基于时空图卷积的汽车协同供应链配件需求智能预测方法

本发明涉及互联网大数据及新一代信息技术领域，具体涉及一种基于时空图卷积的汽车协同供应链配件需求智能预测方法，包括：S1：获取历史配件需求时序数据；S2：基于历史配件需求时序数据分析供应链结构；S3：基于供应链结构进行若干种空间依赖关系的建图并计算得到若干种邻接矩阵；S4：将历史配件需求时序数据和各种邻接矩阵输入训练好的需求预测模型中，输出配件需求预测数据；本发明通过图构建技术对供应链网络进行多维度解耦并针对每类空间依赖关系生成独立的邻接矩阵，保留不同语义层面的供应链交互特征，同时通过引入时空图卷积神经网络，有效捕捉汽车配件供应链中节点间的时空动态关联，实现对关键节点、多源数据复杂性的全面建模。