中频物料需求的趋势季节性分解预测方法及装置与流程
本申请涉及供应链库存管理及大数据预测,特别是涉及一种中频物料需求的趋势季节性分解预测方法及装置。
背景技术:
1、在物料供应链管理与需求预测技术领域,对于确定特定物料(例如生产原材料、备品备件等)在未来周期内的需求趋势,通常需要通过统计建模与数据分析来实现。
2、相关技术中,处理方式主要利用常规的时间序列模型对物料的历史消耗数据进行线性或非线性外推,以计算物料在不同时间窗口下的预期消耗量。
3、该方案往往只是基于历史均值或单一趋势项进行预测,无法准确解耦出中频物料在多重季节性影响下的特征分量,使得预测结果容易偏离真实业务场景,预测精度较低。
技术实现思路
1、本申请实施例提供一种中频物料需求的趋势季节性分解预测方法及装置,能够准确解耦中频物料在多重季节性影响下的特征分量,提升预测结果与真实业务场景的匹配度及预测精度。
2、第一方面,本申请提供了一种中频物料需求的趋势季节性分解预测方法,该方法包括:
3、获取待测物料的历史需求序列,提取历史需求序列的特征属性以确定多个执行周期参数,并基于各执行周期参数构建对应的候选预测分支;
4、针对每一候选预测分支,利用状态空间模型对历史需求序列进行分解,以得到由误差成分、趋势成分及季节性成分构成的分量集合;
5、将趋势成分拆解为表征当前水平的平滑项与表征变动趋势的增量项、利用候选预测分支预设的阻尼因子对增量项进行衰减处理生成受限趋势位移,以及将平滑项与受限趋势位移进行融合,并结合分量集合中的误差成分与季节性成分,合成每一候选预测分支对应的候选预测模型;
6、利用各候选预测模型在历史需求序列的验证区间内执行模拟预测,并基于模拟预测结果与真实观测值之间的偏差统计指标,从候选预测模型中选定目标预测模型;
7、利用目标预测模型生成初始预测值,并基于待测物料的物理属性约束对初始预测值进行空间映射修正,以输出最终的物料需求预测结果。
8、第二方面,本申请提供了一种中频物料需求的趋势季节性分解预测装置,该装置包括:
9、分支构建模块,用于获取待测物料的历史需求序列,提取历史需求序列的特征属性以确定多个执行周期参数,并基于各执行周期参数构建对应的候选预测分支;
10、序列分解模块,用于针对每一候选预测分支,利用状态空间模型对历史需求序列进行分解,以得到由误差成分、趋势成分及季节性成分构成的分量集合;
11、模型合成模块,用于将趋势成分拆解为表征当前水平的平滑项与表征变动趋势的增量项、利用候选预测分支预设的阻尼因子对增量项进行衰减处理生成受限趋势位移,以及将平滑项与受限趋势位移进行融合,并结合分量集合中的误差成分与季节性成分,合成每一候选预测分支对应的候选预测模型;
12、模型选定模块,用于利用各候选预测模型在历史需求序列的验证区间内执行模拟预测,并基于模拟预测结果与真实观测值之间的偏差统计指标,从候选预测模型中选定目标预测模型;
13、预测修正模块,用于利用目标预测模型生成初始预测值,并基于待测物料的物理属性约束对初始预测值进行空间映射修正,以输出最终的物料需求预测结果。
14、本申请具有以下有益效果:
15、通过提取历史需求序列的特征属性构建候选预测分支,并利用状态空间模型对各分支进行分量分解;在此基础上,通过对趋势增量项施加阻尼衰减并融合误差与季节性成分合成候选模型,进而在验证区间内选定目标预测模型,并结合物理属性约束对初始预测值进行空间映射修正得到最终结果。本申请实施例通过在状态空间分解的基础上,进一步叠加基于库存周转惯性修正的阻尼因子和基于业务逻辑的物理边界约束,能够在保留物料历史消耗趋势的同时,通过对受限趋势位移和空间映射的控制,直接对预测序列中各采样点的值进行优化,使预测轨迹在量值层面符合物理边界要求,能够在不显著增加统计计算复杂度的前提下,提升模型对中频物料多季节性特征的捕捉能力,提高预测结果在实际供应链管理中的鲁棒性与应用价值。
1.中频物料需求的趋势季节性分解预测方法,其特征在于,所述方法包括:
2.根据权利要求1所述的方法,其特征在于,所述提取所述历史需求序列的特征属性以确定多个执行周期参数,并构建与各所述执行周期参数一一对应的候选预测分支,具体包括:
3.根据权利要求2所述的方法,其特征在于,所述利用所述候选预测分支预设的阻尼因子对所述增量项进行衰减处理生成受限趋势位移,具体包括:
4.根据权利要求3所述的方法,其特征在于,所述构建随预测步长延伸的非线性衰减权重具体包括:
5.根据权利要求1所述的方法,其特征在于,所述利用各所述候选预测模型在所述历史需求序列的验证区间内执行模拟预测,并基于模拟预测结果与真实观测值之间的偏差统计指标,从所述候选预测模型中选定目标预测模型,具体包括:
6.根据权利要求1所述的方法,其特征在于,所述基于所述待测物料的物理属性约束对所述初始预测值进行空间映射修正,以输出最终的物料需求预测结果,具体包括:
7.根据权利要求6所述的方法,其特征在于,所述调用量值映射算子将超出所述物理边界的负向异常值映射为所述零界物理阈值,具体包括:
8.根据权利要求1所述的方法,其特征在于,所述基于各所述执行周期参数构建对应的候选预测分支,具体包括:
9.根据权利要求8所述的方法,其特征在于,结合所述历史需求序列的长度,对所述可选预测分支集合中的每一分支进行样本可靠性校验,具体包括:
10.中频物料需求的趋势季节性分解预测装置,其特征在于,所述装置包括:
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com