农产品交易销售的综合管理平台制造技术

本发明专利技术公开了农产品交易销售的综合管理平台，涉及农产品库存管理技术领域，预先收集仓储信息，以及收集各种农产品的发货量训练数据，基于发货量训练数据，为每种农产品的每个销售周期训练出预测未来发货量的发货量预测模型，在实际发货过程中，基于恒温区域容积集合、存储温度数据集合以及发货量预测模型，为每种农产品获得下一个补货周期的补货数据，根据补货数据，对下一个补货周期中，仓库内各个恒温区域的温度进行调控；降低了温度控制设备的运行成本，提高了仓库的利用效率。提高了仓库的利用效率。提高了仓库的利用效率。

【技术实现步骤摘要】
农产品交易销售的综合管理平台


[0001]本专利技术涉及农产品库存管理
，具体是农产品交易销售的综合管理平台。

技术介绍

[0002]在农产品供应链和仓储管理中，农产品的质量和保鲜度是至关重要的。不同类型的农产品可能对温度、湿度和环境条件有不同的要求，以保持它们的新鲜度、口感和食用价值。因此，需要将仓库内划分为不同的恒温区域，以适应不同农产品的储存需求。
[0003]然而因为不同的农作物可能在每个发货周期内的交易订单数量存在差异，因此若每个发货周期中，仓库的各个恒温区域内的温度缺少变化，可能导致部分农产品被存储在不适宜的温度下，从而导致农产品不能达到保鲜效果，造成经济的损失；
[0004]而目前对不同的恒温区域的温度规划和调控往往是基于经验的，而缺乏量化的预测与分析，因此经常造成农产品保鲜效果不佳、部分恒温区域不能充分利用、多使用了恒温区域从而造成电力浪费等问题；
[0005]申请公开号为CN114926107A的中国专利公开了一种农货库存管理方法及系统，方法包括：通过视频采集方式获取出入库视频信息，根据出入库视频信息获取出入库视频解析数据；获取出入库记录数据；根据出入库记录数据和出入库视频解析数据，核验出入库记录。通过视屏记录出入库过程，与货主记录的出入库信息核对，能够智能、客观的反应库存现状，生成货主的真实记录，用于支持金融授信；然而该专利技术未能考虑到不同农货的存储温度的区别；
[0006]为此，本专利技术提出农产品交易销售的综合管理平台。

技术实现思路

[0007]本专利技术旨在至少解决现有技术中存在的技术问题之一。为此，本专利技术提出农产品交易销售的综合管理平台，降低了温度控制设备的运行成本。
[0008]为实现上述目的，根据本专利技术的第一方面的实施例提出农产品交易销售的综合管理平台，包括仓储信息收集模块、发货量训练数据收集模块、模型训练模块、补货数据收集模块以及仓储温度调控模块；其中，各个模块之间通过电性连接；
[0009]仓储信息收集模块，用于预先收集仓储信息；
[0010]所述仓储信息包括恒温区域容积集合以及存储温度数据集合；
[0011]所述恒温区域容积集合中的每个恒温区域容积对应一个恒温区域的容积；
[0012]其中，所述恒温区域为在存储农产品的仓库中，通过温度控制设备，划分的不同的区域，在每个恒温区域中，保持相同的温度区间；
[0013]其中，所述存储温度数据集合中的每个存储温度数据对应一种农产品以及该农产品的适应的存储温度范围的编号；
[0014]所述仓储信息收集模块将恒温区域容积集合以及存储温度数据集合发送至仓储温度调控模块和补货数据收集模块；
[0015]发货量训练数据收集模块，用于预先收集各种农产品的发货量训练数据；
[0016]其中，所述发货量训练数据包括对应农产品过去每年的每个销售周期中的发货量时间序列；
[0017]所述发货量时间序列为将每个补货周期中的补货量按照时间顺序排列的序列；
[0018]所述发货量训练数据收集模块将农产品的发货量训练数据发送至模型训练模块；
[0019]模型训练模块，用于基于发货量训练数据，为每种农产品的每个销售周期训练出预测未来发货量的发货量预测模型；
[0020]所述为每种农产品的每个销售周期训练出预测未来发货量的发货量预测模型的方式为：
[0021]将农产品类型的编号标记为i，将过去年份的编号标记为y，将第i种农产品的销售周期的编号标记为ti，将过去第y年中，第i种农产品在第ti个销售周期中的发货量时间序列标记为Lyti；
[0022]对于第i种农产品的第ti个销售周期，预设预测时间步长为1、滑动步长以及滑动窗口长度；将过去每年的发货量时间序列Lyti使用滑动窗口方法转化为训练样本集合，将训练样本集合作为发货量预测模型的输入，以每个训练样本在对应的发货量时间序列中，后续预测时间步长的发货量序列作为预测目标，对发货量预测模型进行训练；生成根据过去滑动窗口长度的发货量序列预测未来预测时间步长的发货量序列的发货量预测模型；将第i种农产品的第ti个销售周期的发货量预测模型标记为Mti；
[0023]所述模型训练模块将所有训练完成的发货量预测模型发送至补货数据收集模块；
[0024]补货数据收集模块，用于在实际发货过程中，基于恒温区域容积集合、存储温度数据集合以及发货量预测模型，为每种农产品获得下一个补货周期的补货数据；
[0025]所述为每种农产品获得下一个补货周期的补货数据包括：
[0026]将实际发货过程的时间表示为当前时间，获得当前时间对应的每种农产品的销售周期的编号，将当前时间对应的第i种农产品的销售周期的编号标记为ti0；
[0027]收集每种农产品在当前时间之前滑动窗口长度的发货量序列作为实际发货量序列；
[0028]将第i种农产品的实际发货量序列输入至发货量预测模型Mti中，获得发货量预测模型Mti输出的对未来预测时间步长的发货量的预测输出；
[0029]则所述补货数据包括每种农产品的发货量的预测输出；
[0030]所述补货数据收集模块将补货数据发送至仓储温度调控模块；
[0031]仓储温度调控模块，用于根据补货数据，对下一个补货周期中，仓库内各个恒温区域的存储温度进行调控；
[0032]所述对下一个补货周期中，仓库内各个恒温区域的存储温度进行调控的方式为：
[0033]将第i种农产品的发货量的预测输出标记为Si；
[0034]将存储温度范围的编号标记为f；
[0035]对于第f种存储温度范围，统计所有类型农产品中，存储温度范围的编号为f的农产品类型，将第f种存储温度范围对应的农产品类型的编号集合标记为Gfi；
[0036]计算第f种存储温度范围的预存储总量Zf；则所述预存储总量Zf的计算公式为；
[0037]将恒温区域的编号标记为h，将第h个恒温区域的容积标记为Vh；
[0038]为第f种存储温度范围设置布尔类型的存储变量Xhf；所述存储变量Xhf=1时，表示将第h个恒温区域的存储温度设置在第f种存储温度范围；所述存储变量Xhf=0时，表示不将第h个恒温区域的存储温度设置在第f种存储温度范围；
[0039]设计优化目标函数q；
[0040]其中，所述优化目标函数q的函数表达式为；
[0041]设计约束目标集合U，其中约束目标集合U包括：
[0042]；
[0043]以最小化优化目标函数q为整数规划问题的优化目标，以约束目标集合U作为整数规划问题的约束目标集合，使用整数规划求解工具对该整数规划问题进行求解，得到解集合；基于解集合，对存储温度进行调控；
[0044]基于解集合，对存储温度进行调控的方式为：
[0045]从所述解集合中，找出所有值为1的变量Xhf，则在下一个补货周期中，将第h个恒温区域的存储温度设置为第f种存储温度范围。
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.农产品交易销售的综合管理平台，其特征在于，包括仓储信息收集模块、发货量训练数据收集模块、模型训练模块、补货数据收集模块以及仓储温度调控模块；其中，各个模块之间通过电性连接；仓储信息收集模块，用于预先收集仓储信息，所述仓储信息包括恒温区域容积集合以及存储温度数据集合；仓储信息收集模块将恒温区域容积集合以及存储温度数据集合发送至仓储温度调控模块和补货数据收集模块；发货量训练数据收集模块，用于预先收集各种农产品的发货量训练数据，所述发货量训练数据收集模块将农产品的发货量训练数据发送至模型训练模块；模型训练模块，用于基于发货量训练数据，为每种农产品的每个销售周期训练出预测未来发货量的发货量预测模型，并将所有训练完成的发货量预测模型发送至补货数据收集模块；补货数据收集模块，用于在实际发货过程中，基于恒温区域容积集合、存储温度数据集合以及发货量预测模型，为每种农产品获得下一个补货周期的补货数据，并将补货数据发送至仓储温度调控模块；仓储温度调控模块，用于根据补货数据，对下一个补货周期中，仓库内各个恒温区域的存储温度进行调控。2.根据权利要求1所述的农产品交易销售的综合管理平台，其特征在于，所述恒温区域容积集合中的每个恒温区域容积对应一个恒温区域的容积；其中，所述恒温区域为在存储农产品的仓库中，通过温度控制设备，划分的不同的区域，在每个恒温区域中，保持相同的温度区间；其中，所述存储温度数据集合中的每个存储温度数据对应一种农产品以及该农产品的适应的存储温度范围的编号。3.根据权利要求2所述的农产品交易销售的综合管理平台，其特征在于，所述发货量训练数据包括对应农产品过去每年的每个销售周期中的发货量时间序列；所述发货量时间序列为将每个补货周期中的补货量按照时间顺序排列的序列。4.根据权利要求3所述的农产品交易销售的综合管理平台，其特征在于，所述为每种农产品的每个销售周期训练出预测未来发货量的发货量预测模型的方式为：将农产品类型的编号标记为i，将过去年份的编号标记为y，将第i种农产品的销售周期的编号标记为ti，将过去第y年中，第i种农产品在第ti个销售周期中的发货量时间序列标记为Lyti；对于第i种农产品的第ti个销售周期，预设预测时间步长为1、滑动步长以及滑动窗口长度；将过去每年的发货量时间序列Lyti使用滑动窗口方法转化为训练样本集合，将训练样本集合作为发货量预测模型的输入，以每个训练样本在对应的发货量时间序列中，后续预测时间步长的发货量序列作为预测目标，对发货量预测模型进行训练；生成根据过去滑动窗口长度的发货量序列预测未来预测时间步长的发货量序列的发货量预测模型；将第i种农产品的第ti个销售周期的发货量预测模型标记为Mti。5.根据权利要求4所述的农产品交易销售的综合管理平台，其特征在于，所述为每种农产品获得下一个补货周期的补货数据包括：将实际发货过程的时间表示为当前时间，获得当前时间对应的每种农产品的销...

【专利技术属性】
技术研发人员：毛霖，张帆，陈海军，齐佰剑，杨庆庆，黄德民，
申请(专利权)人：南京龟兔赛跑软件研究院有限公司，
类型：发明
国别省市：