-
公开(公告)号：CN111242672A
公开(公告)日：2020-06-05
申请号：CN201911393853.5
申请日：2019-12-30
IPC: G06Q30/02
Abstract: 本发明公开了一种基于增量算法的需求预测方法。该方法在提取特征后对特征进行差分处理，得到当前特征相对于历史特征的增量；对需求进行差分处理，得到当前需求量相对于历史需求量的增量需求；增量特征与初始特征构建特征矩阵；特征矩阵和增量需求构成训练数据；采用机器学习方法训练增量需求估计模型；利用学到的模型估计未来的增量，从而得到未来的需求预测。该方法通过预测需求增量，可以减少那些无法定量表征的因素对预测的影响，有效提升需求预测的准确度。
-
公开(公告)号：CN111127072A
公开(公告)日：2020-05-08
申请号：CN201911114233.3
申请日：2019-11-14
IPC: G06Q30/02
Abstract: 本发明公开了一种新产品需求的多阶段实时预测方法。该方法的创新点在于提取趋势因子TF作为公共的预测特征；对已有产品聚类，把新产品以一定概率归入对应的类；结合巴斯曲线，选取与新产品相同的类里面的相同销售阶段的数据，输入机器学习模型训练；在新产品对应的类得到的预测模型中输入新产品的预测特征，进行组合预测。该方法可以灵活实现新产品多阶段同时、实时的预测。
-
Patent Agency Ranking
公开(公告)号：CN115018428A
公开(公告)日：2022-09-06
申请号：CN202210840698.2
申请日：2022-07-18
Abstract: 本发明公开了一种考虑预测不确定性的配送调度方法、装置及可存储介质，涉及物流管理技术领域，其中方法包括：确定调度决策周期时长、当前决策时刻以及配送员集合；提取配送员个人特征数据集，以及配送员对应的历史配送记录的配送时间特征矩阵，利用聚类方法处理所述个人特征数据集及所述配送时间特征矩阵，寻找最优类目数量和聚类方案，构建个性化配送时间预测模型，并对所述个性化配送时间预测模型进行训练得到配送员配送时间模型等步骤；本发明建立同步聚类和预测的配送时间预测模型，结合到物流调度算法中，并考虑预测算法的估计不确定性，可以实现更精准的供需匹配，提高决策的鲁棒性，有效降低配送成本和配送时间。
-
公开(公告)号：CN115130968A
公开(公告)日：2022-09-30
申请号：CN202210840136.8
申请日：2022-07-18
Abstract: 本发明公开了一种考虑个性化配送能力的物流配送调度方法及系统，应用于物流配送技术领域，确定调度决策周期时长，当前决策时刻，配送员集合；提取特征集，根据特征集设计聚类算法，对配送员进行分类，并针对每类配送员计算个性化的每趟最大接单数；提取历史配送记录的配送速度‑特征矩阵，训练得到个性化配送速度预测模型；基于个性化的最大接单数和个性化配送速度预测模型，构建配送调度模型；利用启发式算法求解物流配送调度方案。本发明通过计算个性化最大接单数和个性化配送速度预测模型，对配送员的每趟最大接单数和配送速度进行高频实时预测，并将此整合到物流配送决策过程中，实现高频调度，进行全局优化。
-
公开(公告)号：CN118154234A
公开(公告)日：2024-06-07
申请号：CN202410200581.7
申请日：2024-02-23
IPC: G06Q30/0202 , G06F18/213 , G06F18/243 , G06F18/2415 , G06N20/00
Abstract: 本发明公开了一种针对即时服务需求的自适应分层预测方法，涉及需求预测技术领域。包括：训练自顶向下增量预测模型和自下而上增量预测模型，构建自适应分类器；提取未来τ时段的分类特征、顶层预测特征和底层预测特征；将未来τ时段的分类特征输入至训练好的自适应分类器中进行自适应分层；基于自适应分层结果，将顶层特征输入至自顶向下增量预测模型，或将底层特征输入至自下向上增量预测模型，得到未来τ时段的需求预测值；输出未来τ时段的需求预测值。本发明有助于在提高预测精度、实时识别出真正影响实时需求的因素，为动态运营提供科学指导。
-
公开(公告)号：CN111242368B
公开(公告)日：2024-03-15
申请号：CN202010020350.X
申请日：2020-01-09
IPC: G06Q10/04 , G06Q10/0631 , G06Q10/083
Abstract: 本发明公开了一种基于场景推演的物流配送调度算法。该方法提取决策时刻点及过去的若干场景的多维特征；针对每一维特征计算决策时刻点和过去的场景库的距离，将多个距离组合后，选取距离最小的历史场景对应的订单集作为对未来订单集的预测；基于现有未完成的订单集和未来时段的预测订单集，构建配送调度模型，利用启发式算法给出物流配送调度方案。本发明将针对大规模稀疏网络的订单集的预测问题，转变为构建高维特征空间，并在该高维空间计算不同场景距离的问题。并构建配送优化模型将该预测结果整合到调度决策过程中，避免调度方案的短视性，有效降低配送成本和配送时间。
-
公开(公告)号：CN111242368A
公开(公告)日：2020-06-05
申请号：CN202010020350.X
申请日：2020-01-09
Abstract: 本发明公开了一种基于场景推演的物流配送调度算法。该方法提取决策时刻点及过去的若干场景的多维特征；针对每一维特征计算决策时刻点和过去的场景库的距离，将多个距离组合后，选取距离最小的历史场景对应的订单集作为对未来订单集的预测；基于现有未完成的订单集和未来时段的预测订单集，构建配送调度模型，利用启发式算法给出物流配送调度方案。本发明将针对大规模稀疏网络的订单集的预测问题，转变为构建高维特征空间，并在该高维空间计算不同场景距离的问题。并构建配送优化模型将该预测结果整合到调度决策过程中，避免调度方案的短视性，有效降低配送成本和配送时间。
-
-
-
-
-
-
Search Results
7
records
(took 0.02 seconds)
