[發明專利]提升銷量預測結果穩健性的方法

在審

• 申請號: 201810877686.0
• 申請日: 2018-08-03
• 公開（公告）號: CN109034905A
• 公開（公告）日: 2018-12-18
• 發明（設計）人: 鄒文君;杜科;蒲文龍
• 申請（專利權）人: 四川長虹電器股份有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06F17/17
• 代理公司: 成都虹橋專利事務所(普通合伙) 51124
• 代理人: 吳中偉

1.提升銷量預測結果穩健性的方法，其特征在于，包括以下步驟：

a.數據準備和選定銷售預測模型：收集產品的歷史銷量數據以及影響產品銷量的相關因素歷史數據，選定兩種或兩種以上的算法模型作為銷售預測模型；

b.對銷量時間序列進行分層：根據產品屬性的不同類別，將產品總銷量時間序列進行分層，獲得層級結構；

c.對層級結構中的數據進行融合和預處理；

d.對需要進行預測的時間段的相關因素數據值進行預測；

e.對選定的各個銷售預測模型進行訓練和測試，并計算測試誤差；

f.將需要預測的時間和步驟d預測的對應的相關因素數據值作為輸入，采用訓練好的銷售預測模型預測輸出對應時間的銷量預測值；

g.基于各個銷售預測模型的測試誤差對所述輸出的對應時間的銷量預測值進行集成，獲得銷量的集成預測值；

h.采用時間序列分層算法對集成預測值進行修正：確定層級關系矩陣，根據時間序列分層算法對層級結構中的所有集成預測值進行修正。

2.如權利要求1所述的提升銷量預測結果穩健性的方法，其特征在于，步驟a中，選擇以下三種算法模型中的兩種或三種作為預測模型：

時間序列分析模型、回歸分析模型、時間序列和回歸分析混合模型。

3.如權利要求1所述的提升銷量預測結果穩健性的方法，其特征在于，步驟b中，所述根據產品屬性的不同類別，將產品總銷量時間序列進行分層，獲得層級結構，具體包括：

采用時間序列分層算法模型，將產品的歷史總銷量數據按照產品的某種屬性進行分層，數據分層后，得到一個層級結構，該層級結構的頂層是產品的總銷量，第二層是產品在該屬性的各個類別上的銷量。

4.如權利要求1所述的提升銷量預測結果穩健性的方法，其特征在于，步驟c中，所述對層級結構中的數據進行融合和預處理，具體包括：

c1.將歷史銷量數據按照時間的某個維度進行匯總；

c2.將影響該銷量的相關因素歷史數據按照與銷量數據相同的時間維度進行匯總；

c3.將歷史銷量數據和相關因素歷史數據按照時間進行融合；

c4.對缺失值進行填充；

c5.刪除近零方差的特征；

c6.對類別變量進行啞編碼。

5.如權利要求1所述的提升銷量預測結果穩健性的方法，其特征在于，步驟d中，采用Holt-Winters三參數指數平滑模型對需要進行預測的時間段的相關因素數據的值進行預測，獲得相關因素預測值。

6.如權利要求5所述的提升銷量預測結果穩健性的方法，其特征在于，所述相關因素包括：歷史宏觀經濟數據和歷史競爭產品數據。

7.如權利要求1所述的提升銷量預測結果穩健性的方法，其特征在于，步驟e中，所述對選定的各個銷售預測模型進行訓練和測試，并計算測試誤差，具體包括：

針對每個選定的銷售預測模型，使用留出法，將經過步驟c預處理后的所有數據按照時間順序劃分為訓練集和測試集；

利用訓練集中的數據訓練模型；

利用測試集的時間值和相關因素數據輸入訓練好的模型中獲得測試集的銷量預測值；

將測試集的銷量預測值與測試集中的真實值進行比較，獲得測試誤差。

8.如權利要求7所述的提升銷量預測結果穩健性的方法，其特征在于，步驟g中，所述基于各個銷售預測模型的測試誤差對所述輸出的對應時間的銷量預測值進行集成，具體包括：

根據每個模型的測試誤差，給定每個模型一個對應權值，其中，測試誤差大的模型對應權值小，測試誤差小的模型對應權值大；最后，將每個模型的權值和該模型的銷量預測值相乘后相加，獲得銷量的集成預測值。

9.如權利要求1-8任意一項所述的提升銷量預測結果穩健性的方法，其特征在于，步驟h中，所述確定層級關系矩陣，根據時間序列分層算法對層級結構中的所有集成預測值進行修正，具體包括：

設層級結構上所有銷量的集成預測值形成的向量為Y′，利用時間序列分層算法得到的銷量預測結果的修正為Y″，則Y″＝S(S′S)^-1S′Y′，其中，S為向量Y′和層級結構中最底層銷量向量間的層級關系矩陣，S′表示S的轉置。