基于多源数据融合与机器学习的服装需求动态预测方法及系统

本发明公开了一种基于多源数据融合与机器学习的服装需求动态预测方法及系统，包括：采集并预处理多源异构数据，得到基础时序特征、静态属性特征及包含时尚趋势量化特征的外部情境特征；将基础时序与静态属性特征输入时间序列处理网络，得到基准趋势预测值；将外部情境特征输入情境特征处理网络，得到情境影响向量；将该向量通过门控单元生成动态调整系数；最后，根据基准趋势预测值与动态调整系数进行融合计算，得到最终需求预测量。本发明通过双流网络结构与门控融合机制，将内在销售规律与外部情境冲击进行有效建模，显著提升了预测的准确性和对市场变化的响应速度，为服装供应链提供了精准、动态的决策支持。