“需求预测”专利关键词查询_检索下载_查询列表_检索列表_行业专利分布_钻瓜专利网

钻瓜专利网为您找到相关结果1102004个，建议您升级VIP下载更多相关专利

[发明专利]一种基于社会群体行为的政务服务需求预测方法-CN201910951979.3在审
发明人：杨恒;李耀东;童章伟;彭俊台;张文标 -专利权人：中电科新型智慧城市研究院有限公司
申请日： 2019-10-09 - 公布日： 2020-02-07 - 主分类号： G06Q10/04 文献下载
摘要：一种基于社会群体行为的政务服务需求预测方法，方法步骤包括采用聚类算法并根据对象的个人信息将对象集划分成多个较大的社会群体；划分对象的政务服务历史信息，得到对象的部门政务服务历史信息，并把每个大社会群体划分为多个较小的社会群体；在每个小社会群体内部，采用协同过滤算法对目标对象进行政务服务需求预测；汇总需求预测结果。本发明中，政府部门利用需求预测结果不仅可以针对对象的个性化政务服务进行推荐，而且可以合理配置部门资源，从而实现了以人为中心的需求预测，提高了政务按需服务能力和不见面审批效率。
社会群体服务历史信息需求预测结果服务需求按需服务个人信息聚类算法目标对象协同过滤需求预测政府部门对象集预测算法个性化配置审批服务

[发明专利]一种短时物流需求预测方法、装置、设备及可读存储介质-CN202110404643.2有效
发明人：陈彦如;冉茂亮;杨新彪 -专利权人：西南交通大学
申请日： 2021-04-15 - 公布日： 2021-11-02 - 主分类号： G06Q10/08 文献下载
摘要：本发明提供了一种短时物流需求预测方法、装置、设备及可读存储介质，涉及物流需求预测技术领域，包括获取第一信息。所述第一信息包括经过EEMD和LMD对第一时间段内的历史物流数据进行分解后的特征信息，再建立LSTM预测模型进行物流需求预测，再通过误差校正数学模型校正物流需求预测。本发明通过针对短时物流数据具有的非平稳性、强随机性、局部突变及非线性等特征，从特征分解和特征提取两个角度出发，提出了EEMD‑LMD‑LSTM‑LEC模型，解决了非线性的原始需求不平稳导致直接预测的预测误差较大以及预测滞后性的问题，提高了预测精度。
一种物流需求预测方法装置设备可读存储介质

[发明专利]运转支持系统-CN02106641.8无效
发明人：原田泰志;富田泰志;椙山繁 -专利权人：株式会社日立制作所
申请日： 2002-02-28 - 公布日： 2003-05-07 - 主分类号： H02P9/04 文献下载
摘要：在所述运转支持系统中根据实际需求数据求每一种能量形态的需求预测上限值及需求预测下限值，再根据需求预测上限值及需求预测下限值，求各能量供给装置的目标运转模式上限值及目标运转模式下限值，并显示目标运转模式上下限值
运转支持系统

[发明专利]大数据环境下在线零售商的需求模型构建及需求预测方法-CN202011304489.3在审
发明人：徐贤浩;任欣欣 -专利权人：华中科技大学
申请日： 2020-11-19 - 公布日： 2022-05-24 - 主分类号： G06Q30/02 文献下载
摘要：本发明属于供应链需求预测领域，具体涉及一种大数据环境下在线零售商的需求模型构建及需求预测方法，包括：基于历史数据样本集统计每个零售商对每个商品的需求统计量；根据需求统计量对各零售商‑各商品聚类；对任一聚类对应的历史数据样本集按周期划分，取每相邻多个周期的数据构成一组，从该组数据中最后一周期数据中提取各客户在各零售商购买各商品的需求标签值，从其他周期数据中提取每个需求标签值对应的需求特征，构成多个训练样本；采用每一聚类簇的所有训练样本训练该聚类簇的需求预测模型以用于需求预测本发明对历史数据提取特征，根据需求特点对商家‑产品聚类，然后对不同聚类分别建立需求预测模型，提高对各商家需求量的准确预测。
数据环境在线零售商需求模型构建需求预测方法

[发明专利]电力需求的预测方法及装置-CN202011124185.9在审
发明人：陈雪敏;丁恒春;杨晓波;周辛南;杨东升;李颖;杜暄;张庆贺;雷明明;魏子睿;张博智 -专利权人：国网冀北电力有限公司计量中心;国家电网有限公司
申请日： 2020-10-20 - 公布日： 2021-02-12 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种电力需求的预测方法及装置，其中该方法包括：获取目标区域待预测时段的气象因素；根据目标区域待预测时段的气象因素，以及预先建立的主导气象因素识别模型，得到目标区域待预测时段的主导气象因素；根据目标区域待预测时段的主导气象因素，以及预先建立的支持向量机电力需求预测模型，得到目标区域待预测时段的电力需求；所述支持向量机电力需求预测模型根据多个主导气象特征样本和电力负荷特征样本预先建立。本发明可以提高电力需求预测的精度。
电力需求预测方法装置

[发明专利]基于BP-SVR组合模型的船舶备件需求预测方法及系统-CN202210234017.8在审
发明人：黄国兴;曹先怀;刘心报;钱晓飞 -专利权人：合肥工业大学
申请日： 2022-03-09 - 公布日： 2022-06-07 - 主分类号： G06Q10/04 文献下载
摘要：本发明提供一种基于BP‑SVR组合模型的船舶备件需求预测方法及系统，涉及船舶备件需求预测技术领域。本发明首先基于BP模型和SVR模型分别对船舶备件历史消耗数据进行横向和纵向预测，以获取横向预测结果和纵向预测结果，然后基于上述横向预测结果和纵向预测结果利用网格搜索算法确定BP‑SVR组合模型中BP模型和SVR模型的最优权重占比，最后基于最优权重占比的BP‑SVR组合模型进行船舶备件需求预测。本发明利用不同单个模型在预测时处理数据不同特点时的优势，可从船舶备件历史消耗数据的不同角度获取船舶备件需求预测结果，其最终的综合预测结果相比于单个模型更加精准。
基于 bp svr 组合模型船舶备件需求预测方法系统

[发明专利]一种洪涝灾害应急物资动态需求预测方法-CN201711418390.4在审
发明人：韩晓微;谢英红;杜英魁;原忠虎 -专利权人：沈阳大学
申请日： 2017-12-25 - 公布日： 2018-07-17 - 主分类号： G06Q10/04 文献下载
摘要：一种洪涝灾害应急物资动态需求预测方法，涉及一种网络物流分析方法，该方法从动态角度对应急物资需求预测进行研究，充分考虑了应急事件发展的动态性。设计一种基于小样本数据可操作性强的灰色预测模型，以洪涝灾害为例对灾害发生后的应急物资需求进行预测。基于灰色系统理论，根据其样本数量小、历史数据少的特点，构建了改进GM(1,1)预测模型对洪涝灾害受灾人数动态预测，使得研究更加贴近实际情况；结合安全库存管理方法对灾后需要的多种应急物资分别进行了需求预测，对洪涝灾害发生后的应急物资需求预测提供了理论帮助。
洪涝灾害应急需求预测动态需求预测灰色系统理论灰色预测模型安全库存动态预测历史数据物流分析应急事件预测模型灾害发生动态性小样本构建样本研究改进网络帮助管理

[发明专利]基于大数据的供应链需求预测与智能决策方法-CN201710739797.0有效
发明人：刘国权 -专利权人：智脑智能科技（苏州）有限公司
申请日： 2017-08-25 - 公布日： 2021-06-11 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种基于大数据的供应链需求预测与智能决策方法，包括：将产品结构化数据通过多种预测算法进行产品需求预测，选择误差最小的预测算法，得到需求预测数据；将企业资源进行数学建模；创建决策变量，根据创建的决策变量，以主计划为基准，创建有约束的产能目标函数和无约束的产能目标函数，根据不同的产能目标函数构建相应的约束条件；根据需求预测数据和调整求解参数得到满足企业运营计划的资源分配方式或者需求资源。基于海量数据结构化分析的基础上，通过多种预测算法，包括数学建模等来进行预测，根据这些预测得到的需求数据，并结合企业现有产能状态，做出相应决策。既能保证预测的精度，又能辅助作出决策。
基于数据供应需求预测智能决策方法

[发明专利]一种资金需求预测方法、装置及终端设备-CN201810652309.7在审
发明人：刘镇萍;李谦 -专利权人：马上消费金融股份有限公司
申请日： 2018-06-22 - 公布日： 2019-12-31 - 主分类号： G06Q40/02 文献下载
摘要：本发明提供一种资金需求预测方法、装置及终端设备，其中，所述资金需求预测方法包括：确定目标时间段对应的时间信息；从历史申请单信息中选取至少一个申请单信息作为所述目标时间段对应的申请单信息；将所述目标时间段对应的时间信息和所述目标时间段对应的申请单信息输入到根据历史数据训练好的资金需求预测模型中，获得所述目标时间段的账户资金需求量。本发明的方案，可在预测目标时间段的账户资金需求量时，考虑影响该账户资金需求量的因素，使得资金需求预测更加准确科学，提高预测结果的准确率，减少与实际结果的差异。
时间段资金需求账户资金需求量时间信息申请预测历史数据训练实际结果信息输入预测结果预测模型预测目标终端设备准确科学准确率

[发明专利]信息处理方法以及信息处理装置-CN202010910699.0在审
发明人：兼市大辉;志贺孝广 -专利权人：丰田自动车株式会社
申请日： 2020-09-02 - 公布日： 2021-03-05 - 主分类号： G06Q10/04 文献下载
摘要：高精度地进行没有服务的提供实绩的区段中的需求预测。一种预测移动体提供的服务的需求的信息处理装置执行的信息处理方法。：分类步骤，使用第一分类模型将第一区段所包含的多个单位区域分别分类为多个类别；第一构筑步骤，根据分类出的所述类别和所述第一区段中的实绩数据，决定针对所述多个类别的各个类别应用的第一参数组，从而构筑第一需求预测模型；第二构筑步骤，使用所述第一分类模型具有的分类基准来构筑第二分类模型，使用所述第一参数组来构筑第二需求预测模型；以及预测步骤，使用所述第二分类模型和所述第二需求预测模型，进行第二区段中的需求预测。
信息处理方法以及装置

[发明专利]一种零售业需求预测方法和装置-CN202010940945.7在审
发明人：李兆钧;陆倩茵;张威;雷小平 -专利权人：创优数字科技（广东）有限公司
申请日： 2020-09-09 - 公布日： 2020-12-08 - 主分类号： G06Q30/02 文献下载
摘要：本申请公开了一种零售业需求预测方法和装置，根据目标商品所要销售的区域提取目标商品在不同时间段的所有事件，分别得到第一事件因子、第二事件因子和第三事件因子；通过预置神经张量网络模型将事件因子转换为稠密向量，分别得到第一稠密向量、第二稠密向量和第三稠密向量；将第一稠密向量、第二稠密向量和第三稠密向量一起输入至预置深度卷积神经网络模型进行需求预测，输出目标商品在所要销售的区域的需求预测结果，解决了现有的需求预测大多是根据历史数据的特征来进行预测，由于农历、节气每年都不一致，导致需求预测准确率较低的技术问题。
一种零售业需求预测方法装置

[发明专利]一种大数据驱动的供应链AI智能补货系统-CN202210177882.3在审
发明人：莫婷;赖钦峰;张欢;陆浩宇;黎雯 -专利权人：深圳九章数据科技有限公司
申请日： 2022-02-24 - 公布日： 2022-05-27 - 主分类号： G06Q10/08 文献下载
摘要：本发明公开了一种大数据驱动的供应链AI智能补货系统，基于底层数据中枢，对内外部数据系统的数据进行数据集成、清洗、储存、服务等，再由运筹优化求解器模型和AI引擎进行数据补货；数据发现模块根据商品信息及销售数据产生实时洞察；需求预测模块包含促销预优化和深度学习，形成数据发现模块、需求预测模块及智能测、需求预测及新品预测，利用机器学习算法提供的一种自主发明的损失函数，对各个门店、各个品类商品进行精细化需求预测；智能补货模块基于数据发现得到的实时洞察与需求预测的数据
一种数据驱动供应 ai 智能系统

[发明专利]一种解决样本量对药品需求预测准确度影响的GRU-RVM集成模型-CN202010423918.2在审
发明人：刘新;贺建军 -专利权人：中南大学
申请日： 2020-05-19 - 公布日： 2020-09-01 - 主分类号： G06Q30/02 文献下载
摘要：本发明公开了一种解决样本量对药品需求预测准确度影响的GRU‑RVM集成模型。考虑药品需求预测样本量不确定的问题，分别建立针对大、小样本数据预测的GRU模型和RVM模型。最后基于AdaBoost思想将弱学习器串行集成构建混合集成药品需求预测模型，提高集成模型的预测准确度。本发明将两种需求预测模型混合集成，能够在一定程度上消除样本量变化对药品需求预测准确度的影响，有效的提高混合集成模型的预测精度和泛化能力。
一种解决样本药品需求预测准确度影响 gru rvm 集成模型

[发明专利]一种改进SGM(1,1)模型的共享单车短时需求预测方法及系统-CN202110502533.X在审
发明人：贺玉龙;刘恒孜;侯树展;宋太龙;许鹏 -专利权人：北京工业大学
申请日： 2021-05-08 - 公布日： 2021-07-30 - 主分类号： G06Q10/04 文献下载
摘要：本发明公开了一种改进SGM(1,1)模型的共享单车短时需求预测方法及系统，基于共享单车原始骑行数据，建立季节性GM(1,1)模型(SGM(1,1)模型)，得出初始共享单车短时需求预测值；利用Markov模型对SGM(1,1)模型的残差进行改进，得到最终预测值；基于MatlabR2020b制作共享单车短时需求预测可视化系统。本发明首先基于共享单车原始骑行数据，建立SGM(1,1)模型，得出初始共享单车短时需求预测值；然后利用Markov模型对SGM(1,1)模型的残差进行改进，根据新信息优先原理选择残差序列，利用状态区间中值的期望对初始预测值的残差进行修正，提高了模型的预测精度；最后将所得结果以可视化系统的方式呈现，有利于提高模型的运算效率，从而为实际的共享单车短时需求预测提供准确高效的参考。
一种改进 sgm 模型共享单车需求预测方法系统

[发明专利]利用深度神经网络进行电力系统预测的系统及方法-CN202010636144.1在审
发明人：丹尼·塞文;雅克·克瓦姆 -专利权人：绿铜科技公司
申请日： 2020-07-03 - 公布日： 2022-01-04 - 主分类号： G06Q10/04 文献下载
摘要：一种电力系统预测的方法，该方法作为一种云服务，利用包含一个负载处理器的处理逻辑。接收来自位于建筑物中的一个数据收集系统的功率负载信息并利用一个运用机器学习和人工智能的云分析层进行优化控制；分析该接收到的功率负载信息以分解负载波形信号，并利用神经网络识别基于设备的功率负载以进行设备用电需求历史和性能分析，从而生成基于设备的用电需求预测；基于对功率消耗信号及该生成的基于设备的用电需求预测的分析，生成建筑物的用电需求预测，以减少高峰用电需求；及基于该生成的基于设备的用电需求预测、电力价格或成本信息及用户行为分析中至少之一的阈值，确定该生成的建筑物的用电需求预测是否会在近期达到峰值。
利用深度神经网络进行电力系统预测系统方法