技术摘要：
为了指导电力企业在面对具有不确定性的电力物资时、较难对存储空间进行预留和优化的问题，本发明提出一种电力物资入库数量预测方法，对尚未入库的潜在物资进行联想化预测。步骤包括：首先对电力物资入库数量的随机性以及入库时间进行量化，推导出电力物资预期入库数量  全部
背景技术：
】 由于电力物资产品的专业性强、品种多、规格杂、数量大，因此电力物资的仓储数 据相当庞大和复杂，简单地用肉眼或者是对出入库单据进行查看很难发现其中的规则。因 此拟使采用大数据技术，对海量的出入库和在库数据进行自动收集、处理，并进行大数据处 理分析，从而挖掘这些数据当中是否隐含某些有价值的信息，为优化电力物资的仓储管理 提供科学的依据。 从电力企业物资部门角度实现库内物资储备优化管理。考虑历史订单信息所反映 的物资之间的相关性，构建基于物资相关性大数据分析模型和智能化物资储备优化方案。 从物资相关性角度来分析，各物资之间存在相互配合、相互备用的现象，不同物资的需求数 量上有“同增同减”或“此消彼长”等截然不同的特点，如水泥杆和架空绝缘导线理论上就存 在一定的相关关系。借鉴频繁项集和关联规则理论，从历史订单中发现有关电力物资入库 的频繁项集，并且找出这些频繁项集之间的联系(即关联规则)。使用贝叶斯分析方法，通过 部分已入库的物资数量对其他尚未入库的物资数量进行更新与修正。以帮助电力公司了解 库存物资品类间的联系，对尚未入库的潜在物资进行联想化补货，对存储空间和区位进行 预留。 【
技术实现要素：
】 为解决前述问题，本发明提供了一种电力物资入库数量预测方法，对尚未入库的 潜在物资进行精确的预测。 一种电力物资入库数量预测方法，包括如下步骤： 获取未入库电力物资的种类编号、已入库电力物资的种类编号和数量、之前每个 历史补货周期的电力物资的种类编号和数量； 根据获取到的之前每个历史补货周期的电力物资的种类编号和数量计算之前每 个历史补货周期的不同电力物资之间的数量比的均值、之前每个历史补货周期的不同电力 物资之间的数量比的标准差； 根据计算得到的之前每个历史补货周期的不同电力物资之间的数量比的均值和 标准差、以及获取到的未入库电力物资的种类编号、已入库电力物资的种类编号和数量对 未入库电力物资的预期入库数量进行贝叶斯更新以及加权贝叶斯更新，得到最终预测结 果。 可选的，其特征在于： 未入库电力物资的种类编号为j’，j′∈J′＝{j|tj>s}， J’为未入库电力物资的种类集合， 已入库电力物资的种类编号为j”，j″∈J″＝{j|tj≤s}， 4 CN 111553505 A 说　明　书 2/7 页 J”为已入库电力物资的种类集合， 未入库电力物资的种类编号和已入库电力物资的种类编号满足约束条件J′ J″＝ J，其中，j为所有物资的种类编号，J为所有电力物资的种类集合，tj为电力物资j入库的时 间，s为所有时间点的编号。 可选的，电力物资预期入库数量根据如下公式计算： 其中，djs为电力物资预期入库数量，Pj服从数学期望为μj、标准方差为τ 2j 的高斯分 布，Qj为已入库的电力物资数量。 可选的，在对未入库电力物资的预期入库数量进行贝叶斯更新前，计算似然函数， 所述似然函数π(Pj″|Pj′)为： 再计算Pj″的边际概率分布函数πMar(Pj″)： 以及Pj′的后验概率分布函数为πPos(Pj′|Pj″)： 其中， 根据似然函数、边际概率分布函数、后验概率分布函数以及获取到的未入库电力 物资的种类编号、已入库电力物资的种类编号和数量对未入库电力物资的预期入库数量进 行贝叶斯更新： σj′j″为已入库电力物资和未入库电力物资之间数量比之外的误差，θj′j″之前每个 历史补货周期的不同电力物资之间的数量比，σj′j″为之前每个历史补货周期的不同电力物 资之间的数量比的标准差。 可选的，经加权贝叶斯更新后的某一种未入库电力物资j′的预期入库数量： 5 CN 111553505 A 说　明　书 3/7 页 本发明所提供的方法使得更新和修正后的未入库电力物资预期入库数量更接近 实际入库数量。从更新前后的结果比较来看，更新后的需求均值其精度会持续提高，且离入 库时间越远，精度提高的幅度越大；而更新后的需求数量的稳定性也越来越高。本发明所提 供的方法不仅可以提高电力物资数量的预测精度，还同时减少了电力物资数量预测的不确 定性和变数。从实例运行结果来看，本发明所提出的方法有效地减小了电力企业在对仓储 管理和库存控制的难度，指导企业合理配置有限仓库储位资源、降低了仓储运营成本，提高 了仓储管理水平和运营水平。 本发明的这些特点和优点将会在下面的