买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜中通云仓科技有限公司申请的专利一种基于云计算的仓储物流数字化分析方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN118469062B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202410415682.6，技术领域涉及：G06Q10/04；该发明授权一种基于云计算的仓储物流数字化分析方法是由任德平;赵凯;吕东猛;史亭;李小进设计研发完成，并于2024-04-08向国家知识产权局提交的专利申请。

本一种基于云计算的仓储物流数字化分析方法在说明书摘要公布了：本发明涉及数据预测技术领域，具体涉及一种基于云计算的仓储物流数字化分析方法，包括：获取每个货物的仓储量数据，确定货物对应的各个目标曲线段，根据货物对应的各个目标曲线段之间的相似情况，确定货物的仓储量稳定程度；根据仓储量稳定程度以及货物对应的仓储量数据分析仓储量数据整体的变化规律，确定货物的第一预测仓储量；分析预测值和实际值之间的差异，确定货物对应的预测准确度，根据每个货物的仓储量数据以及预测准确度确定预测权值；结合第一预测仓储量和预测权值确定最优预测仓储量。本发明通过结合两种不同预测方式获得最终的仓储量预测情况，可以有效提高仓储量预测准确性，适用于仓储量数据预测领域。

本发明授权一种基于云计算的仓储物流数字化分析方法在权利要求书中公布了：1.一种基于云计算的仓储物流数字化分析方法，其特征在于，包括以下步骤：获取仓储物流中每个货物的仓储量序列，将仓储量序列划分为各个仓储量子序列，所述仓储量子序列由一年中每天的仓储量数据构成；将任意一个货物作为目标货物，确定目标货物对应的各个仓储量子序列的目标曲线段；根据目标货物对应的各个目标曲线段之间的相似情况，确定目标货物的仓储量稳定程度；根据仓储量稳定程度以及目标货物对应的各个仓储量子序列分析仓储量数据整体的变化规律，确定目标货物的第一预测仓储量；根据目标货物的仓储量序列分析仓储量的预测值和实际值之间的差异，确定目标货物对应的预测准确度；根据每个货物的仓储量序列、目标货物对应的预测准确度以及第一预测仓储量，确定目标货物对应的预测权值；根据由今年的目标货物对应的仓储量子序列获得的第二预测仓储量、所述预测权值以及所述第一预测仓储量，确定目标货物的最优预测仓储量；所述确定目标货物对应的各个仓储量子序列的目标曲线段，包括：对目标货物对应的各个仓储量子序列进行曲线拟合，获得各个仓储量子曲线；对仓储量子曲线上的各个数据点进行聚类处理获得聚类结果；根据聚类结果对仓储量子曲线进行划分，获得仓储量子曲线的各曲线段；将今年的仓储量子序列中当天的序号作为目标序号，将包含目标序号的仓储量数据的曲线段作为目标曲线段；所述根据目标货物的仓储量序列分析仓储量的预测值和实际值之间的差异，确定目标货物对应的预测准确度，包括：将目标货物的仓储量序列中的各个历史仓储量数据依次组成各历史仓储量数组；其中，所述历史仓储量数据指代仓储量序列中除当天的仓储量数据以外的其他仓储量数据，所述历史仓储量数组内的数据个数大于预设数目；利用指数平滑算法对各历史仓储量数组进行预测，获得各个预测值；计算各个预测值与其对应的实际值之间差异的平均值，对所述差异的平均值进行负相关的归一化处理，获得目标货物对应的预测准确度；所述根据每个货物的仓储量序列、目标货物对应的预测准确度以及第一预测仓储量，确定目标货物对应的预测权值，包括：确定每个货物的仓储量序列对应的仓储量曲线，根据每个货物的仓储量序列及其仓储量曲线，分析目标货物与对比货物之间的仓储量差异情况，确定目标货物对应的预测准确度的第一修正因子；所述对比货物为除目标货物以外的其他货物；根据目标货物对应的各个预测值、各个预测值的实际值以及第一预测仓储量，确定目标货物对应的预测准确度的第二修正因子；对第一修正因子和第二修正因子的比值进行归一化处理，将归一化处理后的比值与目标货物对应的预测准确度的乘积作为目标货物对应的预测权值；所述目标货物对应的预测准确度的第一修正因子的计算公式为： 式中，QoBa为第a个货物对应的预测准确度的第一修正因子，第a个货物为目标货物，b为第a个货物的对比货物的序号，B为第a个货物的对比货物的个数，exp为以自然常数为底的指数函数，DTWa,b为第a个货物的仓储量曲线与第b个对比货物的仓储量曲线之间的DTW距离，n为仓储量序列中的仓储量数据个数，i为仓储量序列中的仓储量数据序号，Lsa,i为第a个货物的仓储量序列中第i个仓储量数据，Lsb,i为第b个对比货物的仓储量序列中第i个仓储量数据，为第a个货物的仓储量序列中所有仓储量数据的平均值，为第b个对比货物的仓储量序列中所有仓储量数据的平均值，||为求绝对值函数；所述目标货物对应的预测准确度的第二修正因子的计算公式为： 式中，Hca为第a个货物对应的预测准确度的第二修正因子，第a个货物为目标货物，v为预测值的序号，m为预测值的个数，ΔGza,v为第a个货物对应的第v个预测值与第v个预测值的实际值之间的差异值，ΔGga,t+1为第a个货物的第一预测仓储量和第二预测仓储量之间的差异值，t为当天，t+1为当天的下一天，||为求绝对值函数；其中，利用指数平滑算法对今年的目标货物对应的仓储量子序列进行预测，获得第二预测仓储量；所述根据仓储量稳定程度以及目标货物对应的各个仓储量子序列分析仓储量数据整体的变化规律，确定目标货物的第一预测仓储量，包括：计算今年的目标货物对应的仓储量子序列中相邻两个仓储量数据之间的差值绝对值，将所有的差值绝对值的平均值作为横向预测时的调整权值；选取出每历史年的仓储量子序列中目标序号的仓储量数据的下一个仓储量数据，组成纵向预测参考序列，将纵向预测参考序列中所有相邻的两个仓储量数据之间的差值绝对值的平均值，作为纵向预测时的调整权值；其中，纵向预测参考序列中各个仓储量数据按照时间由远及近的顺序进行排列；根据仓储量稳定程度、目标货物在当天的仓储量数据、横向预测时的调整权值、纵向预测参考序列中最后一个仓储量数据以及纵向预测时的调整权值，确定目标货物的第一预测仓储量；所述根据仓储量稳定程度、目标货物在当天的仓储量数据、横向预测时的调整权值、纵向预测参考序列中最后一个仓储量数据以及纵向预测时的调整权值，确定目标货物的第一预测仓储量，包括：Pcda,t+1＝[Pba*Rva,t*1+Gea]+[1-Pba*Lna*1+Nca]；式中，Pcda,t+1为第a个货物的第一预测仓储量，t为当天，t+1为当天的下一天，第a个货物为目标货物，Pba为第a个货物的仓储量稳定程度，Rva,t为第a个货物在当天的仓储量数据，Gea为第a个货物在横向预测时的调整权值，Lna为第a个货物的纵向预测参考序列中最后一个仓储量数据，Nca为第a个货物在纵向预测时的调整权值；所述根据由今年的目标货物对应的仓储量子序列获得的第二预测仓储量、所述预测权值以及所述第一预测仓储量，确定目标货物的最优预测仓储量，包括：计算第二预测仓储量与预测权值的乘积，作为第一乘积；对预测权值进行负相关处理，将负相关处理后的预测权值与第一预测仓储量的乘积，作为第二乘积；将第一乘积和第二乘积相加后的数值，作为目标货物的最优预测仓储量。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人中通云仓科技有限公司，其通讯地址为：311106 浙江省杭州市临平区塘栖镇智启街1号7号楼10层；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。