一种储备物资轮换期限预测方法及装置

本发明涉及数据处理，尤其涉及一种储备物资轮换期限预测方法及装置。

背景技术：

1、储备物资是应对各种危机的重要物质基础，客观上需要长期储存并确保质量状态完好、随时可用。但受环境因素的影响，绝大部分物资具有特定的储存寿命，不能无限期储存。储备物资寿命周期一般可分为生产期—储备期—使用期—报废期，为确保储备物资的整体质量状态，充分发挥储备物资的作用效益，就需要在恰当的时间对库存物资进行轮换，用旧存新。这个物资轮换时机选择非常重要：物资轮换时机点过迟则减短了使用期,浪费了使用价值；时机点过早则增加轮换成本。由于物资轮换是一个复杂的动态过程，涉及数据多、更新快、收集汇总难，如何准确及时地掌控储备物资的状态信息，尤其是对储备物资轮换期限的准确把握，是影响物资管理部门轮换决策的重要依据。目前储备物资轮换仍然是被动式、突击式的，各部门在组织储备物资轮换工作时存在较大的随机性和盲目性。因此，提供一种储备物资轮换期限预测方法及装置，以精确测算储备物资轮换期限，进而提高储备物资轮换管理精准度和效率。

技术实现思路

1、本发明所要解决的技术问题在于，提供一种储备物资轮换期限预测方法及装置，有利于精确测算储备物资轮换期限，进而提高储备物资轮换管理精准度和效率。

2、为了解决上述技术问题，本发明实施例第一方面公开了一种储备物资轮换期限预测方法，所述方法包括：

3、获取储备物资储存信息；

4、利用轮换影响因子模型对所述储备物资储存信息进行计算处理，得到轮换影响因子；

5、利用轮换期限预测模型对所述储备物资储存信息和所述轮换影响因子进行处理，得到目标轮换期限；所述目标轮换期限用于指示对储备物资的更换。

6、作为一种可选的实施方式，在本发明实施例第一方面中，所述储备物资储存信息包括储备物资类型；

7、所述利用轮换期限预测模型对所述储备物资储存信息和所述轮换影响因子进行处理，得到目标轮换期限，包括：

8、从物资耗损价值阈值信息集合的物资耗损价值阈值信息中筛选出与所述储备物资类型相匹配的物资耗损价值阈值信息作为目标物资耗损价值阈值信息；所述物资耗损价值阈值信息为由所述储备物资类型与物资耗损价值阈值构建的二元数据组；

9、利用轮换期限预测模型对所述目标物资耗损价值阈值信息中的目标物资耗损价值阈值和所述轮换影响因子进行计算，得到目标轮换期限；

10、其中，所述轮换期限预测模型为：

11、

12、式中，t*为所述目标轮换期限；β*为所述目标物资耗损价值阈值；r*为所述轮换影响因子。

13、作为一种可选的实施方式，在本发明实施例第一方面中，所述储备物资储存信息包括物资基础数据信息和储备物资类型；所述物资基础数据信息包括l个物资基础数据值；所述物资基础数据值对应的数据属性是不相一致的；所述l为正整数；

14、所述利用轮换影响因子模型对所述储备物资储存信息进行计算处理，得到轮换影响因子，包括：

15、基于所述物资基础数据值对应的数据属性，将所述物资基础数据信息填充至预设的物资数据值向量，得到目标物资数据值向量；所述目标物资数据值向量中向量元素的数量大于所述物资基础数据信息中物资基础数据值的数量；

16、基于随机误差区间和所述储备物资类型，确定出随机误差值；

17、利用利用轮换影响因子模型对所述目标物资数据值向量进行计算，得到轮换影响因子；

18、其中，所述轮换影响因子模型为：

19、r*＝xk+μ；

20、式中，r*为所述轮换影响因子；x为所述目标物资数据值向量；k为回归系数向量；μ为所述随机误差值。

21、作为一种可选的实施方式，在本发明实施例第一方面中，所述回归系数向量和所述随机误差区间是基于以下步骤得到的：

22、获取储备物资历史数据信息；所述储备物资历史数据信息包括m个物资轮换数据集合；每个所述物资轮换数据集合中包含的数据量是相一致的；所述m为大于所述l的正整数；

23、基于影响因子计算模型和所述储备物资历史数据信息，确定出回归系数计算式子信息；所述回归系数计算式子信息包括n个回归系数计算式子；所述n为大于所述l的正整数；

24、对所述回归系数计算式子信息进行解析，得到回归系数值集合和所述随机误差区间；所述回归系数值集合包括p个回归系数值；所述p为小于所述n的正整数；

25、基于所述回归系数值集合，确定出所述回归系数向量。

26、作为一种可选的实施方式，在本发明实施例第一方面中，所述基于影响因子计算模型和所述储备物资历史数据信息，确定出回归系数计算式子信息，包括：

27、对所述储备物资历史数据信息中的非数值数据进行量化处理，得到历史数据值信息；

28、将所述历史数据值信息依序归类至历史数据表，得到目标历史数据表；

29、按序从所述目标历史数据表中进行数据提取，得到影响因素信息集合；所述影响因素信息集合中的数据量小于所述目标历史数据表中的数据量；所述影响因素信息集合包括所述n个影响因素信息；每个所述影响因素信息包括所述l个依序排列的影响因素值；

30、对于任一所述影响因素信息，将该影响因素信息中的影响因素值输入至影响因子模型，得到该影响因素信息对应的回归系数计算式子。

31、作为一种可选的实施方式，在本发明实施例第一方面中，所述对所述回归系数计算式子信息进行解析，得到回归系数值集合和所述随机误差区间，包括：

32、依序从所述目标历史数据表对历史轮换时间进行提取，得到历史轮换时间信息；所述历史轮换时间信息包括所述n个历史轮换时间；所述历史轮换时间表征所述储备物资已被更换的历史时间间隔；

33、基于所述历史轮换时间信息和储备物资累积价值耗损模型，确定出物资累计损耗计算式子信息；所述物资累计损耗计算式子信息包括若干个物资累计损耗计算式子；

34、其中，所述储备物资累积价值耗损模型为：

35、

36、式中，f(ti)为储备物资累积价值耗损值；ri为第i个影响因子；ti为第i个历史轮换时间；

37、获取解析约束条件信息；

38、对于任一所述回归系数计算式子，基于该回归系数计算式子、该回归系数计算式子对应的物资累计损耗计算式子和所述解析约束条件信息，确定出该回归系数计算式子对应的目标解析函数；

39、对所述目标解析函数进行计算处理，得到该回归系数计算式子对应的影响因子值；

40、利用所有所述影响因子值对所述回归系数计算式子信息中的影响因子进行更新；

41、对更新后的所述回归系数计算式子信息进行迭代求解，得到回归系数值集合和所述随机误差区间；所述随机误差区间为以0为中间值的对称数值区间。

42、作为一种可选的实施方式，在本发明实施例第一方面中，所述基于所述回归系数值集合，确定出所述回归系数向量，包括：

43、获取初始系数向量；

44、对于所述初始系数向量中的任一初始系数元素，对于所述回归系数值集合中的任一所述回归系数值，判断该回归系数值对应的系数属性与该初始系数元素对应的系数属性是否相一致，得到属性判断结果；

45、当所述属性判断结果为是时，利用该回归系数值对该初始系数元素进行替换；

46、判断所述初始系数向量中是否存在未被替换的初始系数元素，得到替换判断结果；

47、当所述替换判断结果为是时，确定所述初始系数向量为所述回归系数向量。

48、本发明实施例第二方面公开了一种储备物资轮换期限预测装置，装置包括：

49、获取模块，用于获取储备物资储存信息；

50、第一处理模块，用于利用轮换影响因子模型对所述储备物资储存信息进行计算处理，得到轮换影响因子；

51、第二处理模块，用于利用轮换期限预测模型对所述储备物资储存信息和所述轮换影响因子进行处理，得到目标轮换期限；所述目标轮换期限用于指示对储备物资的更换。

52、本发明第三方面公开了另一种储备物资轮换期限预测装置，所述装置包括：

53、存储有可执行程序代码的存储器；

54、与所述存储器耦合的处理器；

55、所述处理器调用所述存储器中存储的所述可执行程序代码，执行本发明实施例第一方面公开的储备物资轮换期限预测方法中的部分或全部步骤。

56、本发明第四方面公开了一种计算机存储介质，所述计算机存储介质存储有计算机指令，所述计算机指令被调用时，用于执行本发明实施例第一方面公开的储备物资轮换期限预测方法中的部分或全部步骤。

57、与现有技术相比，本发明实施例具有以下有益效果：

58、本发明实施例中，获取储备物资储存信息；利用轮换影响因子模型对储备物资储存信息进行计算处理，得到轮换影响因子；利用轮换期限预测模型对储备物资储存信息和轮换影响因子进行处理，得到目标轮换期限；目标轮换期限用于指示对储备物资的更换。可见，本发明有利于精确测算储备物资轮换期限，进而提高储备物资轮换管理精准度和效率。