XiaoMi-AI文件搜索系统
World File Search SystemRajeshwari
基于可再生能源的 KY 升压转换器和七电平逆变器系统综述 Gopika BS 1* & Rajeshwari 2 1 助理教授，系
基于可再生能源的 KY 升压转换器和七电平逆变器系统综述 Gopika BS 1* 和 Rajeshwari 2 1 印度泰米尔纳德邦哥印拜陀 Dhanalakshmi Srinivasan 工程学院电气与电子工程系助理教授。 2 印度卡纳塔克邦 Chintamani 政府理工学院电气与电子系高级讲师。 通讯作者（Gopika BS）电子邮件：gopikabs@dsce.ac.in * DOI：https://doi.org/10.46431/MEJAST.2025.8103 版权所有 © 2025 Gopika BS 和 Rajeshwari。这是一篇开放获取的文章，根据知识共享署名许可条款分发，允许在任何媒体中不受限制地使用、分发和复制，前提是注明原作者和出处。文章收稿日期：2024 年 11 月 11 日 文章接受日期：2025 年 1 月 18 日 文章发表日期：2025 年 1 月 25 日
Dr. Lakshmi Surya Latike1、M.Rajeshwari2、P.Yashashwini2、P.Joshna2 (2024)。优化供应链中的食品需求预测以实现保质期管理
准确的食品需求预测在优化供应链运营、减少浪费和确保易腐货物的有效保质期管理方面发挥着关键作用。其应用范围从零售库存管理到大规模食品分销，使企业能够维持面包、黄油和其他易腐货物等产品的最佳库存。通过预测需求波动，组织可以更好地协调生产计划，减少库存过剩和库存不足问题，并将财务损失降至最低。有效的预测还可以通过减少食品浪费和通过提高产品可用性来提高消费者满意度，从而支持可持续发展。传统需求预测系统通常依赖于手动方法或静态统计方法，这些方法无法适应动态市场条件和复杂的时间序列数据。尤其是手动方法容易出现人为错误、延误和效率低下，使其不适合供应链中的高风险决策。此外，这些方法难以考虑多种影响因素，例如季节性、市场趋势和外部干扰，导致需求预测不准确和保质期管理不佳。为了解决这些限制，本文提出使用一种名为非线性自回归外生神经网络 (NARXNN) 的新算法进行食品需求预测。NARXNN 是一种循环动态网络，其特点是包含多个层的反馈连接，使其能够有效地处理复杂且非线性的时间序列数据。NARXNN 源自线性 ARX 模型，利用外生输入来增强其预测能力。通过将 NARXNN 应用于面包和黄油等供应链产品，该模型展示了其优化需求预测、改善库存管理和减少浪费的潜力，从而为食品行业的保质期管理树立了新标准。