1.基于注意力加权的冷链物流需求估计方法，具体步骤如下，其特征在于：步骤1：收集被测区域的GDP、人口总数、人均可支配收入、蔬菜销量、水果销量数据和对应的冷链物流需求数据，把不同数据当作冷链物流需求预测的特征，组成特征数据矩阵；

步骤2：计算特征数据矩阵中各特征的注意力权重，结合注意力权重对特征重新标定，形成新的特征数据矩阵；

步骤3：将特征数据和对应的冷链物流需求量组成混合矩阵Rm*n，将混合矩阵分解成低维矩阵Xu和Yi；

步骤4：将低维矩阵Xu和Yi相乘得到新的混合矩阵R′m*n，继而得到待测的冷链物流需求量。

2.根据权利要求1所述的基于注意力加权的冷链物流需求估计方法，其特征在于：步骤

1中的特征数据矩阵表示为：

D＝{Gi,Ti,Pi,Vi,Fi}                  (1)其中，Gi代表i时刻的GDP值，Ti代表i时刻的人口总数，Pi代表i时刻的人均可支配收入，Vi代表i时刻蔬菜销量，Fi代表i时刻水果销量。

3.根据权利要求1所述的基于注意力加权的冷链物流需求估计方法，其特征在于：步骤

2中使用注意力加权对特征重新标定的过程可表示为：步骤2.1空间注意力机制模块把特征数据矩阵D通过1×1的卷积层进行降维：c＝conv1D                      (2)步骤2.2通过tanh激活函数得到W×H的特征映射M：M＝tanh(c)                      (3)其中，W和H分别是特征矩阵集合的行和列；

步骤2.3通过卷积层和Sigmoid激活函数对M进行归一化操作生成0～1的注意力权重:σ＝sigmoid(conv2M)                   (4)其中，conv1和conv2表示卷积操作；

步骤2.4获得特征加权的特征输出D'

D'＝σ×D                       (5)。

4.根据权利要求1所述的基于注意力加权的冷链物流需求估计方法，其特征在于：步骤

3中将混合矩阵分解为低维矩阵的过程可表示为：步骤3.1将从重新标定的特征和对应标签组成混合矩阵Rm*n：Rm*n＝{D',Li}                       (6)Li为第i时刻的冷链物流需求量，将待测时间对应的冷链物流需求量统一置为空，来保持矩阵大小的统一性，m和n分别为混合矩阵的行和列；

步骤3.2将混合矩阵设置为两个低维矩阵的乘积：Xm*k和 是Rm*n分解出的低维矩阵，k是低维矩阵的维数，为了等两边尽可能相等，构造交替最小二乘法的平方误差损失函数：其中λ为参数，Rui、Xu和Yi分别是Rm*n、Xm*k和Yn*k的不同表示，λ(|Xu|2+|Yi|2)是防止过拟合引入的误差变量；

步骤3.3先取随机值固定Xu；

步骤3.4对L(X,Y)求解Yi的偏导，并令偏导为0，可求解Yi：Yi＝(XTX+λI)-1XTRi                  (9)步骤3.5将步骤2.4求解的Yi固定，同理求出Xu：Xu＝(YTY+λI)-1YTRu                 (10)步骤3.6不断重复步骤3.4和步骤3.5，直到L(X,Y)达到目标值或达到最大迭代次数，得到低维矩阵Xu和Yi。

5.根据权利要求1所述的基于注意力加权的冷链物流需求估计方法，其特征在于：步骤

4中构造新的混合矩阵R'm*n可表示为：R'm*n＝Xu×Yi                     (11)新的混合矩阵R'm*n将原先置空的冷链物流需求量也表达出来，这些值对应了待求的冷链物流需求量。