买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：杭州铭信信息科技有限公司

摘要：本发明涉及深度学习领域，公开了一种日清生鲜门店智能订货方法。一种日清生鲜门店智能订货方法，其通过三个基于LSTM长短期记忆循环神经网络的深度学习模型对顾客需求量在三个尺度，门店总订货金额、各商品大类订货金额占比及各商品大类SKU数、以及单品订货金额在大类中的占比这三个尺度分别进行预测，并确定最终单品订货量。本发明不同于单一尺度上的单品预测，其可以保证总订货量和订货结构的合理性；并且在深度学习模型中引入了售罄时间这一关键特征，实现了最优订货的方式，提高了门店的经济效益。

主权项：1.一种日清生鲜门店智能订货方法，其特征在于：方法包括，顾客需求量的预测，利用三个深度神经网络模型对顾客需求量在三个尺度上分别进行预测；三个尺度预测包括门店总订货金额的预测、各商品大类订货金额占比及各商品大类SKU数的预测、单品订货金额在大类中占比的预测；单品订货量的确定，依据公式1确定单品订货量；Nk＝roundG*Ck*ZkEk公式1其中，Nk为单品k应订量，G为总订货金额，Ck为单品k所属大类在总订货金额中的占比，Zk为单品在其所属大类中的订货金额占比，Ek为单品k的单位规格的订货金额,round表示四舍五入到整数；总订货金额确定的方法包括，将历史订货特征向量，全店售罄时间特征、门店特征向量、日期特征向量和天气特征输入MLP多层感知机中，输出T+N天总订货金额；依据历史数据，对模型进行训练和测试，选取测试准确度最高的模型对总订货金额进行预测；大类订货金额占比确定的方法包括，将大类编码特征向量、大类历史订货特征向量、大类售罄时间特征、门店特征向量、日期特征向量和天气特征输入MLP中，输出T+N天大类订货金额和大类SKU数；依据历史数据，对模型进行训练和测试，选取测试准确度最高的模型用于对大类订货金额和大类SKU数的预测；从而确定大类订货金额占比；大类订货金额占比依据公式2确定：Ci＝BisumiBi公式2其中，Ci为大类i的订货金额占比，Bi为大类i的预测订货金额，sumi表示对所有大类求和；单品订货金额在大类中占比确定的方法包括，将单品编码特征向量、单品历史订货特征向量、单品售罄时间特征、门店特征向量、日期特征向量和天气特征输入MLP中，输出T+N天单品订货金额，其中，T表示订货日期，N表示提前N天订货，T+N为到货日期；依据历史数据，对模型进行训练和测试，选取测试准确度最高的模型，对单品订货金额进行预测；判断单品直接预测金额大于零的数量是否符合大类SKU数的约束，将单品数量控制在约束范围内，从而确定单品在大类中的占比；依据公式3确定单品在大类中的占比：Zi＝SisumiSi公式3其中Zi为单品i在其所属大类中的订货金额占比，Si为单品i的直接预测订货金额，sumi表示对单品所属大类中的所有单品求和。

全文数据：

权利要求：

百度查询： 杭州铭信信息科技有限公司 一种日清生鲜门店智能订货方法