Комбинированный метод прогнозирования спроса на продовольственные товары на основе ансамбля LSTM-сети и SARIMA-модели для интеграции в ERP-системы российского ритейла

Цель исследования: повышение точности прогнозирования спроса на продовольственные товары в условиях высокой волатильности и сложной сезонной структуры для последующей интеграции в модули управления запасами ERP-систем, включая российские решения на платформе «1С». Материалы и методы. Предложен комбинированный метод на основе ансамбля SARIMA (англ. Seasonal Autoregressive Integrated Moving Average – сезонная авторегрессионная модель скользящего среднего) и многослойной LSTM-сети (англ. Long Short-Term Memory – сеть долгой краткосрочной памяти). Веса моделей определяются адаптивно на основе ошибки на валидационной выборке. Эксперимент проведён на реальных данных соревнования M5 Forecasting (Walmart), включающих временные ряды спроса по 120 наименованиям продуктов питания. Для оценки качества использованы метрики MAE, RMSE, MAPE и тест Дибальда – Мариано. Результаты. Предложенный ансамбль снижает среднюю абсолютную процентную ошибку (MAPE) до 52,96 % – на 1,1 % лучше SARIMA и на 14,0 % лучше LSTM. Статистическая значимость улучшения подтверждена тестом Дибальда – Мариано (p < 0,001). Анализ показал, что комбинация линейной интерпретируемости SARIMA и нелинейной гибкости LSTM обеспечивает устойчивость к выбросам и повышает точность в периоды резких колебаний спроса (например, перед праздниками). Практическая ценность работы заключается в возможности снижения уровня дефицита и избыточных запасов за счёт более точного прогноза спроса. Заключение. Разработанный метод демонстрирует высокий потенциал для интеграции в ERP-системы российского ритейла, где требуется баланс между точностью, интерпретируемостью и автоматизацией. Результаты позволяют рекомендовать ансамбль для внедрения в модули автоматизированного планирования закупок и управления товарными запасами.