[發明專利]用于優化對象預測的方法、設備和存儲介質

在審

• 申請號: 201910918057.2
• 申請日: 2019-09-26
• 公開（公告）號: CN112561551A
• 公開（公告）日: 2021-03-26
• 發明（設計）人: 劉汝杰
• 申請（專利權）人: 富士通株式會社
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 北京集佳知識產權代理有限公司 11227
• 代理人: 王萍;杜誠

本申請公開了一種用于優化對象預測的方法和設備以及存儲介質。該方法包括：對多個對象進行分組，其中每組對象具有相似的特性；針對每組對象分別構建預測器庫；基于每個對象的固定長度的歷史特性數據，在每組對象的預測器庫中確定每個對象初始的對應預測器；和利用與每個對象相關的隨時間變化的特性數據來分別動態更新用于每個對象的對應預測器，其中，更新后的所述對應預測器對于所述與每個對象相關的隨時間變化的特性數據的預測性能為最優。

技術領域

本公開內容涉及需求預測的領域，并且具體地涉及優化對產品需求的預測的方法。

背景技術

銷量預測是企業管理決策的重要依據，是合理控制庫存、制定運輸計劃和整個供應鏈優化的前提。精確的銷量預測，可以指導后端運營提前進行合理的資源配置和優化，避免浪費或者出現瓶頸。比如，提前進行呼叫中心、物流中心的建設，提前儲備呼叫中心員工，提前進行包裝、耗材的采購與備貨等。產品銷量的預測精度是影響企業運營效率的主要因素，如果預測的精度高，則即便反應鏈的反應速度不夠快，也能實現庫存與資金的高周轉。采購管理、補貨管理、銷售管理等的基礎便是銷售預測。

銷量預測對于企業運營有至關重大的指導意義，包括：指導后端運營提前進行合理的資源匹配和優化，避免浪費或出現瓶頸；讓工廠計劃和運作更加高效(例如，可減少供不應求時的原材料短缺情況，提高資產利用率等)；對顧客或市場的反應更加靈敏，讓廠商有更多的機會賣出更多的產品；對成品庫存進行更好的規劃和控制，防止缺貨或者庫存過高。

銷售預測需以具體產品為預測對象，例如經銷商所銷售的商品、或者工廠所生產的產品等。隨著經濟的發展，產品品類變得更加多元化，產品矩陣也變得更加復雜，因此，對銷量預測的需求也越來越迫切，而銷售預測的難度也越來越大。此外，企業還需考慮各種節日與消費熱點對銷售的影響，以及市面上花樣層出的上新計劃與促銷，這些因素進一步提升了銷售預測的難度。

依照核心流程，銷量預測系統可分為以時間序列為主、和以機器學習算法為主兩種。

前者對時間排列的系列數據進行分析，通過曲線擬合和參數估計來建立數學模型、預測未來趨勢。這種方法統計性味濃，對數據量積累的要求高，且當數據趨勢性不明顯時預測效果會很差，傳統銷售預測系統中多是運用了此種流程。

以機器學習算法為主的銷售預測則通過假設與算法，使模型具備自我改進的能力，且對數據量要求較低。此種系統是當下的流行，在百威英國、蒙牛等大企業中均有應用。然而，由于機器學習具有場景局限性，而且預測是基于因素間的相關關系而不是因果，這種系統也存在著不足。

發明內容

在下文中給出了關于本公開內容的簡要概述，以便提供關于本公開內容的某些方面的基本理解。應當理解，這個概述并不是關于本公開內容的窮舉性概述。它并不是意圖確定本公開內容的關鍵或重要部分，也不是意圖限定本公開內容的范圍。其目的僅僅是以簡化的形式給出某些概念，以此作為稍后論述的更詳細描述的前序。

根據本發明的一個方面，提供了一種優化對象預測的方法，包括：對多個對象進行分組，其中每組對象具有相似的特性；針對每組對象分別構建預測器庫；基于每個對象的固定長度的歷史特性數據，在每組對象的預測器庫中確定每個對象初始的對應預測器；和利用與每個對象相關的隨時間變化的特性數據來分別動態更新用于每個對象的對應預測器，其中，更新后的所述對應預測器對于所述與每個對象相關的隨時間變化的特性數據的預測性能為最優。

根據本發明的另一個方面，提供了一種用于優化對象預測的設備，包括：分組裝置，其被配置成對多個對象進行分組，其中每組對象具有相似的特性；構建裝置，其被配置成針對每組對象分別構建預測器庫；確定裝置，其被配置成基于每個對象的固定長度的歷史特性數據，在每組對象的預測器庫中確定每個對象初始的對應預測器；和更新裝置，其被配置成利用與每個對象相關的隨時間變化的特性數據來分別動態更新用于每個對象的對應預測器，其中，更新后的所述對應預測器對于所述與每個對象相關的隨時間變化的特性數據的預測性能為最優。