(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211069120.8 (22)申请日 2022.09.02 (71)申请人 清华大学深圳国际研究生院 地址 518055 广东省深圳市南 山区西丽 街 道深圳大 学城清华校区A栋二楼 申请人 深圳悦厚科技有限公司 (72)发明人 陈伟坚　徐璐　刘兴禄　刘建锋　 李志德　 (74)专利代理 机构 深圳新创友知识产权代理有 限公司 4 4223 专利代理师 江耀锋 (51)Int.Cl. G06Q 30/02(2012.01) G06Q 10/08(2012.01) G06N 3/04(2006.01) (54)发明名称 一种基于预测模型的易逝商品采购量优化 方法 (57)摘要 本发明公开了一种基于预测模型的易逝商 品采购量优化方法， 包括以下步骤： 获取待预测 商品的历史需求数据和相关特征； 选取k个需求 预测模型， 分别对需求进行预测， 得到预测的需 求量， 其结果作为k种随机场景； 将所述随机场景 代入两阶段随机规划模型中进行求解， 得到每种 商品的最优 预采购量， 两阶段随机规划模型中第 一阶段确定提前采购的数量， 第二阶段确定补货 采购量； 待真实需求已知时， 根据真实需求计算 补充采购量。 本发明的方法结合了多种需求预测 模型， 能够解决单一模型很难准确预测并在节约 成本方面有稳定的良好表现的缺陷， 准确预测易 逝商品采购需求， 可以同时对 “一篮子商品 ”同时 进行预测和采购优化， 具有较好的实用性和可落 地性。 权利要求书2页 说明书13页 附图2页 CN 115392977 A 2022.11.25 CN 115392977 A 1.一种基于预测模型的易逝商品采购量优化方法， 其特 征在于， 包括以下步骤： S1： 获取待预测商品的历史需求数据和相关特 征； S2： 选取k个需求预测模型， 分别对需求进行预测， 得到预测的需求量， 其结果作为k种 随机场景； S3： 将所述随机场景代入两阶段随机规划模型中进行求解， 得到每种商品的最优预采 购量； S4： 待真实需求已知时， 根据真实需求计算补充采购量； 其中， 两阶段随机规划模型中第一阶段确定提前采购的数量， 第二阶段确定补货采购 量。 2.如权利要求1所述的方法， 其特征在于， 步骤S3 中所述两阶段随机规划模型中第一阶 段要最小化的目标函数由两部 分组成： 第一阶段的提前采购预期成本和 第二阶段的补货采 购预期成本， 由以下公式表达： 其中， xi指产品i的预购数量， π指满足一天内所有订单需求付出的总成本， 指所有易 逝产品的集合， c1i指提前采购的易逝产品i的价格， 指补货采购阶段的预期成 本， 其中y的含义 为补充采购阶段 各商品采购量组成的向量。 3.如权利要求2所述的方法， 其特征在于， 所述第 二阶段的补货采购预期 成本由以下公 式表示： 其中， xi指产品i的预购数量， 指所有易逝产品的集合， c2i指补货采购中产品i的价 格， ξs指所有产品需求的一个可 能场景， yi， s指补货时产品i的采购量， 指当天产品i的 预测需求 量在场景s下的产品i的预测需求， Ω指生成的所有随机场景的集 合。 4.如权利要求2所述的方法， 其特 征在于， 所述目标函数的约束条件 包括： 其中， xi指产品i的预购数量， 指所有易逝产品的集 合。 5.如权利要求2所述的方法， 其特 征在于， 所述目标函数的约束条件 包括： 其中， xi指产品i的预购数量， 指所有易逝产品的集合， 指当天产品i的预测需 求量在场景s下的产品i的预测需求。权　利　要　求　书 1/2 页 2 CN 115392977 A 26.如权利要求2所述的方法， 其特 征在于， 所述补货采购预期成本的约束条件 包括： 其中， yi， s指补货时产品i的采购量， 指所有易逝产品的集合， ξs指所有产品需求的一 个可能场景， Ω指生成的所有随机场景的集 合。 7.如权利要求5所述的方法， 其特 征在于， 所述补货采购预期成本的约束条件 包括： 其中， yi， s指补货时产品i的采购量， 指所有易逝产品的集合， xi指产品i的预购数量， ξs指所有产品需求的一个可能场景， 指当天产品i的预测需求量在场景s下的产品i的 预测需求， Ω指生成的所有随机场景的集 合。 8.如权利要求1所述的方法， 其特 征在于， 所述预测模型 是训练好的需求预测模型。 9.如权利 要求1所述的方法， 其特征在于， 所述预测模型包括7天中位数模型和ANN ‑MLP 模型。 10.一种计算机可读存储介质， 其上存储有计算机程序， 其特征在于， 该计算机程序被 处理器执行时能实现权利要求1 ‑9任一项所述的方法。权　利　要　求　书 2/2 页 3 CN 115392977 A 3