一种基于神经网络的科研机构物品库存管理系统与方法与流程

1.本发明涉及一种基于神经网络的针对科研机构实验用物品库存的管理系统及该系统应用的方法，更确切的说本发明旨在提供一种科研机构实验用物品库存出库量的预测方法，并通过该方法安排物品库存每月的采购计划。


背景技术：

2.科研机构一般都储存有数量繁多的实验用物品库存，这些试验用物品库存用量小但使用频率极高，造成管理上的困难，经常出现在实验过程中实验用物品库存用完，实验无法进行下去的情况。而且在提报实验用物品库存材料计划时只能依靠实验用物品库存管理人员的经验或者查询库存信息的方法去判断实验用物品库存使用情况，无法预测实验用物品库存使用情况，更无法预测实验用物品库存的出库量，使得实验用物品库存管理人员在提报实验用物品库存材料时只能凭借长期积累的经验提报实验用物品库存材料，造成每个业务部门都有大量的实验用物品库存，增加了安全风险。还容易产生漏报、多报实验用物品库存材料的问题，造成科研工作进度落后及成本提高。
3.专利cn104636882a中公开的方法只是解决了现有技术中物品库存信息不能及时掌握、物品库存管理台帐和技术台帐建立不全或不规范、物品库存使用过程不标准的问题，并没有解决物品库存管理人员只能依靠经验提报物品库存的现状。专利cn102436202a中公开的方法只是对物品库存使用量或库存量进行监控，并没有解决物品库存的实时预测的问题。


技术实现要素：

4.本发明为了解决以上问题，提出了一种基于神经网络建立预测模型的方法，实现对各部门每个常用物品库存出库量的预测，并基于该方法建立一种科研机构实验用物品库存管理系统。该方法主要包括以下几个步骤：
5.本发明提供一种基于神经网络建立预测模型的方法，实现对各部门每个常用物品库存出库量的预测，并基于该方法建立一种科研机构实验用物品库存管理系统，其特征在于，包括如下步骤：
6.步骤1：物品库存管理系统计算各部门每个物品库存月出库量平均值，得到物品库存月出库量平均值φ；
7.步骤2：由各部门物品库存管理系统操作人员在物品库存管理系统设定该部门每个物品库存月出库量基准值θ，当各部门每个物品库存出库量平均值φ小于该物品库存月出库量基准值θ时，所述物品库存管理系统将该物品库存设定为该部门“非常用物品”；当各部门每个物品库存月出库量平均值φ大于该物品库存月出库量基准值θ时，所述物品库存管理系统将该物品库存设定为该部门“常用物品”，并采集该常用物品每月的出库量数据；
8.步骤3：通过所述各部门每个常用物品月出库量神经网络模型计算得到各部门每个常用物品下一个月的月出库量预测值α；
9.步骤4：依据所述各部门每个常用物品月出库量预测值α与该常用物品月出库量平均值φ进行对比，根据对比结果在所述物品库存管理系统中的材料计划报告模块生成的材料计划报告中将各部门每个常用物品标记为“加急采购”或“普通采购”；
10.步骤5：所述物品库存管理系统对各部门每个常用物品库存量数据进行实时更新，各部门每个常用物品库存量数据每更新一次就对各部门每个常用物品出库量神经网络预测模型进行训练，保证各部门每个常用物品月出库量神经网络预测值α的精确性。
11.于一实施例中，步骤3中，还包括对所有物品库存管理系统判断的常用物品月出库量神经网络模型，具体方法如下：
12.步骤331，将数据归一化处理后的出库量数据作为月出库量预测值α神经网络模型的输入层；
13.步骤332，确定隐含层节点个数，根据经验公式来确定，其中h为隐含层节点的数目，m和n分别是输入层和输出层节点的数目，a为1～10之间的调节常数；
14.步骤333，初始化所述神经网络中所有权值，(0，1)内随机进行赋值；
15.步骤334，确定所述神经网络中隐含层、输出层的激活函数，选择sigmoid函数，
16.步骤335，对所述神经网络的训练参数进行赋值。
17.于一实施例中，步骤5中的对所述神经网络模型进行训练，具体步骤如下：
18.步骤3351，随机选取某个常用物品出库量数据做为输入样本；
19.步骤3352，计算当前样本隐藏层输入和输出；
20.步骤3353，计算当前样本输出层输入和输出；
21.步骤3354，对误差函数进行计算，误差函数为：
22.步骤3355，其中q为输出层个数，yoo为输出值，d为样本值；
23.步骤3356，计算误差函数对输出层和隐含层之间参数的偏导数；
24.步骤3357，计算误差函数对隐含层和输入层之间参数的偏导数；
25.步骤3358，修正输出层和隐含层之间的参数；
26.步骤3359，修正隐含层和输入层之间的参数；
27.步骤33510，对全局误差进行计算；
28.步骤33511，判断误差是否满足要求。当误差达到预设精度或学习次数大于设定的最大次数时结束算法。
29.于一实施例中，步骤5还包括月出库量神经网络预测模型数据集数据采集方法，具体方法如下：
30.步骤51，设置一个月出库量神经网络模型数据集采集时间te,以月为单位te＝(1,2,3,...,n)，由各部门物品库存管理系统管理人员在系统中输入数据集采集时间te的参数；
31.步骤52，物品库存管理系统每隔采集时间te自动对每个化学品的月出库量神经网络预测模型根据采集时间te内采集的新数据集d(te1)进行训练；
32.步骤53，在下一个采集时间te到达月数设定值时，产生新的数据集d(te2)，此时d
(te2)＝d(te1) te段时间内新产生的数据，以此类推，在每个te时间段内对数据集中的数据进行累加。
33.于一实施例中，所述常用物品月出库量神经网络模型使用bp神经网络。
34.于一实施例中，所述常用物品月出库量神经网络模型使用newff函数建立网络。
35.于一实施例中，步骤331，中数据归一化处理方法采用z-score标准化方法。
36.于一实施例中，所述神经网络中隐含层、输出层的激活函数选用sigmoid函数。
37.本发明还提供一种基于神经网络的科研机构物品库存管理系统，其特征在于，所述物品库存管理系统包括：出/入库管理模块、库存管理模块、神经网络预测模块、材料计划管理模块、报表查询模块、表单管理模块、基础设置模块、系统管理模块；
38.出/入库管理模块中还设有常用物品管理模块、出/入库条形码生成模块、批量出/入库模块、批量打印出/入库单模块，该常用物品管理模块为所述物品库存管理系统中各部门每个物品库存根据该物品库存月出库量平均值φ与该物品库存月出库量基准值θ比较结果将各部门每个物品库存定义为“常用物品”或“常用物品非常用物品”；该出/入库条形码生成模块为在物品库存出/入库时生成物品库存外包装上的条形码；该批量出/入库模块为利用管理系统生成的“excle导入模板”统一处理大批量物品库存出/入库业务；该批量打印出/入库单模块为在大批量物品库存出/入库时先行录入出/入库信息，并一次性批量打印条形码；
39.库存管理模块包括库存查询模块以及常用物品库存量管理模块，库存查询模块用以根据“部门”、“化学品名称”、“化学品种类”、“化学品出库记录”、“化学品入库记录”查询条件的组合查询库存信息；该常用物品库存量管理模块用以采集所述各部门每个常用物品每月的出库量数据，建立用于所述各部门每个常用物品月出库量神经网络预测模型的数据集并定期进行更新；
40.神经网络预测模块用以对物品库存管理系统中判断为常用物品的每个化学品建立出库量神经网络预测模型，并从出/入库管理模块中获取数据，在出/入库管理模块运行一段时间以后，利用采集的大量出/入库数据作为神经网络建模的基础数据对出库量神经网络预测模型进行训练，实现每个常用物品库存出库量预测功能；
41.所述材料计划管理模块包括，库存统计模块、物品库存预测模块、材料计划报告模块，库存统计模块用以根据各部门物品库存出/入库记录，结合各部门物品库存信息，对各部门所有物品库存以一个月为周期定期进行库存统计；该物品库存预测模块用以利用神经网络预测模块计算各部门每个常用物品月出库量预测值α，与各部门每个常用物品当月的库存量对比，对下一个月物品库存量进行预测，对各部门出库量大、库存紧缺的常用物品及时向该部门物品库存管理人员进行提示；该材料计划报告模块用以是根据各部门每个常用物品当月库存量结合各部门每个常用物品的出库量，生成材料计划报告，其中对各部门每个常用物品利用神经网络预测模块计算各部门每个常用物品月出库量预测值α，并对比每个常用物品每月的库存统计情况，对下一个月物品库存情况进行预测，在生成的材料计划报告中将常用物品的采购类型分为“普通采购”和“加急采购”；
42.所述报表查询模块用以根据“部门”、“化学品名称”、“化学品种类”、“化学品名称”、“出/入库时间”、“物品库存规格”、“物品库存等级”43.等查询条件的组合，灵活生成用户所需要的报表；
44.该表单管理模块用以在系统中线上完成物品库存申请审批流程，并进行领用审批单打印；
45.该基础设置模块包括组织架构管理模块、人员设置模块以及单位设置模块，组织架构管理模块用以将各部门按照单位机构设置来进行组织机构划分；该人员设置模块用以录入各部门物品库存管理人员的信息；单位设置模块用以设置物品库存的单位标准，统一所有部门提报的物品库存单位；
46.系统管理模块中，角色管理模块，其主要功能是对物品库存管理系统中各部门物品库存管理人员的权限进行配置；登录密码管理模块，其主要功能是对使用物品库存管理系统的人员用户名及密码进行统一管理。
47.本发明所述的方法包括三个方面：设计了一个常用物品判断方法，对物品库存管理系统中各部门每个物品库存进行判断，根据判断结果将各部门每个物品库存定义为“常用物品非常用物品”或“常用物品”；对各部门每个常用物品建立神经网络预测模块，实时预测常用物品未来出库量并根据预测常用物品未来出库量与该常用物品库存量进行比较，根据比较结果将常用物品采购类型标记为“普通采购”或“加急采购”；设计了一个物品库存出库量神经网络预测模型数据集数据采集方法，最大程度上保证了每个常用物品出库量神经网络预测模型训练数据集所采集数据的完整性，提高了所述物品库存出库量神经网络预测模型计算结果的准确性。本发明解决了科研机构各部门在提报物品库存材料计划时无法根据库存信息及物品库存出库情况对提报物品库存材料计划做出准确判断，只能依靠物品库存管理人员的经验或者查询库存信息的方法去判断库存情况，造成提报实验用物品库存材料产生漏报、多报实验用物品库存材料的问题，提高了物品库存的管理水平和使用效率，取得了较好的技术效果。
附图说明
48.图1为所述常用物品月出库量预测方法的示意性流程图。
49.图2为物品库存管理系统的结构模式和实现常用物品月出库量预测方法的物品库存管理系统内部各模块之间的连接传输关系示意图。
具体实施方式
50.有关本发明的详细说明及技术内容，配合附图说明如下：下面结合附图及实施例对本发明作进一步描述：以下实施例仅用于更加清楚地说明本发明的技术方案，而不能以此限制本发明的保护范围。
51.本技术的基于神经网络建立预测模型的方法，实现对各部门每个常用物品库存出库量的预测，并基于该方法建立一种科研机构实验用物品库存管理系统。该方法主要包括以下几个步骤：
52.步骤1：物品库存管理系统计算各部门每个物品库存月出库量平均值，
53.得到物品库存月出库量平均值φ；
54.步骤2：由各部门物品库存管理系统操作人员在物品库存管理系统设定该部门每个物品库存月出库量基准值θ，当各部门每个物品库存出库量平均值φ小于该物品库存月出库量基准值θ时，所述物品库存管理系统将该物品库存设定为该部门“非常用物品”；当各
部门每个物品库存月出库量平均值φ大于该物品库存月出库量基准值θ时，所述物品库存管理系统将该物品库存设定为该部门“常用物品”，并采集该常用物品每月的出库量数据；
55.步骤3：通过所述各部门每个常用物品月出库量神经网络模型计算得到各部门每个常用物品下一个月的月出库量预测值α；
56.步骤4：依据所述各部门每个常用物品月出库量预测值α与该常用物品月出库量平均值φ进行对比，根据对比结果在所述物品库存管理系统中的材料计划报告模块生成的材料计划报告中将各部门每个常用物品标记为“加急采购”或“普通采购”；
57.步骤5：所述物品库存管理系统对各部门每个常用物品库存量数据进行实时更新，各部门每个常用物品库存量数据每更新一次就对各部门每个常用物品出库量神经网络预测模型进行训练，保证各部门每个常用物品月出库量神经网络预测值α的精确性。
58.具体而言，是通过神经网络模型预测物品库存下一个月的月出库量预测值α，并通过所述物品库存管理系统判断该物品库存在下一个月采购计划中的采购优先级。首先运行所述物品库存管理系统，对所述物品库存管理系统中各部门的每个物品库存根据该物品库存出月库量平均值φ与该物品库存月出库量基准值θ比较结果将物品库存定义为“常用物品”或“非常用物品”，对定义为常用物品的物品库存建立月出库量神经网络预测模型；其次利用所述月出库量神经网络预测模型计算出各部门每个常用物品下一个月的月出库量预测值α，之后利用所述物品库存管理系统进行各部门每个常用物品月出库量预测值α与该常用物品当月库存量进行差值计算，得到各部门每个常用物品月库存量偏差值β。当所述各部门每个常用物品月库存量偏差值β大于该常用物品月出库量平均值φ时，物品库存管理系统中材料计划报告模块会在生成材料计划报告中将该常用物品的采购类型标记为“加急采购”。当所述各部门每个常用物品月库存量偏差值β小于该常用物品月出库量平均值φ时，物品库存管理系统中材料计划报告模块会在生成材料计划报告中将该常用物品的采购类型标记为“普通采购”。
59.上述的方法，步骤3中，对所有物品库存管理系统判断的常用物品建立月出库量神经网络预测模型，具体方法如下：
60.步骤31，建立用于所述各部门每个常用物品月出库量神经网络预测模型的数据集，该数据集结构为：
61.输入项目＝物品库存管理系统中的常用物品历史数据[物品库存名称，使用时间，出库量]；
[0062]
输出项目＝常用物品月出库量神经网络预测模型计算结果[物品库存名称，使用时间，出库量]。
[0063]
步骤32，对月出库量预测值α的神经网络模型数据集中的数据进行数据归一化处理。
[0064]
步骤33，创建月出库量预测值α的神经网络模型，所述月出库量神经网络预测模型包括输入层、隐含层和输出层，具体分为以下步骤：
[0065]
步骤331，将数据归一化处理后的出库量数据作为月出库量预测值α神经网络模型的输入层；
[0066]
步骤332，确定隐含层节点个数，根据经验公式来确定，其中h为隐含层节点的数目，m和n分别是输入层和输出层节点的数目，a为1～10之间的调节常数；
[0067]
步骤333，初始化所述神经网络中所有权值，(0，1)内随机进行赋值；
[0068]
步骤334，确定所述神经网络中隐含层、输出层的激活函数，一般选择sigmoid函数，；
[0069]
步骤335，对所述神经网络的训练参数进行赋值。
[0070]
对所述神经网络模型进行训练，具体步骤如下：
[0071]
步骤3351，随机选取某个常用物品出库量数据做为输入样本；
[0072]
步骤3352，计算当前样本隐藏层输入和输出；
[0073]
步骤3353，计算当前样本输出层输入和输出；
[0074]
步骤3354，对误差函数进行计算，误差函数为：
[0075]
步骤3355，其中q为输出层个数，yoo为输出值，d为样本值；
[0076]
步骤3356，计算误差函数对输出层和隐含层之间参数的偏导数；
[0077]
步骤3357，计算误差函数对隐含层和输入层之间参数的偏导数；
[0078]
步骤3358，修正输出层和隐含层之间的参数；
[0079]
步骤3359，修正隐含层和输入层之间的参数；
[0080]
步骤33510，对全局误差进行计算；
[0081]
步骤33511，判断误差是否满足要求。当误差达到预设精度或学习次数大于设定的最大次数时结束算法。
[0082]
为了提高所述常用物品月出库量神经网络预测模型计算结果的准确性，本发明设计了一个月出库量神经网络预测模型数据集数据采集方法，具体方法如下：
[0083]
①
设置一个月出库量神经网络模型数据集采集时间te，以月为单位te＝(1，2，3，...，n)，由各部门物品库存管理系统管理人员在系统中输入数据集采集时间te的参数；
[0084]
②
物品库存管理系统每隔采集时间te自动对每个化学品的月出库量神经网络预测模型根据采集时间te内采集的新数据集d(te1)进行训练；
[0085]
③
在下一个采集时间te到达月数设定值时，产生新的数据集d(te2)，此时d(te2)＝d(te1) te段时间内新产生的数据，以此类推，在每个te时间段内对数据集中的数据进行累加。
[0086]
上述技术方案中，更优选地，所述常用物品建立月出库量神经网络预测模型使用bp神经网络。
[0087]
上述技术方案中，更优选地，所述常用物品建立月出库量神经网络预测模型使用newff函数建立网络。
[0088]
上述技术方案中，更优选地，所述月出库量神经网络预测模型数据集中的数据进行数据归一化处理方法采用z-score标准化方法。
[0089]
上述技术方案中，更优选地，所述神经网络中隐含层、输出层的激活函数选用sigmoid函数。
[0090]
上述技术方案中，优选地，至少有一个关系型数据库能够存储物品库存库存及出/入库信息。
[0091]
上述技术方案中，优选地，至少有一种编程语言能够实现管理系统中的功能。
[0092]
所述科研机构实验用物品库存管理系统包括：出/入库管理模块、库存管理模块、神经网络预测模块、材料计划管理模块、报表查询模块、表单管理模块、基础设置模块、系统管理模块。
[0093]
出/入库管理模块中，常用物品管理模块，其主要功能是所述物品库存管理系统中各部门每个物品库存根据该物品库存月出库量平均值φ与该物品库存月出库量基准值θ比较结果将各部门每个物品库存定义为“常用物品”或“常用物品非常用物品”；出/入库条形码生成模块，其主要功能是在物品库存出/入库时生成物品库存外包装上的条形码；批量出/入库模块，其主要功能是利用管理系统生成的“excle导入模板”统一处理大批量物品库存出/入库业务；批量打印出/入库单模块，其主要功能是在大批量物品库存出/入库时先行录入出/入库信息，并一次性批量打印条形码。
[0094]
库存管理模块中，库存查询模块，其主要功能是根据“部门”、“化学品名称”、“化学品种类”、“化学品出库记录”、“化学品入库记录”等查询条件的组合查询库存信息；常用物品库存量管理模块，其主要功能是采集所述各部门每个常用物品每月的出库量数据，建立用于所述各部门每个常用物品月出库量神经网络预测模型的数据集并定期进行更新。
[0095]
神经网络预测模块，其主要功能是根据上述步骤3中建立出库量神经网络预测模型的方法，对物品库存管理系统中判断为常用物品的每个化学品建立出库量神经网络预测模型，并从出/入库管理模块中获取数据，在出/入库管理模块运行一段时间以后，利用采集的大量出/入库数据作为神经网络建模的基础数据对出库量神经网络预测模型进行训练，实现每个常用物品库存出库量预测功能。
[0096]
材料计划管理模块中，库存统计模块，其主要功能是根据各部门物品库存出/入库记录，结合各部门物品库存库存信息，对各部门所有物品库存以一个月为周期定期进行库存统计；物品库存库存预测模块，其主要功能是利用神经网络预测模块计算各部门每个常用物品月出库量预测值α，与各部门每个常用物品当月的库存量对比，对下一个月物品库存库存量进行预测，对各部门出库量大、库存紧缺的常用物品及时向该部门物品库存管理人员进行提示；材料计划报告模块，其主要功能是根据各部门每个常用物品当月库存量结合各部门每个常用物品的出库量，生成材料计划报告，其中对各部门每个常用物品利用神经网络预测模块计算各部门每个常用物品月出库量预测值α，并对比每个常用物品每月的库存统计情况，对下一个月物品库存情况进行预测，在生成的材料计划报告中将常用物品的采购类型分为“普通采购”和“加急采购”。
[0097]
报表查询模块中，其主要功能是根据“部门”、“化学品名称”、“化学品种类”、“化学品名称”、“出/入库时间”、“物品库存规格”、“物品库存等级”等查询条件的组合，灵活生成用户所需要的报表。
[0098]
表单管理模块中，其主要功能是在系统中线上完成物品库存申请审批流程，并进行领用审批单打印。
[0099]
基础设置模块中，组织架构管理模块，其主要功能是在系统中将各部门按照单位机构设置来进行组织机构划分；人员设置模块，其主要功能是录入各部门物品库存管理人员的信息；单位设置模块，其主要功能是设置物品库存的单位标准，统一所有部门提报的物品库存单位。
[0100]
系统管理模块中，角色管理模块，其主要功能是对物品库存管理系统中各部门物品库存管理人员的权限进行配置；登录密码管理模块，其主要功能是对使用物品库存管理系统的人员用户名及密码进行统一管理。
[0101]
1所示，该流程图展示了用于常用物品判断及常用物品月出库量的预测方法，该方法主要是通过如图2所示的物品库存管理系统100中的出入/库管理模块101判断物品库存管理系统100中各部门每个物品库存是否为该部门的常用物品，物品库存管理系统100中的库存管理模块102采集各部门每个常用物品每月的出库量数据，建立用于所述各部门每个常用物品月出库量神经网络预测模型的数据集并定期进行更新，物品库存管理系统100中的神经网络预测模块103建立各部门每个常用物品月出库量神经网络预测模型并计算部门每个常用物品月出库量预测值α，利用物品库存管理系统100中的材料计划管理模块104来判断常用物品的采购类型，具体而言，该方法包括了一下步骤：
[0102]
如步骤s1所示，先运行物品库存管理系统100，用于进行物品库存的常规管理。如步骤s2所示，由各部门物品库存管理系统管理人员在出入/库管理模块101中设定各部门每个物品库存月出库量基准值θ。如步骤s3所示，在物品库存管理系统运行几个月之后在出入/库管理模块101中计算各部门每个物品库存月出库量平均值φ。如步骤s4所示，在出入/库管理模块101中判断各部门每个物品库存月出库量平均值φ是否大于其月出库量基准值θ。如步骤s5所示，如果各部门每个物品库存月出库量平均值φ小于其月出库量基准值θ，出入/库管理模块101将该物品库存设定为“非常用物品”。如步骤s6所示，如果各部门每个物品库存月出库量平均值φ大于其月出库量基准值θ，出入/库管理模块101将该物品库存设定为“常用物品”。
[0103]
如步骤s6所示，物品库存管理系统100中的库存管理模块102在出入/库管理模块101设定各部门每个常用物品的同时采集各部门每个常用物品每月的出库量数据，建立用于所述各部门每个常用物品月出库量神经网络预测模型的数据集并定期进行更新，具体步骤为：设置一个月出库量神经网络模型数据集采集时间te＝(月数)，各部门物品库存管理系统管理人员设定采集时间te＝1，既一个月采集一次；物品库存管理系统每隔采集时间te自动对每个化学品的月出库量神经网络预测模型根据采集时间te内采集的新数据集d(te1)进行训练；在下一个采集时间te＝1时，产生新的数据集d(te2)，此时d(te2)＝d(te1) te段时间内新产生的数据，以此类推，在每个te时间段内对数据集中的数据进行累加。
[0104]
如步骤s7所示，物品库存管理系统100中的神经网络预测模块103对各部门每个常用物品建立常用物品出库量神经网络预测模型，具体步骤为：采用z-score标准化方法对出库量数据进行归一化处理，将处理后的数据作为月出库量神经网络预测模型的输入层；根据经验公式来确定隐含层节点个数；建立2-3-2bp神经网络模型，既输入层2个节点，隐含层3个节点，输出层2个节点；以(0，1)内随机进行赋值的方式初始化所述神经网络中所有权值；选用sigmoid函数作为隐含层、输出层的激活函数；对所述神经网络的训练参数进行赋值；训练各部门每个常用物品出库量神经网络预测模型。神经网络预测模块103使用建立的各部门每个常用物品出库量神经网络预测模型计算得到各部门每个常用物品月出库量预测值α。
[0105]
如步骤s8所示，物品库存管理系统100中的材料计划管理模块104对各部门每个常用物品月出库量预测值α与该常用物品当月库存量进行差值计算得到该常用物品月库存量
偏差值β。如步骤s9所示，材料计划管理模块104判断各部门每个常用物品月库存量偏差值β是否大于该常用物品月出库量平均值φ。如步骤s10所示，如果各部门每个常用物品月库存量偏差值β小于该常用物品月出库量平均值φ，材料计划管理模块104在生成的材料计划报告中将该常用物品的采购类型标记为“普通采购”。如步骤s11所示，如果各部门每个常用物品月库存量偏差值β大于该常用物品月出库量平均值φ，材料计划管理模块104在生成的材料计划报告中将该常用物品的采购类型标记为“加急采购”。
[0106]
本发明公开了一种基于神经网络建立预测模型的方法，实现对物品库存出库量的预测，并基于该方法建立一种科研机构实验用物品库存管理系统。该方法设计了一个常用物品判断方法，对物品库存管理系统中各部门每个物品库存进行判断，根据判断结果将各部门每个物品库存定义为“非常用物品”或“常用物品”；该方法对各部门每个常用物品建立神经网络预测模块，实时预测常用物品未来出库量并根据预测常用物品未来出库量与该常用物品库存量进行比较，根据比较结果将常用物品采购类型标记为“普通采购”或“加急采购”；该方法设计了一个物品库存出库量神经网络预测模型数据集数据采集方法，最大程度上保证了每个常用物品出库量神经网络预测模型训练数据集所采集数据的完整性，提高了所述物品库存出库量神经网络预测模型计算结果的准确性。该方法解决了科研机构，特别是石油化工科研机构各部门在提报物品库存材料计划时无法根据库存信息及物品库存出库情况对提报物品库存材料计划做出准确判断，只能依靠物品库存管理人员的经验或者查询库存信息的方法去判断库存情况，提高了物品库存的管理水平和使用效率，取得了较好的技术效果。
[0107]
以上所述仅是本发明的优选实施方式，应当说明：对本技术领域的普通技术人员而言，在不脱离本发明的前提下，还可以做出若干改进，这下改进也应视为本发明的保护范围。