基于深度学习的零售商品需求预测方法

本发明涉及人工智能技术领域，公开了一种基于深度学习的零售商品需求预测方法。该方法包括：获取历史销售、商品属性、时间上下文及冲击事件等多源异构数据；通过基线需求编码模块与冲击事件编码模块分别生成双流表征；利用基于交叉注意力机制的因果解耦融合模块，显式分离出基线需求分量与冲击效应分量；最后通过预测解码模块融合双分量生成未来需求预测序列。本发明通过上述技术方案，实现了需求信号的因果解耦，提升了预测的准确性、鲁棒性与可解释性，并支持对未来规划事件的效应模拟。