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！

龙图腾网获悉四川大学申请的专利一种基于图神经网络的协同供应链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：CN116341752B 。

龙图腾网通过国家知识产权局官网在2026-05-05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：202310351703.8，技术领域涉及：G06Q10/04；该发明授权一种基于图神经网络的协同供应链预测方法是由苗强;牛天宇;严幸友;张恒;雷春瑞设计研发完成，并于2023-04-04向国家知识产权局提交的专利申请。

本一种基于图神经网络的协同供应链预测方法在说明书摘要公布了：本发明适用于供应链预测技术领域，提供了一种基于图神经网络的协同供应链预测方法。本发明基于图神经网络的预测模型，利用图神经网络与供应链结构的高度一致性，将供应链结构转化为图，同时引入注意力机制与时间序列分析的思想，通过注意力机制强化图的信息密度，再利用图神经网络对供应链数据进行时间序列分析，最终输出得到预测结果。本发明专利能够更加精准地预测供应链中未来的需求、库存、运输等情况，为企业提供更加准确的库存控制和订单管理。此外，所采用的高复杂度模型能够更好地适应供应链中不同节点之间的关系，从而提高预测精度和可靠性。

本发明授权一种基于图神经网络的协同供应链预测方法在权利要求书中公布了：1.一种基于图神经网络的协同供应链预测方法，其特征在于，包括以下步骤： S10.将供应链信息转化为时序图； 所述时序图的每一帧对应一个时间节点，所述时序图上的节点表示供应链的节点，节点与节点之间的边表示两个节点间进行供货的代价信息； S20.对步骤S10得到的时序图进行空间维度的特征聚合，输出经过特征强化的时序图； S30.将步骤S20得到的经过特征强化的时序图进行时间维度的特征聚合，得到供应链信息预测图； S40.对所述供应链信息预测图进行解码，得到最终预测结果； 其中，步骤S30包括以下步骤： S31.将时序图中的时序信息转换为平面信息图，并更新所述平面信息图中的边级别事件和点级别事件； 所述边级别事件的更新为： , ， 其中，t为时序中的第t时刻，mit和mjt分别为ij节点之间的交互事件后的i节点和j节点的特征信息；mags和msgd为可学习的边级别信息传递函数，mags和msgd相同或不同；和分别为t-1时刻i节点和j节点的更新后的特征信息；为t时刻与t-1时刻之间的时间差，t为边级别事件，具体表示为供应链上两个节点间需求量、运输成本信息的变化； 所述点级别事件，即供应链上单个节点的货物储备量、生产能力信息的变化的更新为： , 其中，为t时刻节点i事件更新后的特征信息，magn为可学习的点级别信息传递函数，为步骤S20所得到的t时刻节点i的特征信息； 边级别事件和点级别事件的更新不分先后顺序； S32.计算每个节点的聚合特征信息； ， 其中，，表示从t1时刻到tn时刻i节点的聚合特征信息，agg为聚合函数； S33.更新每个节点的节点信息； ； 其中，sit为更新后的i节点t时刻的节点信息，mem为更新函数； S34.对更新的节点信息进行编码； ； 其中，h为图注意力函数，为0到t时刻与i节点所有相关的节点和边与i节点的耦合信息； 所述更新函数选用LSTM网络作为记忆更新模块；和或，信息传递函数选用MLPs。

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四川大学，其通讯地址为：610000 四川省成都市一环路南一段24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。