基于改进注意力机制Transformer网络的快消品销量预测方法

销量预测能为企业生产计划、仓储运输提供决策支持,使企业能更好地适应市场需求。快消品销售量受众多因素的影响,具有季节性和周期性规律,传统的线性模型难以准确的预测,本文从长时序列预测的视角,运用深度学习理论,提出了一种基于订单时序和订单频率的改进自注意力机制模型(Sequence-Frequency Transformer, SFTransformer)。首先,基于快消品订单数据构建原始数据集,采用time2vec编码处理订单时序信息,并融合订单数据的时序和频率特征在基于时序的订单数据的不同订单频率分别对应不同的注意力头来关注订单数据的订单时序特征和频率特征;使用Transformer模型架构提取特征进行长时序列预测。在真实数据集上进行对比实验,SFTransformer模型在均方误差(MSE)、平均绝对误差(MAE)、均方根误差(RMSE)3项指标上均取得了最佳性能,验证了本文所提方法的有效性。     

液相色谱-串联四极杆质谱法测定牛奶中128种农药残留

建立了牛奶中128种农药残留的液相色谱-串联质谱检测方法。10 mL牛奶用20 mL乙腈(加4 g硫酸镁和1 g氯化钠)振荡提取两次,上清液浓缩后经C18固相萃取柱(2000 mg填料)净化以除去提取液中的亲脂性化合物等干扰杂质,洗脱液浓缩至约0.5 mL后,于45 ℃下用氮气吹干,加1 mL乙腈-水(体积比为3:2)定容,超声溶解30 s,经0.2 μm微孔滤膜过滤,液相色谱-电喷雾串联质谱测定。2倍检出限和8倍检出限两个添加水平的5次平行实验结果表明: 128种农药在低添加水平(0.14 μg/L～0.62 mg/L)下回收率范围为60.4%～118.4%,相对标准偏差为2.1%～24.3%;高添加水平(0.56 μg/L～2.48 mg/L)下的回收率范围为64.4%～118.5%,相对标准偏差为1.3%～24.1%。各种农药在确定的添加范围内线性关系良好,相关系数高于0.99,方法的检出限(LOD)为0.07 μg/L～0.31 mg/L。该方法通用性强、选择性好、灵敏度高,快速简便。     

基于DDQN的生鲜农产品零售商库存成本控制模型

针对生鲜农产品零售商库存成本控制问题,将该问题转换为马尔可夫决策过程,引入三参数Weibull函数,描述生鲜农产品的损腐特征,并考虑过期、损腐、缺货、订货和持有等成本,从供应链视角建立生鲜农产品库存成本控制模型,使用深度强化学习中深度双Q网络(Double Deep Q Network, DDQN)优化订货,以控制库存总成本。实验结果表明,相比单周期随机型库存成本控制模型和固定订货量库存成本控制模型,DDQN模型的总成本分别降低约6%和11%,具有实际应用价值。