基于组合预测法卷烟物流集散分拨中心信息系统技术方案

本发明专利技术公开了基于组合预测法卷烟物流集散分拨中心信息系统，卷烟需求组合预测模型：根据影响因子构建时间序列的卷烟组合需求模型，进行卷烟区域物流需求预测；基于物流联盟的卷烟工商业成品前置库：建立工、商企业融合的物流联盟，根据成本最低及服务最优原则，建立选址数学模型确定最优选址经纬度，在最优选址所在地区建成工业企业卷烟成品前置库，用以存储部分高市场需求的卷烟，并由商业企业为工业提供代仓储、发货服务；智能仓储管理系统：基于RFID技术把电子标签与件烟信息关联，对仓库中不同工业的卷烟实行精准化智能管理，实现出入库一体化，与一号工程系统无缝对接。本发明专利技术提升工业运输效率，减少商业缺货，增强分拣配送时效性。送时效性。送时效性。

【技术实现步骤摘要】
基于组合预测法卷烟物流集散分拨中心信息系统


[0001]本专利技术涉及烟草物流配送领域，具体涉及基于组合预测法卷烟物流集散分拨中心信息系统。

技术介绍

[0002]由于建设现代化烟草经济体系、推动烟草行业高质量发展的现实需求，要探索推进区域物流集散中心和配送中心建设。因此，推进区域物流建设、整合工商物流业务是烟草行业物流高质量发展的必然趋势。目前，由于卷烟市场需求分布不均，物流工作缺乏科学指导，工商企业未形成有效连接，工业企业卷烟运输车辆满载率低、在途时间长，运输成本高；商业企业库存周转低，资金占用成本高。

技术实现思路

[0003]本专利技术的目的在于克服现有技术的缺点，提供基于组合预测法卷烟物流集散分拨中心信息系统，以解决由于卷烟市场需求分布不均，物流工作缺乏科学指导，工商企业未形成有效连接，工业企业卷烟运输车辆满载率低、在途时间长，运输成本高；商业企业库存周转低，资金占用成本高的问题。
[0004]为实现上述目的，本专利技术所采取的技术方案是：基于组合预测法卷烟物流集散分拨中心信息系统，包括r/>[0005]卷本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于组合预测法卷烟物流集散分拨中心信息系统，包括卷烟需求组合预测模型：根据影响因子构建时间序列的卷烟组合需求模型，进行卷烟区域物流需求预测；基于物流联盟的卷烟工商业成品前置库：建立工、商企业融合的物流联盟，根据成本最低及服务最优原则，建立选址数学模型确定最优选址经纬度，在最优选址所在地区建成工业企业卷烟成品前置库，用以存储部分高市场需求的卷烟，并由商业企业为工业提供代仓储、发货服务；智能仓储管理系统：基于RFID技术把电子标签与件烟信息关联起来，对仓库中不同工业的卷烟实行精准化智能管理，实现出入库一体化，与一号工程系统无缝对接；所述一号工程系统具体为国家局一号工程系统。2.根据权利要求1所述的基于组合预测法卷烟物流集散分拨中心信息系统，其特征在于，所述影响因子包括历史订购数据、季节性变动、节假日、价格。3.根据权利要求2所述的基于组合预测法卷烟物流集散分拨中心信息系统，其特征在于，所述卷烟需求组合预测模型的构建过程包括如下步骤，S1，卷烟市场容量及需求分析：围绕宏观环境及卷烟市场两个层次，对卷烟整体市场容量和其它影响因素进行全面分析；所述卷烟整体市场容量包括常住人口市场容量、常住人口送礼容量、旅游人口购买容量，所述其它影响因素包括季度、节假日；S2，建立季节性ARIMA模型：针对卷烟历史订购数据建立自回归移动平均模型，然后引入影响因子中的季度和节假日，建立季节性ARIMA模型；S3，建立基于机器学习的卷烟需求组合预测模型：在卷烟历史订购数据的基础上，构造季节特征值，融合机器学习算法特点，构造半监督式的机器学习卷烟需求预测模型，并利用滚动式的单步循环预测方法对卷烟月订购量进行预测。4.根据权利要求3所述的基于组合预测法卷烟物流集散分拨中心信息系统，其特征在于，所述整体市场容量包括常住人口市场容量：吸食角度＝常住人口
×
吸烟率
×
日均吸烟量
×
省内居住天数；常住人口送礼容量：礼品消费＝常住人口中的适龄吸烟者数
×
送礼率
×
全年送礼量；适龄吸烟者消费容量：适龄吸烟者消费量＝分年龄段适龄人口数
×
吸烟者比例
×
吸烟者平均吸烟量；旅游人口市场容量：购买角度＝旅游人口数
×
购烟率
×
购烟量。5.根据权利要求4所述的基于组合预测法卷烟物流集散分拨中心信息系统，其特征在于，所述常住人口设定为居住6个月以上，所述适龄吸烟者的年龄设定为18
‑
64岁，所述旅游人口设定为居住时间小于1个月。6.根据权利要求3所述的基于组合预测法卷烟物流集散分拨中心信息系统，其特征在于，所述季节性ARIMA模型的构建过程包括如下步骤，S1，序列差分：选择某一时间段的卷烟月订购数据进行模型拟合，建立时间——订购量序列图，对数据分别进行平稳性检验及季节性差分；S2，平稳性检验：对原始数据进行平稳性检验，当检验结果p值小于0.005时，证明该原始数据是平稳的、纯随机的；未通过平稳性检验时，进行差分计算，1阶差分后原始数据的p值小于0.005时，通过平稳性检验；
S3，季节性分解：对原始数据进行周期性分解，周期性为12，提取季节性指标，形成去周期性时间序列，并对其做2阶差分，得到1阶差分&2阶季节性差分序列图，可确定d的阶数分别为1和2；S4，p，q值确定：选取季节性ARIMA模型的自回归阶数p和移动平均项数q，通过1阶差分和2阶季节性自相关系数ACF图及偏自相关系数PACF图来确定；通过分析将其p,q值均定为(1,1)，p，d，q值均确定，可得出卷烟需求预测模型为ARIMA(1,1,1)(1,2,1)，即为季节性ARIMA模型。7.根据权利要求3所述的基于组合预测法卷烟物流集散分拨中心信息系统，其特征在于，所述基于机器学习的卷烟需求组合预测模型的构建过程包括如下步骤，S1，时间矩阵转换：对模型进行训练拟合，对时间序列而言，假设在不同时间点t1,t2,
…
,t
n
...

【专利技术属性】
技术研发人员：尹健康，谭方文，刘宁，张卫东，陈奕江，王柯轲，宋红文，江海，张建，杨帆，陶林，刘颖，唐艺楠，陈思佚，郑胜东，赵洪，羊正军，欧达宇，龚强，曾立胜，
申请(专利权)人：四川省烟草公司成都市公司，
类型：发明
国别省市：