一种基于区块链的冷链供应链可信监控方法与流程

本发明涉及冷链供应链监控，尤其涉及一种基于区块链的冷链供应链可信监控方法。

背景技术：

1、冷链供应链主要用于对运输和仓储环境敏感的商品流通过程。现有冷链监控方法通常依靠采集设备获取运输、仓储和交接过程中的环境数据，再由企业平台完成数据存储、异常报警和批次追溯。

2、现有方法对采集数据的可信性判断不足。监测数据在采集和上传阶段可能受到设备异常、数据缺失和人为修改影响，即使后续写入区块链，也只能证明写入后的数据未被篡改，难以证明写入前的数据已经过有效确认，导致异常预警和责任认定缺少可靠数据基础。

3、现有方法对冷链业务过程的关联表达不足。出库、运输、交接和入库通常被作为普通时间记录保存，业务事件之间的承接关系不清晰，异常结果难以准确绑定至具体事件路径，候选责任主体不易确定。

4、现有预测模型通常将冷链状态数据作为连续时序处理，未结合供应链业务区间之间的上下衔接关系，难以表达跨环节传递的温度变化趋势、制冷衰减趋势和风险累积过程。

5、因此，如何提供一种基于区块链的冷链供应链可信监控方法是本领域技术人员亟需解决的问题。

技术实现思路

1、本发明的一个目的在于提出一种基于区块链的冷链供应链可信监控方法，本发明充分利用了区块链可信存证、旁证一致性判定、链上因果事件图和选择性状态空间growth支路，详细描述了冷链数据确认、事件路径追溯和风险预测的实现过程，具备数据可信度高、责任定位清晰和风险预警准确的优点。

2、根据本发明实施例的一种基于区块链的冷链供应链可信监控方法，包括如下步骤：

3、获取冷链供应链运行数据，生成待确认冷链监测记录和冷链供应链业务事件；

4、获取与待确认冷链监测记录对应的旁证数据，对待确认冷链监测记录与旁证数据进行一致性判定，生成数据确认状态，将数据确认状态写入区块链，形成可信冷链监测记录集合；

5、将冷链供应链业务事件转换为链上因果事件节点，依据前序事件编号建立链上因果事件图；

6、依据链上因果事件图确定商品批次的事件路径，从可信冷链监测记录集合中抽取事件路径对应区间的冷链状态数据，生成事件路径样本；

7、构建etsformer模型，保留etsformer模型中的level指数平滑支路和seasonality周期支路，将etsformer模型中的growth支路替换为选择性状态空间growth支路，选择性状态空间growth支路随当前冷链输入生成状态空间参数，得到改进etsformer模型；

8、将事件路径样本输入改进etsformer模型进行训练和推理，生成冷链风险预测结果；

9、将冷链风险预测结果与链上因果事件图中的事件路径绑定，生成预测预警事件和候选责任主体记录，将预测预警事件和候选责任主体记录写入区块链。

10、可选的，所述获取冷链供应链运行数据具体包括：

11、从冷链采集设备、边缘网关和冷链业务终端获取冷链供应链运行数据，对冷链供应链运行数据进行格式统一、时间同步、设备标识校验和商品批次关联；

12、将包含冷链环境状态的运行数据生成待确认冷链监测记录，将包含出库、装车、运输、交接和入库操作的运行数据生成冷链供应链业务事件。

13、可选的，所述对待确认冷链监测记录与旁证数据进行一致性判定具体包括：

14、依据待确认冷链监测记录在冷链供应链运行数据中的过程归属关系，提取同一冷链过程内的异源候选数据；

15、将异源候选数据和待确认冷链监测记录输入旁证筛选层，得到旁证关联结果，依据旁证关联结果确定旁证数据；

16、将待确认冷链监测记录和旁证数据输入一致性表达层，得到监测表达向量和旁证表达向量；

17、采用已标注确认状态的历史冷链样本对一致性表达层进行监督训练，监测表达向量和旁证表达向量表征同一冷链过程中的状态一致关系；

18、将监测表达向量和旁证表达向量输入一致性判定层，得到一致判定结果或者不一致判定结果，根据一致判定结果生成已确认状态，根据不一致判定结果生成争议状态，将已确认状态和争议状态作为数据确认状态。

19、可选的，所述将数据确认状态写入区块链具体包括：

20、对待确认冷链监测记录和数据确认状态进行绑定，生成数据确认记录；

21、对数据确认记录计算哈希摘要，将哈希摘要、数据确认状态和对应的记录索引写入区块链；

22、区块链完成写入后，根据数据确认状态从待确认冷链监测记录中选取已确认状态对应的记录，形成可信冷链监测记录集合。

23、可选的，所述依据前序事件编号建立链上因果事件图具体包括：

24、对冷链供应链业务事件进行事件编号生成和主体签名校验，得到有效业务事件；

25、将有效业务事件写入区块链并转换为链上因果事件节点，链上因果事件节点携带事件编号和前序事件编号；

26、依据前序事件编号在区块链中查询对应的已写入链上因果事件节点，将当前链上因果事件节点与对应的已写入链上因果事件节点建立因果连接；

27、当同一商品批次存在大于1个已写入链上因果事件节点时，按照业务发生顺序和前序事件编号确定连接关系，形成与商品批次对应的链上因果事件图。

28、可选的，所述从可信冷链监测记录集合中抽取事件路径对应区间的冷链状态数据具体包括：

29、以商品批次为索引查询链上因果事件图，依据链上因果事件节点中的前序事件编号确定由起始业务事件至目标业务事件的连续因果路径，将连续因果路径作为商品批次的事件路径；

30、依据事件路径中相邻链上因果事件节点的事件发生时间，确定每一条事件边对应的监测区间；

31、从可信冷链监测记录集合中抽取采集时间落入监测区间的冷链状态数据，将抽取的冷链状态数据与对应事件边建立区间归属关系；

32、当同一监测区间内存在多条冷链状态数据时，按照采集时间顺序排列，当相邻监测区间之间存在时间间隔时，保留对应事件边的区间边界；

33、将冷链状态数据、区间归属关系和事件路径标识组合，生成事件路径样本。

34、可选的，所述构建etsformer模型具体包括：

35、对事件路径样本进行序列化处理，得到冷链输入序列；

36、构建包含level指数平滑支路、growth支路和seasonality周期支路的etsformer模型；

37、将冷链输入序列分别输入level指数平滑支路、growth支路和seasonality周期支路；

38、保留level指数平滑支路对冷链输入序列执行指数平滑分解得到的基础状态表示，保留seasonality周期支路对冷链输入序列执行周期分解得到的周期状态表示；

39、删除growth支路中的原趋势计算结构，将选择性状态空间单元嵌入growth支路位置，形成选择性状态空间growth支路；

40、将冷链输入序列输入选择性状态空间growth支路，由选择性状态空间growth支路根据冷链输入序列生成状态空间参数并更新趋势隐状态，得到趋势状态表示；

41、将基础状态表示、周期状态表示和趋势状态表示进行融合，得到改进etsformer模型。

42、可选的，所述选择性状态空间growth支路具体包括：

43、移除etsformer模型中growth支路的固定趋势递推结构，将选择性状态空间单元接入etsformer模型的趋势分解位置；

44、依据事件路径样本中的区间边界，将冷链输入序列划分为若干个连续冷链运行片段，按照事件路径顺序依次处理；

45、对首个冷链运行片段建立初始趋势隐状态，将初始趋势隐状态和首个冷链运行片段输入选择性状态空间单元，得到首个趋势输出；

46、处理后一冷链运行片段时，将前一冷链运行片段更新后的趋势隐状态传递至后一冷链运行片段，选择性状态空间单元根据传递的趋势隐状态和当前冷链输入生成本片段的状态空间参数；

47、依据本片段的状态空间参数对传递的趋势隐状态进行递推更新，从更新后的趋势隐状态中读取本片段的趋势输出；

48、按照事件路径顺序重复执行趋势隐状态传递、状态空间参数生成和递推更新，将各冷链运行片段的趋势输出按序拼接，得到趋势状态表示，将趋势状态表示作为选择性状态空间growth支路的输出。

49、可选的，所述将事件路径样本输入改进etsformer模型进行训练和推理具体包括：

50、将事件路径样本中的冷链状态数据、区间归属关系和区间边界标记转换为模型输入样本；

51、在训练阶段，选取历史事件路径样本构成训练样本，将训练样本对应的后续冷链状态变化和风险标注作为监督目标；

52、将训练样本输入改进etsformer模型，得到基础状态表示、周期状态表示和趋势状态表示，将基础状态表示、周期状态表示和趋势状态表示重构为预测状态序列；

53、依据预测状态序列与监督目标之间的差异计算训练损失，根据训练损失更新改进etsformer模型参数，直至验证集损失满足收敛条件；

54、在推理阶段，将当前事件路径样本输入完成训练的改进etsformer模型，生成预测状态序列、趋势风险值和风险等级，将预测状态序列、趋势风险值和风险等级作为冷链风险预测结果。

55、可选的，所述将预测预警事件和候选责任主体记录写入区块链具体包括：

56、将冷链风险预测结果映射至对应事件路径中的监测区间，确定预测预警事件的事件边界；

57、根据事件边界内的链上因果事件节点确定候选责任主体，生成预测预警事件和候选责任主体记录；

58、对预测预警事件、候选责任主体记录和冷链风险预测结果进行哈希处理，将哈希处理结果与事件路径绑定关系写入区块链。

59、本发明的有益效果是：

60、（1）本发明通过旁证数据与待确认冷链监测记录的一致性判定，在数据写入区块链之前形成数据确认状态，并仅将已确认状态对应的记录纳入可信冷链监测记录集合，减少设备异常、数据缺失和人为修改对后续预警结果的影响，提高冷链监测数据的数据可信度。

61、（2）本发明通过链上因果事件图组织冷链供应链业务事件，将出库、装车、运输、交接和入库过程形成可追溯的事件路径，并将冷链风险预测结果绑定至对应事件路径，使异常区间和候选责任主体能够根据链上因果事件节点确定，提高冷链供应链追溯和责任定位的清晰度。

62、（3）本发明通过改进etsformer模型，将growth支路替换为选择性状态空间growth支路，并按照事件路径样本中的冷链运行片段进行趋势隐状态递推，使模型能够表达供应链不同业务区间之间连续传递的趋势变化，提高对升温趋势、制冷衰减趋势和风险累积过程的预测准确性。