[发明专利]基于混合模型的数字孪生供应链物流需求预测方法

说明书

一种基于混合模型的数字孪生供应链物流需求预测方法，包括如下步骤，构建以当地产业结构为核心的影响因素指标体系。构建YWP‑Elman模型和FWOA‑Elman模型并进行预测。建立了一种自适应权重的混合预测模型进行预测，其中自适应权重考虑了预测模型的贡献和预测结果的误差情况。本发明以大数据分析为基础，以当地产业结构为核心，围绕物资需求与供应的关联关系，研究构建预测模型，考虑多种价值数据，进行数据训练，兼顾规模效应，开展精准预测工作，形成完善的物流需求预测体系。此预测体系可根据预测模型的贡献和预测结果的误差情况灵活调整，可以有效提高预测精度。

技术领域

本发明属于预测模型技术领域，具体涉及一种基于混合模型的数字孪生供应链物流需求预测方法。

背景技术

数字孪生作为实现信息物理交互与融合的关键技术，主要研究如何获取系统的全要素虚拟映像以满足定制化物流系统对未知需求和环境的监视与仿真要求。随着物联网技术的深入发展，数字孪生技术可以提供物联网设备中所有的运行状态信息，并为供应链网络提供端到端的流程可视化工具，提高生产效率并且可以对设备运行状态进行监控、预警。

发明内容

本发明所要解决的技术问题是克服现有技术的不足，提供一种基于混合模型的数字孪生供应链物流需求预测方法，以大数据分析为基础，以当地产业结构为核心，围绕物资需求与供应的关联关系，研究构建预测模型，考虑多种价值数据，进行数据训练，兼顾规模效应，开展精准预测工作，形成完善的物流需求预测体系。

本发明提供一种基于混合模型的数字孪生供应链物流需求预测方法，包括如下步骤，

步骤S1.建立以当地产业结构为核心的影响因素指标体系，包括经济产业结构、经济发展水平、地理区位、物流因素、消费市场因素、可替代品因素、不可抗力因素；

步骤S2.构建YWP-Elman模型和FWOA-Elman模型并进行预测，并记录预测数据以及误差；

步骤S3.根据预测模型的贡献和预测结果的误差情况，建立了自适应权重的混合预测模型进行预测。

作为本发明的进一步技术方案，步骤S1中，经济发展水平的二级指标为所在地区GDP等级和社会消费品零售总额；地理区位的二级指标为地区仓储量和仓库距离；物流因素的二级指标为交通网络、货运量和货物周转量；消费市场因素的二级指标为常住人口、产品总产量、社交网络趋势和居民消费水平；可替代品因素的二级指标为缺货率和可替代品产量；不可抗力因素的二级指标为天气和自然灾害；经济产业结构的二级指标为第一产业产值、第二产业产值和第三产业产值。

更进一步的，对一级指标不可抗力因中的二级指标进行抽象化定义，从而抽象出在不同天气等影响下的不可抗力因素；

天气以及自然灾害对物流运输方式的影响定义为

公路运输中天气影响的定义为

铁路运输中天气影响的定义为

航空运输中天气影响的定义为

水路运输中天气影响的定义为

极端天气自然灾害影响交通运输的定义为

综上，在不同天气等影响下的不可抗力因素定义为：

更进一步的，利用分析历史数据方式确定产品属性权重，建立基于历史数据预测的产品属性值排序，来估计产品缺货替代率，具体为，

对产品属性值进行指标评价；