[發明專利]一種基于深度學習的商品采購量預測方法及裝置

在審

• 申請號: 201810447907.0
• 申請日: 2018-05-11
• 公開（公告）號: CN108764974A
• 公開（公告）日: 2018-11-06
• 發明（設計）人: 郭寶賢;李仁杰;朱承志
• 申請（專利權）人: 國網電子商務有限公司;國網浙江省電力有限公司;國網匯通金財（北京）信息科技有限公司;國家電網公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/04;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

1.一種基于深度學習的商品采購量的預測方法，其特征在于，包括：

獲取目標商品的歷史銷售數據；

根據所述歷史銷售數據，進行訓練生成神經網絡模型；

利用訓練好的神經網絡模型對目標商品在未來預設時間段內的商品銷售趨勢進行預測，得到預測結果；

利用所述預測結果，計算得到所述目標商品的采購量。

2.根據權利要求1所述的方法，其特征在于，所述獲取目標商品的歷史銷售數據，包括：

獲取所述目標商品在目標周期內的初始銷售數據；

對所述初始銷售數據進行數據清洗，獲得歷史銷售數據。

3.根據權利要求1所述的方法，其特征在于，所述根據所述歷史銷售數據，進行訓練生成神經網絡模型，包括：

將所述歷史銷售數據進行劃分，得到訓練集和測試集；

創建初始神經網絡模型，并通過所述訓練集對所述初始神經網絡模型進行訓練，得到訓練后的神經網絡模型；

通過所述測試集對所述訓練后的神經網絡模型進行測試，得到訓練測試結果；

依據所述訓練測試結果確定所述神經網絡模型。

4.根據權利要求3所述的方法，其特征在于，所述依據所述訓練測試結果確定所述神經網絡模型，包括：

若所述測試結果不滿足預設條件，則對所述訓練后的神經網絡模型的網絡結構進行優化，得到所述神經網絡模型。

5.根據權利要求1所述的方法，其特征在于，所述利用所述預測結果，計算得到所述目標商品的采購量，包括：

根據所述目標商品的庫存數量和實際銷售信息，生成所述目標商品的采購系數；

根據所述采購系數和所述預測結果，計算得到所述目標商品的采購量。

6.一種基于深度學習的商品采購量預測裝置，其特征在于，包括：

獲取單元，用于獲取目標商品的歷史銷售數據；

生成單元，用于根據所述歷史銷售數據，進行訓練生成神經網絡模型；

預測單元，用于利用訓練好的神經網絡模型對目標商品在未來預設時間段內的商品銷售趨勢進行預測，得到預測結果；

計算單元，用于利用所述預測結果，計算得到所述目標商品的采購量。

7.根據權利要求6所述的裝置，其特征在于，所述獲取單元包括：

獲取子單元，用于所述目標商品在目標周期內的初始銷售數據

數據清洗子單元，用于對所述初始銷售數據進行數據清洗，獲得歷史銷售數據。

8.根據權利要求6所述的裝置，其特征在于，所述生成單元包括：

劃分子單元，用于將所述歷史銷售數據進行劃分，得到訓練集和測試集；

訓練子單元，用于創建初始神經網絡模型，并通過所述訓練集對所述初始神經網絡模型進行訓練，得到訓練后的神經網絡模型；

測試子單元，用于通過所述測試集對所述訓練后的神經網絡模型進行測試，得到訓練測試結果；

確定子單元，用于依據所述訓練測試結果確定所述神經網絡。

9.根據權利要求8所述的裝置，其特征在于，所述確定子單元還包括：

優化子單元，用于若所述測試結果不滿足預設條件，則對所述訓練后的神經網絡模型的網絡結構進行優化，得到所述神經網絡模型。

10.根據權利要求6所述的裝置，其特征在于，所述計算單元包括：

系數生成子單元，用于根據所述目標商品的庫存數量和實際銷售信息，生成所述目標商品的采購系數；

計算子單元，用于根據所述采購系數和所述預測結果，計算得到所述目標商品的采購量。