[發明專利]銷量預測方法及系統

在審

• 申請號: 201910024412.1
• 申請日: 2019-01-10
• 公開（公告）號: CN109493151A
• 公開（公告）日: 2019-03-19
• 發明（設計）人: 高楊;孫賢杰;黃超
• 申請（專利權）人: 哈步數據科技（上海）有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 上海碩力知識產權代理事務所(普通合伙) 31251
• 代理人: 郭桂峰

1.一種銷量預測方法，其特征在于，包括：

獲取預測品類及對應的時間信息；

根據所述預測品類及對應的所述時間信息，獲取對應的特征數據；

將所述特征數據輸入至所述預測品類對應的預設模型組合，預測出所述預測品類在所述時間信息對應的時間內的銷量。

2.如權利要求1所述的銷量預測方法，其特征在于，還包括：

獲取原始數據，并對所述原始數據進行預處理后進行存儲；

所述的根據所述預測品類及對應的所述時間信息，獲取對應的特征數據具體為：

從存儲的預處理后的原始數據中，獲取所述預測品類及所述時間信息對應的所述特征數據。

3.如權利要求2所述的銷量預測方法，其特征在于：

所述特征數據包括：銷量特征數據；

所述原始數據包括：歷史銷量數據；

所述銷量特征數據是從處理后銷量數據中根據預測品類及所述時間信息得到的；所述處理后銷量數據是指對預處理后的歷史銷量數據經過數據處理得到的數據。

4.如權利要求3所述的銷量預測方法，其特征在于，所述數據處理包括以下任意一種或多種：

缺失值處理，異常值處理，欠擬合模型去除誤差大于一定閾值的數據處理。

5.如權利要求2所述的銷量預測方法，其特征在于，還包括：

從存儲的預處理后的原始數據中，獲取每個品類的訓練測試集，每個所述訓練測試集包括：訓練集和測試集；

分別將每個品類的訓練集輸入到不同的模型組合中進行訓練；

分別將每個品類的測試集輸入到經過所述品類的訓練集訓練過的模型組合，得到每個品類對各所述模型組合的評價信息；

為每個品類設置評價信息最好的模型組合作為其預設模型組合。

6.如權利要求5所述的銷量預測方法，其特征在于，每個所述訓練集包括：品類訓練數據和品類驗證數據；

所述的分別將每個品類的訓練集輸入到不同的模型組合中進行訓練具體為：

分別將每個品類的品類訓練數據輸入到不同的模型組合中訓練；

分別將每個品類的品類驗證數據輸入到經過所述品類的品類訓練數據訓練過的模型組合進行調優。

7.如權利要求5所述的銷量預測方法，其特征在于，所述評價信息為：均方根誤差；

所述的為每個品類設置評價信息最好的模型組合作為其預設模型組合具體為：

為每個品類設置均方根誤差最小的模型組合作為其預設模型組合。

8.一種應用了權利要求1-7任一所述的銷量預測方法的銷量預測系統，其特征在于，包括：

信息獲取模塊，用于獲取預測品類及對應的時間信息；

特征獲取模塊，用于根據所述預測品類及對應的所述時間信息，獲取對應的特征數據；

銷量預測模塊，用于將所述特征數據輸入至所述預測品類對應的預設模型組合，預測出所述預測品類在所述時間信息對應的時間內的銷量。

9.如權利要求8所述的銷量預測系統，其特征在于，還包括：

數據處理模塊，用于獲取原始數據，并對所述原始數據進行預處理后進行存儲；

所述特征獲取模塊，根據所述預測品類及對應的所述時間信息，獲取對應的特征數據具體為：

所述特征獲取模塊，用于從存儲的預處理后的原始數據中，獲取所述預測品類及所述時間信息對應的所述特征數據。

10.如權利要求9所述的銷量預測系統，其特征在于，還包括：

數據集獲取模塊，用于從存儲的預處理后的原始數據中，獲取每個品類的訓練測試集，每個所述訓練測試集包括：訓練集和測試集；

訓練模塊，用于分別將每個品類的訓練集輸入到不同的模型組合中進行訓練；

測試模塊，用于分別將每個品類的測試集輸入到經過所述品類的訓練集訓練過的模型組合，得到每個品類對各所述模型組合的評價信息；

設置模塊，用于為每個品類設置評價信息最好的模型組合作為其預設模型組合。