摘要
本发明涉及市场产品需求预测方法技术领域,更具体地说,涉及基于深度学习的智慧市场产品需求预测方法及系统,方法包括以下步骤:获取历史销售数据和外部因素数据;对历史销售数据和外部因素数据进行预处理和特征工程,得到预处理后的数据;基于预处理后的数据,构建多尺度时间卷积注意力网络模型;训练多尺度时间卷积注意力网络模型,得到训练后的模型;使用训练后的模型生成预测结果;对预测结果进行可视化和解释;基于预测结果和新获取的数据,执行模型更新和在线学习,实现模型的持续优化;通过多尺度分形时间卷积模块和动态分数时间窗口调整,能够同时捕捉日、周、月等不同时间尺度的销售模式,显著提高预测准确性。
技术关键词
卷积注意力网络
产品需求预测方法
多尺度
特征工程
模型更新
数据
卷积模块
sigmoid函数
需求预测系统
注意力机制
动态
定义
量子态
滞后特征
退火策略
在线
模型训练模块
生成机制
缩放参数
系统为您推荐了相关专利信息
动态管理系统
信息管理单元
多模型
矿山
模型更新
非极大值抑制方法
梯度下降算法
全局平均池化
编码器
卷积模块
多任务
肿瘤
无限高斯混合模型
输出特征
融合特征