Phorecaster365:用于混合药品销售预测和规划决策支持的人工监督参考架构
摘要
Phorecaster365 提出了一种用于药品销售预测的人工监督参考架构,该架构集成了数据摄入、建模和治理,并带有验证框架,尽管它并未确立实际世界的准确性。
arXiv:2609.13907v1 公告类型:新
摘要:药品销售预测为产品、地区和分销渠道的规划提供信息,然而它们的解释取决于库存可用性、交易语义、产品生命周期以及每个预测发布时可用的信息。仅模型预测无法保留这些条件或确立预测是否适合运营使用。我们提出 Phorecaster365,一种人工监督参考架构,将企业资源规划数据连接到可审查的药品销售预测。该架构分离源数据摄入、产品-地区序列构建、时间有效特征生成、统计和机器学习建模、集成形成、不确定性评估、规划者审查和生命周期治理。其中间表示的核心是预测上下文包,保留源快照、预测目标、时间截止点、可用协变量、数据质量状态和层级版本。相应的预测证据包将预测与模型和校准版本、异常、人工调整和发布历史链接起来。通过在 30 个产品-地区序列上的 10,950 条每日记录合成面板的开发经验,为设计提供信息。历史实验摘要仅作为开发的描述性证据保留,因为它们的评估不建立独立的预测有效性。我们指定了滚动起源评估协议、基线和消融要求、不确定性和稳健性评估,以及从合成测试到治理规划使用的分阶段途径。贡献是一个实现中立的系统设计和验证框架;该报告未确立实际世界的预测准确性、比较优势或运营效益。
查看缓存全文
缓存时间: 2026/09/15 08:46
# Phorecaster365:混合药物销售预测与规划决策支持的人工监督参考架构 来源:https://arxiv.org/abs/2609.13907 查看PDF(https://arxiv.org/pdf/2609.13907) > 摘要:药物销售预测为跨产品、区域及分销渠道的规划提供信息支持,但其解读依赖于库存可用性、交易语义、产品生命周期以及预测发布时可获取的信息。单纯的模型预测既无法保留这些条件,也无法确立预测是否适用于实际操作。我们提出Phorecaster365——一种人工监督的参考架构,将企业资源规划数据与可审查的药物销售预测相关联。该架构分离了源数据摄入、产品-区域序列构建、时态有效的特征生成、统计与机器学习建模、集成构建、不确定性评估、规划人员审核及生命周期治理等模块。其核心中间表示是"预测上下文包",它保存了源数据快照、预测目标、时间截止点、可用协变量、数据质量状态及层级版本。对应的"预测证据包"则将预测结果与模型及校准版本、异常情况、人工调整和发布历史相关联。我们在一个由30个产品-区域序列、10,950条日记录组成的合成面板数据上获得的开发经验为设计提供了参考。历史实验摘要仅作为开发过程的描述性证据保留,因其评估并未建立独立的预测有效性。我们规定了滚动起源评估协议、基线与消融要求、不确定性与鲁棒性评估,以及从合成测试到受控规划应用的分阶段路径。本研究的贡献在于提出了一个与实现无关的系统设计与验证框架;本报告并未确立实际预测精度、比较优势或操作效益。 ## 提交历史 来自:Houman Kazemzadeh 药学博士 \[查看邮件(https://arxiv.org/show-email/5b248b20/2609.13907)\] **\[v1\]**2026年9月12日 星期六 12:31:17 UTC(802 KB)
相似文章
PPDL:结合物理先验与深度学习的真实工业用户留存率预测框架
PPDL是一种新颖的预测框架,它结合物理先验与深度学习来预测多渠道付费用户获取中的用户留存率,解决了渠道异质性和时间模式等挑战,并在工业数据集上验证了改进效果。
基于表格基础模型的统一且数据高效的预测与健康管理
本文提出一个框架,将表格基础模型应用于工业时间序列的预测与健康管理,在多个PHM任务上展示了强大的性能和高效的数据利用率。
模拟体:用于近最优时间序列预测与推断的决策理论预训练
本文介绍了一个统一的决策理论预训练框架,用于基于神经网络的时间序列估计器,该框架在分层模拟上进行训练以逼近近最优决策规则。实验表明,所得估计器在合成和现实基准上均优于最大似然估计等传统方法。
基于客户基础驱动因素的收入预测:协调预测何时及为何有所帮助
本文介绍了Customer-Based Multi-task Transformer (CBMT)模型,该模型通过联合预测客户获取、重复购买和平均订单价值来预测收入。它声称相较于现有基准具有更高的预测准确性,并分析了协调预测的适用时机。
Forecast-Dojo: 用于基准测试与训练LLM预测代理的可重复环境
Forecast-Dojo 是一个用于基准测试与训练LLM预测代理的可重复环境,结合已解决的预测市场问题与带日期的新闻,以实现重复评估和从结果中学习。