药店销售预测系统

这是一个基于多种深度学习模型的药店销售预测系统，支持多种时序预测模型，包括 Transformer、mLSTM、KAN 和 TCN。

功能特点

• 支持多种深度学习模型进行销量预测
• 提供命令行界面和API服务两种使用方式
• 支持模型训练、预测和评估
• 提供预测结果可视化和分析
• 支持模型比较和管理

项目结构

├── core/                   # 核心模块
│   ├── __init__.py
│   ├── config.py           # 全局配置参数
│   └── predictor.py        # 核心预测器类
├── trainers/               # 模型训练器
│   ├── __init__.py
│   ├── mlstm_trainer.py    # mLSTM模型训练函数
│   ├── kan_trainer.py      # KAN模型训练函数
│   ├── tcn_trainer.py      # TCN模型训练函数
│   └── transformer_trainer.py  # Transformer模型训练函数
├── predictors/             # 预测模块
│   ├── __init__.py
│   └── model_predictor.py  # 模型预测函数
├── analysis/               # 分析模块
│   ├── __init__.py
│   ├── metrics.py          # 评估指标计算函数
│   ├── trend_analysis.py   # 趋势分析函数
│   └── explanation.py      # 预测解释函数
├── utils/                  # 工具模块
│   ├── __init__.py
│   ├── data_utils.py       # 数据处理工具函数
│   └── visualization.py    # 可视化工具函数
├── models/                 # 模型定义
│   ├── transformer_model.py
│   ├── mlstm_model.py
│   ├── kan_model.py
│   ├── tcn_model.py
│   └── optimized_kan_forecaster.py
├── pharmacy_predictor.py   # 主接口文件
├── run_pharmacy_prediction.py  # 命令行运行入口
├── api.py                  # API服务入口
└── pharmacy_sales.xlsx     # 示例数据文件

支持的模型

1. Transformer: 基于自注意力机制的时序预测模型
2. mLSTM: 矩阵LSTM模型，结合了LSTM和Transformer的优点
3. KAN: Kolmogorov-Arnold Network，一种基于柯尔莫哥洛夫-阿诺德定理的神经网络
4. TCN: 时间卷积网络，使用因果卷积进行时序建模
5. 优化版KAN: 经过优化的KAN模型，提高了预测精度和训练效率

使用方法

命令行界面

运行命令行界面：

python run_pharmacy_prediction.py

API服务

启动API服务：

python api.py

代码中使用

from pharmacy_predictor import PharmacyPredictor

# 创建预测器实例
predictor = PharmacyPredictor(data_path='pharmacy_sales.xlsx')

# 训练模型
metrics = predictor.train_model(product_id='P001', model_type='tcn', epochs=50)

# 使用模型预测
result = predictor.predict(product_id='P001', model_type='tcn', future_days=7, analyze_result=True)

依赖库

• PyTorch
• pandas
• numpy
• matplotlib
• scikit-learn
• Flask (用于API服务)
• pytorch-tcn (用于TCN模型)