一种基于大数据的物流供应链需求预测方法技术

本发明专利技术请求保护一种基于大数据的物流供应链需求预测方法，包括：101对数据进行预处理操作；102对经过预处理的数据进行特征工程构建；103提取目标之间的关系特征；104提取输入输出空间的目标敏感特征；105建立机器学习模型，根据供应链的历史需求数据进行预测。本发明专利技术主要是通过提取关于物流供应链需求预测目标的输入输出空间的敏感特征来处理输入空间和输出空间的复杂关系，建立机器学习模型，从而预测供应链在未来5周内的需求，使得商家能够在正确的时间给用户最有效服务。

A Demand Forecasting Method of Logistics Supply Chain Based on Big Data

【技术实现步骤摘要】
一种基于大数据的物流供应链需求预测方法
本专利技术属于机器学习、多目标回归及大数据处理
，尤其基于大数据的物流供应链需求预测方法。
技术介绍
随着经济全球化和知识经济时代的到来，高新技术的迅猛发展，商品结构越来越复杂，寿命周期越来越短，用户需求的不确定性和个性化程度增加，市场环境竞争日益激烈，人们的需求日益多样化，市场环境由简单静态的卖方市场逐步变成复杂动态的买房市场，供应链管理应运而生。企业管理如何适应新的竞争环境，已成为广大管理理论研究者及实际工作者关注的焦点。需求预测是供应链管理中需求管理的内容，是供应链运作的源头，也是供应链优化的起点。如果预测需求与实际需求误差过大，将会对供应链运作带来巨大的影响，增加供应链运作成本，降低客户满意度。另一方面，提升需求预测准确性，则可以大大降低供应链运作成本，提升服务质量，使供应链成员企业从中受益。现今的市场环境使企业正在面临无止境的计划和决策，对未来需求的预测构成了供应链管理中战略和规划性决策的基础。所有拉动流程又都是根据市场需求的反应来运行的，在上述两种情况下，供应链管理者采用的第一个步骤就是预测顾客未来的需求量。再好的商品，如果不本文档来自技高网...

【技术保护点】
1.一种基于大数据的物流供应链需求预测方法，其特征在于，包括以下步骤：101、对供应链的历史需求数据进行包括异常值在内的预处理操作；102、对经过预处理的数据进行特征工程构建；特征工程构建主要包括：历史需求数据特征、时间特征；103、采用层次聚类得到目标之间的关系特征；104、对含有目标之间的关系的数据，得到输入输出空间的目标敏感特征；105、建立机器学习模型，根据供应链的历史需求数据进行预测。

【技术特征摘要】
1.一种基于大数据的物流供应链需求预测方法，其特征在于，包括以下步骤：101、对供应链的历史需求数据进行包括异常值在内的预处理操作；102、对经过预处理的数据进行特征工程构建；特征工程构建主要包括：历史需求数据特征、时间特征；103、采用层次聚类得到目标之间的关系特征；104、对含有目标之间的关系的数据，得到输入输出空间的目标敏感特征；105、建立机器学习模型，根据供应链的历史需求数据进行预测。2.根据权利要求1所述的一种基于大数据的物流供应链需求预测方法，其特征在于，所述步骤101对供应链需求历史销量数据预处理操作，包括以下步骤：S1011、将历史数据分为训练集和测试集两部分，统计历史数据中供应链需求历史数据的缺失值个数，并统计供应链各个商品的缺失比例，对于缺失比例低于70％的商品，使用该商家对应星期几的销量均值填充；若缺失比例超过70％，则保留距离目标预测日期最近2周的销量，其他全部删除。3.根据权利要求2所述的一种基于大数据的物流供应链需求预测方法，其特征在于，当保留距离目标预测日期最近2周的销量有缺失时，则使用最近2周均值填充。4.根据权利要求2所述的一种基于大数据的物流供应链需求预测方法，其特征在于，所述步骤102对经过预处理的数据构建特征工程，包括以下步骤：S1021、根据供应链历史需求数据提取商品特征和商品促销行为特征，并添加包括节假日、周末、寒暑假期在内的影响消费的特征；S1022、根据供应链中商品类目进行独热编码，根据商品所属的类目，统计出每个类目所拥有的商品数。5.根据权利要求4所述的一种基于大数据的物流供应链需求预测方法，其特征在于，所述步骤103采用层次聚类提取目标之间的关系特征，具体包括：1)对样本进行层次聚类，如果节点样本数小于阈值MaxLeaf＝20，则停止过程，否则继续,直至完成一棵层次二叉树；2)对除叶子节点外的...

【专利技术属性】
技术研发人员：王进，陈知良，许景益，欧阳卫华，孙开伟，杨俏，邓欣，陈乔松，
申请(专利权)人：重庆邮电大学，
类型：发明
国别省市：重庆,50