[發明專利]一種數據處理方法、裝置和存儲介質

在審

• 申請號: 201910770344.3
• 申請日: 2019-08-20
• 公開（公告）號: CN110610259A
• 公開（公告）日: 2019-12-24
• 發明（設計）人: 張晨靜
• 申請（專利權）人: 卓爾智聯(武漢)研究院有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06N3/04;G06N3/08
• 代理公司: 11270 北京派特恩知識產權代理有限公司
• 代理人: 劉欣;張穎玲

本發明公開了一種數據處理方法、裝置和存儲介質，包括：獲取待預測時間點對應的歷史銷量數據，根據歷史銷量數據構建歷史銷量曲線圖，對歷史銷量曲線圖中目標日期的銷量進行平滑處理，獲得平滑處理后的歷史銷量曲線圖；根據平滑處理后的歷史銷量曲線圖，獲得銷量數據序列；確定銷量數據序列中的最大值和最小值；根據最大值和最小值對銷量數據序列中的數據進行歸一化處理，獲得歸一化處理后的銷量數據序列；根據銷量數據序列，確定待預測時間點前相連至少一天的銷量數據的序列；根據待預測時間點前相連至少一天的銷量數據的序列，獲得預測序列；運用預設的預測模型進行預測，獲得第一預測結果；確定季節指數以調整第一預測結果，得到第二預測結果。

技術領域

本發明涉及預測技術，尤其涉及一種數據處理方法、裝置和計算機可讀存儲介質。

背景技術

隨著社會的不斷進步和人們生活水平的不斷提高，消費者的購物水平也在提升，對于高品質、高端化產品的需求也愈發強烈。這對整個市場產品結構和消費模式也帶來了前所未有的挑戰和提出了更高的要求。為了更好地控制庫存存量、降低資金壓力，進而從根本上控制成本、提升利潤，對于產品、尤其是大體積商品行業迫切需要有效的銷量預測方法。

目前，行業處于向智能制造轉型的過程中，如何有效進行銷量預測也是需要解決的核心問題。國內很多家電公司已經開始逐步重視家電銷量的預測工作，但是由于信息化進步較晚，且消費市場的變化較快，對銷量的預測都是建立在主觀的管理經驗和宏觀預測上面，致使預測結果和實際值出現很大的偏差，從而對于廠家而言，無法根據預測結果合理的控制庫存，也無法合理的控制成本、降低資金壓力。

發明內容

有鑒于此，本發明的主要目的在于提供一種數據處理方法、裝置和計算機可讀存儲介質。

為達到上述目的，本發明的技術方案是這樣實現的：

本發明實施例提供了一種數據處理方法，所述方法包括：

獲取待預測時間點對應的歷史銷量數據，根據所述歷史銷量數據構建歷史銷量曲線圖，對所述歷史銷量曲線圖中目標日期的銷量進行平滑處理，獲得平滑處理后的歷史銷量曲線圖；根據所述平滑處理后的歷史銷量曲線圖，獲得銷量數據序列；

確定所述銷量數據序列中的最大值和最小值；根據所述最大值和最小值對所述銷量數據序列中的各數據進行歸一化處理，獲得歸一化處理后的銷量數據序列；

根據所述歸一化處理后的銷量數據序列，確定待預測時間點前相連至少一天的銷量數據的序列；根據所述待預測時間點前相連至少一天的銷量數據的序列，獲得預測序列；

運用預設的預測模型，根據所述預測序列進行預測，獲得第一預測結果；確定季節指數，根據所述季節指數調整所述第一預測結果，得到第二預測結果。

上述方案中，所述方法還包括：生成所述預測模型；所述生成預測模型，包括：

獲取樣本歷史銷量數據，從所述樣本歷史銷量數據中提取預設的第二時間段內的樣本歷史銷量數據；

按預設規則對所述樣本歷史銷量數據進行預處理，得到樣本歷史銷量數據序列；

獲得預設的長短期記憶網絡模型，根據所述樣本歷史銷量數據序列訓練所述長短期記憶網絡模型，得到訓練好的長短期記憶網絡模型，作為所述預測模型。

上述方案中，所述確定季節指數，包括：

確定待預測時間點對應的至少一個參考時間點；

確定每個參考時間點的實際銷量值和預測銷量值，根據所述實際銷量值和預測銷量值確定每個參考時間點的銷量偏差系數；

根據所述每個參考時間點的銷量偏差系數，確定所述待預測時間點對應的月度季節指數、季度季節指數和/或年度季節指數。