(19)国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202211005159.3 (22)申请日 2022.08.22 (71)申请人 浪潮软件股份有限公司 地址 271000 山东省泰安市东 岳大街527号 浪潮科技园 (72)发明人 谭凯文　林大伟　郑斌　彭铸　 黄忠柱　 (74)专利代理 机构 济南信达专利事务所有限公 司 37100 专利代理师 冯春连 (51)Int.Cl. G06Q 30/02(2012.01) G06N 3/04(2006.01) G06N 3/08(2006.01) (54)发明名称 一种基于MLP神经网络模 型预测卷烟市场容 量的方法及系统 (57)摘要 本发明公开一种基于MLP神经网络模型预测 卷烟市场容量的方法及系统， 涉及卷烟分配技术 领域， 其实现内容包括： 选 取上一周期的销量、 订 足率、 存销比作为预测卷烟市场容量的指标； 选 取至少80个周期的卷烟销售数据， 分别计算销 量、 订足率、 存销比， 并排除计算结果中的异常 值； 搭建MLP神经网络模型； 采集样本数据， 将样 本数据随机划分到训练集和验证集中， 使用训练 集的样本数据训练MLP神经网络模型， 使用验证 集的样本数据验证MLP神经网络模型的预测结 果； 将验证通过的MLP神经网络模型作为预测模 型， 预测模型通过上一周期的销量、 订足率、 存销 比对卷烟市场容量进行预测。 本发 明可以杜绝货 源分配过程中人为因素的干扰， 提高货源分配的 准确度。 权利要求书2页 说明书4页 附图2页 CN 115423504 A 2022.12.02 CN 115423504 A 1.一种基于 MLP神经网络模型 预测卷烟市场容 量的方法， 其特 征在于,包括如下步骤： 步骤S1、 选取 上一周期的销量、 订足率、 存销比作为预测卷烟市场容 量的指标； 步骤S2、 选取至少80个周期的卷烟销售数据， 分别计算销量、 订足率、 存销比， 并排除计 算结果中的异常值； 步骤S3、 搭建MLP神经网络模型； 步骤S4、 采集样本数据， 将样本数据随机划分到训练集和验证集中， 使用训练集的样本 数据训练MLP神经网络模型， 使用验证集的样本数据验证MLP神经网络模型的预测结果； 步骤S5、 将验证通过的MLP神经网络模型作为预测模型， 预测模型通过上一周期的销 量、 订足率、 存销比对卷烟市场容 量进行预测。 2.根据权利要求1所述的一种基于MLP神经网络模型预测卷烟市场容量的方法， 其特征 在于， 执行步骤S2时， 根据3sigma模型对计算结果进行清洗， 排除异常值。 3.根据权利要求1所述的一种基于MLP神经网络模型预测卷烟市场容量的方法， 其特征 在于， 执行步骤S3， 搭建MLP神经网络模型的具体过程如下： 步骤S3.1、 选取Sigmo id函数作为激活函数， 公式为1/(1+exp( ‑x))； 步骤S3.2、 权 重初始化， 使用标准 正态分布中的随机数初始化权 重矩阵； 步骤S3.3、 偏差初始化， 使用标准 正态分布中的随机数初始化偏差， 并设置偏置矩阵； 步骤S3.4、 使用随机梯度下降算法训练MLP神经网络模型， 学习率lr＝0.1， 迭代次数 epoch＝1000。 4.根据权利要求1所述的一种基于MLP神经网络模型预测卷烟市场容量的方法， 其特征 在于， 将样本数据按照7:3或者8 :2随机划分到训练集和验证集中。 5.一种基于 MLP神经网络模型 预测卷烟市场容 量的系统， 其特 征在于， 其结构包括： 选取模块， 用于 选取上一周期的销量、 订足率、 存销比作为预测卷烟市场容 量的指标； 计算排除模块， 用于选取至少80个周期的卷烟销售数据， 分别计算销量、 订足率、 存销 比， 并排除计算结果中的异常值； 搭建模块， 用于搭建MLP神经网络模型； 采集划分模块， 用于采集样本数据， 将 样本数据随机划分到训练集和验证集中； 训练验证模块， 用于使用训练集的样本数据训练MLP神经网络模型， 使用验证集的样本 数据验证MLP神经网络模型的预测结果； 判断输出模块， 用于判断MLP神经网络模型是否通过验证， 并将通过验证的MLP神经网 络模型作为预测模型输出， 预测模型基于上一周期的销量、 订足率、 存销比对卷烟市场容量 进行预测。 6.根据权利要求5所述的一种基于MLP神经网络模型预测卷烟市场容量的系统， 其特征 在于， 所述计算排除模块根据卷烟销售数据计算销量、 订足率、 存销比后， 根据3sigma模型 对计算结果进行清洗， 排除异常值。 7.根据权利要求5所述的一种基于MLP神经网络模型预测卷烟市场容量的系统， 其特征 在于， 所述搭建模块搭建MLP神经网络模型的具体过程如下： 选取Sigmo id函数作为激活函数， 公式为1/(1+exp( ‑x))； 权重初始化， 使用标准 正态分布中的随机数初始化权 重矩阵； 偏差初始化， 使用标准 正态分布中的随机数初始化偏差， 并设置偏置矩阵；权　利　要　求　书 1/2 页 2 CN 115423504 A 2使用随机梯度下降算法训练MLP神经网络模型， 学习率lr＝0.1， 迭代次数epoch＝ 1000。 8.根据权利要求5所述的一种基于MLP神经网络模型预测卷烟市场容量的系统， 其特征 在于， 所述采集划分模块将采集的样本数据按照7:3或者8:2随机划分到训练集和验证集 中。权　利　要　求　书 2/2 页 3 CN 115423504 A 3