【技术实现步骤摘要】
本专利技术涉及数据分析，具体为药品库存需求分析方法及系统。
技术介绍
1、本部分的陈述仅仅是提供了与本专利技术相关的
技术介绍
信息，不必然构成在先技术。
2、医药零售企业会储备一定的药品，以应对不同的需求，一些医药零售业会通过分析历史销量数据来确定下一个周期的库存需求。而药品不同于大宗商品，一些药品在功效上存在相互关联性，会影响数据分析的过程和最终库存需求的结果。药品的库存还会受到天气影响，例如冬季感冒等常见病增多，则医药零售企业会储备更多有关感冒等相关疾病的药品。
3、针对药品的库存分析需求，目前可以采用分析模型进行计算，而这类模型由于是针对大宗商品设计的，缺少针对药品库存需求的特殊设计，例如没有考虑到药品之间的多元关系，药品与其他属性特征或时序特征的关联性，使得通过目前的分析模型得到的库存需求结果并不理想。
技术实现思路
1、为了解决上述
技术介绍
中存在的技术问题，本专利技术提供药品库存需求分析方法及系统，可以对企业药品需求进行更精准，更贴合实际情况的分析和预测，减少库存积压降低物流成本。
2、为了实现上述目的，本专利技术采用如下技术方案：
3、本专利技术的第一个方面提供药品库存需求分析方法，包括以下步骤：
4、获取待分析预测企业的历史药品销售数据、药品信息和企业所在地的气象数据构建原始数据集，基于数据关联规则算法，确定原始数据集中药品间的关联关系；
5、根据分析需求，利用关联关系在原始数据集中选取一组设定的药
6、根据得到的分析预测矩阵，利用回归分析预测模型，得到分析需求对应的预测结果，当预测结果超出设定库存保有量限值时，发出库存预警。
7、进一步的，历史药品销售数据包括药品在设定时间段的销售数据和销售期间的促销信息，药品信息包括药品产地、药品是否为医保药品、药品是否为处方药品、药品的功效种类和药品所属分类，企业所在地的气象数据包括最高气温、最低气温、天气情况和空气质量情况。
8、进一步的，基于数据关联规则算法，确定原始数据集中药品间的关联关系，具体为：以药品a和药品b同时出现的概率为支持度，药品a和药品b同时出现的概率占药品a出现概率的比值为置信度，利用支持度和置信度计算出历史销售数据订单中的频繁项集，确定药品间的关联关系。
9、进一步的，经后处理得到时序分析预测特征值矩阵和多元关系矩阵，具体为：通过数据清洗将选取的特征进行标签转换，并根据药品所属分类生成分类关系矩阵，根据关联规则分析结果生成关联关系矩阵。
10、进一步的，回归分析预测模型中，选取一组种药品集合，收集过去个交易日窗口内的历史价格记录，表示为，其中是药品在第个销售日期的输入特征；通过所属分类关系超图和关联关系超图建模药品间集合式关系，其中为节点集，为属于同类别药品的超边内集合，是超边权重向量，元素表示超边的重要性。
11、进一步的，回归分析预测模型中，以第 m天的隐状态作为向量并定义时间注意力权重，如下式所示：；其中为注意力打分函数，，分别将各个时刻的隐藏状态和向量映射到隐空间，通过计算其点积得到;和之间的相关度；对线性转换后的隐藏状态进行加权求和，更新嵌入向量用以描述单个药品的全局时间动态特征。
12、进一步的，回归分析预测模型中，通过，量化目标药品节点 s及其邻居节点 u接近的程度，并经过加权聚合得到更新嵌入；其中 p是需要学习的变换矩阵，[·]表示拼接操作，ad是在计算节点间相关性程度的共享注意力向量，为非线性激活函数。
13、进一步的，回归分析预测模型中，假设为在超图中包含药品节点的超边集合，对于超边，根据超边内的节点定义每条超边的语义特征，为其生成超边嵌入：；其中，表示逐元素级别的最大池化操作。
14、进一步的，回归分析预测模型中，药品节点在药品所属分类超图中的全局特征表示，通过以特定的注意力权重聚合其全部超边嵌入得到；药品节点在关联关系超图中的全局特征表示，通过超边内注意力和超边间注意力得到；通过对比超图表示的重要性优先级，基于加权更新目标药品节点的更新嵌入，并利用带有激活函数的全连接层得到分析结果。
15、本专利技术的第二个方面提供药品库存需求分析系统，包括：
16、数据采集单元，被配置为：获取待分析预测企业的历史药品销售数据、药品信息和企业所在地的气象数据构建原始数据集；
17、关联规则分析单元，被配置为：基于数据关联规则算法，确定原始数据集中药品间的关联关系；
18、特征工程单元，被配置为：根据分析需求，利用关联关系在原始数据集中选取一组设定的药品集合并确定对应的输入特征，经后处理得到时序分析预测特征值矩阵和多元关系矩阵；
19、数据分析预测单元，被配置为：根据得到的分析预测矩阵，利用回归分析预测模型，得到分析需求对应的预测结果；
20、库存预警单元，被配置为：当预测结果超出设定库存保有量限值时，发出库存预警。
21、本专利技术的第三个方面提供一种计算机可读存储介质，其上存储有计算机程序，该程序被处理器执行时实现上述配药品库存需求分析方法中的步骤。
22、本专利技术的第四个方面提供一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行程序时实现上述药品库存需求分析方法中的步骤。
23、与现有技术相比，以上一个或多个技术方案存在以下有益效果：
24、基于时序超图卷积注意力网络（hgan）的需求预测方法，根据各药品自身信息构造超图模型以拟合药品之间的多元关系（即药品间各种不同关系，如同有某种属性，同在某个订单）并对库存需求进行分析预测，能够帮助药品企业更好的控制库存数量，从而降低供应链成本，提高供应链整体的运行效率，有效帮助企业减少积压库存，从而降低成本。
本文档来自技高网...【技术保护点】
1.药品库存需求分析方法，其特征在于，包括以下步骤：
2.如权利要求1所述的药品库存需求分析方法，其特征在于，历史药品销售数据包括药品在设定时间段的销售数据和销售期间的促销信息，药品信息包括药品产地、药品是否为医保药品、药品是否为处方药品、药品的功效种类和药品所属分类，企业所在地的气象数据包括最高气温、最低气温、天气情况和空气质量情况。
3.如权利要求1所述的药品库存需求分析方法，其特征在于，基于数据关联规则算法，确定原始数据集中药品间的关联关系，具体为：以药品A和药品B同时出现的概率为支持度，药品A和药品B同时出现的概率占药品A出现概率的比值为置信度，利用支持度和置信度计算出历史销售数据订单中的频繁项集，确定药品间的关联关系。
4.如权利要求1所述的药品库存需求分析方法，其特征在于，经后处理得到时序分析预测特征值矩阵和多元关系矩阵，具体为：通过数据清洗将选取的特征进行标签转换，并根据药品所属分类生成分类关系矩阵，根据关联规则分析结果生成关联关系矩阵。
5.如权利要求1所述的药品库存需求分析方法，其特征在于，回归分析预测模型中，选取
6.如权利要求1所述的药品库存需求分析方法，其特征在于，回归分析预测模型中，以第m天的隐状态作为向量并定义时间注意力权重，如下式所示：
7.如权利要求1所述的药品库存需求分析方法，其特征在于，回归分析预测模型中，通过，量化目标药品节点s及其邻居节点u接近的程度，并经过加权聚合得到更新嵌入；其中P是需要学习的变换矩阵，[·]表示拼接操作，ad是在计算节点间相关性程度的共享注意力向量，为非线性激活函数。
8.如权利要求1所述的药品库存需求分析方法，其特征在于，回归分析预测模型中，假设,为在超图中包含药品节点的超边集合，根据超边的节点定义每条超边的语义特征，为其生成超边嵌入：；其中，表示逐元素级别的最大池化操作。
9.如权利要求1所述的药品库存需求分析方法，其特征在于，回归分析预测模型中，药品节点在药品所属分类超图中的全局特征表示，通过以特定的注意力权重聚合其全部超边嵌入得到；药品节点在关联关系超图中的全局特征表示，通过超边内注意力和超边间注意力得到；通过对比超图表示的重要性优先级，基于加权更新目标药品节点的更新嵌入，并利用带有激活函数的全连接层得到分析结果。
10.药品库存需求分析系统，其特征在于，包括：
...【技术特征摘要】
1.药品库存需求分析方法，其特征在于，包括以下步骤：
2.如权利要求1所述的药品库存需求分析方法，其特征在于，历史药品销售数据包括药品在设定时间段的销售数据和销售期间的促销信息，药品信息包括药品产地、药品是否为医保药品、药品是否为处方药品、药品的功效种类和药品所属分类，企业所在地的气象数据包括最高气温、最低气温、天气情况和空气质量情况。
3.如权利要求1所述的药品库存需求分析方法，其特征在于，基于数据关联规则算法，确定原始数据集中药品间的关联关系，具体为：以药品a和药品b同时出现的概率为支持度，药品a和药品b同时出现的概率占药品a出现概率的比值为置信度，利用支持度和置信度计算出历史销售数据订单中的频繁项集，确定药品间的关联关系。
4.如权利要求1所述的药品库存需求分析方法，其特征在于，经后处理得到时序分析预测特征值矩阵和多元关系矩阵，具体为：通过数据清洗将选取的特征进行标签转换，并根据药品所属分类生成分类关系矩阵，根据关联规则分析结果生成关联关系矩阵。
5.如权利要求1所述的药品库存需求分析方法，其特征在于，回归分析预测模型中，选取一组种药品集合，收集过去个交易日窗口内的历史价格记录，表示为，其中是药品在第个销售日期的输入特征；通过所属分类关系超图和关联关系超图建模药品间集合式关系，其中为...
【专利技术属性】
技术研发人员：杨潇，王愉腾，崔超然，刘位龙，王文晋，
申请(专利权)人：山东财经大学，
类型：发明
国别省市：
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。