专利汇可以提供物流管理系统的发车数据预测方法专利检索,专利查询,专利分析的服务。并且本 发明 涉及一种物 流管 理系统的发车数据预测方法,包括以下步骤:从历史 数据库 中读取统计时间内发车选项对应的第一历史数据,根据所述统计时间生成树形数据结构;为各个第一时间周期设置权重,根据所述权重、各个第三时间周期的第一历史数据以及各个第二时间周期内的第一历史数据获取 选定 时间内发车量的估计值;获取输入的发车计划对应的第一发车数据以及对应的第一影响因子,以所述发车量的估计值为输入,以选定时间内的发车量对应的第二发车数据为输出,以所述第一发车数据以及所述第一影响因子为反馈量构建 预测模型 ;根据所述预测模型对选定时间内的发车数据进行预测。,下面是物流管理系统的发车数据预测方法专利的具体信息内容。
1. 一种物流管理系统的发车数据预测方法,其特征在于,包括W下步骤: 从历史数据库中读取统计时间内发车选项对应的第一历史数据,根据所述统计时间生 成树形数据结构;其中,将所述统计时间划分为若干个等长的第一时间周期,将各个第一时 间周期设为所述树形数据结构的第一层,将各个第一时间周期划分为相同数量的第二时间 周期,将各个第二时间周期设为所述树形数据结构的第二层,将各个第二时间周期划分为 若干个第Ξ时间周期,将各个第Ξ时间周期设为所述树形数据结构的第Ξ层; 为各个第一时间周期设置权重,根据所述权重、各个第Ξ时间周期的第一历史数据W 及各个第二时间周期内的第一历史数据获取选定时间内发车量的估计值. 获取输入的发车计划对应的第一发车数据W及对应的第一影响因子,W所述发车量的 估计值为输入,W选定时间内的发车量对应的第二发车数据为输出,W所述第一发车数据 W及所述第一影响因子为反馈量构建预测模型; 根据所述预测模型对选定时间内的发车数据进行预测。
2. 根据权利要求1所述的物流管理系统的发车数据预测方法,其特征在于,为各个第一 时间周期设置权重,根据所述权重、各个第Ξ时间周期的第一历史数据W及各个第二时间 周期内的第一历史数据获取选定时间内发车量的估计值的步骤包括: 根据发车选项中方向对应的类别将各个第Ξ时间周期内的第一历史数据划分为若干 项第二历史数据,根据第a个第一时间周期的第b个第二时间周期内第二历史数据和第a个 第一时间周期的第b个第二时间周期的第C个第Ξ时间周期内的第二历史数据计算第a个第 一时间周期的第b个第二时间周期的第C个第Ξ时间周期内的第一发车比率值,根据预设的 权重对所述第一发车比率值进行加权平均,获取选定时间内的第一预测数据;其中,所述权 重根据所述第Ξ时间周期对应的第一时间周期与当前时间的时间间隔的关联关系而设定; a、b和C为正整数; 根据第a个第一时间周期的第b个第二时间周期内的第一历史数据和第a个第一时间周 期的第b个第二时间周期的第C个第Ξ时间周期内的第一历史数据计算第a个第一时间周期 的第b个第二时间周期的第C个第Ξ时间周期内的第二发车比率值,根据所述权重对所述第 二发车比率值进行加权平均,获取选定时间内的第二预测数据,对所述第二预测数据进行 时间序列分析,获取选定时间内的第Ξ预测数据; 根据所述第一预测数据和第Ξ预测数据获取选定时间内发车量的估计值。
3. 根据权利要求2所述的物流管理系统的发车数据预测方法,其特征在于,计算第a个 第一时间周期的第b个第二时间周期的第C个第Ξ时间周期内的第一发车比率值的步骤包 括: 根据如下公式计算所述第一发车比率值:
式中,丫 ab。为第a个第一时间周期的第b个第二时间周期的第C个第Ξ时间周期内的第 一发车比率值,xab。为第a个第一时间周期的第b个第二时间周期的第C个第Ξ时间周期内的 第二历史数据,Xab为第a个第一时间周期的第b个第二时间周期内第二历史数据。
4. 根据权利要求2所述的物流管理系统的发车数据预测方法,其特征在于,根据预设的 权重对所述第一发车比率值进行加权平均,获取选定时间内的第一预测数据的步骤包括: 根据如下公式对所述第一发车比率值进行加权平均:
式中,Pi为第一预测数据,λ。为第a个第一时间周期对应的权重,丫 ab。为第a个第一时间 周期的第b个第二时间周期的第C个第Ξ时间周期内的第一发车比率值。
5. 根据权利要求2所述的物流管理系统的发车数据预测方法,其特征在于,计算第a个 第一时间周期的第b个第二时间周期的第C个第Ξ时间周期内的第二发车比率值的步骤包 括: 根据如下公式计算所述第二发车比率值:
式中,iU。为第a个第一时间周期的第b个第二时间周期的第C个第Ξ时间周期内的第二 发车比率值,yab。为第a个第一时间周期的第b个第二时间周期的第C个第Ξ时间周期内的第 一历史数据,yab为第a个第一时间周期的第b个第二时间周期内第一历史数据。
6. 根据权利要求2所述的物流管理系统的发车数据预测方法,其特征在于,根据所述权 重对所述第二发车比率值进行加权平均,获取选定时间内的第二预测数据的步骤包括: 根据如下公式对所述第二发车比率值进行加权平均:
式中,P2为第二预测数据,λ。为第a个第一时间周期对应的权重,iUc为第a个第一时间周 期的第b个第二时间周期的第C个第Ξ时间周期内的第二发车比率值。
7. 根据权利要求2所述的物流管理系统的发车数据预测方法,其特征在于,对所述第二 预测数据进行时间序列分析,获取选定时间内的第Ξ预测数据的步骤包括: 从各个第二时间周期中截取若干个第Ξ时间周期,设为第四时间周期,根据第四时间 周期内各个第Ξ时间周期对应的时间选项将各个第Ξ时间周期划分为若干个周期类别; 根据第a个第一时间周期的第d个第四时间周期的第i个周期类别的第Ξ时间周期内的 第一历史数据与第a个第一时间周期的第d个第四时间周期内的第一历史数据计算第a个第 一时间周期的第d个第四时间周期的第i个周期类别的第Ξ时间周期内的第Ξ发车比率值, 根据所述权重对所述第Ξ发车比率值进行加权平均,获取对应的第四预测数据; 对所述第二预测数据进行归一化处理,根据所述第Ξ发车比率值对归一化的第二预测 数据进行校正,对校正后的第二预测数据进行平滑处理,获取对应的第四预测数据; 从所述选定时间内选择若干个第Ξ时间周期,将所述第Ξ时间周期对应的第四预测数 据设为0,重复上述步骤,获取对应的第Ξ预测数据。
8. 根据权利要求7所述的物流管理系统的发车数据预测方法,其特征在于,在获取对应 的第Ξ预测数据之后,还包括W下步骤: 计算各个第二时间周期内的设定时间点W后的第一发车比率值的第一总和,对所述第 一总和进行加权平均,获取选定时间内的第五预测数据; 计算各个第二时间周期内的设定时间点W后的第Ξ预测数据的第二总和; 根据所述第五预测数据和第二总和对所述第Ξ预测数据进行校正。
9. 根据权利要求8所述的物流管理系统的发车数据预测方法,其特征在于,根据所述第 五预测数据和第二总和对所述第Ξ预测数据进行校正的步骤包括: 根据如下公式对所述第Ξ预测数据进行校正:
式中,Ρ3'为校正后设定时间点W前的第Ξ预测数据,Ρ3"为校正后设定时间点W后的第 Ξ预测数据,Ρ3为校正前的第Ξ预测数据,P3,t为设定时间点W后的第Ξ预测数据,Ρ5为第五 预测数据。
10. 根据权利要求1至9任意一项所述的物流管理系统的发车数据预测方法,其特征在 于,所述统计时间为Ξ年,所述第一时间周期为一年,所述第二时间周期为一个月,所述第 Ξ时间周期为一天。
标题 | 发布/更新时间 | 阅读量 |
---|---|---|
橡胶的选定方法 | 2020-05-11 | 120 |
焊接线选定方法 | 2020-05-11 | 138 |
电动机的容量选定装置、容量选定方法及容量选定程序 | 2020-05-11 | 576 |
马达的最佳动作模式选定方法、马达的最佳动作模式选定程序以及马达选定装置 | 2020-05-12 | 86 |
焊接线选定方法 | 2020-05-11 | 137 |
照明选定支援系统 | 2020-05-12 | 869 |
选定确认定位优化 | 2020-05-11 | 847 |
伺服选定系统 | 2020-05-11 | 626 |
选定确认定位优化 | 2020-05-12 | 1043 |
基于选定时间段及选定区域筛选进出车辆的方法 | 2020-05-13 | 30 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台,是提供专利分析,专利查询,专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据,免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析,涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度,系统通过AI智能系统对图表进行解读,只需1分钟,一键生成行业专利分析报告。