深度学习的多基地库存优化方法及系统

本发明公开了深度学习的多基地库存优化方法及系统，包括：采集多基地的历史库存数据进行数据预处理，并构建时间序列数据，作为库存优化的输入特征；引入并行多线程机制改进LSTM网络模型，利用预处理后的时间序列数据对改进的LSTM网络模型进行训练，通过反向传播调整模型参数提高预测精度，初步得到理想模型，用于预测输出多特征库存预测结果；基于LSTM模型的预测结果，生成优化的库存管理策略，并进一步与生产现场的物料控制端进行联动反馈，实现智能化的库存监控管理和物料调配。本发明通过采集生产现场流水线各工序的物料库存数据，结合多源多模态异构数据的预处理，利用LSTM模型进行需求预测，并结合优化算法提供最佳库存管理策略，从而提高多基地库存管理的效率和准确性。