一种基于深度学习的货物订单配送时效预测方法

本发明公开了一种基于深度学习的货物订单配送时效预测方法，通过采集与自动标注历史订单异常事件标签，结合特征归一化、异常检测和多维特征提取，构建场景化特征库；进一步，将多源特征输入集成异常感知单元的深度学习主模型，利用元学习算法实现模型权重及超参数的跨场景自适应初始化和微调，并通过场景映射模板实现模型与超参数的动态切换；业务部署阶段，依据输入订单异常分布特征，自动加载最优模板提升预测准确性，且引入异常反馈闭环实现模型与策略的持续优化，本发明显著增强了模型在多变异常场景下的时效预测能力及自进化适应性。