本公开提出了一种补货预测模型训练方法和补货方法及装置，涉及供应链智能化技术领域，该方法包括：获取训练样本和初始补货预测模型；将训练数据输入至预测单元预测预测补货数据；将预测补货数据通过仿真单元进行仿真，并将仿真补货数据输入至预测单元中进行迭代预测；重复上述步骤直至完成训练，基于预测补货数据和仿真补货数据确定初始补货预测模型的损失值，基于损失值对初始补货预测模型进行调整，输出目标补货预测模型。通过将训练生成同时包含预测单元和仿真单元的目标补货预测模型，可以实现预测和仿真通过同一模型进行实现，减少中间过程，降低决策误差，最终直接生成理论上最优的补货决策，同时可以降低补货决策的生成成本。
【技术实现步骤摘要】
本公开涉及供应链智能化，尤其涉及一种补货预测模型训练方法和补货方法及装置。
技术介绍
1、零售业的的库存量和库存分布，直接影响了其订单满足率和现货率；在供应链侧，影响库存水位的决定性行为是采购，海量商品的采购时机和采购量如果全凭人工经验决策，效率和准确度的低下，影响整体成本和盈利能力，能力无法沉淀复用。
2、智能补货需解决的问题是决策补货时机和补货量，决策依据是持货成本和缺货成本的平衡；决策依赖包括销量信息、促销信息、库存水位、供应商送货时长、现货要求、最小起订量等因素。目前业界主流的解决方案是“分步走”的决策流程，即先对关键变量进行预测，再根据目标进行优化。预测阶段工作包括销量预测，供应商送货市场预测等；优化阶段结合预测、安全库存模型和参数化的补货策略输出建议；再次针对补货结果通过仿真模拟验证可行性。
技术实现思路
1、本公开旨在至少在一定程度上解决相关技术中的技术问题之一。
2、为此，本公开的一个目的在于提出一种补货预测模型训练方法。
3、本公开的第二个目的在于提出一种本文档来自技高网...
【技术保护点】
1.一种补货预测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述预测补货数据和所述仿真补货数据确定所述初始补货预测模型的损失值，包括：
3.根据权利要求2所述的方法，其特征在于，所述预测补货数据包括多个时刻的数据，所述真实补货数据包括与多个时刻的所述预测补货数据一一对应的数据，所述基于真实补货数据和所述预测补货数据计算预测损失值，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于比较结果和所述预设计算参数，确定所述真实补货数据和所述预测补货数据计算预测损失值，包括：
>5.根据权利要求4...
【技术特征摘要】
1.一种补货预测模型训练方法，其特征在于，所述方法包括：
2.根据权利要求1所述的方法，其特征在于，所述基于所述预测补货数据和所述仿真补货数据确定所述初始补货预测模型的损失值，包括：
3.根据权利要求2所述的方法，其特征在于，所述预测补货数据包括多个时刻的数据，所述真实补货数据包括与多个时刻的所述预测补货数据一一对应的数据，所述基于真实补货数据和所述预测补货数据计算预测损失值，包括：
4.根据权利要求3所述的方法，其特征在于，所述基于比较结果和所述预设计算参数，确定所述真实补货数据和所述预测补货数据计算预测损失值，包括：
5.根据权利要求4所述的方法，其特征在于，所述预测补货数据包括计算销量、安全库存和目标库存，所述确定所述真实补货数据和所述预测补货数据计算预测损失值，包括：
6.根据权利要求5所述的方法，其特征在于，所述基于所述预测损失值和所述仿真损失值，确定所述初始补货预测模型的损失值，包括：
7.根据权利要求2所述的方法，其特征在于，所述仿真补货数据包括多个时刻的数据，所述真实补货数据包括与多个时刻的所述仿真补货数据一一对应的数据，所述基于所述真实补货数据和所述仿真补货数据计算仿真损失值，包括：
8.根据权利要求7所述的方法，其特征在于，所述基于所述自学习参数和所述初始仿真损失值，计算所述仿真损失值，包括：
9.根据权利要求1所述的方法，其特征在于，所述将所述预测补货数据通过所述仿真单元进行仿真，以获取仿真补货数据，包括：
10.根据权利要求9所述的方法，其...
【专利技术属性】
技术研发人员：张建申，王鑫，林晓明，戚永志，胡浩，
申请(专利权)人：北京沃东天骏信息技术有限公司，
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。