[發明專利]物料消耗預測方法、調撥方法、決策方法、決策系統、電子設備和存儲介質

在審

• 申請號: 202210160394.1
• 申請日: 2022-02-22
• 公開（公告）號: CN114742257A
• 公開（公告）日: 2022-07-12
• 發明（設計）人: 楊磊;李寧
• 申請（專利權）人: 上海鈞正網絡科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/06;G06Q10/08;G06N3/04
• 代理公司: 上海文舜致遠專利代理事務所(普通合伙) 31445
• 代理人: 許紅英

1.物料消耗預測方法，其特征在于，包括如下步驟：

S_A1、獲取特征，處理所述特征；

S_A21、將處理后的特征輸入第一預測模型中，得到未來一個周期的第一物料消耗預測結果Q₁；

S_A22、將處理后的特征中的平穩時序特征和連續特征輸入第二預測模型中，得到未來一個周期的第二物料消耗預測結果Q₂；

S_A23、獲取所述處理后的特征中的倉庫歷史消耗數據，將所述倉庫歷史消耗數據輸入第三預測模型中，得到未來一個周期的第三物料消耗預測結果Q₃；

S_A3、比較所述第一物料消耗預測結果Q₁、所述第二物料消耗預測結果Q₂和所述第三物料消耗預測結果Q₃，確定最優物料消耗預測結果Q_m。

2.如權利要求1所述的物料消耗預測方法，其特征在于，所述特征的處理方法包括：

設定當前時刻t為分割點，設定特征集合R＝{R_t-n，R_t-(n-1)，…，R_t-1}，其中,R_t-i為當前時刻t之前第i個周期的特征，i＝1，2，…，n，以當前時刻t之后一個周期的物料消耗數量Q_t+1為標簽，處理后的特征集合R`＝{R`_t-n，R`<sub>t-(n-</sub>1)，…，R`_t-1},R`_t-i為當前時刻t之前第i個周期的處理后的特征，i＝1，2，…，n，；

處理連續特征，設定閾值Pccs，計算特征R_t-i中的連續特征與物料消耗數量Q_t+1的皮爾森相關系數Pcc_i，篩選滿足|Pcc_i|＞Pccs時的連續特征；

處理離散特征，將特征R_t-i中的每個離散特征進行獨熱編碼處理，對特征R_t-i進行社區發現，將特征R_t-i劃分成Z個模塊，將每個模塊進行降維處理達到1維；

處理平穩時序特征，將特征R_t-i中的非平穩時序特征轉化為平穩時序特征。

3.如權利要求1所述的物料消耗預測方法，其特征在于，所述特征包括倉庫畫像特征、車輛畫像特征、城市畫像特征、天氣畫像特征、計劃特征畫像特征、時間畫像特征和股票指數特征，所述股票指數特征包括在當前時刻t之前的第1個周期至第n個周期內的趨勢類指標、隨機指標和相對強弱指標。

4.如權利要求2所述的物料消耗預測方法，其特征在于，所述將處理后的特征輸入第一預測模型中，得到未來一個周期的第一物料消耗預測結果Q₁，包括：

S_A211、構建第一預測模型，所述第一預測模型包括n個結構相同且依次排序的預測單元n、預測單元n-1、…和預測單元1，所述預測單元包括注意力機制模塊、CNN模塊和LSTM模塊，所述注意力機制模塊進行權重分配，CNN模塊學習空間特征，LSTM模塊學習時序特征；

S_A212、將特征R`_t-n作為預測單元n的輸入，得到輸出結果n；

S_A213、令n＝n-1；

S_A214、將特征R`_t-(n-1)和輸出結果n共同作為預測單元n-1的輸入，得到輸出結果n-1；

S_A215、重復執行步驟S_A213，直至得到當前時刻t之后一個周期的第一物料消耗預測結果Q₁。