[發明專利]一種基于GRU網絡預測物資采購需求量的方法

在審

• 申請號: 202010217499.7
• 申請日: 2020-03-25
• 公開（公告）號: CN111445009A
• 公開（公告）日: 2020-07-24
• 發明（設計）人: 邱玲;張建中;廖海濤;楊婷婷;陳麗娟;謝毓瑋;曾繁波;向俊儒;張晨;劉啟姝;馮亞;蒲繁榮;鄧倫兵;鄧燕晶;柴海洋;張欣
• 申請（專利權）人: 國家電網有限公司;國網重慶市電力公司;國網重慶市電力公司物資分公司
• 主分類號: G06N3/04
• 分類號: G06N3/04;G06N3/08;G06Q10/08;G06Q30/02
• 代理公司: 重慶晟軒知識產權代理事務所(普通合伙) 50238
• 代理人: 楊曉磊

本發明公開了一種基于GRU網絡預測物資采購需求量的方法，包括以下步驟；S1：采用預設方法對預先采集的數據進行數據處理；S2：通過預設方法對原預測模型和循環神經網絡模型進行對比；S3：采用預設方法構建GRU模型，并將所述處理后的數據作為所述GRU模型的輸入，獲取預測值。有益效果：通過建立GRU模型，從而減少了訓練更新的參數，使GRU模型結構更加簡單，大大減少了訓練時間，進而優化了物品采購預測模型，提升預測精確度。

技術領域

本發明涉及預測物資采購需求方法技術領域，具體來說，涉及一種基于GRU網絡預測物資采購需求量的方法。

背景技術

隨著我國社會經濟快速發展，資源管理與資源的配置已深入人心，資源是公司成長的基礎。沒有充分的優勢資源，企業是很難發展的。如果企業不清楚自己的資源構成，也就做不到知己知彼，根本不可能在競爭中取勝。相反，如果對自己的資源構成、競爭者的資源構成都非常清楚的話，就能夠準確地對各種形勢做出判斷。因此，我們要合理的利用、配置好資源。

以電力部門、企業為例，如何準確預測變電站及配網工程的物資需求、在保障工程進度的前提下提高資金利用率，節約成本，具有重要意義，有助于提升這些部門、企業的競爭力。

在物資需求預測方面，現有技術中一般使用采購物資需求預測模型進行預測，該模型首先通過對近三年可研批復數據和綜合計劃數據以及項目物資歷史采購訂單的整理，得到項目實際計劃采購金額、實際采購金額、電壓等級以及相關小類采購情況等屬性信息，然后通過項目的屬性信息對項目進行聚類，并確認聚類結果所屬的項目類型，接著以總投資金額和項目類型為出發點，同時考慮到年度增長率、項目批復影響因素、物資單價浮動、設備使用狀態等要素，對小類采購量進行回歸分析，剔除不顯著的影響因素，得到多因素的回歸系數，最后通過得到的多元回歸模型以及未來一段時間內相關因素的取值預測各類物資采購需求量。

但是，現有的采購物資需求預測模型存在以下缺陷：1、數據冗余、離散，物品購買量波動大，沒有對采購數據進行數據清洗，忽略了異常值對預測帶來的影響；2、采購需求的影響因子太多，普通的線性回歸模型并不能很好的擬合出預測函數；3、沒有考慮歷史采購量之間的時序關系，預測精確度較低。加之現有的預測模型訓練時間長，訓練所需參數量大，結構復雜。

針對相關技術中的問題，目前尚未提出有效的解決方案。

發明內容

(一)解決的技術問題

針對現有技術的不足，本發明提供了基于GRU網絡預測物資采購需求量的方法，具備預測精度高，可實現采購優化及成本優化的目的，進而解決背景技術中的問題。

(二)技術方案

為實現上述預測精度高，可實現采購優化及成本優化的目的，本發明采用的具體技術方案如下：

一種基于GRU網絡預測物資采購需求量的方法，包括以下步驟：

S1：采用預設方法對預先采集的數據進行數據處理；

S2：通過預設方法對原預測模型和循環神經網絡模型進行對比；

S3：采用預設方法構建GRU模型，并將所述處理后的數據作為所述GRU模型的輸入，獲取預測值。

作為改進的，所述步驟S1采用預設方法對預先采集的數據進行數據處理具體包括以下步驟：

S11：通過預備的數據庫進行所需數據的采集，得到采集數據，保證了得到數據可靠性與真實性；

S12：通過預設方法對所述采集數據進行數據清洗，得到處理后的數據，從而清洗冗余數據，去除異常過高過低購買量，使處理后的數據離散性低，具有一定規律性，進而減少了異常數據推預測值造成的影響，提高了該模型的預測精度。