[發明專利]使用加權混合機器學習模型進行需求預測

在審

• 申請號: 201880071162.0
• 申請日: 2018-09-18
• 公開（公告）號: CN111295681A
• 公開（公告）日: 2020-06-16
• 發明（設計）人: 雷明;C·波佩斯庫
• 申請（專利權）人: 甲骨文國際公司
• 主分類號: G06Q10/06
• 分類號: G06Q10/06;G06Q30/02
• 代理公司: 中國國際貿易促進委員會專利商標事務所 11038
• 代理人: 鄒丹

1.一種預測物品的需求的方法，所述方法包括：

接收多個過去時間段的物品的歷史銷售數據，所述歷史銷售數據包括限定一個或多個特征集的多個特征；

使用所述特征集作為一個或多個不同算法的輸入，以生成多個不同模型；

利用相同的訓練集來訓練每個不同模型，以生成多個經訓練的模型；

使用每個經訓練的模型，針對過去時間段中的一些或全部中的每個過去時間段生成多個過去需求預測，并針對每個未來時間段生成多個未來需求預測；

確定每個過去需求預測的均方根誤差(RMSE)；

基于RMSE，確定每個經訓練的模型的權重并對每個權重進行歸一化；以及

通過組合每一個經訓練的模型的加權值來針對每個未來時間段生成物品的最終需求預測。

2.如權利要求1所述的方法，其中訓練不同的模型包括使用機器學習算法進行訓練。

3.如權利要求2所述的方法，其中所述機器學習算法包括線性回歸、支持向量機或人工神經網絡之一。

4.如權利要求1所述的方法，其中根據RMSE(R(i))確定權重(W(i))如下：(W(i)＝1/R(i)。

5.如權利要求4所述的方法，其中每個權重如下被歸一化：

6.如權利要求5所述的方法，其中在第(x)周的最終需求預測(F’(x))包括F’(x)＝sum(w’(i)*f(i,x))。

7.如權利要求1所述的方法，其中最終需求預測被傳輸到專門的庫存管理系統和專門的制造系統。

8.一種其上存儲有指令的計算機可讀介質，所述指令在由處理器執行時使所述處理器預測物品的需求，所述預測包括：

接收多個過去時間段的物品的歷史銷售數據，所述歷史銷售數據包括限定一個或多個特征集的多個特征；

使用所述特征集作為一個或多個不同算法的輸入，以生成多個不同模型；

用相同的訓練集訓練每個不同模型，以生成多個經訓練的模型；

使用每個經訓練的模型，針對過去時間段中的一些或全部中的每個過去時間段生成多個過去需求預測，并針對每個未來時間段生成多個未來需求預測；

確定每個過去需求預測的均方根誤差(RMSE)；

基于RMSE，確定每個經訓練的模型的權重并對每個權重進行歸一化；以及

通過組合每個經訓練的模型的加權值來針對每個未來時間段生成物品的最終需求預測。

9.如權利要求8所述的計算機可讀介質，其中訓練不同的模型包括使用機器學習算法進行訓練。

10.如權利要求9所述的計算機可讀介質，其中所述機器學習算法包括線性回歸、支持向量機或人工神經網絡之一。

11.如權利要求8所述的計算機可讀介質，其中根據RMSE(R(i))確定權重(W(i))如下：(W(i)＝1/R(i)。

12.如權利要求11所述的計算機可讀介質，其中每個權重如下被歸一化：

13.如權利要求12所述的計算機可讀介質，其中在第(x)周的最終需求預測(F’(x))包括F’(x)＝sum(w’(i)*f(i,x))。

14.如權利要求8所述的計算機可讀介質，其中最終需求預測被傳輸到專門的庫存管理系統和專門的制造系統。