【技术实现步骤摘要】
本专利技术涉及物资供应管理与人工智能交叉，具体地说是一种物资供应系统指标值多步预测方法、设备及介质。
技术介绍
1、在物资供应管理领域，现有技术体系在供应商评估、仓储管理及物资调运等方面仍存在显著局限性。传统erp系统虽然实现了采购、生产、销售等模块的集成，但其基于静态数据和预设规则的运行模式已难以适应动态市场环境。具体而言，供应商管理主要依赖人工评估，存在主观性强、效率低下等问题，难以及时识别潜在风险；仓储管理中的安全库存阈值设定多凭经验，易导致库存积压或供应短缺；各模块间数据协同性不足，制约了企业对物资供应链的整体把控能力。
2、在数据分析层面，常规方法主要采用excel、sql等工具处理结构化数据，并运用移动平均法等传统预测技术。然而，这类方法既无法有效处理非结构化数据，也难以挖掘数据间的复杂关联，导致预测精度不足。特别是在市场环境发生剧烈波动时，企业难以及时调整物资供应策略，面临较大运营风险。
3、现有的预测预警机制同样存在明显缺陷。固定阈值法和线性回归模型等简单方法难以应对复杂的非线性关系，在自然灾害等...
【技术保护点】
1.一种物资供应系统指标值多步预测方法，其特征在于，该方法具体如下：
2.根据权利要求1所述的物资供应系统指标值多步预测方法，其特征在于，物资供应历史运行数据包括供应商绩效数据、物流运输数据、仓储管理数据、生产计划数据、营销需求数据以及环境数据；
3.根据权利要求1所述的物资供应系统指标值多步预测方法，其特征在于，物资供应历史运行数据重构模型构建具体如下：
4.根据权利要求3所述的物资供应系统指标值多步预测方法，其特征在于，门控循环单元自编码器GRU-AE的编码器包括编码器输入层、编码器堆叠GRU层以及编码器注意力池化层；
<...【技术特征摘要】
1.一种物资供应系统指标值多步预测方法，其特征在于，该方法具体如下：
2.根据权利要求1所述的物资供应系统指标值多步预测方法，其特征在于，物资供应历史运行数据包括供应商绩效数据、物流运输数据、仓储管理数据、生产计划数据、营销需求数据以及环境数据；
3.根据权利要求1所述的物资供应系统指标值多步预测方法，其特征在于，物资供应历史运行数据重构模型构建具体如下：
4.根据权利要求3所述的物资供应系统指标值多步预测方法，其特征在于，门控循环单元自编码器gru-ae的编码器包括编码器输入层、编码器堆叠gru层以及编码器注意力池化层；
5.根据权利要求3所述的物资供应系统指标值多步预测方法，其特征在于，门控循环单元自编码器gru-ae的解码器包括解码器潜在向量扩展层、解码器堆叠gru层以及解...
【专利技术属性】
技术研发人员：陈乐，高冉，董继尧，
申请(专利权)人：山东浪潮数字商业科技有限公司，
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。