[发明专利]一种基于RNN网络预测物资采购需求量的方法

权利要求书

1.一种基于RNN网络预测物资采购需求量的方法，其特征在于，包括以下步骤：

S1：采用预设方法对预先采集的数据进行数据处理；

S2：通过预设方法对原预测模型和循环神经网络模型进行对比；

S3：采用预设方法构建RNN模型，并将所述处理后的数据作为所述RNN模型的输入，获取预测值。

2.根据权利要求1所述的一种基于RNN网络预测物资采购需求量的方法，其特征在于，所述步骤S1采用预设方法对预先采集的数据进行数据处理具体包括以下步骤：

S11：通过预备的数据库进行所需数据的采集，得到采集的数据；

S12：通过预设方法对所述采集数据进行数据清洗，得到处理后的数据。

3.根据权利要求2所述的一种基于RNN网络预测物资采购需求量的方法，其特征在于，所述步骤S12通过预设方法对所述采集数据进行数据清洗，得到处理后的数据具体包括以下步骤：

S121：对所述采集数据中的原始时序数据进行随机采样和得到多条估计数据，并对随机采样产生的空缺点补齐，获得多条补齐估计数据；

S122：按采样时间点对所有的所述补齐估计数据进行分类，获得多组时间分类数据，并对每组所述时间分类数据按照大小进行排序得到多组排序数组；

S123：对多组所述排序数组进行处理获得多个对应的平均值数据，并通过多个所述平均值数据构成均值序列；

S124：输出所述均值序列，即完成对购买量异常数据的清除，得到处理后的数据。

4.根据权利要求1所述的一种基于RNN网络预测物资采购需求量的方法，其特征在于，所述步骤S2通过预设方法对原预测模型和循环神经网络模型进行对比具体包括以下步骤：将原预测模型和循环神经网络模型从数据处理、函数关系、时间依赖性、趋势4个方面进行对比分析，针对原预测模型的缺陷找出更合适的预测模型。

5.根据权利要求1所述的一种基于RNN网络预测物资采购需求量的方法，其特征在于，所述步骤S3采用预设方法构建RNN模型，并将所述处理后的数据作为所述RNN模型的输入，获取预测值具体包括以下步骤：

S31：假设当前的状态只与前面的几个状态相关，构建RNN模型，得到所述RNN模型的数学表达式：

S_t＝f(U*x_t+W*S_t-1+b)，O_t＝f(V*S_t+c)；

其中，U，W，V，b，c为模型需要学习更新的参数，x为一个序列的输入，即为数据清洗后的数据，标记为{x₁,x₂,……x_t……}，x_t代表时刻为t时刻的输入，s为隐含单元，标记为{S₁,S₂,……S_t……}，S_t为t时刻的隐含层状态，作为下一层的输入，也就是模型每一层的输入有两个，一个是x_t，一个是上一层的状态S_t-1，O_t代表时刻t的输出，f为非线性的激活函数tanh，其表达式为：其中e^z表示指数函数，z为函数的输入；

S32：对所述RNN模型进行网络训练，并采用最小化损失函数来更新模型参数，损失函数的公式为：

其中，N表示数据数目，x_t代表时刻为t时刻的输入，O_t代表时刻t的输出；

S33：当所述RNN模型训练好以后，即损失函数足够小时，将处理后的t时刻数据输入训练好的所述RNN模型中，得到t+1时刻的数据，即为预测值。

6.根据权利要求5所述的一种基于RNN网络预测物资采购需求量的方法，其特征在于，所述步骤S32中对所述RNN模型进行网络训练还包括以下步骤：在训练所述RNN模型时，分别以1天、7天、8天、10天、12天为周期进行训练，然后选取训练效果最好的模型进行预测。