[发明专利]一种基于组合模型的供应链生产预测方法

权利要求书

1.一种基于组合模型的供应链生产预测方法，其特征在于，包括以下步骤：

步骤1，对获取得到的所有门店的历史销售数据进行预处理，得到预处理后的数据；

步骤2，将得到的预处理后的数据作为预构得到的基于Attention机制的LSTM神经网络模型的输入变量，得到每个门店每个月每个单品对应的销售预测量；

步骤3，根据得到的每个门店每个月每个单品的销售预测量计算对应单品在下一个生产周期的销售数据；

步骤4，根据得到的单品在下一个生产周期的销售数据计算得到某一单品的安全库存系数；

步骤5，将得到的某一单品的安全库存系数计算某一单品对应的下一个生产周期后的生产量。

2.根据权利要求1所述的一种基于组合模型的供应链生产预测方法，其特征在于，步骤1，对获取得到的所有门店的历史销售数据进行预处理，得到预处理后的数据，具体方法是：

S11，将历史销售数据进行分割，首先按门店切割，生成各个门店的销售数据文件；

生成每个门店对应的csv空集文件，该csv空集文件以对应门店的编号进行命名；

S12，从每个门店对应的销售数据文件中提取订单号，并将得到的订单号填充至相应门店的csv空集文件，得到每个门店对应的csv填充文件；

S13，根据销售数据文件计算每个产品系列对应的活动力度均值，并将该活动力度均值作为该产品系列下所有单品对应的新的活动力度值；

从每个门店对应的销售数据文件中分别提取产品编号、产品名、活动开始时间、活动结束时间、利润、成本价和每个单品对应的新的活动力度值填充至对应的csv填充文件中，形成每个门店对应的csv文件；

S14，将得到的每个门店对应的csv文件按照财政月进行切割，得到每个门店每个月对应的csv数据文件；

S15，利用订单号从历史销售数据中提取每个门店对应的门店类型及门店所处地理位置，其中，采用one-hot编码对门店类型进行编码，之后将对应的门店编码填充至对应的csv数据文件中；将每个门店所处地理位置对应的编码填充至对应的csv数据文件中，得到csv填充数据文件；

S16，利用订单号从历史销售数据中分别提取对应的产品二级系列标签和产品三级系列标签，并将产品二级系列标签和产品三级系列标签填充至csv填充数据文件中，得到csv填充文件数据；

S17，将得到的csv填充文件数据按照产品名进行切割，得到每个门店每个月每个单品对应的csv文件数据。

3.根据权利要求1所述的一种基于组合模型的供应链生产预测方法，其特征在于，步骤2中，预构得到的基于Attention机制的LSTM神经网络模型，具体地：

将预构得到的基于Attention机制的LSTM神经网络作为编码器；将Attention层作为解码器。

4.根据权利要求1所述的一种基于组合模型的供应链生产预测方法，其特征在于，步骤3，根据得到的每个门店每个月每个单品的销售预测量计算对应单品在下一个生产周期的销售数据，具体方法是：

首先，根据每个门店的地域类型，将得到的所有门店每个月所有单品的销售预测量按照所属仓库进行划分，每个所属仓库得到对应的销售预测量数据；

其次，根据得到的销售预测量数据，计算对应所属仓库对应的下一个生产周期的销售预测数据；

最后，计算得到所有仓库对应的下一个生产周期的单品销售预测总量。

5.根据权利要求1所述的一种基于组合模型的供应链生产预测方法，其特征在于，步骤4中，根据得到的单品在下一个生产周期的销售数据计算得到某一单品的安全库存系数，具体方法是：

首先，根据得到的单品在下一个生产周期的销售数据计算得到某一单品一个生产周期后库存的量；

其次，计算得到某一单品的安全库存系数。