销售商品数据，这些数据包含自身属性特征和有关订货、补货等多种信息，根据这些数据构建特征作为XGboost分类模型的输入，筛选出满足某种条件的商品。
物流模式拆零算法模型
模型用于确定供应链最小起订量参数。通过构建包含DC拆零能力等约束，以最大化拆零前后成本节约为 目标的混合整数规划模型，采用启发式方法求解，得到各业态最小拆零规格等参数，改进供应链管理水平。
KDE&NewsVendor Model销售安全库存模型
模型基于统计学上的核密度函数KDE和经典库存模型报童模型，创新提出一种在实际复杂情况下的确定安全库存方法。从实际安全库存决策产生的影响和预测误差两方面考虑，即既考虑最小化预测误差目标又考虑了库存优化目标。采用统计学上的概率密度估计，即核密度函数KDE，用渐进积分方法拟合得到相关参数，得到提前期需求的概率密度函数。将概率密度函数导入报童模型，输出最小化库存管理目标的订购点，并结合周转库存与安全库存关系，最终得到安全库存。
多级生产需求预测模型
由于多级生产供应链的存在，终端消费需求经过多级经销商之后被严重放大。模型前期采用Box-Cox变换消除历史数据异方性，使得序列相对平稳；结合小波变换对原数据进行多尺度的分解，利用SARIMAX时序模型完成需求预测问题。
DM档期促销预测模型模型
根据商品属性与历史销量信息构建特征，对团购销量进行清洗并通过lightGBM模型对促销销量进行预测。
