基于时空注意力网络的供应链需求预测方法.docxVIP

基于时空注意力网络的供应链需求预测方法

技术领域

本发明涉及供应链管理与人工智能技术领域，具体涉及一种基于时空注意力网络的供应链需求预测方法。

背景技术

传统的供应链需求预测方法多采用时间序列模型（如ARIMA）或浅层机器学习模型，仅依赖历史销售数据进行单维度预测，忽略了供应链网络中不同节点、不同区域之间的时空关联特征，也未能有效融合天气、节假日、促销活动等多源外部影响因素。这导致在市场波动较大、供应链网络复杂的场景下，预测准确率较低，进而引发库存积压或缺货问题，增加了供应链的运营成本。

发明内容

本发明的目的在于针对现有技术的不足，提供一种基于时空注意力网络的供应链需求预测方法，以提升复杂供应链网络下的需求预测准确率。

该方法包括：

S1、多源数据采集与预处理：采集供应链各节点的历史销售数据、库存数据，以及天气、节假日、促销活动等外部数据，进行归一化与缺失值填充处理；

S2、时空特征提取：构建时空注意力模块，对不同区域、不同节点的时间序列数据进行关联建模，自动学习不同节点间的空间依赖关系以及不同时间步的时间依赖关系；

S3、模型训练：基于预处理后的数据与提取的时空特征，训练融合了注意力机制的图神经网络模型，优化预测损失函数；

S4、动态预测与更新：利用训练好的模型进行多步需求预测，并根据实时数据动态更新模型参数，实现预测结果的自适应调整。

有益效果：本发明通过时空注意力网络有效捕