基于人工智能的粮库存储与物流优化方法

专利主权项内容

1.基于人工智能的粮库存储与物流优化方法，其特征在于，包括以下步骤：步骤一：收集运输目的地数据集合；步骤二：对于每个运输目的地，收集对应的历史物流特征数据以及历史物流腐坏率数据；步骤三：收集粮库内的历史存储特征数据以及历史存储腐坏率数据；步骤四：对于每个运输目的地，以历史物流特征数据为输入，以历史物流腐坏率数据为输出，训练物流腐坏率预测模型；以历史存储特征数据为输入，以历史存储腐坏率数据，训练存储腐坏率预测模型；步骤五：在向粮库内进行粮食存储时，预先收集各个运输目的地的采购计划，基于各个运输目的地的采购计划、历史物流特征数据和历史存储特征数据，获得物流预测特征集合以及存储预测特征集合；步骤六：基于采购计划、物流预测特征集合、存储预测特征集合、物流腐坏率预测模型以及存储腐坏率预测模型，生成存储量建议；所述获得物流预测特征集合以及存储预测特征集合的方式为：将每年划分为若干个环境周期；收集在向粮库内进行粮食存储时对应的环境周期，作为存储环境周期；从历史存储特征数据中筛选所有对应存储环境周期的存储特征向量，并从筛选出的所有存储特征向量中，计算出每个存储环境的环境特征的平均值，所有存储环境的环境特征的平均值作为存储预测特征集合；对于每个运输目的地，从对应的物流预测特征集合中筛选出所有对应环境周期的物流特征向量，并从筛选出的物流特征向量种，计算出运输时长的平均值，以及各个运输环境的环境特征的平均值，所有运输市场的平均值和运输环境的环境特征的平均值组成物流预测特征集合；所述生成存储量建议的方式为：将运输目的地的编号标记为i；将第i个运输目的地的收购粮食时长标记为Ti，将第i个运输目的地的收购粮食数量标记为Ni；将每个收购粮食时长Ti以及存储预测特征集合组成一组存储特征向量，输入至存储腐坏率预测模型中，获得存储腐坏率的预测值Ci；将第i个粮库存储特征集合以及第i个物流预测特征集合组成一组物流特征向量，输入至第i个物流腐坏率预测模型中，获得物流腐坏率的预测值Wi；则所述存储量建议为：计算建议粮食存储量S，所述建议粮食存储量S的计算公式为 :
；其中，b为预设的偏置系数。