本数据聚焦于预测在不同线路运输体育及户外休闲用品货物量的变化。通过“浙江双飞海铁联运数据中心”采集一段时间各个线路运输体育及户外休闲用品货物量数据，建立运输量预测模型，从而反映不同线路和时间节点的货运趋势。这种分析有助于本企业以及其他国际物流公司提前做出排班计划，合理规划调度货船，提升出口运输效能。此外，预测数据能为相关企业提供市场前置信息，支持其在生产组织和库存管理上做出更合理的安排。
1.数据采集：通过“浙江双飞海铁联运数据中心”，采集一段时间不同线路运输体育及户外休闲用品的情况数据，具体包括：采集发站、大类、起运港、目的港、产品、不同产品每个月出口箱数，并依次用x1, x2...x9表示等数据。“浙江双飞海铁联运数据中心”和本数据集归属于浙江双飞运输有限公司。2.数据预处理：对采集的数据进行清洗，去除重复记录，处理缺失值。 3.数据加工与分析：（1）计算历史运输量：对于每条线路运输的每类产品，使用SUMIFS函数对订单数量进行累加，分别计算出其过去270天、90天和30天的总需求量。（2）建立需求量预测模型：该产品名称的未来30天需求量预测值=[(过去270天总需求量÷270*a)+(过去90天的总需求量÷90*b)+(过去30天的总需求量÷30×c)]*30*k；其中，系数a=0.5，b=0.3，c=0.2，调整因子k=1.1。系数a、b、c反映数值对未来30天需求量预测的影响程度，由于算法更注重长期需求趋势的影响，因此a被赋予了最高的权重。调整因子k基于市场增长预期进行修正。
| 字段名 | 类型 | 描述 |
|---|---|---|
预测时间 |
-- | -- |
发站 |
-- | -- |
大类 |
-- | -- |
起运港 |
-- | -- |
目的港 |
-- | -- |
| fieldName | exampleValue |
|---|---|
| 预测时间 | 2024年10月1日 |
| 发站 | 永康东 |
| 大类 | 体育及户外休闲用品 |
curl -H "Authorization: Bearer YOUR_API_KEY" \
http://localhost:3001/api/v1/datasets/846004