【技术实现步骤摘要】
本专利技术涉及旅游供应链管理，具体为基于数据挖掘技术的旅游供应链管理系统。
技术介绍
1、传统的旅游供应链管理系统通常依赖简单的统计模型或基于规则的预测方法，例如移动平均或指数平滑技术，这些方法主要考虑历史销售的时间序列数据，但不具备处理非线性模式的能力。此外，传统方法往往未能有效整合多源数据，比如媒体数据和市场趋势，从而限制了预测的准确性。
2、在操作上，这些系统可能完全依赖人工进行数据分析、结果比对和决策制定。这导致整个过程效率低下，且易受人为偏见影响。由于缺乏自动优化和迭代更新机制，一旦市场状况发生变化，传统模型难以快速适应，这可能导致过时的决策和损失的增加。此外，若模型出现预测误差，传统系统往往没有内置的机制来诊断和修正问题，而是需要专业人员进行手动调整，这不仅耗费时间和资源，还有可能因为反应迟缓而错失市场机会。
3、在算法实现方面，传统方法通常无法充分利用现代高性能计算资源，这意味着在处理大规模数据集时会显得力不从心，处理速度慢，扩展性差。由于计算效率低，这些方法在面对复杂的问题时往往需进行过度简化，从而牺牲了模型的拟合度和预测精度。
4、总的来说，传统方法由于缺乏复杂数据处理能力、预测精度低、决策效率不高和难以自适应市场变化等多方面劣势，逐渐不适应当前快速变化和数据驱动的商业环境。
技术实现思路
1、本专利技术的目的在于提供基于数据挖掘技术的旅游供应链管理系统，以解决上述
技术介绍
中提出的问题。
2、为实现上述目的，本专利技
3、所述时间序列模型模块收集历史销售数据，并利用长短时记忆网络算法根据历史销售数据构建模型，利用构建好的模型预测出未来一天的销售量；
4、所述逻辑回归模型模块收集媒体数据，并利用逻辑回归算法根据媒体数据构建模型，利用构建好的模型预测出销量是否增加；
5、所述结果分析模块比较时间序列模型模块和逻辑回归模型模块的预测结果，将时间序列模型模块中未来一天的销量结果减去当天的销量结果得出差值，差值大于0，且逻辑回归模型模块中销量是否增加的结果为是时，比较一致，确定时间序列模型模块中的预测结果为最终结果；差值小于0，且逻辑回归模型模块中销量是否增加的结果为否时，比较一致，确定时间序列模型模块中的预测结果为最终结果；
6、否则，对时间序列模型模块进行优化处理，通过对收集的数据进行对数变换，减少数据的偏态和稳定方差；对逻辑回归模型模块进行优化处理，利用小批量梯度下降算法进行优化处理，用于优化参数并提高模型的预测性能；优化处理后，进行再次的比较，多次迭代，直到确定最终结果。
7、作为本技术方案的进一步改进，所述时间序列模型模块包括销售数据获取单元和销售数据分析单元，所述销售数据获取单元利用企业内部数据库收集历史销售数据，并对其中的非数值数据，使用标签编码将其转换为数值类型；所述销售数据分析单元利用长短时记忆网络模型根据历史销售数据进行模型构建和预测，并将预测结果发送给结果分析模块。
8、作为本技术方案的进一步改进，所述逻辑回归模型模块包括媒体数据收集单元和媒体数据分析单元，所述媒体数据收集单元利用爬虫技术收集旅游产品的媒体数据；所述媒体数据分析单元利用逻辑回归模型根据接收到的媒体数据进行模型建立和预测，并将预测结果发送给结果分析模块。
9、作为本技术方案的进一步改进，所述结果分析模块包括结果确定单元和反馈优化单元，所述结果确定单元接收销售数据分析单元和媒体数据分析单元发送的预测结果，并将两者的预测结果进行比较，比较一致，确定最终结果，比较不一致，所述反馈优化单元对销售数据获取单元收集的数据进行优化处理，对媒体数据分析单元中的方法进行优化处理。
10、作为本技术方案的进一步改进，所述销售数据分析单元利用长短时记忆网络模型根据历史销售数据进行模型构建和预测，具体包括：
11、通过堆叠长短时记忆网络层来学习数据中的时序关系，并用全连接层输出预测值，采用均方误差作为损失函数，通过前向传播生成预测并用后向传播在多次迭代中优化权重，预测时，输入形状调整符合长短时记忆网络所需的三维数组，并基于最新的历史数据来输出对未来销售量的预测结果。
12、作为本技术方案的进一步改进，所述媒体数据分析单元利用逻辑回归模型根据接收到的媒体数据进行模型建立和预测，具体包括：
13、媒体数据包括特征向量以及对应销量是否增加的标签，并将其作为模型的训练集，将训练集分为输入特征矩阵x和输出标签向量y，其中，x是m行n列的矩阵，表示m个样本的n个特征；y是一个列向量，表示m个样本的销量是否增加标签；
14、初始化回归系数向量w和偏置项b，定义逻辑回归模型的假设函数，使用sigmoid函数将输入特征x和参数w线性组合，并加上偏置项b，经过sigmoid函数映射为0到1之间的概率值，其中sigmoid函数是将任何实数输入值映射到一个介于0和1之间的输出值；定义逻辑回归模型的代价函数，代价函数是交叉熵损失函数，其衡量了模型预测结果与真实标签之间的差异；
15、通过最小化代价函数来求得最优的参数w和b，使用梯度下降算法来更新参数，使代价函数降低，计算预测值；计算代价函数关于参数w和b的偏导数；更新参数w2＝w1-learning_rate*dw，b2＝b1-learning_rate*db；其中learning_rate是学习率，dw和db是代价函数对参数的偏导数，w1是当前迭代步的权重向量，w2是下一迭代步的权重向量，b1是当前迭代步的偏置项，b2是下一迭代步的偏置项。
16、作为本技术方案的进一步改进，所述反馈优化单元对销售数据获取单元收集的数据进行优化处理，具体包括：
17、通过对收集的数据进行对数变换，用于减少数据的偏态和稳定方差，将数据中小于等于0的值进行删除，确保所有数据都是正数，并将对数变换应用于数据集中的每个值，将x转换成logx，将变换后的数据用于模型训练，提高模型的准确性和效率。
18、作为本技术方案的进一步改进，所述反馈优化单元对媒体数据分析单元中的方法进行优化处理，具体包括：
19、利用小批量梯度下降算法进行优化处理，通过处理数据的小批量来减少计算的方差，并利用矩阵运算优化加速度，其中小批量的大小数量包括但不限于，通过将训练数据分成小批次来迭代更新模型的参数；在每次迭代中，算法随机选择一个批次的数据，进行前向传播以计算预测值，计算损失函数并执行反向传播以得到损失相对于模型参数的梯度，利用这些梯度和预定的学习率更新参数，重复进行，直至达到收敛，优化参数并提高模型的预测性能，同时平衡计算资源的使用效率和模型的统计效率。
20、与现有技术相比，本专利技术的有益效果是：
21、1、该基于数据挖掘技术的旅游供应链管理系统利用长短时记忆网络算法根据历史销售数本文档来自技高网...
【技术保护点】
1.基于数据挖掘技术的旅游供应链管理系统，其特征在于：包括时间序列模型模块(100)、逻辑回归模型模块(200)和结果分析模块(300)，其中：
2.根据权利要求1所述的基于数据挖掘技术的旅游供应链管理系统，其特征在于：所述时间序列模型模块(100)包括销售数据获取单元(101)和销售数据分析单元(102)，所述销售数据获取单元(101)利用企业内部数据库收集历史销售数据，并对其中的非数值数据，使用标签编码将其转换为数值类型；所述销售数据分析单元(102)利用长短时记忆网络模型根据历史销售数据进行模型构建和预测，并将预测结果发送给结果分析模块(300)。
3.根据权利要求2所述的基于数据挖掘技术的旅游供应链管理系统，其特征在于：所述逻辑回归模型模块(200)包括媒体数据收集单元(201)和媒体数据分析单元(202)，所述媒体数据收集单元(201)利用爬虫技术收集旅游产品的媒体数据；所述媒体数据分析单元(202)利用逻辑回归模型根据接收到的媒体数据进行模型建立和预测，并将预测结果发送给结果分析模块(300)。
4.根据权利要求3所述的基于数据挖掘
5.根据权利要求2所述的基于数据挖掘技术的旅游供应链管理系统，其特征在于：所述销售数据分析单元(102)利用长短时记忆网络模型根据历史销售数据进行模型构建和预测，具体包括：
6.根据权利要求3所述的基于数据挖掘技术的旅游供应链管理系统，其特征在于：所述媒体数据分析单元(202)利用逻辑回归模型根据接收到的媒体数据进行模型建立和预测，具体包括：
7.根据权利要求4所述的基于数据挖掘技术的旅游供应链管理系统，其特征在于：所述反馈优化单元(302)对销售数据获取单元(101)收集的数据进行优化处理，具体包括：
8.根据权利要求4所述的基于数据挖掘技术的旅游供应链管理系统，其特征在于：所述反馈优化单元(302)对媒体数据分析单元(202)中的方法进行优化处理，具体包括：
...【技术特征摘要】
1.基于数据挖掘技术的旅游供应链管理系统，其特征在于：包括时间序列模型模块(100)、逻辑回归模型模块(200)和结果分析模块(300)，其中：
2.根据权利要求1所述的基于数据挖掘技术的旅游供应链管理系统，其特征在于：所述时间序列模型模块(100)包括销售数据获取单元(101)和销售数据分析单元(102)，所述销售数据获取单元(101)利用企业内部数据库收集历史销售数据，并对其中的非数值数据，使用标签编码将其转换为数值类型；所述销售数据分析单元(102)利用长短时记忆网络模型根据历史销售数据进行模型构建和预测，并将预测结果发送给结果分析模块(300)。
3.根据权利要求2所述的基于数据挖掘技术的旅游供应链管理系统，其特征在于：所述逻辑回归模型模块(200)包括媒体数据收集单元(201)和媒体数据分析单元(202)，所述媒体数据收集单元(201)利用爬虫技术收集旅游产品的媒体数据；所述媒体数据分析单元(202)利用逻辑回归模型根据接收到的媒体数据进行模型建立和预测，并将预测结果发送给结果分析模块(300)。
4.根据权利要求3所述的基于数据挖掘技术的旅游供应链管理系统，其特征在于：所述结果分析模块(300)包括...
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。