[发明专利]一种库存物资需求预测方法及装置

权利要求书

1.一种库存物资需求预测方法，其特征在于，包括：

根据初始的投资计划，获取每个项目中的计划投资额以及每个项目对应的工程属性；

根据每个项目对应的工程属性获取每个项目所包含的物资小类，查找预设的物资小类和工程属性与预测模型的对应关系列表，得到每个项目所包含的每个物资小类所对应的预测模型；

将获取的每个项目中的计划投资额分别输入相应项目所包含的每个物资小类对应的预测模型中，计算得到每个项目中的每个物资小类的预测需求量；

将每个物资小类在不同项目中的预测需求量相加，计算得到每个物资小类的总预测需求量。

2.根据权利要求1所述的方法，其特征在于，所述计算得到每个物资小类的总预测需求量的步骤之后还包括：

根据每个物资小类的历史价格，按照预设算法计算得到每个物资小类的预测价格；

将每个物资小类的总预测需求量与对应的预测价格相乘，得到每个物资小类的采购资金需求；

将所有物资小类的采购资金需求相加，得到库存物资总的采购资金需求。

3.根据权利要求2所述的方法，其特征在于，所述预设算法包括：均价算法、趋势算法、权值算法；

所述均价算法为，将一定时间内历史价格的平均值作为预测价格；

所述趋势算法为，根据历史价格数据推导得到价格趋势，进而按照价格趋势推导得到预测价格；

所述权值算法为，选定与价格相关的影响因素，根据价格历史数据计算得到不同影响因素的权重，再将当前时间的影响因素值与相应的权重相乘，计算得到当前时间的预测价格。

4.根据权利要求1所述的方法，其特征在于，所述物资小类和工程属性与预测模型的对应关系列表的构建方法包括：

采用线性回归分析模型推导得到不同的预测模型；

将不同物资小类在不同的工程属性条件下的历史数据与所有预测模型分别进行线性拟合，得到不同工程属性条件下不同物资小类与不同预测模型的拟合度；

选出拟合度最高的那一个作为对应物资小类和工程属性的预测模型；

列举出所有物资小类和工程属性与预测模型的对应关系，得到物资小类和工程属性与预测模型的对应关系列表。

5.根据权利要求4所述的方法，其特征在于，所述预测模型包括：均值模型、线性回归模型、多项式模型、幂回归模型、指数回归模型、对数回归模型：其中，

均值模型的计算公式为：y_ij＝β_ij·x_ij；

线性回归模型的计算公式为：y_ij＝β_ij·x_ij+α_ij；

多项式模型的计算公式为：

幂回归模型的计算公式为：

指数回归模型的计算公式为：

对数回归模型的计算公式为：y_ij＝β_ij·ln(x_ij)+α_ij；

其中，i为物资小类的编号；j为工程属性的编号；ij为一个预测单元编号，表示物资小类i在工程属性j条件下的集合；x_ij为预测单元ij集合中，工程项目的计划投资额；y_ij为预测单元ij集合中，工程项目中物资小类i领用的数量；α_ij、β_ij、γ_ij均为预测单元ij的预测模型参数。

6.根据权利要求5所述的方法，其特征在于，所述预测模型参数的计算方法为：

获取不同物资小类在不同的工程属性条件下的历史数据，其中所述历史数据包括计划投资额和物资小类领用数量；

根据物资小类和工程属性与预测模型的对应关系列表，得到符合当前预测模型的历史数据；

将历史数据作为已知量，预测模型参数作为未知量，得到参数计算公式；

将物资小类的历史数据带入参数计算公式中，计算得到预测模型参数。

7.根据权利要求1所述的方法，其特征在于，所述预测模型还包括时间权重和/或要素权重；

其中，所述时间权重为不同时间段对物资需求量的影响程度，所述时间权重根据物资需求的历史数据计算得到；

所述要素权重为与物资相关的影响要素对物资需求量的影响程度，所述要素权重根据物资需求的历史数据计算得到。

8.一种库存物资需求预测装置，其特征在于，包括：

初始数据获取模块，用于根据初始的投资计划，获取每个项目中的计划投资额以及每个项目对应的工程属性；

预测模型获取模块，用于根据每个项目对应的工程属性获取每个项目所包含的物资小类，查找预设的物资小类和工程属性与预测模型的对应关系列表，得到每个项目所包含的每个物资小类所对应的预测模型；

预测模型计算模块，用于将获取的每个项目中的计划投资额分别输入相应项目所包含的每个物资小类对应的预测模型中，计算得到每个项目中的每个物资小类的预测需求量；

物资需求计算模块，用于将每个物资小类在不同项目中的预测需求量相加，计算得到每个物资小类的总预测需求量。