[发明专利]一种基于人工智能的果蔬生鲜门店日出货量预测方法

权利要求书

1.一种基于人工智能的果蔬生鲜门店日出货量预测方法，其特征在于，包括以下步骤：

S1、数据预处理：将文字性和时间性数据进行数值化处理，对不完整数据进行剔除和缺失值补充，对个别完整和同一类数据不匹配的异常值数据进行删除，并对所有数值数据进行归一化处理，形成数据集；

S2、融合网络模型构建：通过pytorch框架，搭建单独的普通神经元单元以及LSTM神经元单元，将普通神经元单元以及LSTM神经元单元根据网络结构进行神经网络搭建；

S3、利用数据集中的训练数据对构建的神经网络进行训练，根据损失函数和反向传播规则不断更新网络参数；

S4、存储训练好的神经网络权重值，加载训练好的神经网络，将需要预测的生鲜数据输入融合网络模型，融合网络模型通过正向推理的到预测销量。

2.根据权利要求1所述的一种基于人工智能的果蔬生鲜门店日出货量预测方法，其特征在于：在S1操作步骤中，对所有数值数据进行归一化处理是指对所有数值数据通过减去均值再除以最大值进行归一化处理。

3.根据权利要求1所述的一种基于人工智能的果蔬生鲜门店日出货量预测方法，其特征在于：在S2操作步骤中，所述网络结构包括输入层、隐藏层和输出层。

4.根据权利要求3所述的一种基于人工智能的果蔬生鲜门店日出货量预测方法，其特征在于：所述输入层由12个输入神经元构成，所述12个输入神经元由6个LSTM神经元和6个普通神经元共同融合组成，所述12个输入神经元分别为当天价格、天气、温度、季节、是否为节假日、生鲜类别、前三天的价格以及前三天的销量，所述隐藏层由15个普通神经元组成，所述输出层由1个普通神经元组成。

5.根据权利要求1所述的一种基于人工智能的果蔬生鲜门店日出货量预测方法，其特征在于：在S2操作步骤中，在融合网络模型的数据传递过程中会对数据进行批量标准化处理，并且使用LeakyReLU激活函数进行非线性化处理，所述LeakyReLU激活函数为a_i是(1,+∞)区间内的固定参数，所述批量标准化处理是指求出批量数据中的均值以及方差，然后对批量数据中的每一个数据进行减均值并除以标准差。

6.根据权利要求1所述的一种基于人工智能的果蔬生鲜门店日出货量预测方法，其特征在于：在S3操作步骤中，利用数据集中的训练数据对构建的神经网络进行训练，根据损失函数和反向传播规则不断更新网络参数，包括以下步骤：

S301、设置神经网络的超参数，包括学习率、精度阈值和神经网络权重值初始化；

S302、将预处理好的数据作为输入，输入到网络的输入层，其中涉及到时间变量的输入，输入到LSTM神经元，其他输入变量输入到普通神经元；

S303、通过神经网络前向传播以及激活函数得到输出

S304、根据损失函数计算输出值与真实值的误差，并通过偏导计算以及链式法则，进行参数的梯度计算，根据计算得到的梯度值进行参数更新；

S305、重复步骤S302-S303，进行神经网络参数不断的更新，直到输出值与真实值的误差小于设定的精度阈值。

7.根据权利要求6所述的一种基于人工智能的果蔬生鲜门店日出货量预测方法，其特征在于：在S303操作步骤中，普通神经网络向前传播公式为式中，w_i为神经网络权重值，x_i为神经元的输入，b为偏置值，σ()为leakyRELU操作。

8.根据权利要求6所述的一种基于人工智能的果蔬生鲜门店日出货量预测方法，其特征在于：在S304操作步骤中，所述损失函数采用均方差，所述损失函数的公式为式中，y_n为真实值。