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！

龙图腾网获悉西华师范大学申请的专利一种基于融合模型的供应链需求预测方法及系统、设备、介质获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN119444304B 。

龙图腾网通过国家知识产权局官网在2025-11-07发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202411695417.4，技术领域涉及：G06Q30/0202；该发明授权一种基于融合模型的供应链需求预测方法及系统、设备、介质是由杜春燕设计研发完成，并于2024-11-25向国家知识产权局提交的专利申请。

本一种基于融合模型的供应链需求预测方法及系统、设备、介质在说明书摘要公布了：本发明提供了一种基于融合模型的供应链需求预测方法及系统、设备、介质。首先通过收集历史销售数据、库存情况等相关供应链参与者经营数据，来确定供应链之间的交互关系，并构建供应链关系模型，随后使用ARIMA等预测模型对供应链中各环节需求进行预测。接着将供应链关系模型与预测模型进行融合，得到各环节综合预测需求。最后将预测结果与实际情况进行比较，以评估模型的性能。这种方法可以有效提升供应链需求预测的准确性，从而帮助企业优化供应链管理，提升运营效率。

本发明授权一种基于融合模型的供应链需求预测方法及系统、设备、介质在权利要求书中公布了：1.一种基于融合模型的供应链需求预测方法，其特征在于：所述的方法包括： 数据收集:收集历史销售数据、库存数据、供应情况； 数据处理：确保数据的质量和准确性； 构建供应链关系模型：识别供应链中的所有主要参与者，通过他们之间的交互，构建一个供应链关系模型； 构建预测模型：基于供应链关系模型，构建一个预测模型； 融合供应链关系和预测模型：将预测模型和供应链关系模型融合在一起； 评估融合模型：使用融合模型来预测未来的需求，并评估其性能； 所述的构建供应链关系模型包括： 1识别供应链中的主要参与者，包括供应商、制造商、批发商、零售商以及最终消费者； 2明确参与者之间的关系：理解每一个参与者在供应链中的角色，以及他们和其他参与者之间的关系； 3解析交互方式：理解参与者之间的交互，包括：货物的流动，信息的交换，质量控制； 4构建供应链关系模型，采用图模型； 将供应链中各参与者视为图中的节点，参与者之间的交互视为有向边；在此基础上，添加权重，表示流动的数量或者交互的强度； 设定图，其中V代表一个节点集合，这些节点代表供应链中的参与者，供应商、制造商、分销商和零售商；而E代表有向边的集合，代表参与者之间交互的关系； 假设，其中代表供应链中不同的参与者； E是边的集合，定义为，属于V，w代表权重，权重表示供应商与制造商、制造商与分销商、分销商与零售商之间的货物流动数量； 最后，用邻接矩阵Anxn的矩阵,n代表节点数量，用来表示这个图模型；如果vi到vj有边存在，那么对应的矩阵元素aij就是权重w，否则； 所述的构建预测模型包括：采用ARIMA模型进行需求预测； 具体包括：ARIMA模型进行构建和预测； ARIMA模型由三部分构成：AR模型即自回归模型、I模型即差分整合模型和MA模型即移动平均模型，分别对应ARIMA模型的三个参数p,d,q； 在ARIMA模型中，AR部分的p阶模型表示为： ； 是当前时刻的值，c是常数，是自回归系数，是AR部分的白噪声； MA部分的q阶模型表示为： ； 这里µ是MA部分序列的均值，是移动平均系数； 差分部分包括了对原始时间序列进行一阶或多阶差分，使得时间序列变平稳，用以下公式表示： ； 将这三方面的影响整合在一起，用以下公式表示ARIMAp,d,q模型： ； 其中，B是退后算子，，B的d次方为d阶差分； 所述的融合供应链关系和预测模型包括： 用预测模型ARIMAp,d,q在各个节点上进行需求预测；也就是说，在各节点上运用ARIMA模型预测未来的需求；假设节点vi的需求预测值为，表示为： ； 其中，t表示预测时间，表示节点vi在时间t的预测需求； 在各边上运用供应链关系模型进行权重调整；假设从节点vi到节点vj的交互权重为wij，那么节点vi到vj的预测需求将会由节点vi的预测需求值经过权重调整后得到；表示为： ； 其中，表示从节点vi到节点vj在时间t的预测需求； 汇总各个交互关系上的预测需求，得到最后的预测需求；N为供应链中所有的交互关系，那么最后的预测需求表示为： 。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人西华师范大学，其通讯地址为：637009 四川省南充市顺庆区师大路1号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。

以上内容由龙图腾AI智能生成。