报告摘要：为了低成本且灵活应对油品的多变需求，加油站补货系统需要实时感知潜在的缺货，并实时生成补货方案，以保障不缺货的同时降低补货成本。然而，如果加油站的销量预测值过低，则无法实时感知到潜在的库存缺货状态，这将有可能导致其缺货；反之，如果销量预测值过高，则会导致其频繁补货、库存持有量及补货成本过高。为应对这一挑战，本研究提出一种将销量模式模糊识别技术与基于深度学习的预测技术相结合的加油站销售预测方法，以同时考虑销量的时间依赖性和不确定性，兼顾了点预测模型和分位数预测模型的优势，在保证加油站不发生缺货的同时能够降低库存补货成本，以支持智能补货系统实现动态补货过程。
嘉宾简介：孙丽君，教授、博导。现任管理科学与工程国家重点学科硕士点点长、博士点副点长。曾获教育部全国百篇优秀博士论文提名奖、省优秀博士论文、省优秀博士论文指导教师、教育部高等学校科学研究优秀成果二等奖。主要研究方向：智慧商务与物流管理、数据驱动的智能优化决策。已独立承担国家自然科学基金项目4项、博士后特别资助及一等资助项目。在TRE、IJPR、DSS、《管理科学学报》、《管理世界》、《系统工程理论与实践》等国内外知名期刊上发表论文50余篇，出版专著2部，授权国家发明专利3项、登记软件著作权8项。现担任中国管理科学与工程学会智能制造工程管理分会副主任委员，中国管理科学与工程学会人工智能技术与管理应用研究会委员，中国双法研究会网络科学分会常务理事，中国系统工程学会智能制造系统工程专业委员会副秘书长。
