一种库存量预测方法、系统、装置及存储介质制造方法及图纸

技术编号:38902075 阅读:9 留言:0更新日期:2023-09-22 14:20
本发明专利技术公开了一种库存量预测方法、系统、装置及存储介质。该方法包括:获取与库存量相关的若干参数信息;对若干参数信息进行相关性分析,根据相关性分析的结果对若干参数信息进行第一剔除处理,得到第一数据;其中,第一剔除用于剔除若干参数信息中的重复参数;对第一数据进行参数关联性分析,得到关联系数;并根据关联系数对若干参数信息进行第二剔除处理,得到第二数据;将第二数据输入时间序列预测模型,得到所需的库存量;时间序列预测模型用于表征基于第二数据中相关参数的时间序列对库存量进行预测的模型。本发明专利技术实施例能够对库存量进行预测,同时,有利于提升预测准确度;可以广泛应用于计算机技术领域。广泛应用于计算机技术领域。广泛应用于计算机技术领域。

【技术实现步骤摘要】
一种库存量预测方法、系统、装置及存储介质


[0001]本专利技术涉及计算机
,尤其是一种库存量预测方法、系统、装置及存储介质。

技术介绍

[0002]安全库存是为了未来物资供应或需求的不确定性而准备的缓冲库存,是以库存资金占用为代价,来换取一定时间内对生产稳定性与交货及时性的能力。若安全库存过大,会增加仓库管理成本,占用流动资金,造成成品和原材料的损耗;若安全库存过小,则会造成服务水平下降,影响销售利润和企业信誉,影响生产过程的正常进行。因此,设计合理的安全库存预测方案对于企业的生产经营具有重要意义。相关技术中,通常通过模型预测安全库存量;最常用的是线性回归方法中的自回归模型(AR)和自回归移动平均模型(ARMA)。然而,上述模型基于线性方式进行库存量的预测,准确率较低,无法满足企业需求。

技术实现思路

[0003]本专利技术的目的在于至少一定程度上解决现有技术中存在的技术问题之一。
[0004]为此,本专利技术的目的在于提供一种快速、实用的库存量预测方法、系统、装置及存储介质。
[0005]为了达到上述技术目的,本专利技术实施例所采取的技术方案包括:
[0006]一方面,本专利技术实施例提供了一种库存量预测方法,包括以下步骤:
[0007]本专利技术实施例的库存量预测方法,该方法包括:获取与库存量相关的若干参数信息;对所述若干参数信息进行相关性分析,根据所述相关性分析的结果对所述若干参数信息进行第一剔除处理,得到第一数据;其中,所述第一剔除用于剔除若干参数信息中的重复参数;对所述第一数据进行参数关联性分析,得到关联系数;并根据所述关联系数对所述若干参数信息进行第二剔除处理,得到第二数据;所述关联系数用于表征各个所述参数信息对所述库存量的影响程度;将所述第二数据输入时间序列预测模型,得到所需的库存量;所述时间序列预测模型用于表征基于所述第二数据中相关参数的时间序列对库存量进行预测的模型。本专利技术实施例通过基于相关参数的时间序列进行预测的时间序列预测模型进行库存量的预测,充分考虑了时间序列对库存量的影响,提升了模型的预测准确度;同时,通过相关性分析和关联性分析,剔除参数信息中的影响较小的数据,提升模型的预测准确度。
[0008]另外,根据本专利技术上述实施例的库存量预测方法,还可以具有以下附加的技术特征:
[0009]进一步地,本专利技术实施例的库存量预测方法,所述时间序列预测模型通过下列步骤训练得到:
[0010]获取若干参数样本;
[0011]对所述若干参数样本进行相关性分析,根据所述相关性分析的结果对所述若干参数样本进行第一剔除处理,得到第一特征样本;
[0012]对所述第一特征样本进行参数关联性分析,得到样本系数;并根据所述样本系数对所述若干参数样本进行第二剔除处理,得到第二特征样本;
[0013]将所述第二特征样本输入时间序列预测模型,得到预测结果,并根据所述预测结果与真实结果采用损失函数计算损失值,根据所述损失值更新所述时间序列预测模型的参数,得到训练好的所述时间序列预测模型。
[0014]进一步地,在本专利技术的一个实施例中,所述第一特征样本包括训练样本、验证样本和测试样本,所述方法还包括:
[0015]将所述训练样本输入第一预测模型,得到第一结果;所述第一预测模型用于表征开环状态的时间序列预测模型;
[0016]将所述训练样本和所述第一结果输入所述第一预测模型,对所述第一预测模型进行闭环训练,得到第二预测模型;
[0017]通过验证样本和所述验证样本对应的真实结果,对所述第二预测模型进行训练,得到第三预测模型;
[0018]通过所述测试样本和所述测试样本对应的真实结果,对所述第三预测模型的参数进行调整,直至预测结果达到设定阈值,得到时间序列预测模型。
[0019]进一步地,在本专利技术的一个实施例中,所述时间序列预测模型包括输入层,所述方法还包括以下步骤:
[0020]根据所述第二特征样本,确定所述输入层中输入节点的数量;
[0021]根据所述第一结果,确定所述输入层中输出节点的数量;其中,所述输出节点的数量小于所述输入节点的数量。
[0022]进一步地,在本专利技术的一个实施例中,所述对所述若干参数信息进行相关性分析,根据所述相关性分析的结果对所述若干参数信息进行第一剔除处理这一步骤,包括:
[0023]获取第一参数信息和第二参数信息之间的第一相关性系数;所述第一参数信息和所述第二参数信息为所述若干参数信息中的任意两个参数信息;
[0024]若所述第一相关性系数为预设系数,将所述第一参数信息剔除;或者,若所述第一相关性系数为预设系数,将所述第二参数信息剔除。
[0025]进一步地,在本专利技术的一个实施例中,所述对所述第一数据进行参数关联性分析,得到关联系数;并根据所述关联系数对所述若干参数信息进行第二剔除处理,得到第二数据,包括:
[0026]根据所述第一数据,建立原始数据矩阵;所述原始数据矩阵用于表征基于时间序列变化的数据;
[0027]基于第一时间段的数据,对所述原始数据矩阵进行初始变化,得到第一数据矩阵;
[0028]对所述第一数据矩阵进行绝对差处理,得到第一序列;
[0029]对所述第一序列进行关联系数求解,得到关联系数;
[0030]基于所述关联系数,将各个参数信息进行排列,进行末位剔除处理;或者,将小于预设阈值的所述关联系数对应的参数信息进行剔除处理。
[0031]进一步地,在本专利技术的一个实施例中,所述方法还包括:
[0032]将所述若干参数信息进行分类,得到第三参数信息、第四参数信息和第五参数信息;所述分类的影响因素包括企业方面、市场方面和消费方面;
[0033]对所述第三参数信息进行相关性分析和关联性分析,按照预设剔除比例,对所述第三参数信息进行剔除处理;
[0034]对所述第四参数信息进行相关性分析和关联性分析,按照预设剔除比例,对所述第四参数信息进行剔除处理;
[0035]对所述第五参数信息进行相关性分析和关联性分析,按照预设剔除比例,对所述第五参数信息进行剔除处理。
[0036]另一方面,本专利技术实施例提出了一种库存量预测系统,包括:
[0037]第一模块,用于获取与库存量相关的若干参数信息;
[0038]第二模块,用于对所述若干参数信息进行相关性分析,根据所述相关性分析的结果对所述若干参数信息进行第一剔除处理,得到第一数据;其中,所述第一剔除用于剔除若干参数信息中的重复参数;
[0039]第三模块,用于对所述第一数据进行参数关联性分析,得到关联系数;并根据所述关联系数对所述若干参数信息进行第二剔除处理,得到第二数据;所述关联系数用于表征各个所述参数信息对所述库存量的影响程度;
[0040]第四模块,用于将所述第二数据输入时间序列预测模型,得到所需的库存量;所述时间序列预测模型用于表征基于所述第二数据中相关参数的时间序列对库存量进行预测的模型。...

【技术保护点】

【技术特征摘要】
1.一种库存量预测方法,其特征在于,包括以下步骤:获取与库存量相关的若干参数信息;对所述若干参数信息进行相关性分析,根据所述相关性分析的结果对所述若干参数信息进行第一剔除处理,得到第一数据;其中,所述第一剔除用于剔除若干参数信息中的重复参数;对所述第一数据进行参数关联性分析,得到关联系数;并根据所述关联系数对所述若干参数信息进行第二剔除处理,得到第二数据;所述关联系数用于表征各个所述参数信息对所述库存量的影响程度;将所述第二数据输入时间序列预测模型,得到所需的库存量;所述时间序列预测模型用于表征基于所述第二数据中相关参数的时间序列对库存量进行预测的模型。2.根据权利要求1所述的库存量预测方法,其特征在于,所述时间序列预测模型通过下列步骤训练得到:获取若干参数样本;对所述若干参数样本进行相关性分析,根据所述相关性分析的结果对所述若干参数样本进行第一剔除处理,得到第一特征样本;对所述第一特征样本进行参数关联性分析,得到样本系数;并根据所述样本系数对所述若干参数样本进行第二剔除处理,得到第二特征样本;将所述第二特征样本输入时间序列预测模型,得到预测结果,并根据所述预测结果与真实结果采用损失函数计算损失值,根据所述损失值更新所述时间序列预测模型的参数,得到训练好的所述时间序列预测模型。3.根据权利要求2所述的库存量预测方法,其特征在于,所述第一特征样本包括训练样本、验证样本和测试样本,所述方法还包括:将所述训练样本输入第一预测模型,得到第一结果;所述第一预测模型用于表征开环状态的时间序列预测模型;将所述训练样本和所述第一结果输入所述第一预测模型,对所述第一预测模型进行闭环训练,得到第二预测模型;通过所述验证样本和所述验证样本对应的真实结果,对所述第二预测模型进行训练,得到第三预测模型;通过所述测试样本和所述测试样本对应的真实结果,对所述第三预测模型的参数进行调整,直至预测结果达到设定阈值,得到时间序列预测模型。4.根据权利要求3所述的库存量预测方法,其特征在于,所述时间序列预测模型包括输入层,所述方法还包括以下步骤:根据所述第二特征样本,确定所述输入层中输入节点的数量;根据所述第一结果,确定所述输入层中输出节点的数量;其中,所述输出节点的数量小于所述输入节点的数量。5.根据权利要求1所述的库存量预测方法,其特征在于,所述对所述若干参数信息进行相关性分析,根据所述相关性分析的结果对所述若干参数信息进行第一剔除处理这一步骤,包括:获取第一参数信息和第二参数信息之间的第一相关性系数;所述第一参数信息和所述
第二参数信息为所述若干参数信息中的任...

【专利技术属性】
技术研发人员:彭大川施晓辉曹玲
申请(专利权)人:中国电信股份有限公司
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1