基于机器学习的工业品商城库存预测算法、系统及介质

本发明涉及库存管理技术领域，本发明公开了基于机器学习的工业品商城库存预测算法、系统及介质，通过融合多维度数据，提升预测全面性；通过采用3σ原则与孤立森林算法结合检测异常值，结合成因差异化修正，有效提升数据质量。通过构建时间、商品、影响因素三类特征，经皮尔逊相关系数初筛冗余、注意力权重优化筛选关键特征。构建由LSTM子模型和XGBoost子模型组成的混合预测模型，通过加权融合进一步优化结果，保障多场景精度。通过实时监测实际销量与预测值的偏差率、供应商状态及政策因素，超预设阈值时触发预测值的动态调整，让输出结果更贴合实际库存需求，决策更精准，降低运营成本。