技術特征：

1.一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建方法，其特征在于：包括以下步驟；

2.根據(jù)權利要求1所述的一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建方法，其特征在于：s2中，判斷非常見參數(shù)對模型輸出的波動幅度后生成非常見干擾指數(shù)，評估不常見參數(shù)對模型預測結果的影響程度，則非常見干擾指數(shù)的獲取方法為：

3.根據(jù)權利要求2所述的一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建方法，其特征在于：s3中，根據(jù)非常見參數(shù)對供應商表現(xiàn)的影響隨時間的變化趨勢生成物流成本波動指數(shù)，評估模型跟蹤動態(tài)的準確性，則物流成本波動指數(shù)的獲取方法為：

4.根據(jù)權利要求3所述的一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建方法，其特征在于：s4中，將不常見參數(shù)對模型預測結果的影響程度和模型跟蹤動態(tài)的準確性進行綜合分析，評估模型預測結果的時效性；

5.根據(jù)權利要求4所述的一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建方法，其特征在于：s5中，將模型預測結果的時效性劃分為高時效預測結果，中時效預測結果和低時效預測結果；

6.根據(jù)權利要求1所述的一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建方法，其特征在于：s6中，對于中時效預測結果，對固定時間段內(nèi)模型預測結果的時效性進行進一步的分析；

7.根據(jù)權利要求6所述的一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建方法，其特征在于：若數(shù)據(jù)集合內(nèi)的時效性分析系數(shù)均值大于等于時效性分析系數(shù)均值的參考閾值，且時效性分析系數(shù)標準差小于時效性分析系數(shù)標準差的參考閾值，說明模型的時效性預測總體高且穩(wěn)定，模型表現(xiàn)穩(wěn)定準確，無需調(diào)整；

8.一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建系統(tǒng)，用于實現(xiàn)權利要求1-7任一項所述的一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建方法，其特征在于：包括數(shù)據(jù)采集模塊、干擾影響分析模塊、動態(tài)預測模塊、時效性分析模塊，時效性分類模塊以及優(yōu)化模塊；

技術總結
本發(fā)明公開了一種基于大數(shù)據(jù)的供應商供應數(shù)據(jù)模型構建方法及系統(tǒng)，具體涉及數(shù)據(jù)處理技術領域：通過實時獲取和整理供應商的結構化和非結構化數(shù)據(jù)，利用滑動窗口機制定期更新模型，動態(tài)跟蹤供應商表現(xiàn)。該方法對訓練數(shù)據(jù)進行分類，重點評估非常見參數(shù)對模型預測結果的影響，并通過綜合分析非常見參數(shù)的波動和模型動態(tài)跟蹤的準確性，評估模型的時效性，根據(jù)時效性評估結果，將預測結果分為高時效、中時效和低時效，進行相應的優(yōu)化調(diào)整；通過對中時效預測結果的進一步分析與優(yōu)化，能夠提升模型的預測準確性和時效性，幫助企業(yè)更好地管理供應商，增強供應鏈的穩(wěn)定性和抗風險能力。

技術研發(fā)人員：朱虹,程越,王淑敏,徐凱程
受保護的技術使用者：中國標準化研究院
技術研發(fā)日：
技術公布日：2025/1/6