一种基于混合模型的物资协议库存需求预测方法技术

本发明专利技术提供一种基于混合模型的物资协议库存需求预测方法，属于物资需求预测技术领域。该基于混合模型的物资协议库存需求预测方法包括如下步骤：S1：获取所有物资对应的历史数据；S2：对历史数据进行分类以获取不同分类特征的物资小类数据；S3：建立包含多种预测模型的混合模型库；S4：根据分类特征的不同从混合模型库中选取预设模型并将步骤S2中获取的物资小类数据输入预设模型中实现对预设物资需求进行预测。本发明专利技术中从混合模型库中选取预设模型并将物资小类数据输入预设模型中实现对预设物资需求进行预测，对物资进行分类较为准确，预测效果较好。

【技术实现步骤摘要】
一种基于混合模型的物资协议库存需求预测方法
本专利技术属于物资需求预测
，涉及一种基于混合模型的物资协议库存需求预测方法。
技术介绍
协议库存采购模式根据未来一段时间内电网建设需求，对所需物资进行归类，进行统一的技术要求和服务标准的确定，一次性采购未来一段时间内电网建设所需各类物资。协议库存采购模式可以有效降低同类产品的重复招标次数，降低采购成本，有效整合资源进而提高电网物资招标采购效率及电网投资效率。协议库存采购是目前对于规格统一、使用量较大的电网物资的主要招标采购模式，是研究电网物资管理的重点。协议库存的需求管理主要有协议库存目录的确定、协议库存采购计划预测以及招标采购等三个环节。协议库存目录的确定由国家电网公司针对协议采购的特征下发的集中采购目录及各省级电网公司根据自身项目建设实际补充的自主招标目录组成，国家电网公司和各省级电网公司根据建设需求和市场供需环境变化定期调整补充协议库存采购目录；协议库存采购需求的预测一般是从项目部到国网物资部的自下而上的过程，首先由各建设项目部向省公司物资部提报年度物资需求计划，省公司物资部门在此基础上根据目前实体物资剩余量和协议库存物资剩余量计算年度实际采购需求，将计算的实际采购需求与历史需求数据进行对比、调整、分析，形成最终的采购需求意见报国家电网公司物资部门或准备自主采购；协议库存中集中采购目录物资由国家电网公司组织进行统一招标采购，自主招标物资由省级电力公司自主进行招标采购，协议库存采购一般以半年为周期于每年四月和十月集中开展。随着配电网建设力度的加强和电网建设的技术标准的提高，协议库存需求预测中可能存在以下问题：１）由物资部门主导的协议库存预测，因为没有详细的项目建设基本信息，只能参考历史协议采购数据，在此基础上进行适当调整，导致协议库存物资需求预测不准；２）由项目部提报项目物资需求并由物资部门进行需求汇总再调整的方式进行需求预测，因为项目规模及进度的模糊性很容易导致招投标采购物资标准及数量与实际建设需求有一定的偏差；３）项目物资使用周期的不确定性以及物资采购的时间周期、订单履约情况的不确定性使得协议库存物资需求满足具有一定风险，影响项目建设进度或造成物资积压。4）项目物资种类繁多，不同物资之间的使用寿命/需求千差万别，所以物资正确的分类往往是准确预测的基础，但是传统的按照功能分类可能会对预测造成不利影响。中国专利CN201910574743、基于地域和项目聚类及线性回归的配网物资需求预测方法，将配网物资分类、项目预处理后聚类、地域聚类，预测未来一年内任一类地域内、任一类项目的金额，计算各类项目中的各标准包所涉金额及所有项目类中和区域类中各标准包金额，统计后按比例分配到预测的12个月中，作为未来一年的配网物资需求。本专利技术实现物资高特征分类，剖析物资需求规律，建立预测模型，预测每类区域每类项目的金额来实现对物资需求的精确预测，提高物资需求预测能力，对物资部门的物资采购相关工作进行辅助支撑，保证电力企业的正常生产，极大程度上节约采购成本和库存成本，提高企业竞争力。上述专利中根据项目和地域对物资进行分类，分类不准确，功能相同的物资，需求不一定相同，而且部分物资的历史数据稀疏，同时使用线性回归分析方法可能会欠拟合，预测效果较差，所以需要重新考虑对不同的物资使用不同的库存需求预测算法。
技术实现思路
本专利技术针对现有的技术存在的上述问题，提供一种基于混合模型的物资协议库存需求预测方法，本专利技术所要解决的技术问题是：如何提供一种对物资对应的历史数据进行分类并使用多种预测模型预测不同物资的基于混合模型的物资协议库存需求预测方法。本专利技术的目的可通过下列技术方案来实现：一种基于混合模型的物资协议库存需求预测方法，包括如下步骤：S1：获取所有物资对应的历史数据；S2：对历史数据进行分类以获取不同分类特征的物资小类数据；S3：建立包含多种预测模型的混合模型库；S4：根据分类特征的不同从混合模型库中选取预设模型并将步骤S2中获取的物资小类数据输入预设模型中实现对预设物资需求进行预测。优选的，步骤S1中包括：从电网规划计划管理系统和ERP系统中获取配电网历史项目信息和历史物资领用数据；根据电网历史项目信息和历史物资领用数据构建包含项目类型、项目投资金额、电压等级的配网项目属性在内的历史样本库；从历史样本库中获取所有物资对应的历史数据。优选的，步骤S1中还包括对历史数据进行预处理。优选的，步骤S1中对历史数据的预处理具体包括：数据选择；数据集成；数据清理；数据规约；数据变换。优选的，步骤S2中具体包括：S21：通过对历史数据进行属性重要性评价去除历史数据内与预测值不相关的属性以获取历史小类数据；S22：通过对历史小类数据进行聚类分析将类型相似的历史小类数据聚合为一类特征以获取多个不同分类特征的物资小类数据。优选的，所述混合模型库内的模型包括经典预测算法模型和机器学习算法模型，所述经典预测算法模型包括时间序列预测模型和回归分析预测模型，所述机器学习算法模型包括决策树算法模型、贝叶斯算法模型、支持向量机算法模型、人工神经网络算法模型、集成学习算法模型、关联规则算法模型、EM算法模型、深度学习算法模型。优选的，所述人工神经网络算法模型包括BP神经网络预测模型，步骤S3中选择BP神经网络预测模型为预设模型，并通过粒子群算法对BP神经网络的超参数进行优化，步骤S4中将步骤S2中获取的物资小类数据输入BP神经网络预测模型中实现对预设物资需求进行预测。优选的，步骤S3中将步骤S2获取的不同分类特征的物资小类数据划分为用以输入预设模型训练预设模型的训练集和用以输入预设模型中对预设物资需求进行预测的测试集。优选的，步骤S4之后还包括对混合模型库中的各种模型进行模型评估，所述模型评估通过将需求数据输入混合模型库中测试各种模型获取各种模型的库存占用率。优选的，所述超参数包括BP神经网络预测模型的网络层数、学习率、初始权重、阀值。本专利技术中首先获取所有物资对应的历史数据，接着对历史数据进行分类以获取不同分类特征的物资小类数据，然后建立包含多种预测模型的混合模型库，最后根据分类特征的不同，则为不同的物资小类，从混合模型库中选取预设模型并将步骤S2中获取的物资小类数据输入预设模型中实现对预设物资需求进行预测，结合在数据中发现的物资特点对物资进行分类，根据不同的物资小类的分类特征对物资进行分类，分类较为准确，选择适合不同物资小类的模型对不同分类特征的物资需求进行预测，预测效果较好。附图说明图1是本专利技术中的流程示意图；图2是本专利技术中的粒子群优化的BP神经网络预测模型的流程图；图3是本专利技术中的BP神经网络结构图；图4是本专利技术中的聚类算法将6种物资小类聚成3类的结果图；图5是本专利技术中的机器学习的基本预测流程的原理图；图6是本专利技术中的机器学习算法的原理图；图7是本专利技术中的配网物资协议库本文档来自技高网...

【技术保护点】
1.一种基于混合模型的物资协议库存需求预测方法，其特征在于，包括如下步骤：/nS1：获取所有物资对应的历史数据；/nS2：对历史数据进行分类以获取不同分类特征的物资小类数据；/nS3：建立包含多种预测模型的混合模型库；/nS4：根据分类特征的不同从混合模型库中选取预设模型并将步骤S2中获取的物资小类数据输入预设模型中实现对预设物资需求进行预测。/n

【技术特征摘要】
1.一种基于混合模型的物资协议库存需求预测方法，其特征在于，包括如下步骤：
S1：获取所有物资对应的历史数据；
S2：对历史数据进行分类以获取不同分类特征的物资小类数据；
S3：建立包含多种预测模型的混合模型库；
S4：根据分类特征的不同从混合模型库中选取预设模型并将步骤S2中获取的物资小类数据输入预设模型中实现对预设物资需求进行预测。


2.如权利要求1所述的一种基于混合模型的物资协议库存需求预测方法，其特征在于，步骤S1中包括：从电网规划计划管理系统和ERP系统中获取配电网历史项目信息和历史物资领用数据；根据电网历史项目信息和历史物资领用数据构建包含项目类型、项目投资金额、电压等级的配网项目属性在内的历史样本库；从历史样本库中获取所有物资对应的历史数据。


3.如权利要求1或2所述的一种基于混合模型的物资协议库存需求预测方法，其特征在于：步骤S1中还包括对历史数据进行预处理。


4.如权利要求3所述的一种基于混合模型的物资协议库存需求预测方法，其特征在于，步骤S1中对历史数据的预处理具体包括：数据选择；数据集成；数据清理；数据规约；数据变换。


5.如权利要求4所述的一种基于混合模型的物资协议库存需求预测方法，其特征在于，步骤S2中具体包括：
S21：通过对历史数据进行属性重要性评价去除历史数据内与预测值不相关的属性以获取历史小类数据；
S22：通过对历史小类数据进行聚类分析将类型相似的历史小类数据聚合为一类特征以获取多个不同分类特征的物资小类数据。...

【专利技术属性】
技术研发人员：马新强，黄羿，刘友缘，
申请(专利权)人：重庆文理学院，
类型：发明
国别省市：重庆;50