[发明专利]一种日清生鲜门店智能订货方法

权利要求书

1.一种日清生鲜门店智能订货方法，其特征在于：方法包括，

顾客需求量的预测，利用三个深度神经网络模型对顾客需求量在三个尺度上分别进行预测；三个尺度预测包括门店总订货金额的预测、各商品大类订货金额占比及各商品大类SKU数的预测、单品订货金额在大类中占比的预测；

单品订货量的确定，依据公式1确定单品订货量；

N_k＝round(G*C_k*Z_k/E_k)公式1

其中，N_k为单品k应订量，G为总订货金额，C_k为单品k所属大类在总订货金额中的占比，Z_k为单品在其所属大类中的订货金额占比，E_k为单品k的单位规格的订货金额,round()表示四舍五入到整数。

2.根据权利要求1所述的一种日清生鲜门店智能订货方法，其特征在于：门店总订货金额的预测、各商品大类订货金额占比及各商品大类SKU数的预测和单品订货金额在大类中占比的预测中使用门店特征向量、日期特征向量和天气特征；

将T-14至T-1天的每天的全店售罄时间、毛利额、成交客流、客单构成的时间序列输入到LSTM模型中，确定门店特征向量；

对一周七天进行one-hot独热编码，获取T+N天所对应的周几编码；对是否节假日进行独热编码，获取T+N天所对应的节假日编码；对是否补班进行独热编码，获取T+N天所对应的补班编码；从而确定日期特征向量；

获取T+N天的气温，从而确定天气特征；其中T表示订货日期，N表示提前N天订货，T+N为到货日期。

3.根据权利要求2所述的一种日清生鲜门店智能订货方法，其特征在于：门店总订货金额的预测中还使用了使用了历史订货特征向量和全店售罄时间，

将T-14至T+N-1天的每天总订货金额G_T构成的时间序列输入至LSTM模型中，确定历史订货特征向量；

获取T+N天全店售罄时间。

4.根据权利要求3所述的一种日清生鲜门店智能订货方法，其特征在于：总订货金额确定的方法包括，

将历史订货特征向量，全店售罄时间特征、门店特征向量、日期特征向量和天气特征输入MLP多层感知机中，输出T+N天总订货金额；

依据历史数据，对模型进行训练和测试，选取测试准确度最高的模型对总订货金额进行预测。

5.根据权利要求2所述的一种日清生鲜门店智能订货方法，其特征在于：各商品大类订货额占比和各商品大类SKU数的预测还使用了大类编码特征向量、大类历史订货特征向量和大类售罄时间，

对大类进行独热编码，确定大类编码特征向量；

将T-14至T+N-1天的每天大类订货金额和大类订货SKU数构成的时间序列输入至LSTM模型中，从而确定大类历史订货特征向量；

获取T+N天大类售罄时间。

6.根据权利要求5所述的一种日清生鲜门店智能订货方法，其特征在于：大类订货金额占比确定的方法包括，

将大类编码特征向量、大类历史订货特征向量、大类售罄时间特征、门店特征向量、日期特征向量和天气特征输入MLP中，输出T+N天大类订货金额和大类SKU数；

依据历史数据，对模型进行训练和测试，选取测试准确度最高的模型用于对大类订货金额和大类SKU数的预测；从而确定大类订货金额占比；

大类订货金额占比依据公式2确定：

C_i＝B_i/sum_i(B_i)公式2

其中，C_i为大类i的订货金额占比，B_i为大类i的预测订货金额，sum_i表示对所有大类求和。