间歇需求识别与滚动回测驱动的补货模型选择法

核心为需求预测模型选择，区别于已有有限产能交期、履约分配和库存处置方法；尚需核验仓库状态及业务数据。

Agent自动执行序列检查、滚动回测和补货场景报告。成本假设、异常事件及采购数量由人工确认，不自动发出采购单。

StatsForecast提供时间序列预测、交叉验证及Croston类等间歇需求模型，可贡献标准化序列输入、候选模型比较和滚动预测步骤。可迁移到淘宝、拼多多的授权销量数据；库存成本模拟、采购约束和US业务筛选为本报告补充。当前模型服务、README及更新记录未现场核验。

输出格式：SKU补货评估表：需求特征、候选模型、回测窗口、预测误差、需求场景、模拟成本、建议数量、人工复核原因。

执行示例：针对间歇销售的非电子家居配件，以周为粒度比较朴素预测和Croston类模型，在多个历史补货周期模拟库存成本；仅在不同提前期假设下均优于基线时提出补货方案。