【技術實現步驟摘要】
本專利技術涉及人工智能，更具體地說，本專利技術是基于人工智能的供應鏈物流信息管理系統。
技術介紹
1、基于人工智能的供應鏈物流信息管理系統是集成了人工智能技術的供應鏈物流管理解決方案，通過智能化算法和大數據分析，對供應鏈物流過程進行實時監控、優化和管理，提高物流效率，降低成本，并實現供應鏈的智能化管理。
2、現有的基于人工智能的供應鏈物流信息管理系統通?；谶B續線性的數據構建場景，但物流信息數據可能存在非線性的復雜關系，單純的線性模型無法滿足非線性場景下的管理要求，在物流報關和完稅環節存在極大的差異性，進而影響到后續的地面配送籌備環節，因而，基于人工智能技術構建一種能夠同時滿足線性場景和非線性場景的預測模型，對報關和完稅環節的時間成本進行預測，進而檢驗地面配送的實時性條件，成為亟待解決的問題。
3、為解決上述缺陷，現提出一種技術方案。
技術實現思路
1、本專利技術的目的是提供基于人工智能的供應鏈物流信息管理系統，以解決
技術介紹
中的不足。
2、為了實現上述目的，本專利技術提供如下技術方案：基于人工智能的供應鏈物流信息管理系統，包括線性擬合模塊、非線性擬合模塊、雙模構建模塊、配送驗證模塊、管理介入模塊；
3、線性擬合模塊用于采集供應鏈物流信息管理系統的線性場景信息，根據線性場景信息獲取線性常規系數，并將線性常規系數傳送至雙模構建模塊；
4、非線性擬合模塊用于采集供應鏈物流信息管理系統的非線性場景信息，根據非線性場景信息獲取非線
5、雙模構建模塊用于根據線性常規系數和非線性特殊系數構建雙模式管理模型，評估供應鏈物流信息管理流程中報關和完稅的延遲狀態，并輸出時間成本延遲指數；
6、配送驗證模塊用于根據時間成本延遲指數與預設的時間成本延遲閾值進行比對，對供應鏈物流信息管理流程中的延遲狀態進行分級；
7、管理介入模塊用于根據分級結果進行介入管理。
8、優選的，線性場景信息和非線性場景信息通過采集數據提取，采集數據包括貨物類型、海關政策狀態、地區編號、季節性狀態、貨物數量、貨物價值，將貨物根據貨物性質分為不同類型，以獨熱編碼將貨物類型轉化為數值形式，海關政策狀態包括政策變動、政策不變、抽檢比例，以獨熱編碼將海關政策狀態轉化為數值形式，季節性狀態以日期表示，并轉化為時間序列數據。
9、優選的，線性場景信息的獲取方法為：
10、獲取周期時間t內供應鏈物流信息管理系統的交互波動系數，并將若干個周期時間t內供應鏈物流信息管理系統的交互波動系數整合為數據集合，將數據集合標記為xx＝{xxp}，其中p＝{1，2，3，...，o}，且o為正整數，xxp表示第p個周期時間t內的供應鏈物流信息管理系統的交互波動系數，交互波動系數的計算表達式為其中，x1表示貨物類型，x1為類別型變量，通過獨熱編碼轉化為數值{x1，1，x1，2，...，x1，i}，其中，i為獨熱編碼的數值序號，且i為正整數，x2表示季節性狀態，表示日期。
11、優選的，根據線性場景信息獲取線性常規系數的方法如下：
12、計算若干個周期時間t內供應鏈物流信息管理系統的交互波動系數的標準差，計算表達式為式中，xxa為若干個周期時間t內供應鏈物流信息管理系統的交互波動系數的平均值，計算表達式為
13、通過最小二乘法擬合線性回歸模型，標定海關政策狀態為cps，地區編號為ac，貨物數量為gq，貨物價值為gv，則線性回歸模型的表達式為式中，lnc為線性常規系數，β1、β2、β3分別為ifc、(gq+gv)的權重系數，且β1、β2、β3均為正數，∈為一個極小的正數表示誤差項。
14、優選的，非線性場景信息的獲取方法為：
15、獲取周期時間t內供應鏈物流信息管理系統的非線性復合系數，并將若干個周期時間t內供應鏈物流信息管理系統的非線性復合系數整合為數據集合，將數據集合標記為non＝{nonu}，其中u＝{1，2，3，...，y}，且y為正整數，nonu表示第u個周期時間t內的供應鏈物流信息管理系統的非線性復合系數，非線性復合系數的計算表達式為式中，x2為轉化為時間序列形式的季節性狀態，pc為海關政策變動次數，且pc為非負數。
16、優選的，根據非線性場景信息獲取非線性特殊系數的方法為：
17、計算若干個周期時間t內供應鏈物流信息管理系統的非線性復合系數的標準差，計算表達式為式中，nona為若干個周期時間t內供應鏈物流信息管理系統的非線性復合系數的平均值，計算表達式為
18、構建隨機森林模型，針對隨機森林的每棵樹tr分別進行訓練并生成預測值，對所有樹的預測值進行平均并輸出平均預測值，計算平均預測值的數學模型為式中，nsp為非線性特殊系數，tr(a)為隨機森林中第r棵樹的預測值，r為樹的編號且r為正整數，w為樹的總數，a為輸入的特征向量，輸入的特征包括貨物類型、海關政策狀態、地區編號、季節性狀態、貨物數量、貨物價值。
19、優選的，雙模式管理模型的構建邏輯為：
20、結合加權平均和規則設定的方式定義雙模式管理模型，當特定條件觸發，則使用規則設定選擇模型；當特定條件沒有觸發，則使用加權平均的模型，雙模式管理模型的表達式為式中，tcd為時間成本延遲指數，ωω1、ω2分別為線性常規系數和非線性特殊系數的權重系數，且ω1、ω2均為正數，若rule(s)＝false，則輸出線性回歸和非線性擬合的加權平均結果，若rule(s)＝true，則輸出非線性擬合的結果，其中，rule(s)為根據輸入特征s定義的邏輯規則，且式中，當貨物類型為危險品或精密儀器時，或季節性狀態為節假日時，sty取值為1，否則，sty取值為0。
21、優選的，對供應鏈物流信息管理流程中的延遲狀態進行分級的邏輯為：
22、預設時間成本延遲閾值為tth，將計算所得的時間成本延遲指數tcd與時間成本延遲閾值tth進行比對，當時間成本延遲指數tcd大于等于時間成本延遲閾值tth時，標記流程延遲，定義延遲狀態為擴散級；
23、當時間成本延遲指數tcd小于時間成本延遲閾值tth時，標記流程未延遲，定義延遲狀態為收縮級。
24、優選的，根據分級結果進行介入管理的邏輯為：
25、當延遲狀態為擴散級時，通報管理人員地面配送順延等候；當延遲狀態為收縮級時，通報管理人員地面配送按時出發。
26、在上述技術方案中，本專利技術提供的技術效果和優點：
27、本申請通過分別設計適用于常規狀態的線性模型和用于特殊狀態的非線性模型，對供應鏈物流信息的管理進行優化，確保在特殊情況下，對供應鏈物流信息管理流程中最耗時耗力的報關和完稅環節進行時間成本預測，提高了對物流信息管理全鏈條的管理有效性和實時性，加強了時間成本預測的精度和適用性，降低了在常規情況下使用線性模型預測的成本和準確性，提高了在特殊情況下使用非線性模型進本文檔來自技高網...
【技術保護點】
1.基于人工智能的供應鏈物流信息管理系統，其特征在于，包括線性擬合模塊、非線性擬合模塊、雙模構建模塊、配送驗證模塊、管理介入模塊；
2.根據權利要求1所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，線性場景信息和非線性場景信息通過采集數據提取，采集數據包括貨物類型、海關政策狀態、地區編號、季節性狀態、貨物數量、貨物價值，將貨物根據貨物性質分為不同類型，以獨熱編碼將貨物類型轉化為數值形式，海關政策狀態包括政策變動、政策不變、抽檢比例，以獨熱編碼將海關政策狀態轉化為數值形式，季節性狀態以日期表示，并轉化為時間序列數據。
3.根據權利要求2所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，線性場景信息的獲取方法為：
4.根據權利要求3所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，根據線性場景信息獲取線性常規系數的方法如下：
5.根據權利要求2所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，非線性場景信息的獲取方法為：
6.根據權利要求5所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，根據
7.根據權利要求6所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，雙模式管理模型的構建邏輯為：
8.根據權利要求7所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，對供應鏈物流信息管理流程中的延遲狀態進行分級的邏輯為：
9.根據權利要求8所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，根據分級結果進行介入管理的邏輯為：
...【技術特征摘要】
1.基于人工智能的供應鏈物流信息管理系統，其特征在于，包括線性擬合模塊、非線性擬合模塊、雙模構建模塊、配送驗證模塊、管理介入模塊；
2.根據權利要求1所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，線性場景信息和非線性場景信息通過采集數據提取，采集數據包括貨物類型、海關政策狀態、地區編號、季節性狀態、貨物數量、貨物價值，將貨物根據貨物性質分為不同類型，以獨熱編碼將貨物類型轉化為數值形式，海關政策狀態包括政策變動、政策不變、抽檢比例，以獨熱編碼將海關政策狀態轉化為數值形式，季節性狀態以日期表示，并轉化為時間序列數據。
3.根據權利要求2所述的基于人工智能的供應鏈物流信息管理系統，其特征在于，線性場景信息的獲取方法為：
4.根據權利要求3所述的基于人工智能的供...
【專利技術屬性】
技術研發人員：張曄，
申請(專利權)人：凌禹供應鏈科技有限公司，
類型：發明
國別省市：
還沒有人留言評論。發表了對其他瀏覽者有用的留言會獲得科技券。