<?xml version="1.0" encoding="utf-8" standalone="yes"?>
<rss version="2.0" xmlns:atom="http://www.w3.org/2005/Atom">
  <channel>
    <title>间歇性需求 on 办公AI智能小助手</title>
    <link>https://blog.qife122.com/tags/%E9%97%B4%E6%AD%87%E6%80%A7%E9%9C%80%E6%B1%82/</link>
    <description>Recent content in 间歇性需求 on 办公AI智能小助手</description>
    <generator>Hugo</generator>
    <language>zh-cn</language>
    <copyright>qife</copyright>
    <lastBuildDate>Wed, 17 Sep 2025 11:40:38 +0800</lastBuildDate>
    <atom:link href="https://blog.qife122.com/tags/%E9%97%B4%E6%AD%87%E6%80%A7%E9%9C%80%E6%B1%82/index.xml" rel="self" type="application/rss+xml" />
    <item>
      <title>间歇性需求预测误差度量方法解析</title>
      <link>https://blog.qife122.com/p/%E9%97%B4%E6%AD%87%E6%80%A7%E9%9C%80%E6%B1%82%E9%A2%84%E6%B5%8B%E8%AF%AF%E5%B7%AE%E5%BA%A6%E9%87%8F%E6%96%B9%E6%B3%95%E8%A7%A3%E6%9E%90/</link>
      <pubDate>Wed, 17 Sep 2025 11:40:38 +0800</pubDate>
      <guid>https://blog.qife122.com/p/%E9%97%B4%E6%AD%87%E6%80%A7%E9%9C%80%E6%B1%82%E9%A2%84%E6%B5%8B%E8%AF%AF%E5%B7%AE%E5%BA%A6%E9%87%8F%E6%96%B9%E6%B3%95%E8%A7%A3%E6%9E%90/</guid>
      <description>&lt;h1 id=&#34;预测误差度量间歇性需求&#34;&gt;预测误差度量：间歇性需求&lt;/h1&gt;&#xA;&lt;p&gt;在之前的几篇博客文章中，我们已经介绍了实践中使用的所有流行预测度量方法。但它们都主要关注平稳且稳定的时间序列。然而，在现实世界中存在一种完全不同的时间序列类型——间歇性和集中性需求。&lt;/p&gt;</description>
    </item>
  </channel>
</rss>
