豆芽生产销量预测方法与流程
本发明涉及农产品销量预测与供应链优化,尤其涉及一种面向短保鲜周期豆芽产品的销量预测方法。
背景技术:
1、豆芽属于典型的短保鲜周期农产品,具有生产周期短、上架频次高、销量波动及损耗率敏感等特点。在实际经营场景中,豆芽销量不仅受历史销售趋势影响,还受到价格、新鲜度、当日库存、缺货状态、天气、节假日以及关联商品替代关系等多种因素共同作用。若预测偏低,容易造成缺货、断货和消费者流失;若预测偏高,则容易造成临期折价、报损上升和资源浪费。
2、现有豆芽销量预测方案难以捕捉豆芽销量中存在的强非线性关系,因此,有必要提供一种适用于豆芽短保鲜经营场景、能够同时利用关联特征和残差结构特征的分层销量预测方法,以提高销量预测精度和鲁棒性,并进一步服务于门店补货、生产排产和损耗控制。
技术实现思路
1、本发明的目的在于提供一种豆芽生产销量预测方法,以解决现有技术中豆芽销量预测对断货波动、关联品类联动和残差规律利用不足的问题。
2、为实现上述目的,本发明采用如下技术方案:
3、一种豆芽销量预测方法,包括如下步骤:
4、s1、数据采集与聚合,从门店pos系统、库存系统、生产排产系统和物流入库系统中采集目标豆芽产品的历史数据,所述目标豆芽产品为黄豆芽、绿豆芽、黑豆芽中任一种细分品类;将同一时间粒度内的豆芽销售明细进行聚合,得到销量序列;
5、s2、数据预处理与基础特征构建,构建包含历史销量特征、价格特征、开盘库存量、补货量、闭店库存量、新鲜度特征、损耗率特征和环境特征的基础特征向量;
6、s3、灰色关联分析提取关联特征,将目标豆芽销量序列作为参考序列,将各候选关联产品销量序列作为比较序列,计算各比较序列相对于参考序列的绝对差值,计算灰色关联系数以及灰色关联度;
7、s4、将基础特征集和关联特征输入随机森林模型,获得第一层销量预测结果并提取残差序列;
8、s5、对残差序列进行层次聚类,得到表征不同误差模式的残差类别标签;
9、s6、将残差类别标签与第一层销量预测结果、基础特征集和关联特征共同输入梯度提升树模型,得到残差修正值;
10、s7、融合第一层销量预测结果和残差修正值,输出目标豆芽在目标预测时段内的销量预测结果。
11、与现有技术相比,本发明具有以下有益效果:
12、1. 本发明将灰色关联分析引入豆芽销量预测场景,能够从黄豆芽、绿豆芽、黑豆芽等细分品类及相关短保鲜产品中挖掘替代关系和互补关系,使预测特征更符合豆芽零售经营的真实需求联动机制。
13、2. 本发明采用随机森林与梯度提升树构成分层预测结构,先由随机森林获得基础预测结果,再通过残差层次聚类和梯度提升树实施二次修正,能够提高对需求突增、异常回落以及临期波动场景的适应能力。
14、3. 本发明将新鲜度、库存、报损、断货等豆芽特有经营变量纳入特征体系,能够更有效地区分真实低需求和因缺货导致的低销量两类情形,从而提升预测结果的稳定性和业务可用性。
15、4. 本发明输出的销量预测结果可直接转换为生产建议量或补货建议量,有助于降低豆芽临期报损和供应不足,提升短保鲜农产品的供应链协同效率。
1.豆芽生产销量预测方法,其特征在于,包括以下步骤:
2.根据权利要求1所述的豆芽生产销量预测方法,其特征在于,s1具体包括以下内容:
3.根据权利要求2所述的豆芽生产销量预测方法,其特征在于,s2具体包括以下内容:对缺失样本采用因果滑动时间窗口进行填补,设窗口长度为,则缺失销量样本的填补值表示为:
4.根据权利要求3所述的豆芽生产销量预测方法,其特征在于:s2还包括以下内容:当满足以下任一条件时,将对应销量记录标记为缺失样本而非真实零销量样本:
5.根据权利要求3所述的豆芽生产销量预测方法,其特征在于:对各序列进行均值无量纲化处理:
6.根据权利要求5所述的豆芽生产销量预测方法,其特征在于:s4包括以下内容:
7.根据权利要求6所述的豆芽生产销量预测方法,其特征在于:s5具体包括以下内容:
8.根据权利要求7所述的豆芽生产销量预测方法,其特征在于:s6具体包括以下内容:
9.根据权利要求8所述的豆芽生产销量预测方法,其特征在于:s7具体包括以下内容:
10.根据权利要求9所述的豆芽生产销量预测方法,其特征在于:s7还包括:
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