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！

龙图腾网获悉重庆大学申请的专利基于时空图卷积的汽车协同供应链配件需求智能预测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：CN119962756B 。

龙图腾网通过国家知识产权局官网在2025-09-26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：202510146022.7，技术领域涉及：G06Q10/04；该发明授权基于时空图卷积的汽车协同供应链配件需求智能预测方法是由李孝斌;胡冰;尹超;江沛设计研发完成，并于2025-02-10向国家知识产权局提交的专利申请。

本基于时空图卷积的汽车协同供应链配件需求智能预测方法在说明书摘要公布了：本发明涉及互联网大数据及新一代信息技术领域，具体涉及一种基于时空图卷积的汽车协同供应链配件需求智能预测方法，包括：S1：获取历史配件需求时序数据；S2：基于历史配件需求时序数据分析供应链结构；S3：基于供应链结构进行若干种空间依赖关系的建图并计算得到若干种邻接矩阵；S4：将历史配件需求时序数据和各种邻接矩阵输入训练好的需求预测模型中，输出配件需求预测数据；本发明通过图构建技术对供应链网络进行多维度解耦并针对每类空间依赖关系生成独立的邻接矩阵，保留不同语义层面的供应链交互特征，同时通过引入时空图卷积神经网络，有效捕捉汽车配件供应链中节点间的时空动态关联，实现对关键节点、多源数据复杂性的全面建模。

本发明授权基于时空图卷积的汽车协同供应链配件需求智能预测方法在权利要求书中公布了：1.基于时空图卷积的汽车协同供应链配件需求智能预测方法，其特征在于，包括： S1：获取汽车供应链的历史配件需求时序数据； S2：基于历史配件需求时序数据分析供应链结构； S3：基于供应链结构进行若干种空间依赖关系的建图，并基于各种空间依赖关系对应的图计算得到若干种邻接矩阵； S4：将历史配件需求时序数据和各种邻接矩阵输入训练好的需求预测模型中，输出对应的配件需求预测数据； 需求预测模型的训练步骤如下： S401：将作为训练数据的历史配件需求时序数据和各种邻接矩阵作为模型输入； S402：通过时空注意力机制网络，对历史配件需求时序数据和每种邻接矩阵进行时间和空间的加权，得到每种邻接矩阵的时空加权时序数据； S403：通过LSTM网络，对每种邻接矩阵的时空加权时序数据进行时间序列的非线性动态变化捕捉，得到每种邻接矩阵的完整时间序列特征； S404：通过GCN网络，基于每种邻接矩阵的完整时间序列特征对该种邻接矩阵进行空间关联特征捕捉，得到每种邻接矩阵的聚合特征矩阵；融合所有邻接矩阵的聚合特征矩阵，得到时空综合特征； S405：提取时空综合特征中的高阶特征，得到配件需求预测数据； S406：基于历史配件需求时序数据和配件需求预测数据计算损失函数，并反向优化模型参数； S407：重复步骤S401至S406迭代训练模型，直至模型收敛或达到最大迭代次数； S5：将需求预测模型输出的配件需求预测数据作为汽车供应链的协同需求预测结果。

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重庆大学，其通讯地址为：400044 重庆市沙坪坝区沙正街174号；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”。

以上内容由龙图腾AI智能生成。