[發明專利]銷量預測方法以及服務器

在審

• 申請號: 201711403277.9
• 申請日: 2017-12-22
• 公開（公告）號: CN108133391A
• 公開（公告）日: 2018-06-08
• 發明（設計）人: 歐陽文理;范偉
• 申請（專利權）人: 聯想（北京）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06K9/62
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王寶筠

1.一種銷量預測方法，其特征在于，包括：

分別獲取待預測的多個產品各自的歷史銷量時間序列；

根據所述多個產品的歷史銷量時間序列，對所述多個產品進行聚類，得到多個聚類類別，每個聚類類別包括至少一個所述產品；

針對每個聚類類別，根據所述聚類類別內的所有產品的歷史銷量時間序列，訓練出所述聚類類別對應的預測模型，所述聚類類別對應的預測模型用于預測所述聚類類別內的產品的銷量趨勢；

針對每個產品，利用所述產品所屬的聚類類別對應的預測模型，以及所述產品的歷史銷量時間序列，確定所述產品在當前時刻之后的指定時間段內的銷量數據。

2.根據權利要求1所述的銷量預測方法，其特征在于，所述根據所述聚類類別內的所有產品的歷史銷量時間序列，訓練出所述聚類類別對應的預測模型，包括：

根據所述聚類產品內的所有產品的歷史銷量時間序列，訓練出所述聚類類別對應的神經網絡模型。

3.根據權利要求2所述的銷量預測方法，其特征在于，所述根據所述聚類產品內的所有產品的歷史銷量時間序列，訓練出所述聚類類別對應的神經網絡模型，包括：

將所述聚類產品內的所有產品的歷史銷量時間序列作為訓練樣本，并將訓練樣本輸入到待訓練的神經網絡模型中；

將所述待訓練的神經網絡模型輸出的各個產品的銷量趨勢，與所述聚類產品內的所有產品的歷史銷量時間序列進行比較，并根據比較結果檢測所述待訓練的神經網絡模型預測的準確度；

當所述待訓練的神經網絡模型預測的準確度小于預設閾值時，則調整所述待訓練的神經網絡模型中的參數，并返回執行所述將所述聚類產品內的所有產品的歷史銷量時間序列作為訓練樣本，并將訓練樣本輸入到待訓練的神經網絡模型中的操作，直至所述待訓練的神經網絡模型預測的準確度不小于所述預設閾值，將當前得到的神經網絡模型確定為用于預測銷量數據的神經網絡模型。

4.根據權利要求1所述的銷量預測方法，其特征在于，在所述根據所述多個產品的歷史銷量時間序列，對所述多個產品進行聚類，得到多個聚類類別之前，還包括：

對所述產品的歷史銷量時間序列進行時間序列分解，以分解出所述產品的歷史銷量時間序列中，屬于殘差部分的歷史銷量時間序列；

從所述屬于殘差部分的歷史銷量時間序列中，確定出至少一個時間點上的異常歷史銷量；

依據所述產品對應的不屬于所述異常歷史銷量的歷史銷量時間序列，分別預測所述至少一個時間點上的異常歷史銷量對應的修正歷史銷量，并將所述歷史銷量時間序列中的異常歷史銷量替換為所述修正歷史銷量。

5.根據權利要求1所述的銷量預測方法，其特征在于，在所述根據所述多個產品的歷史銷量時間序列，對所述多個產品進行聚類，得到多個聚類類別之前，還包括：

從所述產品的歷史銷量時間序列中各個時間點對應的歷史銷量中，選取出歷史銷量最大的指定數量個目標歷史銷量；

依據所述指定數量個目標歷史銷量，確定出評價歷史銷量有銷量的歷史銷量指標值；

依據所述歷史銷量指標值，從所述產品的歷史銷量時間序列中，確定出至少一對有效時間點對，每對有效時間點對包括一個有效起始時刻點和有效結束時刻點，其中，所述歷史銷量時間序列中處于所述有效起始時刻點之后連續的指定數量個時刻點上的歷史銷量均大于所述歷史銷量指標值，且處于所述有效結束時刻點之后連續的指定數量個時刻點上的歷史銷量均小于所述歷史銷量指標值；

從所述歷史銷量時間序列中，去除不屬于所述有效時間點對構成的有效時間段內的歷史銷量時間序列。