[发明专利]一种钢铁原料采购供应优化方法

权利要求书

1.一种钢铁原料采购供应优化方法，其特征在于，所述方法包括：

获取钢铁原料预测价格并存储在采购原料数据中；

将本地数据和所述采购原料数据送至采购优化模块进行启发式算法的搜索与迭代，得到仓储策略、原料配方策略以及采购策略；

所述仓储策略包括仓库中钢铁原料储量以及矿石储量；所述原料配方策略包括炼铁配方；所述采购策略包括采购钢铁原料的数量、运输任务以及炼铁所需燃料的数量；所述本地数据包括仓库中原有钢铁原料储量以及矿石储量；采购原料数据包括所述钢铁原料预测价格、运输任务的成本、炼铁配方的成分列表、各矿石预测需求。

2.根据权利要求1所述的方法，其特征在于，所述获取钢铁原料预测价格，包括：

在原料价格预测模块中，采集数值数据和文本数据，对所述文本数据进行情感分析得到原料价格特征，将所述原料价格特征和所述数值数据进行特征工程分析后送至价格预测算法模块得到所述钢铁原料预测价格；

所述数值数据包括原料的配方和历史价格，所述文本数据包括对参考因素的预估和分析，所述参考因素包括未来经济、当前局势和气候情况。

3.根据权利要求2所述的方法，其特征在于，所述对所述文本数据进行情感分析得到原料价格特征，包括，通过爬虫技术抓取所述文本数据中预设的格影响因子，通过语义识别所述预设的影响因子的关键主题并送入ELMo模型中，通过对所述关键主题进行多级情感定义后，得到所述原料价格特征。

4.根据权利要求2所述的方法，其特征在于，所述价格预测算法模块基于LSTM的网络结构。

5.根据权利要求1所述的方法，其特征在于，所述将本地数据和所述采购原料数据送至采购优化模块进行启发式算法的搜索与迭代，包括：

将所述本地数据和所述采购原料数据送至数据转义模块进行转换，将转换后的数据分别传输至逻辑转义模块和约束转义模块，在所述逻辑转义模块和所述约束转义模块中分别对钢铁生产过程中涉及到的工艺流程进行识别，通过自定义约束和默认约束对所述约束转义模块进行约束得到约束结果，将所述约束结果、在所述逻辑转义模块中得到的优化逻辑结果以及自定义目标传输至所述采购优化模块中进行启发式算法的搜索与迭代；

所述约束转义模块的约束具体包括：仓库中钢铁原料和矿石的仓储上下限，所产矿石要达到的规格，钢铁原料在市场中采购的总量以及满足最大需求量；；所述自定义约束包括随矿石市场走势变动的约束；所述默认约束为仓库中原有钢铁原料储量以及矿石储量；所述自定义目标为预期要达到的目标；所述约束结果包括采购原料的数量；所述优化逻辑结果包括运输路线。

6.根据权利要求5所述的方法，其特征在于，在启发式算法的搜索与迭代过程中，通过搜索采购原料数量向量仓储矿石使用数量向量和运输船对应港口船型使用数量向量三个变量，达到迭代求解最优结果，所述最优结果包括：采购原料场地、运输任务成本最低、冶炼过程中矿石的需求量以及原料的配比。

7.根据权利要求1所述的方法，其特征在于，在所述采购优化模块中，还考虑到所述运输任务以及所述炼铁所需燃料的数量对采购的影响，所述运输任务与所述采购钢铁原料的数量、所述炼铁所需燃料的数量、运输工具以及运输次数相关；

所述炼铁所需燃料的数量与所述炼铁配方、采购钢铁原料的数量、仓库中原有钢铁原料储量以及矿石储量相关。