基于深度学习模型的库存优化方法及系统

本发明提供基于深度学习模型的库存优化方法及系统，涉及深度学习技术领域，包括获取商品的多维度数据，利用图神经网络构建动态卷积核，并结合多层感知器构建软聚类分配矩阵，得到融合空间维度与时间维度的长期依赖特征。将短期和长期特征融合后输入双向长短期记忆网络生成销量预测序列，并计算预测置信区间得到最终销量预测结果。基于销量预测结果计算安全库存水平，并结合库存成本函数，利用基于深度强化学习的动态规划模型生成补货决策，最终将决策发送至供应链执行系统。本发明通过深度学习模型精确预测销量并优化库存管理，降低仓储成本、缺货成本和积压成本，有效提高供应链效率。