[发明专利]一种基于BP神经网络的生鲜电商库存预测系统

权利要求书

1.一种基于BP神经网络的生鲜电商库存预测系统，其特征在于：包括数据采集模块、库存预测数据库、库存预测服务器和接收终端，

数据采集模块，采集基于大数据的生鲜电商中与库存相关的多个各种数据，并将采集到的信息数据存入库存预测数据库中；

库存预测数据库，用于存放数据采集模块中所采集到的各种信息数据并作出整理分类，留存备用；

库存预测服务器

数据提取模块，用于提取库存预测数据库中的所留存备用的数据并输送至库存预测服务器中进行处理；

数据预处理模块，对提取到的数据进行数据预处理和输入输出数据的清洗化；

模型构建模块，用于构建生鲜电商库存预测模型，得到成型完善的预测模型；

预测模块，对获取的待测数据输入至预测模型中进行生鲜电商库存的预测，根据数据采集模块中采集到的与库存相关的各种数据阈值的比较得到生鲜商品库存预测结果；

接收终端，用于接收预测服务器中的预测结果，并将库存预测服务器中的预测结果转换为库存变化指数或者图表、预测结果折线图，为接收用户后期准备做出建议和提醒。

2.根据权利要求1所述的一种基于BP神经网络的生鲜电商库存预测系统，其特征在于：所述数据采集模块中所采集的生鲜电商中与库存相关的各种数据包括商品订单量、商品物流量、商品入库量和商品出库量。

3.根据权利要求1所述的一种基于BP神经网络的生鲜电商库存预测系统，其特征在于：所述库存预测数据库中还包括数据整理模块，数据整理模块用于将数据采集模块中所采集到的各种信息数据进行整理、分类和汇总，用于后续库存预测服务器进行快速高效准确的库存预测分析。

4.根据权利要求1所述的一种基于BP神经网络的生鲜电商库存预测系统，其特征在于：所述数据采集模块进行实时采集，保证采集数据的准确性与实时率。

5.根据权利要求1所述的一种基于BP神经网络的生鲜电商库存预测系统，其特征在于：所述模型构建模块的构建方法包括如下步骤：

S1.以数据采集模块所采集生鲜电商中与库存相关的各种历史数据信息构建训练集与参照集作为输入；

S2.设置BP神经网络的训练参数，神经元学习和拟合函数曲线，采用反向传播方法得到训练集与参照集中每个指标的权值，并筛选指标得到库存影响因子；

S3.通过预测值和实际值对比，不断修正当前输入量，直到训练误差低于设定值为止，最后输出预测量，对库存影响因子加权重构，构建生鲜电商库存预测模型。

6.根据权利要求1所述的一种基于BP神经网络的生鲜电商库存预测系统，其特征在于：所述数据预处理模块包括简单缩放、逐样本均值消减和特征标准化方法，通过数据预处理模块使BP算法能够发挥最佳预测效。

7.根据权利要求5所述的一种基于BP神经网络的生鲜电商库存预测系统，其特征在于：所述BP神经网络中，将训练集与参照集的各个指标各设一个目标函数，并设权值初始值为1，通过反向传播法修正指标的权值。

8.根据权利要求5所述的一种基于BP神经网络的生鲜电商库存预测系统，其特征在于：所述权值的绝对值大小代表该指标对库存的影响程度。