[发明专利]一种物料需求量的预测方法及装置

权利要求书

1.一种物料需求量的预测方法，其特征在于，包括：

获取目标物料在历史时段内的历史消耗数据；

根据所述历史消耗数据确定所述目标物料的需求量区间；

将所述需求量区间的一个子集确定为所述目标物料在目标时段内的目标需求区间，所述目标时段的开始时间晚于所述历史时段的结束时间；

根据所述目标需求区间预测所述目标物料在所述目标时段内的目标需求量，所述目标需求量属于所述目标需求区间；

所述根据所述历史消耗数据确定所述目标物料的需求量区间，包括：对每组样本数据执行数据标准化操作，以获取该组样本数据中所述目标物料的标准消耗量；将所有样本数据中标准消耗量的最大值和最小值形成的区间作为所述目标物料的需求量区间；

所述将所述需求量区间的一个子集确定为所述目标物料在目标时段内的目标需求区间，包括：获取所述目标物料的N个关联物料在所述目标时段内的需求量；确定由所述需求量构成的需求向量；通过预置的深度神经网络DNN模型训练所述历史消耗数据，以确定所述N个关联物料的消耗量与L个离散区间之间的对应关系；根据所述N个关联物料的消耗量与所述L个离散区间之间的对应关系，确定与所述需求向量对应的所述目标物料在所述目标时段内的目标需求区间。

2.根据权利要求1所述的方法，其特征在于，所述历史消耗数据包括至少一组样本数据，每组样本数据包括该样本内所述目标物料的实际消耗量以及该样本内所述目标物料的N个关联物料的实际消耗量，N为大于或等于1的整数。

3.根据权利要求2所述的方法，其特征在于，所述对每组样本数据执行数据标准化操作，包括：

根据该组样本数据中N个关联物料的实际消耗量计算关联向量的范数，所述关联向量由所述N个关联物料的实际消耗量构成；

用该组样本数据中目标物料的实际消耗量除以所述关联向量的范数，以获取该组样本数据中所述目标物料的标准消耗量。

4.根据权利要求3所述的方法，其特征在于，在所述对每组样本数据执行数据标准化操作之前，还包括：

根据预置的第一关系表和/或预置的第二关系表，从所述历史消耗数据中包含的M个原始物料中确定所述目标物料的N个关联物料，所述第一关系表用于指示所述目标物料的至少一个关联物料，所述第二关系表用于指示实际使用中所述目标物料与M个原始物料中至少一个原始物料的相关度，M为大于N的整数。

5.根据权利要求2-4中任一项所述的方法，其特征在于，所述将所述需求量区间的一个子集确定为所述目标物料在目标时段内的目标需求区间，还包括：

对所述需求量区间执行数据离散化操作，以获取L个连续的离散区间，其中，所述L个离散区间中的每一个离散区间为所述需求量区间的一个子集，L为大于或等于1的整数；

将所述L个离散区间中的一个离散区间确定为所述目标物料在所述目标时段内的目标需求区间。

6.根据权利要求1所述的方法，其特征在于，所述根据所述目标需求区间预测所述目标物料在所述目标时段内的目标需求量，包括：

在所述目标需求区间内确定一个目标值；

将所述目标值与所述需求向量的范数的乘积作为所述目标需求量。