摘要
本发明公开了一种用于实验试剂的库存预测与自动采购方法及系统包括,通过实验室管理系统获取实验试剂消耗量并对其进行处理,并进行特征提取,以特征提取后的实验试剂消耗量构建初始图;将初始图作为Transformer架构的输入,在图神经网络模型中引入Transformer架构,动态更新初始图中的边权重值,预测实验试剂的未来消耗量;将预测得到的实验试剂的未来消耗量转化为实验室管理系统中的库存决策,并以库存决策创建实验试剂采购的关联规则;本发明通过实验试剂消耗量的特征化与动态图优化,解决了传统试剂库存预测中时空关联性建模不足的问题,使其能够适应复杂实验场景下试剂消耗预测,从而提高准确性。
技术关键词
试剂消耗量
实验室管理系统
采购方法
多维特征向量
神经网络模型
动态更新
Pearson相关系数
决策
时间序列方式
三次样条插值
滑动窗口
采购系统
多层感知器
编码器
处理器
计算机设备
节点
定义
可读存储介质
存储器