【技术实现步骤摘要】
本专利技术涉及物资采购，尤其是涉及一种基于时间序列预测模型的物资采购智能算法。
技术介绍
1、在物资管理和采购领域，准确预测年度物资采购需求是一个关键但复杂的任务。过多的采购可能导致资金占用和物资浪费，而采购不足则可能影响生产进度和满足客户需求。因此，一种能够基于历史数据科学预测年度物资采购需求的系统，具有重要的实际应用价值。传统的采购模式依据人的经验结合现场需求申报，申报过程中伴随有不准确性、申报数量放大、缺漏项等情况，容易造成项目库存积压和库存物资浪费的情况。
技术实现思路
1、本专利技术的主要目的在于提供一种基于时间序列预测模型的物资采购智能算法，解决传统的采购模式依赖人工经验，易造成采购数量不准确而导致的项目库存积压和物资浪费的问题。
2、为解决上述技术问题，本专利技术所采用的技术方案是：一种基于时间序列预测模型的物资采购智能算法，包括以下步骤：
3、s1、收集物资的历史领料数据，并对其进行清洗和预处理，以去除异常值、缺失值和重复值；
4、s2、对若干年的历史领料数据进行时间序列分析，以识别历史领料数据是否存在周期性模式或趋势，并根据其特性判断arima(p,d,q)中p、d、q的阶数，初步确定arima(p,d,q)时间序列模型；
5、s3、根据历史领料数据，利用s2中的arima(p,d,q)时间序列模型建立预测模型，初步预测未来若干年的物资领用量，根据未来若干年的物资领用量预测结果对参数进行调整，利用aic模型评估指标来
6、s4、利用历史领料数据，确定年度采购数量m的范围，建立采购规则和年度推荐采购模型；
7、s5、根据未来的年度物资领用量pi(i＝1,2,…i…n)和年度推荐采购模型，形成未来若干年的年度采购量推荐表，并同步至智慧仓储物资管理平台；
8、s6、设置预警库存值t1，并对库存量p进行实时监控，低于预警库存值后启动紧急补货措施。
9、优选方案中，所述步骤s1，历史领料数据包括：历史采购周期、若干年的历史领料数据pi1(i＝1,2,…i…n)、保质期t。
10、优选方案中，所述步骤s2中，根据若干年的历史领料数据，通过自相关图和偏自相关图对历史领料数据的周期性和趋势进行判断，初步确定arima模型的相关阶数p、d、q，即arima(p,d,q)；
11、其中，p是自回归项的阶数，q是移动平均项的阶数，d是差分的阶数。
12、优选方案中，所述步骤s3中，根据未来若干年的年度物资领用量预测结果对参数进行调整，包括以下步骤：
13、s11、将数据集划分为训练集和测试集，在训练集上训练模型并预测测试集的值，然后利用均方误差或均方根误差将实际值与预测值进行比较，比较预测值与实际值的差异，计算预测误差，评估预测的准确性；
14、s12、根据预测误差结果，调整arima模型中自回归项的阶数、差分的阶数和移动平均项的参数。
15、优选方案中，所述步骤s3中，利用aic模型评估指标来确定最优模型，包括以下步骤：
16、s21、计算各个阶数下的arima模型的aic值；
17、s22、比较不同阶数下模型的aic值，选择使得aic值最小的阶数作为最优模型的阶数。
18、优选方案中，所述步骤s4中，假设每次采购数量不低于m0，根据当前年度物资数量p、未来的年度物资领用量pi(i＝1,2,…i…n)、平均采购周期ta、保质期t，建立年度采购数量m的计算公式，采购数量m满足以下公式：
19、
20、其中，μ为浮动系数，
21、优选方案中，所述μ为浮动系数，且在区间中给定包括区间端点的m个等距节点μ1,μ2…μj…μm。
22、优选方案中，所述步骤s4中，采购规则如下：
23、
24、其中，pi≠0，d1,d2,…,dm表示划分的m个采购级数，且有d1≤d2≤…≤dm。
25、优选方案中，所述步骤s6中，所述预警库存值t1满足下列公式：
26、
27、其中，ta为平均采购周期。
28、本专利技术提供了一种基于时间序列预测模型的物资采购智能算法，首先，通过历史领料数据，结合时间序列预测模型，对未来若干年的年度物资领用量进行预测，其次，利用年度历史领料数据，确定年度采购数量的范围，建立采购规则和年度推荐采购模型，最后，利用未来若干年的年度物资领用量和年度推荐采购模型，形成未来若干年的年度采购量推荐表，此外，设置预警库存值，对库存量p进行实时监控，低于预警库存值后启动紧急补货措施，避免产生库存缺货、断货的情况。本专利技术避免采购缺漏以及申报不准确，具有长期效益，有效的避免了库存积压，有益于降本增效，节约资源。
本文档来自技高网...【技术保护点】
1.一种基于时间序列预测模型的物资采购智能算法，其特征是：包括以下步骤：
2.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤S1，历史领料数据包括：历史采购周期、若干年的历史领料数据Pi1(i＝1,2,…i…n)、保质期T。
3.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤S2中，根据若干年的历史领料数据，通过自相关图和偏自相关图对历史领料数据的周期性和趋势进行判断，初步确定ARIMA模型的相关阶数p、d、q，即ARIMA(p,d,q)；
4.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤S3中，根据未来若干年的年度物资领用量预测结果对参数进行调整，包括以下步骤：
5.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤S3中，利用AIC模型评估指标来确定最优模型，包括以下步骤：
6.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤S4中，假设每次采购数量不低
7.根据权利要求6所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述μ为浮动系数，且在区间中给定包括区间端点的m个等距节点μ1,μ2…μj…μm。
8.根据权利要求7所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤S4中，采购规则如下：
9.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤S6中，所述预警库存值T1满足下列公式：
...【技术特征摘要】
1.一种基于时间序列预测模型的物资采购智能算法，其特征是：包括以下步骤：
2.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤s1，历史领料数据包括：历史采购周期、若干年的历史领料数据pi1(i＝1,2,…i…n)、保质期t。
3.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤s2中，根据若干年的历史领料数据，通过自相关图和偏自相关图对历史领料数据的周期性和趋势进行判断，初步确定arima模型的相关阶数p、d、q，即arima(p,d,q)；
4.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特征是：所述步骤s3中，根据未来若干年的年度物资领用量预测结果对参数进行调整，包括以下步骤：
5.根据权利要求1所述一种基于时间序列预测模型的物资采购智能算法，其特...
【专利技术属性】
技术研发人员：饶蕾，蔡伟，黄家志，吴礼贵，卫沈傲，赵业文，李雅斐，黄真懿，谢淮东，官文，
申请(专利权)人：中国长江电力股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。