基于云计算的供应链数据分析方法、装置、设备及介质制造方法及图纸

本发明专利技术涉及数据分析技术领域，揭露了一种基于云计算的供应链数据分析方法、装置、电子设备及介质，所述方法包括：对历史供应链数据进行数据规模转换，得到标椎供应链数据；根据标准供应链数据对预构建的预测模型进行参数优化，得到目标预测模型；对待交换数据进行数据校验，得到目标交换数据；在标准供应链数据中提取供应数据序列集，每个供应数据序列的供应周期向量；根据供应周期向量生成供应特征向量，利用目标预测模型计算供应特征向量对应的预测需求；根据预测需求确定供应链需求，基于供应链需求对目标企业进行供应链协调优化。本发明专利技术通过获取历史供应链数据的周期特征信息，进而能够准确地对当前的需求进行预测，提高供应链决策的准确度。应链决策的准确度。应链决策的准确度。

【技术实现步骤摘要】
基于云计算的供应链数据分析方法、装置、设备及介质


[0001]本专利技术涉及数据分析
，尤其涉及一种基于云计算的供应链数据分析方法、装置、设备及介质。

技术介绍

[0002]供应链是围绕核心企业展开，与相关的供应商、制造商、运输商、分销商、零售商，直至最终客户共同建立的一种网链结构。具体地，供应链就是一条连接供应商到客户的链，企业通过这一网链，将原材料转变为产品，最终销售到客户，获得经济效益，但一个供应链可能包含的企业数量庞大，行业广泛，甚至分布在世界各地，因此，在通过供应链将原材料装换为商品到客户的这一过程中，可能会存在大量的资源浪费，导致供应链的整体成本较高，利润较低，因此，如何根据供应链数据提高供应链的决策水平是供应链企业当前亟待解决的重要问题。
[0003]随着大数据的发展，供应链所处的数据环境在产品的生产和供应、当前运营管理统计体系以及数据价值等方面面临着严峻的挑战。现有的供应链数据分析方法包括研究了大数据技术对供应链成员的营销行为、渠道决策以及消费者与制造商决策等方面的影响，但不能有效地体现供应链成员动态波动等情况，导致供应链的决策准确度较差。

技术实现思路

[0004]本专利技术提供一种基于云计算的供应链数据分析方法、装置、设备及介质，其主要目的在于解决供应链的决策准确度较差的问题。
[0005]为实现上述目的，本专利技术提供的一种基于云计算的供应链数据分析方法，包括：
[0006]获取目标企业的历史供应链数据，对所述历史供应链数据进行数据规模转换，得到标椎供应链数据；
[0007]根据所述标准供应链数据对预构建的预测模型进行参数优化，得到目标预测模型；
[0008]在所述标准供应链数据中提取所述目标企业的供应数据序列集，构建所述供应数据序列集中每个供应数据序列的供应周期向量；
[0009]根据所述供应周期向量生成每个所述供应数据序列的供应特征向量，利用所述目标预测模型计算所述供应特征向量对应的预测需求；
[0010]根据所述预测需求确定所述目标企业的供应链需求，基于所述供应链需求对所述目标企业进行供应链协调优化。
[0011]可选地，所述对所述历史供应链数据进行数据规模转换，得到标椎供应链数据，包括：
[0012]初始化初始数据规模值域，提取所述历史供应链数据中每个产品的需求数据最大值以及需求数据最小值；
[0013]根据所述需求数据最大值、所述需求数据最小值以及所述初始数据规模值域对所
述每个产品在所述历史供应链数据中的需求数据进行数据转换，得到标准供应链数据；
[0014]利用如下公式对所述需求供应链数据中的数值数据进行数据规模转换：
[0015][0016]其中，a
’
n
表示所述需求供应链数据中的第n个需求数据对应的标准供应链数据，a
n
表示所述需求供应链数据中的第n个需求数据，a
min
表示所述需求数据最小值，a
max
表示所述需求数据最大值，M表示所述初始数据规模值域的右边界，m表示所述初始数据规模值域的左边界。
[0017]可选地，所述根据所述标准供应链数据对预构建的预测模型进行参数优化，得到目标预测模型，包括：
[0018]初始化参数组合种群，将所述参数组合种群中每个参数组合作为所述预测模型的初始参数；
[0019]根据所述初始参数利用所述预测模型对所述标准供应链数据进行初始预测，得到每个所述参数组合对应的预测数据，计算所述预测数据与所述标准供应链数据的数据差值；
[0020]根据所述数据差值对所述参数组合种群进行更新迭代，直至所述数据差值小于预设阈值，从更新迭代后的参数组合种群中选取所述数据差值小于所述阈值的参数组合作为目标参数组合；
[0021]将所述目标参数组合赋值于所述预测模型，得到目标预测模型。
[0022]可选地，所述构建所述供应数据序列集中每个供应数据序列的供应周期向量，包括：
[0023]确定所述供应数据序列的时间跨度及预设的供应周期跨度；
[0024]根据所述时间跨度及所述供应周期跨度在所述供应数据序列中提取周期供应数据集；
[0025]利用如下公式在所述供应数据序列中提取周期供应数据集：
[0026]D＝[D
t
‑
L*P
,D
t
‑
(L
‑
1)
·
P
,
…
,D
t
‑2·
P
,D
t
‑
P
][0027]其中，D表示周期供应数据集，D
t
‑
L*P
表示周期供应数据集在t
‑
L*P周期序列的周期供应数据，t表示时间跨度，L表示预设的周期长度，P表示供应周期跨；
[0028]基于所述周期供应数据集生成每个所述供应数据序列的供应周期向量。
[0029]可选地，所述根据所述供应周期向量生成每个所述供应数据序列的供应特征向量，包括：
[0030]获取所述供应周期向量对应的时间影响因素，构建所述时间影响因素的影响特征向量；
[0031]对所述影响特征向量进行向量归一化及线性变换，得到所述影响特征向量的标准向量，将所述标准向量与所述供应周期向量进行向量融合，得到融合特征向量；
[0032]将所述融合特征向量进行向量拼接，得到每个所述供应数据序列的供应特征向量。
[0033]可选地，所述利用所述目标预测模型计算所述供应特征向量对应的预测需求，包括：
[0034]获取当前影响因素，将所述当前影响因素转化为目标影响特征向量；
[0035]利用所述目标预测模型中的第一连接层分别对所述目标影响特征向量及所述供应特征向量进行全连接，得到连接影响特征及连接供应特征；
[0036]对所述连接影响特征及所述连接供应特征进行特征拼接，得到拼接向量，利用利用所述目标预测模型中的第二连接层对所述拼接向量进行全连接，得到目标连接特征；
[0037]将所述目标连接特征与所述供应特征向量进行特征融合，得到目标预测向量，对所述目标预测向量进行激活运算，得到所述供应特征向量对应的预测需求；
[0038]利用如下公式将所述目标连接特征与所述供应特征向量进行特征融合：
[0039]X＝f
o
(Z+Z
g
+σ(Z
g
)
⊙
Z)
[0040]其中，X为目标预测向量，f
o
为激活函数tanh，Z为供应特征向量，Z
g
为目标连接特征，σ为sigmoid激活函数，
⊙
表示对应元素相乘符号。
[0041]可选地，所述根据所述预测需求确定所述目标企业的供应链需求，包括：
[0042]获取每个所述预测需求对应本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于云计算的供应链数据分析方法，其特征在于，所述方法包括：获取目标企业的历史供应链数据，对所述历史供应链数据进行数据规模转换，得到标椎供应链数据；根据所述标准供应链数据对预构建的预测模型进行参数优化，得到目标预测模型；在所述标准供应链数据中提取所述目标企业的供应数据序列集，构建所述供应数据序列集中每个供应数据序列的供应周期向量；根据所述供应周期向量生成每个所述供应数据序列的供应特征向量，利用所述目标预测模型计算所述供应特征向量对应的预测需求；根据所述预测需求确定所述目标企业的供应链需求，基于所述供应链需求对所述目标企业进行供应链协调优化。2.如权利要求1所述的基于云计算的供应链数据分析方法，其特征在于，所述对所述历史供应链数据进行数据规模转换，得到标椎供应链数据，包括：初始化初始数据规模值域，提取所述历史供应链数据中每个产品的需求数据最大值以及需求数据最小值；根据所述需求数据最大值、所述需求数据最小值以及所述初始数据规模值域对所述每个产品在所述历史供应链数据中的需求数据进行数据转换，得到标准供应链数据；利用如下公式对所述需求供应链数据中的数值数据进行数据规模转换：其中，a
’
n
表示所述需求供应链数据中的第n个需求数据对应的标准供应链数据，a
n
表示所述需求供应链数据中的第n个需求数据，a
min
表示所述需求数据最小值，a
max
表示所述需求数据最大值，M表示所述初始数据规模值域的右边界，m表示所述初始数据规模值域的左边界。3.如权利要求1所述的基于云计算的供应链数据分析方法，其特征在于，所述根据所述标准供应链数据对预构建的预测模型进行参数优化，得到目标预测模型，包括：初始化参数组合种群，将所述参数组合种群中每个参数组合作为所述预测模型的初始参数；根据所述初始参数利用所述预测模型对所述标准供应链数据进行初始预测，得到每个所述参数组合对应的预测数据，计算所述预测数据与所述标准供应链数据的数据差值；根据所述数据差值对所述参数组合种群进行更新迭代，直至所述数据差值小于预设阈值，从更新迭代后的参数组合种群中选取所述数据差值小于所述阈值的参数组合作为目标参数组合；将所述目标参数组合赋值于所述预测模型，得到目标预测模型。4.如权利要求1所述的基于云计算的供应链数据分析方法，其特征在于，所述构建所述供应数据序列集中每个供应数据序列的供应周期向量，包括：确定所述供应数据序列的时间跨度及预设的供应周期跨度；根据所述时间跨度及所述供应周期跨度在所述供应数据序列中提取周期供应数据集；利用如下公式在所述供应数据序列中提取周期供应数据集：
D＝[D
t
‑
L*P
，D
t
‑
(L
‑
1)
·
P
，
…
，D
t
‑2·
P
，D
t
‑
P
]其中，D表示周期供应数据集，D
t
‑
L*P
表示周期供应数据集在t
‑
L*P周期序列的周期供应数据，t表示时间跨度，L表示预设的周期长度，P表示供应周期跨；基于所述周期供应数据集生成每个所述供应数据序列的供应周期向量。5.如权利要求1所述的基于云计算的供应链数据分析方法，其特征在于，所述根据所述...

【专利技术属性】
技术研发人员：唐辉，
申请(专利权)人：深圳爱巧电子商务有限公司，
类型：发明
国别省市：