CN117114761A - 基于积分数据分析的供应链信息管理系统 - Google Patents

Abstract

本发明涉及供应链管理技术领域，具体涉及基于积分数据分析的供应链信息管理系统，包括：积分兑换数据采集模块，基准序列获取模块，最佳预测需求量获取模块，供应链管理模块，采集积分兑换数据；根据积分兑换数据得到每种商品未来每天的热度变化值；进而设置预测参数评估函数；根据预测参数评估函数得到每种商品未来每天的最佳预测需求量；根据最佳预测需求量进行供应管理，从而实现为预测算法设置合理的参数，预测出准确的商品需求量，进而实现对积分兑换商品的精准管理。

Description

基于积分数据分析的供应链信息管理系统

技术领域

本发明涉及供应链管理技术领域，具体涉及基于积分数据分析的供应链信息管理系统。

背景技术

积分兑换活动是指，在积分商城中用户可通过累积积分进行商品兑换，该活动是平台对用户的回馈，可以提高用户对平台的体验以及好感。

但是如果积分商城中部分商品出现供应不足，导致用户无法进行积分兑换，会使得用户对积分兑换活动的积极性下降，从而对平台满意度降低。因而通过对所有用户的积分兑换数据进行分析，预估出每种兑换商品的需求量，进而解决兑换商品供应不足的问题。

在利用时序预测的方法对积分兑换数据进行分析时，一般是根据经验其设置超参数，但是这种设置方式会使得预测结果不够准确，从而无法准确的预测出兑换商品的需求量。

发明内容

本发明提供基于积分数据分析的供应链信息管理系统，以解决现有的问题：排除预测模型参数设置不合理的影响，实现准确的兑换商品需求量预测。

本发明的基于积分数据分析的供应链信息管理系统采用如下技术方案：

本发明一个实施例提供了基于积分数据分析的供应链信息管理系统，该系统包括以下模块：

积分兑换数据采集模块，用于采集每种商品每天的积分兑换件数序列、兑换一件每种商品所需的积分、每种商品每天的积分消耗量序列以及所有商品每天的积分消耗量序列；

基准序列获取模块，用于根据每种商品每天的积分消耗量和所有商品每天的积分消耗量序列得到每种商品每天的兑换热度；根据每种商品每天的兑换热度、积分兑换件数序列、积分消耗量序列和所有商品每天的积分消耗量序列得到每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度和所有商品每天的基准积分消耗量序列；

最佳预测需求量获取模块，用于获取可行预测参数组，根据每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度、所有商品每天的基准积分消耗量序列、兑换一件每种商品所需的积分和可行预测参数组得到可行预测参数组下的每种商品未来每天的热度变化值；根据可行预测参数下的每种商品未来每天的热度变化值设置预测参数评估函数；根据预测参数评估函数得到每种商品未来每天的最佳预测需求量；

供应链管理模块，用于根据每种商品的未来每天的最佳预测需求量对每种商品进行供应管理。

优选的，所述根据每种商品每天的积分消耗量和所有商品每天的积分消耗量序列得到每种商品每天的兑换热度，包括的具体方法为：

将第i种商品第j天的积分消耗序列与所有商品第j天的积分消耗序列的皮尔逊相关系数的绝对值记为第i种商品第j天的兑换热度；

获取每种商品每天的兑换热度。

优选的，所述根据每种商品每天的兑换热度、积分兑换件数序列、积分消耗量序列和所有商品每天的积分消耗量序列得到每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度和所有商品每天的基准积分消耗量序列，包括的具体方法为：

构建二维笛卡尔坐标系，利用x轴描述日期，y轴描述兑换热度，获取每种商品每天的兑换热度在坐标系里的坐标点，对所有的坐标点进行聚类分析得到每种商品的多个积分类别；计算每个积分类别中所有坐标点的日期均值，将当前日期与每个积分类别的日期均值的差值得到每个积分类别的时间间隔，将时间间隔最小的积分类别作为每种商品的基准积分类别；

将每种商品的基准积分类别中的所有日期记为基准日期，将基准日期中每天的每种商品兑换件数序列称为每种商品每天的基准兑换件数序列，将基准日期中每天的每种商品的积分消耗量序列称为每种商品每天的基准积分消耗量序列，将基准日期中每天的所有商品积分消耗量序列称为所有商品每天的基准积分消耗量序列，将基准日期中每天的每种商品的兑换热度称为每种商品每天的基准兑换热度。

优选的，所述获取可行预测参数组，包括的具体方法为：

将预测算法的自回归模型的滑动窗口数参数p，差分阶数参数d，移动平均模型的滑动窗口数参数q构成预测参数组[p,d,q]，设置预测参数组[p,d,q]的解空间为：

;

其中，表示任意一个大于0自然数；

在预测参数组的解空间中任意选取一个可行解作为可行预测参数组。

优选的，所述根据每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度、所有商品每天的基准积分消耗量序列、兑换一件每种商品所需的积分和可行预测参数组得到可行预测参数组下的每种商品未来每天的热度变化值，包括的具体方法为：

获取每种商品未来每天的预测兑换热度；

对于可行预测参数组，获取每种商品所有天的基准兑换热度均值和方差，将均值、方差分别为基准兑换热度均值和基准兑换热度方差的高斯函数作为每种商品的兑换热度拟合函数，将每种商品未来每天的预测兑换热度输入到兑换热度拟合函数中得到每种商品未来每天的预测兑换热度拟合值，将每种商品每天的基准兑换热度输入到兑换热度拟合函数中得到每种商品每天的基准兑换热度拟合值，将每种商品所有天的基准兑换热度拟合值均值与未来每天的预测兑换热度拟合值的差值绝对值作为每种商品未来每天的热度变化值。

优选的，所述获取每种商品未来每天的预测兑换热度，包括的具体方法为：

将预测算法的各参数分别取可行预测参数组中的对应数据，将每种商品所有天的基准兑换件数序列拼接在一起得到每种商品的整体兑换件数序列，利用可行预测参数组下的预测算法对整体兑换件数序列进行预测处理得到可行预测参数组下的每种商品未来1、2、…、Q天的预测兑换件数序列；

获取可行预测参数组下的所有商品未来1、2、…、Q天的预测积分消耗量序列；

对于可行预测参数组，将每种商品未来每天的预测兑换件数序列中各元素乘以兑换一件每种商品所需的积分得到每种商品未来每天的预测积分消耗量序列，将每种商品未来每天的预测积分消耗量序列与所有商品未来每天的预测积分消耗量序列的皮尔逊相关系数的绝对值作为每种商品未来每天的预测兑换热度，Q表示预设的未来天数。

优选的，所述根据可行预测参数下的每种商品未来每天的热度变化值设置预测参数评估函数，包括的具体方法为：

;

其中，表示第r种商品未来所有天的热度变化值的均值，/>表示第/>种商品未来第q天的热度变化值，Q表示预设的未来天数，L表示商品种类数，exp()表示以自然常数为底的指数函数，H表示预测参数评估函数。

优选的，所述根据预测参数评估函数得到每种商品未来每天的最佳预测需求量，包括的具体方法为：

将可行预测参数组在解空间中取不同的可行解，基于预测参数评估函数，利用PSO算法进行寻优求解，将预测参数评估函数取最小值时对应的可行预测参数组作为每种商品的最佳预测参数组；

利用最佳预测参数组下的预测算法获取最佳预测参数组下的每种商品未来每天的最佳预测兑换件数序列，将每种商品未来每天的最佳预测兑换件数序列中所有元素的累加和作为每种商品未来每天的最佳预测需求量。

优选的，所述根据每种商品的未来每天的最佳预测需求量对每种商品进行供应管理，包括的具体方法为：

对于任意一种商品，获取商品的库存W，将商品的未来三天的最佳预测需求量的累加和作为商品的备货量V，当商品的库存W大于备货量V时，无需购买商品；当商品的库存量W小于备货量V时，需要购买（W-V）件商品来补足库存。

优选的，所述采集每种商品每天的积分兑换件数序列、兑换一件每种商品所需的积分、每种商品每天的积分消耗量序列以及所有商品每天的积分消耗量序列，包括的具体方法为：

在积分兑换平台上获取每种商品每小时的兑换件数、兑换一件每种商品所需的积分以及所有商品每小时的积分消耗量，将每种商品每小时的兑换件数与兑换一件每种商品所需的积分相乘得到每种商品每小时的积分消耗量，将每天24小时的每种商品每小时的兑换件数按时间先后顺序排列得到长度为24的每种商品每天的兑换件数序列；将每天24小时的每种商品每小时的积分消耗量按时间先后顺序排列得到长度为24的每种商品每天的积分消耗量序列，将每天24小时的所有商品每小时的积分消耗量按时间先后顺序排列得到长度为24的所有商品每天的积分消耗量序列。

本发明的技术方案的有益效果是：采集每种商品每天的积分消耗量序列以及所有商品每天的积分消耗量序列；根据每种商品每天的积分消耗量和所有商品每天的积分消耗量序列得到每种商品每天的兑换热度；根据每种商品每天的兑换热度、积分兑换件数序列、积分消耗量序列和所有商品每天的积分消耗量序列得到每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度和所有商品每天的基准积分消耗量序列；获取可行预测参数组，根据每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度、所有商品每天的基准积分消耗量序列、兑换一件每种商品所需的积分和可行预测参数组得到可行预测参数组下的每种商品未来每天的热度变化值；根据可行预测参数下的每种商品未来每天的热度变化值设置预测参数评估函数；根据预测参数评估函数得到每种商品未来每天的最佳预测需求量；根据每种商品的未来每天的最佳预测需求量对每种商品进行供应管理，从而实现为预测算法设置合理的参数，预测出准确的商品需求量，进而实现对积分兑换商品的精准管理。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明基于积分数据分析的供应链信息管理系统的结构框图。

具体实施方式

为了更进一步阐述本发明为达成预定发明目的所采取的技术手段及功效，以下结合附图及较佳实施例，对依据本发明提出的基于积分数据分析的供应链信息管理系统，其具体实施方式、结构、特征及其功效，详细说明如下。在下述说明中，不同的“一个实施例”或“另一个实施例”指的不一定是同一实施例。此外，一或多个实施例中的特定特征、结构或特点可由任何合适形式组合。

除非另有定义，本文所使用的所有的技术和科学术语与属于本发明的技术领域的技术人员通常理解的含义相同。

下面结合附图具体的说明本发明所提供的基于积分数据分析的供应链信息管理系统的具体方案。

请参阅图1，其示出了本发明一个实施例提供的基于积分数据分析的供应链信息管理系统的结构框图，该系统包括以下模块：

积分兑换数据采集模块101，获取每种商品每天的积分消耗量序列、兑换件数序列、兑换一件每种商品所需的积分以及所有商品的每天的积分消耗量序列。

需要说明的是，积分兑换商品的供应不足容易引发客户不满，因而需根据每种商品的历史积分兑换数据来预估每种商品的需求量。因而首先采集积分兑换数据。

具体的，在积分兑换平台上获取每种商品每小时的兑换件数、兑换一件每种商品所需的积分以及所有商品每小时的积分消耗量，将每种商品每小时的兑换件数与兑换一件每种商品所需的积分相乘得到每种商品每小时的积分消耗量，将每天24小时的每种商品每小时的兑换件数按时间先后顺序排列得到长度为24的每种商品每天的兑换件数序列；将每天24小时的每种商品每小时的积分消耗量按时间先后顺序排列得到长度为24的每种商品每天的积分消耗量序列，将每天24小时的所有商品每小时的积分消耗量按时间先后顺序排列得到长度为24的所有商品每天的积分消耗量序列。

基准序列获取模块102，根据每种商品每天的积分消耗量序列与所有商品每天的积分消耗量序列得到每种商品每天的兑换热度，根据每种商品每天的兑换热度得到每种商品的多个积分类别，根据积分类别得到每种商品的基准积分类别，根据每种商品的基准积分类别得到每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度和所有商品每天的基准积分消耗量序列。

需要说明的是，每种商品每天的兑换热度一般受积分兑换策略的影响较大，受其他因素影响较小，因而每种商品每天的兑换热度是一种相对稳定指标。因而根据每种商品每天的兑换热度的变换情况来对每种商品的需求量预估结果准确性进行评估，首先获取每种商品每天的兑换热度。

具体的，将第i种商品第j天的积分消耗序列与所有商品第j天的积分消耗序列的皮尔逊相关系数的绝对值记为第i种商品第j天的兑换热度，该值越大说明第i种商品在第j天的积分消耗量与所有商品的积分消耗量的比重较大，因而第i种商品相较于其他商品的兑换热度较大。同理得到每种商品每天的兑换热度。

需要说明的是，一般商品的积分热度与积分兑换策略相关，其中相同类别的积分热度反映了一种积分兑换策略，要预估未来的商品需求，需先获取与当前时间点具有相同积分兑换策略的积分数据，一般积分兑换策略在短时间内不会发生变换，因而与当前时间点间隔最小的一种积分兑换策略的积分数据，一般能够较好的反映未来的积分兑换情况，因而基于此来获取每种商品的基准积分类别。

进一步的，构建二维笛卡尔坐标系，利用x轴描述日期，y轴描述兑换热度，获取每种商品每天的兑换热度在坐标系里的坐标点，对所有的坐标点进行聚类分析得到每种商品的多个积分类别；计算每个积分类别中所有坐标点的日期均值，根据每个积分类别的时间均值与当前日期得到每个积分类别的时间间隔，将时间间隔最小的积分类别作为每种商品的基准积分类别；

进一步的，将每种商品的基准积分类别中的所有日期记为基准日期，将基准日期中每天的每种商品兑换件数序列称为每种商品每天的基准兑换件数序列，将基准日期中每天的每种商品的积分消耗量序列称为每种商品每天的基准积分消耗量序列，将基准日期中每天的所有商品积分消耗量序列称为所有商品每天的基准积分消耗量序列，将基准日期中每天的每种商品的兑换热度称为每种商品每天的基准兑换热度。

至此，通过上述过程得到每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度和所有商品每天的基准积分消耗量序列。

最佳预测需求量获取模块103，获取可行预测参数组，根据每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度和所有商品每天的基准积分消耗量序列获取每个可行预测参数组下的每种商品未来每天的热度变化值，根据每种预测参数下的每种商品未来每天的热度变化值设置预测参数评估函数，根据预测参数评估函数得到每种商品的最佳预测参数，根据最佳预测参数得到每种商品未来每天的最佳预测需求量。

需要说明的是，预测算法的预测参数设置影响每种商品需求量的预测准确性，为了获取准确的预测需求量需为预测算法设置一个准确的预测参数，进而基于准确预测参数的预测算法得到准确的预测需求量。

需要进一步说明的是，由于每种商品的兑换热度只与商品的兑换策略相关，商品的兑换策略短时间内不会发生变换，因而基于此来构建预测参数评估函数。

具体的，将ARIMA预测算法需要设置的参数包含：自回归模型的滑动窗口数参数p，差分阶数参数d，移动平均模型的滑动窗口数参数q。将自回归模型的滑动窗口数参数p，差分阶数参数d，移动平均模型的滑动窗口数参数q构成预测参数组[p,d,q]，设置预测参数组[p,d,q]的解空间为：

;

其中，表示任意一个大于0自然数。

在预测参数组的解空间中任意选取一个可行解作为可行预测参数组。

进一步的，将ARIMA预测算法的各参数分别取可行预测参数组中的对应数据，将每种商品所有天的基准兑换件数序列拼接在一起得到每种商品的整体兑换件数序列，利用可行预测参数组下的ARIMA预测算法对整体兑换件数序列进行预测处理得到可行预测参数组下的每种商品未来1、2、…、Q天的预测兑换件数序列，同理获取可行预测参数组下的所有商品未来1、2、…、Q天的预测积分消耗量序列；Q表示预设的未来天数。

对于可行预测参数组，将每种商品未来每天的预测兑换件数序列中各元素乘以兑换一件每种商品所需的积分得到每种商品未来每天的预测积分消耗量序列，将每种商品未来每天的预测积分消耗量序列与所有商品未来每天的预测积分消耗量序列的皮尔逊相关系数的绝对值作为每种商品未来每天的预测兑换热度。

需要说明的是，每种商品的兑换热度在短时间内一般不发生变化，因而未来每天的兑换热度分布应该与基准兑换热度分布相同，因而基于此来设置预测参数评估函数。

进一步的，对于可行预测参数组，获取每种商品所有天的基准兑换热度均值和方差，将均值、方差分别为基准兑换热度均值和基准兑换热度方差的高斯函数作为每种商品的兑换热度拟合函数，将每种商品未来每天的预测兑换热度输入到兑换热度拟合函数中得到每种商品未来每天的预测兑换热度拟合值，将每种商品的每天的基准兑换热度输入到兑换热度拟合函数中得到每种商品每天的基准兑换热度拟合值，将每种商品所有天的基准兑换热度拟合值均值与未来每天的预测兑换热度拟合值的差值绝对值作为每种商品未来每天的热度变化值。通过热度变化值反映每种商品未来每天的热度分布的变化情况，该值越大说明基于该可行预测参数组下得到的该种商品的未来该天的兑换次数预测不够准确。

需要说明的是，由于每种商品未来每天的兑换热度是基于所有商品的积分消耗量序列计算得到，因而每种商品未来每天的热度变化较大不一定说明该种商品在未来该天的预测兑换件数不够准确，还有可能是由于所有商品未来该天的预测积分消耗量不够准确。当基于可行预测参数得到的一种商品的未来每天的热度变化较大，对其他所有商品的未来每天的热度变化较小，则说明基于该可行预测参数得到该种商品的该天的预测兑换件数不够准确，当基于可行预测参数得到的所有商品的未来每天的热度变化较大，对其他所有商品的未来每天的热度变化也较大，则说明基于该可行预测参数得到的所有商品的该天的积分消耗量不够准确。因而在设置预测参数评估函数时应该不仅要考虑一种商品的热度变化情况，还要考虑其他所有商品的热度变化情况。

进一步的，根据每种可行预测参数组下的每种商品的未来每天的热度变化值设置预测参数评估函数的具体方法为：

;

其中，表示第r种商品未来所有天的热度变化值的均值，通过使该值尽可能小，从而使得第r中商品的预测兑换次数精度尽可能高。/>表示第/>种商品未来第q天的热度变化值，Q表示预设的未来天数，L表示商品种类数。exp()表示以自然常数为底的指数函数，通过使/>尽可能小，使得所有商品的每天的预测积分消耗量精度尽可能高。H表示预测参数评估函数。

进一步的，将可行预测参数组在解空间中取不同的可行解，基于预测参数评估函数，利用PSO算法进行寻优求解，将预测参数评估函数取最小值时对应的可行预测参数组作为最佳预测参数组。

进一步的，根据可行预测参数组下ARIMA预测算法预测每种商品未来每天的预测兑换件数序列的方法，获取最佳预测参数组下的每种商品未来每天的最佳预测兑换件数序列。将每种商品未来每天的最佳预测兑换件数序列中所有元素的累加和作为每种商品的未来每天的最佳预测需求量。

至此，通过上述过程得到每种商品的未来每天的最佳预测需求量。

供应链管理模块104，根据每种商品的每天的最佳预测需求量对每种商品进行供应管理。

具体的，获取每种商品的库存W，将每种商品的未来三天的最佳预测需求量的累加和作为每种商品的备货量V，当每种商品的库存W大于备货量V时，无需购买该商品；当每种商品的库存量W小于备货量V时，需要购买（W-V）件该种类的商品来补足库存。

以上所述仅为本发明的较佳实施例而已，并不用以限制本发明，凡在本发明的精神和原则之内，所作的任何修改、等同替换、改进等，均应包含在本发明的保护范围之内。

Claims (10)

1.基于积分数据分析的供应链信息管理系统，其特征在于，该系统包括以下模块：

积分兑换数据采集模块，用于采集每种商品每天的积分兑换件数序列、兑换一件每种商品所需的积分、每种商品每天的积分消耗量序列以及所有商品每天的积分消耗量序列；

基准序列获取模块，用于根据每种商品每天的积分消耗量和所有商品每天的积分消耗量序列得到每种商品每天的兑换热度；根据每种商品每天的兑换热度、积分兑换件数序列、积分消耗量序列和所有商品每天的积分消耗量序列得到每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度和所有商品每天的基准积分消耗量序列；

最佳预测需求量获取模块，用于获取可行预测参数组，根据每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度、所有商品每天的基准积分消耗量序列、兑换一件每种商品所需的积分和可行预测参数组得到可行预测参数组下的每种商品未来每天的热度变化值；根据可行预测参数下的每种商品未来每天的热度变化值设置预测参数评估函数；根据预测参数评估函数得到每种商品未来每天的最佳预测需求量；

供应链管理模块，用于根据每种商品的未来每天的最佳预测需求量对每种商品进行供应管理。

2.根据权利要求1所述基于积分数据分析的供应链信息管理系统，其特征在于，所述根据每种商品每天的积分消耗量和所有商品每天的积分消耗量序列得到每种商品每天的兑换热度，包括的具体方法为：

将第i种商品第j天的积分消耗序列与所有商品第j天的积分消耗序列的皮尔逊相关系数的绝对值记为第i种商品第j天的兑换热度；

获取每种商品每天的兑换热度。

3.根据权利要求1所述基于积分数据分析的供应链信息管理系统，其特征在于，所述根据每种商品每天的兑换热度、积分兑换件数序列、积分消耗量序列和所有商品每天的积分消耗量序列得到每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度和所有商品每天的基准积分消耗量序列，包括的具体方法为：

构建二维笛卡尔坐标系，利用x轴描述日期，y轴描述兑换热度，获取每种商品每天的兑换热度在坐标系里的坐标点，对所有的坐标点进行聚类分析得到每种商品的多个积分类别；计算每个积分类别中所有坐标点的日期均值，将当前日期与每个积分类别的日期均值的差值得到每个积分类别的时间间隔，将时间间隔最小的积分类别作为每种商品的基准积分类别；

将每种商品的基准积分类别中的所有日期记为基准日期，将基准日期中每天的每种商品兑换件数序列称为每种商品每天的基准兑换件数序列，将基准日期中每天的每种商品的积分消耗量序列称为每种商品每天的基准积分消耗量序列，将基准日期中每天的所有商品积分消耗量序列称为所有商品每天的基准积分消耗量序列，将基准日期中每天的每种商品的兑换热度称为每种商品每天的基准兑换热度。

4.根据权利要求1所述基于积分数据分析的供应链信息管理系统，其特征在于，所述获取可行预测参数组，包括的具体方法为：

将预测算法的自回归模型的滑动窗口数参数p，差分阶数参数d，移动平均模型的滑动窗口数参数q构成预测参数组[p,d,q]，设置预测参数组[p,d,q]的解空间为：

；

其中，表示任意一个大于0自然数；

在预测参数组的解空间中任意选取一个可行解作为可行预测参数组。

5.根据权利要求4所述基于积分数据分析的供应链信息管理系统，其特征在于，所述根据每种商品每天的基准兑换件数序列、基准积分消耗量序列、基准兑换热度、所有商品每天的基准积分消耗量序列、兑换一件每种商品所需的积分和可行预测参数组得到可行预测参数组下的每种商品未来每天的热度变化值，包括的具体方法为：

获取每种商品未来每天的预测兑换热度；

对于可行预测参数组，获取每种商品所有天的基准兑换热度均值和方差，将均值、方差分别为基准兑换热度均值和基准兑换热度方差的高斯函数作为每种商品的兑换热度拟合函数，将每种商品未来每天的预测兑换热度输入到兑换热度拟合函数中得到每种商品未来每天的预测兑换热度拟合值，将每种商品每天的基准兑换热度输入到兑换热度拟合函数中得到每种商品每天的基准兑换热度拟合值，将每种商品所有天的基准兑换热度拟合值均值与未来每天的预测兑换热度拟合值的差值绝对值作为每种商品未来每天的热度变化值。

6.根据权利要求5所述基于积分数据分析的供应链信息管理系统，其特征在于，所述获取每种商品未来每天的预测兑换热度，包括的具体方法为：

将预测算法的各参数分别取可行预测参数组中的对应数据，将每种商品所有天的基准兑换件数序列拼接在一起得到每种商品的整体兑换件数序列，利用可行预测参数组下的预测算法对整体兑换件数序列进行预测处理得到可行预测参数组下的每种商品未来1、2、…、Q天的预测兑换件数序列；

获取可行预测参数组下的所有商品未来1、2、…、Q天的预测积分消耗量序列；

对于可行预测参数组，将每种商品未来每天的预测兑换件数序列中各元素乘以兑换一件每种商品所需的积分得到每种商品未来每天的预测积分消耗量序列，将每种商品未来每天的预测积分消耗量序列与所有商品未来每天的预测积分消耗量序列的皮尔逊相关系数的绝对值作为每种商品未来每天的预测兑换热度，Q表示预设的未来天数。

7.根据权利要求1所述基于积分数据分析的供应链信息管理系统，其特征在于，所述根据可行预测参数下的每种商品未来每天的热度变化值设置预测参数评估函数，包括的具体方法为：

；

其中，表示第r种商品未来所有天的热度变化值的均值，/>表示第/>种商品未来第q天的热度变化值，Q表示预设的未来天数，L表示商品种类数，exp()表示以自然常数为底的指数函数，H表示预测参数评估函数。

8.根据权利要求4所述基于积分数据分析的供应链信息管理系统，其特征在于，所述根据预测参数评估函数得到每种商品未来每天的最佳预测需求量，包括的具体方法为：

将可行预测参数组在解空间中取不同的可行解，基于预测参数评估函数，利用PSO算法进行寻优求解，将预测参数评估函数取最小值时对应的可行预测参数组作为每种商品的最佳预测参数组；

利用最佳预测参数组下的预测算法获取最佳预测参数组下的每种商品未来每天的最佳预测兑换件数序列，将每种商品未来每天的最佳预测兑换件数序列中所有元素的累加和作为每种商品未来每天的最佳预测需求量。

9.根据权利要求1所述基于积分数据分析的供应链信息管理系统，其特征在于，所述根据每种商品的未来每天的最佳预测需求量对每种商品进行供应管理，包括的具体方法为：

对于任意一种商品，获取商品的库存W，将商品的未来三天的最佳预测需求量的累加和作为商品的备货量V，当商品的库存W大于备货量V时，无需购买商品；当商品的库存量W小于备货量V时，需要购买（W-V）件商品来补足库存。

10.根据权利要求1所述基于积分数据分析的供应链信息管理系统，其特征在于，所述采集每种商品每天的积分兑换件数序列、兑换一件每种商品所需的积分、每种商品每天的积分消耗量序列以及所有商品每天的积分消耗量序列，包括的具体方法为：

在积分兑换平台上获取每种商品每小时的兑换件数、兑换一件每种商品所需的积分以及所有商品每小时的积分消耗量，将每种商品每小时的兑换件数与兑换一件每种商品所需的积分相乘得到每种商品每小时的积分消耗量，将每天24小时的每种商品每小时的兑换件数按时间先后顺序排列得到长度为24的每种商品每天的兑换件数序列；将每天24小时的每种商品每小时的积分消耗量按时间先后顺序排列得到长度为24的每种商品每天的积分消耗量序列，将每天24小时的所有商品每小时的积分消耗量按时间先后顺序排列得到长度为24的所有商品每天的积分消耗量序列。