一种基于BP神经网络的生鲜电商库存预测系统

技术领域

本发明涉及生鲜电商技术领域，具体为一种基于BP神经网络的生鲜电商库存预测系统。

背景技术

BP神经网络是1986年由Rumelhart和McClelland为首的科学家提出的概念，是一种按照误差逆向传播算法训练的多层前馈神经网络，是应用最广泛的神经网络。

生鲜产品电子商务，简称生鲜电商，指用电子商务的手段在互联网上直接销售生鲜类产品，如新鲜水果、蔬菜、生鲜肉类等。生鲜电商随着电子商务的发展大趋势而发展。2012年被视为生鲜电商发展的元年。

生鲜电商中的库存多少对整个生鲜电商发展有着重要的影响，库存少了造成商品不够，影响盈利和用户体验，库存太多容易造成生鲜产品的堆积，长久的放置十分影响生鲜产品的质量造成成本亏损，目前缺少对生鲜产品库存的预测手段，不能很好的满足目前生鲜电商的发展。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种基于BP神经网络的生鲜电商库存预测系统，具备能够快速建立生鲜电商库存预测系统，综合考虑多种因素对生鲜电商的库存进行较为准确的预测，能够更好的满足生鲜电商的发展，输入已采集的生鲜电商库存数据，通过神经网络的自学习和自适应能力，预测生鲜电商库存的发展趋势，并降低预测误差，能够更好的满足生鲜电商的发展，得到比较精确的治理方案的优点，解决了目前缺少对生鲜产品库存的预测手段，不能很好的满足目前生鲜电商的发展的问题。

(二)技术方案

为实现能够快速建立生鲜电商库存预测系统，综合考虑多种因素对生鲜电商的库存进行较为准确的预测，能够更好的满足生鲜电商的发展，输入已采集的生鲜电商库存数据，通过神经网络的自学习和自适应能力，预测生鲜电商库存的发展趋势，并降低预测误差，能够更好的满足生鲜电商的发展，得到比较精确的治理方案的目的，本发明提供如下技术方案：一种基于BP神经网络的生鲜电商库存预测系统，包括数据采集模块、库存预测数据库、库存预测服务器和接收终端，

数据采集模块，采集基于大数据的生鲜电商中与库存相关的多个各种数据，并将采集到的信息数据存入库存预测数据库中；

库存预测数据库，用于存放数据采集模块中所采集到的各种信息数据并作出整理分类，留存备用；

库存预测服务器

数据提取模块，用于提取库存预测数据库中的所留存备用的数据并输送至库存预测服务器中进行处理；

数据预处理模块，对提取到的数据进行数据预处理和输入输出数据的清洗化；

模型构建模块，用于构建生鲜电商库存预测模型，得到成型完善的预测模型；

预测模块，对获取的待测数据输入至预测模型中进行生鲜电商库存的预测，根据数据采集模块中采集到的与库存相关的各种数据阈值的比较得到生鲜商品库存预测结果；

接收终端，用于接收预测服务器中的预测结果，并将库存预测服务器中的预测结果转换为库存变化指数或者图表、预测结果折线图，为接收用户后期准备做出建议和提醒。

优选的，所述数据采集模块中所采集的生鲜电商中与库存相关的各种数据包括商品订单量、商品物流量、商品入库量和商品出库量。

优选的，所述库存预测数据库中还包括数据整理模块，数据整理模块用于将数据采集模块中所采集到的各种信息数据进行整理、分类和汇总，用于后续库存预测服务器进行快速高效准确的库存预测分析。

优选的，所述数据采集模块进行实时采集，保证采集数据的准确性与实时率。

优选的，所述模型构建模块的构建方法包括如下步骤：

S1.以数据采集模块所采集生鲜电商中与库存相关的各种历史数据信息构建训练集与参照集作为输入；

S2.设置BP神经网络的训练参数，神经元学习和拟合函数曲线，采用反向传播方法得到训练集与参照集中每个指标的权值，并筛选指标得到库存影响因子；

S3.通过预测值和实际值对比，不断修正当前输入量，直到训练误差低于设定值为止，最后输出预测量，对库存影响因子加权重构，构建生鲜电商库存预测模型。

优选的，所述数据预处理模块包括简单缩放、逐样本均值消减和特征标准化方法，通过数据预处理模块使BP算法能够发挥最佳预测效。

优选的，所述BP神经网络中，将训练集与参照集的各个指标各设一个目标函数，并设权值初始值为1，通过反向传播法修正指标的权值。

优选的，所述权值的绝对值大小代表该指标对库存的影响程度。

(三)有益效果

与现有技术相比，本发明提供了一种基于BP神经网络的生鲜电商库存预测系统，具备以下有益效果：

该基于BP神经网络的生鲜电商库存预测系统，通过设有的数据采集模块采集基于大数据的生鲜电商中与库存相关的多个各种数据，库存预测数据库用于存放数据采集模块中所采集到的各种信息数据并作出整理分类，库存预测服务器用于构建生鲜电商库存预测模型，得到成型完善的预测模型，再对获取的待测数据输入至预测模型中进行生鲜电商库存的预测，根据数据采集模块中采集到的与库存相关的各种数据阈值的比较得到生鲜商品库存预测结果，接收终端用于接收预测服务器中的预测结果，并将库存预测服务器中的预测结果转换为库存变化指数或者图表、预测结果折线图，为接收用户后期准备做出建议和提醒，能够快速建立生鲜电商库存预测系统，综合考虑多种因素对生鲜电商的库存进行较为准确的预测，能够更好的满足生鲜电商的发展，输入已采集的生鲜电商库存数据，通过神经网络的自学习和自适应能力，预测生鲜电商库存的发展趋势，并降低预测误差，能够更好的满足生鲜电商的发展，得到比较精确的治理方案。

具体实施方式

下面将对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

一种基于BP神经网络的生鲜电商库存预测系统，包括数据采集模块、库存预测数据库、库存预测服务器和接收终端，

数据采集模块，采集基于大数据的生鲜电商中与库存相关的多个各种数据，并将采集到的信息数据存入库存预测数据库中；

库存预测数据库，用于存放数据采集模块中所采集到的各种信息数据并作出整理分类，留存备用；

库存预测服务器

数据提取模块，用于提取库存预测数据库中的所留存备用的数据并输送至库存预测服务器中进行处理；

数据预处理模块，对提取到的数据进行数据预处理和输入输出数据的清洗化；

模型构建模块，用于构建生鲜电商库存预测模型，得到成型完善的预测模型；

预测模块，对获取的待测数据输入至预测模型中进行生鲜电商库存的预测，根据数据采集模块中采集到的与库存相关的各种数据阈值的比较得到生鲜商品库存预测结果；

接收终端，用于接收预测服务器中的预测结果，并将库存预测服务器中的预测结果转换为库存变化指数或者图表、预测结果折线图，为接收用户后期准备做出建议和提醒。

数据采集模块中所采集的生鲜电商中与库存相关的各种数据包括商品订单量、商品物流量、商品入库量和商品出库量。

库存预测数据库中还包括数据整理模块，数据整理模块用于将数据采集模块中所采集到的各种信息数据进行整理、分类和汇总，用于后续库存预测服务器进行快速高效准确的库存预测分析。

数据采集模块进行实时采集，保证采集数据的准确性与实时率。

模型构建模块的构建方法包括如下步骤：

S1.以数据采集模块所采集生鲜电商中与库存相关的各种历史数据信息构建训练集与参照集作为输入；

S2.设置BP神经网络的训练参数，神经元学习和拟合函数曲线，采用反向传播方法得到训练集与参照集中每个指标的权值，并筛选指标得到库存影响因子；

S3.通过预测值和实际值对比，不断修正当前输入量，直到训练误差低于设定值为止，最后输出预测量，对库存影响因子加权重构，构建生鲜电商库存预测模型。

数据预处理模块包括简单缩放、逐样本均值消减和特征标准化方法，通过数据预处理模块使BP算法能够发挥最佳预测效。

BP神经网络中，将训练集与参照集的各个指标各设一个目标函数，并设权值初始值为1，通过反向传播法修正指标的权值。

权值的绝对值大小代表该指标对库存的影响程度。

综上所述，该基于BP神经网络的生鲜电商库存预测系统，通过设有的数据采集模块采集基于大数据的生鲜电商中与库存相关的多个各种数据，库存预测数据库用于存放数据采集模块中所采集到的各种信息数据并作出整理分类，库存预测服务器用于构建生鲜电商库存预测模型，得到成型完善的预测模型，再对获取的待测数据输入至预测模型中进行生鲜电商库存的预测，根据数据采集模块中采集到的与库存相关的各种数据阈值的比较得到生鲜商品库存预测结果，接收终端用于接收预测服务器中的预测结果，并将库存预测服务器中的预测结果转换为库存变化指数或者图表、预测结果折线图，为接收用户后期准备做出建议和提醒，能够快速建立生鲜电商库存预测系统，综合考虑多种因素对生鲜电商的库存进行较为准确的预测，能够更好的满足生鲜电商的发展，输入已采集的生鲜电商库存数据，通过神经网络的自学习和自适应能力，预测生鲜电商库存的发展趋势，并降低预测误差，能够更好的满足生鲜电商的发展，得到比较精确的治理方案。

需要说明的是，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

尽管已经示出和描述了本发明的实施例，对于本领域的普通技术人员而言，可以理解在不脱离本发明的原理和精神的情况下可以对这些实施例进行多种变化、修改、替换和变型，本发明的范围由所附权利要求及其等同物限定。