一种工程物资多级库存控制方法及系统

    公开(公告)号:CN111292044A

    公开(公告)日:2020-06-16

    申请号:CN202010131575.2

    申请日:2020-02-28

    IPC分类号: G06Q10/08 G06Q10/06

    摘要: 本发明公开了一种工程物资多级库存控制方法,包括以下步骤:提供一种针对一个计划期内工程物资的多级库存计划,所述多级库存计划采用两级供应链结构,所述两级供应链结构由供应商和施工现场组成,一个施工现场的一种物资由一个供应商供应,一个供应商可以负责多个施工现场的某一种物资供应,所述两级供应链结构下的多级库存计划可输出两级计划,即面向施工现场的调拨计划和面向供应商的生产计划。本发明考虑工程物资供应链环境下,不同层次节点之间库存的相互影响,设计多级库存计划方法,实现对供应链库存的全局优化与控制,使工程物资供应链多级库存计划在实际运行中更加有效。

    一种基于仿真的工程物资供应链网络规划方法及系统

    公开(公告)号:CN111401804A

    公开(公告)日:2020-07-10

    申请号:CN202010130927.2

    申请日:2020-02-28

    IPC分类号: G06Q10/08 G06Q10/06

    摘要: 本发明公开了一种基于仿真的工程物资供应链网络规划方法,包括以下步骤:通过工程物资供应链业务环境来确定供应链风险因素;输入工程物资供应链的历史数据,对各项风险值进行量化;编制物流运行代码并配置在计算环境中,所述物流运行代码能够表明工程物资供应链的结构、工程物资供应链网络中各个层间的供应模式、并包含所量化的各项风险值;结合上述计算环境,根据需求运行不同模式的仿真,输出相应的工程物资供应链网络规划。本发明在供应链网络规划时强化供应链风险的考量,重点关注供应商供货能力满足状况,将风险因素纳入供应链网络规划中,以仿真分析方法获得规划方案与运行建议,旨在降低总体物流成本,可视化风险,辅助企业决策。

    一种基于深度学习模型的水库下游水位预测方法

    公开(公告)号:CN112001556B

    公开(公告)日:2022-07-15

    申请号:CN202010879460.1

    申请日:2020-08-27

    摘要: 本发明公开了一种基于深度学习模型的水库下游水位预测方法,采用最大信息系数来筛选下游水位相关因子;在相关性分析的基础上采用遗传算法优化得到单个相关因子间的最佳特征组合;将下游水位相关因子的最佳特征组合作为输入,构建基于卷积神经网络和长短期记忆网络的深度学习模型(CNNLSTM);采用Adam梯度优化算法来训练CNNLSTM模型权重变量,将训练过的CNNLSTM作为水库下游水位预测模型。本发明的预报方法精细地考虑了下游水位的相关因子,并优化了相关因子的特征组合,采用了深度学习预测模型,有效地提高了下游水位的预测精度,对水库调度中准确计算发电出力具有至关重要的作用。

    一种基于深度学习模型的水库下游水位预测方法

    公开(公告)号:CN112001556A

    公开(公告)日:2020-11-27

    申请号:CN202010879460.1

    申请日:2020-08-27

    摘要: 本发明公开了一种基于深度学习模型的水库下游水位预测方法,采用最大信息系数来筛选下游水位相关因子;在相关性分析的基础上采用遗传算法优化得到单个相关因子间的最佳特征组合;将下游水位相关因子的最佳特征组合作为输入,构建基于卷积神经网络和长短期记忆网络的深度学习模型(CNNLSTM);采用Adam梯度优化算法来训练CNNLSTM模型权重变量,将训练过的CNNLSTM作为水库下游水位预测模型。本发明的预报方法精细地考虑了下游水位的相关因子,并优化了相关因子的特征组合,采用了深度学习预测模型,有效地提高了下游水位的预测精度,对水库调度中准确计算发电出力具有至关重要的作用。