[發明專利]商品價格預測方法及裝置

在審

• 申請號: 201810727271.5
• 申請日: 2018-07-04
• 公開（公告）號: CN109064212A
• 公開（公告）日: 2018-12-21
• 發明（設計）人: 王碧波;董雪梅
• 申請（專利權）人: 蘇州仙度網絡科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京超凡志成知識產權代理事務所(普通合伙) 11371
• 代理人: 余劍琴

本發明提供一種商品價格預測方法及裝置，涉及數據分析技術領域，獲取商品價格預測的目標樣本數據；目標樣本數據包括：訓練樣本數據；基于預設輸入輸出關系函數模型，確定預設輸入輸出關系函數模型中每個參數的先驗分布函數；根據先驗分布函數、訓練樣本數據和貝葉斯定理，得到商品價格預測分布函數模型；將新的待預測輸入參數數據輸入商品價格預測分布函數模型，計算商品價格預測分布函數模型的輸出結果，作為新的待預測輸入參數數據對應的商品預測價格。本發明基于采集的與商品價格預測相關的參數的樣本數據，建立商品價格預測分布函數模型，通過該分布函數模型對新的輸入數據的輸出結果進行預測，提高了商品價格預測結果的精確度和可信度。

技術領域

本發明涉及數據分析技術領域，尤其是涉及一種商品價格預測方法及裝置。

背景技術

商品價格的預測方法是市場預測分析與商品生產銷售決策的基礎，是市場預測領域中的一個重要問題，在商品生產、銷售等很多方面起著關鍵作用。

現有的基于神經網絡算法的商品價格預測方法，通常首先估計出內權參數、偏置參數和外權參數，進而得到預測函數f(x)，從而對新的輸入參數數據x，計算f(x)的輸出值作為商品價格的預測值。這類算法的缺點是：求解參數的過程中，通常采用梯度下降法，該算法固有的缺陷是容易得到局部極值，而不是我們想要的全局極值，因此，預測準確性和可信度不高。

發明內容

有鑒于此，本發明的目的在于提供一種商品價格預測方法及裝置，基于采集的與商品價格預測相關的參數的樣本數據，建立商品價格預測分布函數模型，通過該分布函數模型進一步對新的輸入數據的輸出結果進行預測，提高商品價格預測結果的精確度和可信度，幫助商家自動化很多供應鏈過程中的決策，更精確的需求預測，能夠大大地優化運營成本，降低收貨時效，提升整個社會的供應鏈物流效率。

第一方面，本發明實施例提供了一種商品價格預測方法，包括：

獲取商品價格預測的目標樣本數據；目標樣本數據包括：第一參數和第二參數所對應的數據；將第一參數作為輸入參數；其中第一參數包括：商品屬性參數、商品所處環境參數；將第二參數作為輸出參數；其中第二參數包括：商品價格；目標樣本數據包括：訓練樣本數據和驗證樣本數據；

基于預設輸入輸出關系函數模型，確定預設輸入輸出關系函數模型中每個參數的先驗分布函數；

根據先驗分布函數、訓練樣本數據和貝葉斯定理，得到商品價格預測分布函數模型；

將新的待預測輸入參數數據輸入商品價格預測分布函數模型，計算商品價格預測分布函數模型的輸出結果，作為新的待預測輸入參數數據對應的商品預測價格。

結合第一方面，本發明實施例提供了第一方面的第一種可能的實施方式，其中，基于預設輸入輸出關系函數模型，確定預設輸入輸出關系函數模型中每個參數的先驗分布函數，具體包括：

預設輸入輸出關系函數模型為：

t＝f(x)+ε；其中，

其中，A_i^Tx+b_i表示對輸入特征向量進行一個線性變換，A_i為內權參數，b_i為偏置參數，β_i為外權參數，m表示隱層結點的個數，而G表示非線性的激活函數，ε表示高斯白噪聲；

其中，ε的先驗分布函數為均值為0，方差為σ²的高斯分布函數；

內權參數{A_i,j:i＝1,…,m；j＝1,…,p}的先驗分布函數設為：

偏置參數{b_i:i＝1,…,m}先驗分布函數設為：