[發(fā)明專利]銷量預(yù)測方法以及服務(wù)器在審
| 申請?zhí)枺?/td> | 201711403277.9 | 申請日: | 2017-12-22 |
| 公開(公告)號: | CN108133391A | 公開(公告)日: | 2018-06-08 |
| 發(fā)明(設(shè)計)人: | 歐陽文理;范偉 | 申請(專利權(quán))人: | 聯(lián)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(chǎn)權(quán)代理有限公司 11227 | 代理人: | 王寶筠 |
| 地址: | 100085 北京市*** | 國省代碼: | 北京;11 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 聚類類別 時間序列 預(yù)測 預(yù)測模型 服務(wù)器 產(chǎn)品銷量 準(zhǔn)確度 時間段 聚類 申請 | ||
1.一種銷量預(yù)測方法,其特征在于,包括:
分別獲取待預(yù)測的多個產(chǎn)品各自的歷史銷量時間序列;
根據(jù)所述多個產(chǎn)品的歷史銷量時間序列,對所述多個產(chǎn)品進(jìn)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(chǎn)品;
針對每個聚類類別,根據(jù)所述聚類類別內(nèi)的所有產(chǎn)品的歷史銷量時間序列,訓(xùn)練出所述聚類類別對應(yīng)的預(yù)測模型,所述聚類類別對應(yīng)的預(yù)測模型用于預(yù)測所述聚類類別內(nèi)的產(chǎn)品的銷量趨勢;
針對每個產(chǎn)品,利用所述產(chǎn)品所屬的聚類類別對應(yīng)的預(yù)測模型,以及所述產(chǎn)品的歷史銷量時間序列,確定所述產(chǎn)品在當(dāng)前時刻之后的指定時間段內(nèi)的銷量數(shù)據(jù)。
2.根據(jù)權(quán)利要求1所述的銷量預(yù)測方法,其特征在于,所述根據(jù)所述聚類類別內(nèi)的所有產(chǎn)品的歷史銷量時間序列,訓(xùn)練出所述聚類類別對應(yīng)的預(yù)測模型,包括:
根據(jù)所述聚類產(chǎn)品內(nèi)的所有產(chǎn)品的歷史銷量時間序列,訓(xùn)練出所述聚類類別對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型。
3.根據(jù)權(quán)利要求2所述的銷量預(yù)測方法,其特征在于,所述根據(jù)所述聚類產(chǎn)品內(nèi)的所有產(chǎn)品的歷史銷量時間序列,訓(xùn)練出所述聚類類別對應(yīng)的神經(jīng)網(wǎng)絡(luò)模型,包括:
將所述聚類產(chǎn)品內(nèi)的所有產(chǎn)品的歷史銷量時間序列作為訓(xùn)練樣本,并將訓(xùn)練樣本輸入到待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型中;
將所述待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型輸出的各個產(chǎn)品的銷量趨勢,與所述聚類產(chǎn)品內(nèi)的所有產(chǎn)品的歷史銷量時間序列進(jìn)行比較,并根據(jù)比較結(jié)果檢測所述待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型預(yù)測的準(zhǔn)確度;
當(dāng)所述待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型預(yù)測的準(zhǔn)確度小于預(yù)設(shè)閾值時,則調(diào)整所述待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型中的參數(shù),并返回執(zhí)行所述將所述聚類產(chǎn)品內(nèi)的所有產(chǎn)品的歷史銷量時間序列作為訓(xùn)練樣本,并將訓(xùn)練樣本輸入到待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型中的操作,直至所述待訓(xùn)練的神經(jīng)網(wǎng)絡(luò)模型預(yù)測的準(zhǔn)確度不小于所述預(yù)設(shè)閾值,將當(dāng)前得到的神經(jīng)網(wǎng)絡(luò)模型確定為用于預(yù)測銷量數(shù)據(jù)的神經(jīng)網(wǎng)絡(luò)模型。
4.根據(jù)權(quán)利要求1所述的銷量預(yù)測方法,其特征在于,在所述根據(jù)所述多個產(chǎn)品的歷史銷量時間序列,對所述多個產(chǎn)品進(jìn)行聚類,得到多個聚類類別之前,還包括:
對所述產(chǎn)品的歷史銷量時間序列進(jìn)行時間序列分解,以分解出所述產(chǎn)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(jù)所述產(chǎn)品對應(yīng)的不屬于所述異常歷史銷量的歷史銷量時間序列,分別預(yù)測所述至少一個時間點上的異常歷史銷量對應(yīng)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(jù)權(quán)利要求1所述的銷量預(yù)測方法,其特征在于,在所述根據(jù)所述多個產(chǎn)品的歷史銷量時間序列,對所述多個產(chǎn)品進(jìn)行聚類,得到多個聚類類別之前,還包括:
從所述產(chǎn)品的歷史銷量時間序列中各個時間點對應(yīng)的歷史銷量中,選取出歷史銷量最大的指定數(shù)量個目標(biāo)歷史銷量;
依據(jù)所述指定數(shù)量個目標(biāo)歷史銷量,確定出評價歷史銷量有銷量的歷史銷量指標(biāo)值;
依據(jù)所述歷史銷量指標(biāo)值,從所述產(chǎn)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(jié)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(xù)的指定數(shù)量個時刻點上的歷史銷量均大于所述歷史銷量指標(biāo)值,且處于所述有效結(jié)束時刻點之后連續(xù)的指定數(shù)量個時刻點上的歷史銷量均小于所述歷史銷量指標(biāo)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(gòu)成的有效時間段內(nèi)的歷史銷量時間序列。
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于聯(lián)想(北京)有限公司,未經(jīng)聯(lián)想(北京)有限公司許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201711403277.9/1.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法、程序以及記錄介質(zhì)
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 基于時間序列預(yù)測模型適用性量化的預(yù)測模型選擇方法
- 圖像編碼裝置、圖像編碼方法、圖像譯碼裝置、圖像譯碼方法
- 分類預(yù)測方法及裝置、預(yù)測模型訓(xùn)練方法及裝置
- 幀內(nèi)預(yù)測的方法及裝置
- 圖像預(yù)測方法及裝置、電子設(shè)備和存儲介質(zhì)
- 文本預(yù)測方法、裝置以及電子設(shè)備
- 模型融合方法、預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)
- 基于時間序列預(yù)測模型適用性量化的預(yù)測模型選擇方法
- 一種基于方差最小的短期風(fēng)功率預(yù)測方法
- 模型自匹配融合健康預(yù)測方法
- 交通時間預(yù)測系統(tǒng)、交通時間預(yù)測方法以及交通模型建立方法
- 預(yù)測方法、訓(xùn)練方法、裝置、服務(wù)器及介質(zhì)
- 一種基于供電企業(yè)大數(shù)據(jù)模型庫的用電預(yù)測方法
- 信息預(yù)測方法和裝置
- 基于模型復(fù)用的模型預(yù)測方法、模型預(yù)測裝置及系統(tǒng)
- 模型融合方法、預(yù)測方法、裝置、設(shè)備及存儲介質(zhì)
- 考慮預(yù)測誤差的機柜設(shè)備發(fā)熱量超短期預(yù)測方法及系統(tǒng)





