本发明涉及物流需求，特别涉及一种基于大数据分析的物流需求预测方法及相关设备。
背景技术：
1、在传统的物流管理中，对于复杂的供应链网络，通常依赖于手工编制计划和操作者的经验来确定物流需求。这种方式不仅效率低下，而且在处理高精度要求的物流活动时，难以保证物流活动的一致性和准确性。此外，这种手动规划物流需求的方法还可能导致物流过程中出现延误或其他运营问题。
2、随着物流业向自动化和智能化方向发展，对物流精度和效率的需求日益增加。传统的物流管理方法已经无法满足现代物流业的需求。现有的自动化物流技术虽然能够在一定程度上提高物流效率，但仍然存在需求预测不准确、资源分配不合理等问题。特别是对于具有高度不确定性的市场需求，现有技术往往需要大量的预处理工作，如人工预测需求等，这不仅增加了物流活动前的准备时间，还可能引入额外的人为错误。
技术实现思路
1、本发明的主要目的为提供一种基于大数据分析的物流需求预测方法及相关设备，解决了物流需求预测不准确、资源分配不合理的技术问题。
2、为实现上述目的，本发明提供一种基于大数据分析的物流需求预测方法，包括以下步骤：
3、对物流供应链中的多个数据源进行收集，得到多源采集数据；其中，所述多源采集数据包括订单信息、库存水平及运输记录；
4、利用预设的主成分分析算法对所述多源采集数据进行物流特征提取，得到物流提取特征；其中，所述物流提取特征包括需求波动、时间序列趋势；
5、对所述物流提取特征进行多维度分析，得到多维度分析结果；其中，所述多维度分析结果包括需求波动频率、季节性趋势分析、地区性需求差异分析、产品类别需求变化、客户需求行为模式及运输方式效率比较；
6、基于所述多维度分析结果及物流提取特征进行物流需求识别，得到物流需求的波动情况，基于所述波动情况生成可视化图表；
7、基于所述可视化图表绘制物流需求趋势曲线及物流需求波动模式曲线；
8、通过预设的预测算法，基于所述物流需求趋势曲线和物流需求波动模式曲线进行物流类型预测，得到物流需求的类型，基于所述物流需求的类型制定相对应的物流需求策略。
9、进一步的，对物流供应链中的多个数据源进行收集，得到多源采集数据，包括：
10、对物流供应链中的多个数据源进行收集，得到收集数据；
11、对所述收集数据进行标准化处理，得到标准化数据；
12、对所述标准化数据进行识别和去重，得到识别去重数据；
13、对所述识别去重数据进行分类得到多源采集数据。
14、进一步的，利用预设的主成分分析算法对所述多源采集数据进行物流特征提取，得到物流提取特征，包括：
15、对所述多源采集数据进行物流特征提取，得到初步提取特征，对所述初步提取特征进行向量转化，得到多源采集向量；
16、将所述多源采集向量输入预设的主成分分析算法内进行主成分分析，得到主成分分析结果；
17、对所述主成分分析结果进行构建特征矩阵，基于所述特征矩阵计算协方差矩阵；其中，所述协方差矩阵是用于描述各个物流提取特征之间的线性关系及物流提取特征的强度；
18、对所述协方差矩阵进行特征值分解，得到主成分特征向量及主成分特征向量对应的特征值；
19、基于所述主成分特征向量及主成分特征向量对应的特征值计算所述主成分分析结果的方差解释比例，以评估每个主成分分析结果在多源采集数据中的重要性，得到每个主成分分析结果的方差解释力；
20、通过预设的载荷权重提取算法，基于每个所述方差解释力对初步提取特征进行载荷权重计算，得到各个初步提取特征的权重系数；
21、设置权重系数阈值，将低于所述权重系数阈值的各个初步提取特征的权重系数进行去除，得到标准权重系数；
22、对所述标准权重系数进行物流提取特征匹配，得到对应的物流提取特征。
23、进一步的，对所述物流提取特征进行多维度分析，得到多维度分析结果，包括：
24、通过预设的隐马尔可夫模型对所述物流提取特征进行多维度分析，得到初步多维度分析结果；
25、基于所述多维度分析结果进行识别物流需求的隐藏模式，以揭示物流需求中变化的驱动因素；
26、利用预设的贝叶斯网络，基于所述驱动因素对物流提取特征进行条件依赖关系推断，得到推断结果；
27、采用预设的交互式可视化技术，对所述推断结果与所述初步多维度分析结果之间的关联行进行展示，得到条件依赖关系图；
28、对所述条件依赖关系图进行解读，得到多维度分析结果。
29、进一步的，基于所述多维度分析结果及物流提取特征进行物流需求识别，得到物流需求将的波动情况，基于所述波动情况生成可视化图表，包括：
30、基于所述多维度分析结果对所述物流需求进行需求信息识别，得到物流需求信息；其中，所述物流需求信息包括需求量、需求频率、需求周期及需求紧急程度；
31、对所述物流需求信息进行量化，得到物流需求信息的波动幅度；
32、利用预设的数据基因组学技术对所述物流提取特征进行模式识别，得到物流需求的根本特征；
33、基于所述根本特征及所述波动幅度对所述物流需求进行深度分析，得到物流需求的波动情况；
34、判断所述波动情况是否存在异常波动，若存在，则基于所述异常波动对所述物流需求的波动情况进行可视化，得到动态的波动曲线图，并将所述动态的波动曲线图作为可视化图表；其中，所述异常波动包括需求激增、需求骤减及周期性波动异常。
35、进一步的，基于所述可视化图表绘制物流需求趋势曲线及物流需求波动模式曲线，包括：
36、对所述可视化图表中的数据进行解构，得到解构数据；
37、从所述解构数据中识别长期和/或者短期趋势；将所述长期和/或者短期趋势作为物流需求趋势；
38、基于所述物流需求趋势绘制物流需求趋势曲线；
39、采用傅里叶变换对所述可视化图表进行解读，得到需求变化的频率成分；其中，所述频率成分包括基频和谐波；
40、分析不同所述频率成分的幅度，得到幅度分析结果；
41、基于所述幅度分析结果构建频率谱图，基于所述频率谱图得到各频率成分对物流需求波动模式；
42、基于所述物流需求波动模式绘制物流需求波动模式曲线。
43、进一步的，通过预设的预测算法对所述物流需求趋势和物流需求波动模式进行类型预测，得到物流需求的类型，基于所述物流需求的类型制定相对应的物流需求策略，包括：
44、通过预设的预测算法对所述物流需求趋势进行预测，得到物流需求的动态需求；其中，所述动态需求包括季节性波动、市场渗透率及供应链动态；
45、对所述物流需求波动模式进行预测，得到需求变化模式；其中，所述需求变化模式包括平稳模式、增长模式、波动模式及突发模式；
46、基于所述物流需求的动态需求及所述需求变化模式对所述物流需求进行类型预测，得到物流需求的类型；
47、对所述物流需求的类型进行制定初步物流策略；其中，所述初步物流策略包括库存管理、运输规划和资源分配；
48、对所述初步物流策略进行实施过程风险评估，得到风险评估结果；
49、基于所述风险评估结果对所述初步物流策略进行策略优化，得到相对应的物流需求策略。
50、本发明还提供了一种基于大数据分析的物流需求预测装置，包括：
51、收集模块，用于对物流供应链中的多个数据源进行收集，得到多源采集数据；其中，所述多源采集数据包括订单信息、库存水平及运输记录；
52、提取模块，用于利用预设的主成分分析算法对所述多源采集数据进行物流特征提取，得到物流提取特征；其中，所述物流提取特征包括需求波动、时间序列趋势；
53、分析模块，用于对所述物流提取特征进行多维度分析，得到多维度分析结果；其中，所述多维度分析结果包括需求波动频率、季节性趋势分析、地区性需求差异分析、产品类别需求变化、客户需求行为模式及运输方式效率比较；
54、识别模块，用于基于所述多维度分析结果及物流提取特征进行物流需求识别，得到物流需求将的波动情况，基于所述波动情况生成可视化图表；
55、绘制模块，用于基于所述可视化图表绘制物流需求趋势曲线及物流需求波动模式曲线；
56、预测模块，用于通过预设的预测算法，基于所述物流需求趋势曲线和物流需求波动模式曲线进行物流类型预测，得到物流需求的类型，基于所述物流需求的类型制定相对应的物流需求策略。
57、本发明还提供一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器执行所述计算机程序时实现上述任一项所述方法的步骤。
58、本发明还提供一种计算机可读存储介质，其上存储有计算机程序，所述计算机程序被处理器执行时实现上述任一项所述的方法的步骤。
59、本发明提供的基于大数据分析的物流需求预测方法，包括以下步骤：对物流供应链中的多个数据源进行收集，得到多源采集数据；利用预设的主成分分析算法对所述多源采集数据进行物流特征提取，得到物流提取特征；对所述物流提取特征进行多维度分析，得到多维度分析结果；基于所述多维度分析结果及物流提取特征进行物流需求识别，得到物流需求的波动情况，基于所述波动情况生成可视化图表；基于所述可视化图表绘制物流需求趋势曲线及物流需求波动模式曲线；通过预设的预测算法，基于所述物流需求趋势曲线和物流需求波动模式曲线进行物流类型预测，得到物流需求的类型，基于所述物流需求的类型制定相对应的物流需求策略，通过上述的技术方案，解决了物流需求预测不准确、资源分配不合理的技术问题，提高物流需求预测的准确性和效率，减少人为干预，从而优化物流资源的配置和利用的有益效果。
1.一种基于大数据分析的物流需求预测方法，其特征在于，包括以下步骤：
2.根据权利要求1所述的基于大数据分析的物流需求预测方法，其特征在于，对物流供应链中的多个数据源进行收集，得到多源采集数据，包括：
3.根据权利要求1所述的基于大数据分析的物流需求预测方法，其特征在于，利用预设的主成分分析算法对所述多源采集数据进行物流特征提取，得到物流提取特征，包括：
4.根据权利要求1所述的基于大数据分析的物流需求预测方法，其特征在于，对所述物流提取特征进行多维度分析，得到多维度分析结果，包括：
5.根据权利要求1所述的基于大数据分析的物流需求预测方法，其特征在于，基于所述多维度分析结果及物流提取特征进行物流需求识别，得到物流需求将的波动情况，基于所述波动情况生成可视化图表，包括：
6.根据权利要求1所述的基于大数据分析的物流需求预测方法，其特征在于，基于所述可视化图表绘制物流需求趋势曲线及物流需求波动模式曲线，包括：
7.根据权利要求1所述的基于大数据分析的物流需求预测方法，其特征在于，通过预设的预测算法对所述物流需求趋势和物流需求波动模式进行类型预测，得到物流需求的类型，基于所述物流需求的类型制定相对应的物流需求策略，包括：
8.一种基于大数据分析的物流需求预测装置，其特征在于，应用于五轴激光设备，包括：
9.一种计算机设备，包括存储器和处理器，所述存储器中存储有计算机程序，其特征在于，所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
