本发明公开了一种餐饮人流量备料智能预测方法与系统，包括数据采集单元、人流量预测单元、菜品数量预测单元以及菜品备料输出单元。采集数据包括天气因素、节假日因素、用餐时间段因素以及历史人流量数据；人流量预测单元包括基于SO‑RBF人流量预测模型，将影响人流量的主要因素作为输入，对当天不同时间段的人流量进行预测；菜品数量预测单元包括基于优化权重系数的组合预测模型，将人流量预测结果、菜品供应历史数据、各类菜品实时价格以及各类菜品的保质期作为输入，对当天各类菜品所需数量进行预测。本发明能够对第二天的人流量进行合理预测，对所需购买菜品的数量进行合理预测并给出购菜方案，减少菜品的浪费，使经济效益达到最高。
📄 2023100276097
📂 G06Q30_0202
👤 淮阴工学院
📅 2023-01-09
本发明公开了一种全渠道消费者行为追踪与市场调查一体化平台，平台采用联邦学习和差分隐私技术构建隐私友好的多特征身份解析模型，实现跨渠道用户的高精度匹配。平台使用图注意力神经网络将消费者全渠道行为表示为异构有向图，提出新的结构摩擦指数以识别决策旅程中的转化障碍节点。利用自编码器联合嵌入显性调查数据和隐性行为数据，并引入因果森林模型估计态度因素对购买行为的因果效应，构建综合价值函数融合行为偏好、态度倾向、因果效应和旅程阻力。决策支持层根据摩擦指数和价值评分自动触发个性化营销干预，结合A/B测试反馈动态优化模型。该发明实现了隐私保护与准确识别的平衡，能够深度洞察消费者决策旅程并提供因果驱动的价值预测。
📄 2025117891590
📂 G06Q30_0202
👤 三明医学科技职业学院
📅 2025-12-01
本发明提出了一种食品供应链危害物预测方法，所述方法包括：采用正则化方法定义噪声平滑损失函数；搭建结合GRU子预测器和所述噪声平滑损失函数的预测模型，并对所述预测模型进行训练；根据训练后的预测模型对食品供应链危害物进行预测获得预测结果。本发明提出了一种结合GRU子预测器和采用正则化涉及的噪声平滑损失函数的预测模型，能够减少预测模型对随机噪声的拟合程度，提高了预测的准确度，在实际应对噪声大、出现测量错误等问题概率较大的预测任务中有更好的效果。
📄 202110647468X
📂 G06Q30_0202
👤 北京工商大学
📅 2021-06-10
本发明涉及一种互联网营销活动重点用户参与度趋势预测方法，属于供互联网趋势预测领域，其包括以下步骤：S1.收集营销数据，根据营销数据中的重点用户的分类权重和互动行为分数构建重点用户参与度趋势序列；S2.构建变分模态模型，使用粒子群优化算法优化变分模态模型的最优参数组合，并通过变分模态模型将重点用户参与度趋势序列分解为若干重点用户参与度趋势子序列；S3.采用DenseNet网络的密集连接方式改进时域卷积网络，将各重点用户参与度趋势子序列分别送入改进的时域卷积网络中进行卷积运算，分析重点用户参与趋势。本发明解决了联网营销趋势预测趋势序列非线性非平稳的问题，避免梯度消失和爆炸问题，加强特征重用的能力。
📄 2024115804822
📂 G06Q30_0202
👤 浙江理工大学
📅 2024-11-07
本发明方法公开了基于广义最大相关熵准则的核极限学习机售电量预测方法：对历史日用电量的异常数据进行修正、构建训练样本集，利用皮尔逊相关系数选定模型输入、选用核极限学习机模型对日用电量进行预测，针对售电量预测误差的非高斯特征，使用广义最大相关熵准则作为预测模型的代价函数、引入在线序列学习使模型可以进行滚动预测、引入K‑折交叉验证与网格寻优对广义最大相关熵核极限学习机模型的关键参数σ、λ、α进行优化、用广义最大相关熵核极限学习机预测模型对售电量进行预测，得到预测结果。本售电量预测方法与现有的方法相比，在离群值大且非高斯的情况下也具有好的性能，能更好的对非高斯非线性数据进行预测，预测效果更好。
📄 2020112985160
📂 G06Q30_0202
👤 西安理工大学
📅 2020-11-19
本发明公开了一种融合商品关联关系的商品预测方法，属于商品个性化预测系统技术领域，包括以下步骤：通过用户对商品的历史交互记录，确立用户‑商品二部图；根据用户对商品的历史交互序列，确立商品‑商品同构图；采用图卷积神经网络和图嵌入算法构建用于特征学习的双塔模型；对双塔模型进行特征初始化；采用改进的BPR损失函数对双塔模型进行训练，获取训练后用户和商品节点低维稠密的嵌入表示；根据训练后的用户和商品嵌入表示计算用户于测试集商品的得分，并根据得分进行排序，从而对用户进行商品推荐。本发明能够解决数据集存在的用户与商品交互信息稀缺以及交互序列长短不一的问题，并提高个性化预测的精度。
📄 2022105478936
📂 G06Q30_0202
👤 燕山大学
📅 2022-05-18
本发明公开了一种基于机器学习的城际网约车需求预测方法及系统，包括需求预测模型训练和需求客座数值预测，其中需求预测模型训练包括订单数据获取、天气特征数据获取、特征数据合并及增加、特征数据预处理、特征数据筛选、模型训练和最优模型获取。本发明根据网约车用户的订单数据，统计历史各时段的网约车需求数据以及时段特征，同时额外收集城市的天气数据作为补充，由于网约车需求预测所涉及的因素过于繁杂，所以通过特征选择方法选择强相关特征作为算法输入，并将XGBoost算法作为需求预测的关键算法，通过交叉验证的方法选取并保存最优模型；在实际应用时获取保存的模型及未来时段数据做预测，以对未来各时段的网约车需求进行预测。
📄 2021109431046
📂 G06Q30_0202
👤 华侨大学
📅 2021-08-17
本发明公开了一种基于增量训练的城际网约车短期出行需求预测方法及系统，方法包括：获取城际网约车的历史订单数据集，进行处理及选取所需字段形成初步订单数据；将初步订单数据划分为N个不同的即时单数据集和N个不同的预约单数据集；根据即时单数据集构建待测时刻，构建训练模型所需的特征，并根据所有的特征构建特征数据集，将特征数据集按比例分为训练数据集和测试数据集；基于训练数据集对短期出行需求预测模型进行训练；构建在线实时增量训练模型，将待测时刻所属日期已知的出行需求数据作为新的训练样本进行增量训练；将测试数据集输入至所述短期出行需求预测模型得到预测总输出。本发明能有效提高城际网约车出行需求预测的准确性。
📄 2023111329168
📂 G06Q30_0202
👤 华侨大学
📅 2023-09-05
本发明公开了一种基于时空注意力的城际网约车多线路需求预测方法及系统，涉及智能交通技术领域，方法包括：首先，采用先生成全局时空序列，再构建注意力网络学习序列时空信息的方式，增强模型提取不同线路间动态联系的能力；然后，在生成时空序列时嵌入时间、变量以及局部连通性等多个重要因素，增加预测模型可以学习到的信息；最后，使用多层次自注意力网络递进式学习单变量、局部连通变量以及全局变量间不同时间步长的关系，避免局部重要信息的丢失。本发明相比其他多元时序预测算法能有效提取城际线路间的动态联系，从而提高多线路未来多个时间步长的需求预测准确度。
📄 2024105721397
📂 G06Q30_0202
👤 华侨大学
📅 2024-05-10
本发明涉及能源需求预测技术领域，具体为一种基于ICA算法优化PSO‑BP神经网络模型的能源需求预测方法。首先，本发明为了对未来能源需求进行准确地预测，根据以往的数据建立了一种未来能源影响数据生成模型对未来的能源总量、能源使用量、气候环境、地理特征、人口数量、经济收入、能源污染度和能源价格进行数据生成；其次，本发明提出一种能源成本模型用于对未来能源影响数据生成模型输出结果进行成本预测；接着，本发明为了更加准确地预测未来能源需求，提出一种改进ICA算法；该算法的主要作用在于对能源需求的影响因素进行分析；最后，本发明通过一种改进的PSO‑BP网络模型实现了对未来能源需求的准确预测。
📄 202410086999X
📂 G06Q30_0202
👤 广西民族大学
📅 2024-01-22
本发明公开了一种基于用户及物品流行度变化趋势的图书采购预测方法，该方法数据收集。收集包括用户和书籍信息，用户信息包括用户性别、借阅记录，通过书籍的类别和关键词标签信息获取用户对同类型书籍的喜好状态，借阅起止时间是方便统计时间段内书籍的借阅本数，获取该书籍的借阅流行度趋势。本发明通过数据收集包括用户和书籍信息，使用独热编码处理书籍类别和关键词标签，以及滑动窗口方式处理连续特征，捕捉流行度变化趋势。该方法结合推荐领域Wide&Deep模型并进行改进，Wide部分用于捕捉大规模稀疏特征的交互，Deep部分用于学习用户和图书的深层特征表达。最后，根据预测值调整图书需要采购的数量，从而实现为图书采购提供辅助决策。
📄 2024105699872
📂 G06Q30_0202
👤 南京财经大学
📅 2024-05-09
本发明公开了一种基于CNN和LSTM的电力系统负荷预测方法，涉及电力技术领域，该方法将历史时间序列数据按照电力系统负荷的周期性转换为负荷图片，利用预先基于CNN网络训练得到的特征提取模型提取得到负荷图片中每个像素点的h个时间序列特征，将提取得到时间序列特征的负荷图片再次转换为时间序列得到第一时间序列后输入预先基于LSTM网络训练得到的负荷预测模型得到电力系统负荷的预测值，该方法提高了对隐式的时间序列特征的提取能力以及时间轴上的计算能力，克服了CNN和LSTM各自的缺点，有利于提高对拥有周期性和长时间依赖性的电力系统负荷的预测的精度和准确性，具有较高的应用价值。
📄 202010402226X
📂 G06Q30_0202
👤 江南大学
📅 2020-05-13
柿子坊 · 知识产权运营
柿子坊知识产权运营平台