[發明專利]一種多模條件下產品銷量的預測方法及系統

在審

• 申請號: 202010434568.X
• 申請日: 2020-05-21
• 公開（公告）號: CN111667304A
• 公開（公告）日: 2020-09-15
• 發明（設計）人: 張學龍;譚培波;柳晶晶;侯志強
• 申請（專利權）人: 北京智通云聯科技有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02;G06N3/08;G06N3/04;G06F16/2458
• 代理公司: 北京八月瓜知識產權代理有限公司 11543
• 代理人: 李斌

1.一種多模條件下產品銷量的預測方法，其特征在于，包括步驟：

獲取當前的銷量數據及其他數據，以及歷史的銷量數據及其他數據；

確定預測項目；

對銷量數據及其他數據分別進行按選擇的時間粒度進行分段統計，補全，并將數據和文本拼接融合，形成LSTM模型可識別的序列數據；

確定訓練好的LSTM模型訓練時的輸入數據設置的樣本數batch_size，根據設置的樣本數batch_size將所述序列數據進行劃分形成輸入樣本；

將輸入序列輸入至訓練好的LSTM模型，獲得預測結果；

對預測結果進行解析，獲得預測項目對應預測時間的銷量數據及其他數據。

2.如權利要求1所述的方法，其特征在于，所述對銷量數據及其他數據分別進行按選擇的時間粒度進行分段統計，補全，并將數據和文本拼接融合，形成LSTM模型可識別的序列數據包括以下步驟：

對銷量數據及其他數據按選擇的時間粒度進行分段統計，篩選出與預測項目對應的銷量數據及其他數據；

對篩選出的銷量數據及其他數據進行補全、更正處理；

對處理后的銷量數據及其他數據進行拼接融合，形成LSTM模型可識別的序列數據。

3.如權利要求2所述的方法，其特征在于，所述對銷量數據及其他數據按選擇的時間粒度進行分段統計包括步驟：

以時間粒度為序號index，將銷量數據和其他數據按時間順序排列整合成一張表，并對其他數據按照頻次排序，其他數據以對應的序號進行文本屬性數據化。

4.如權利要求1所述的方法，其特征在于，所述序列數據數量為素數樣本數batch_size的整數倍。

5.如權利要求1或4所述的方法，其特征在于，所述設置的樣本數batch_size將所述序列數據進行劃分形成輸入樣本包括步驟：

所述樣本數batch_size采用鏈表的形式，通過一個next_batch()指針函數，將起始序號指向上次的結束序號，每次從序列數據中按順序取出樣本數batch_size數量的數據形成輸入樣本參與訓練或預測；對于最后不足樣本數batch_size數量的樣本，在所有序列數據中隨機選擇樣本數batch_size數量數據參加訓練或預測。

6.如權利要求2所述的方法，其特征在于，所述對篩選出的銷量數據及其他數據進行補全、更正處理包括步驟：

將缺失部分的數據補全為0，將錯誤的數據參照其他時段的數據進行對比并修改。

7.如權利要求1所述的方法，其特征在于，所述LSTM模型通過以下方式進行訓練：

獲取歷史的銷量數據及其他數據；

將所述銷量數據及其他數據進行處理形成輸入樣本；

選擇LSTM模型和參數，選擇模型的優化器、優化目標函數和目標函數，設定的計算次數和收斂條件；

將所述輸入樣本輸入至初始LSTM模型，以使所述初始LSTM模型輸出預測結果，直至訓練達到收斂條件，則初始LSTM模型訓練完成，得到訓練好的LSTM模型。

8.如權利要求7所述的方法，其特征在于，所述選擇LSTM模型和參數，選擇模型的優化器、優化目標函數和目標函數，設定的計算次數和收斂條件具體為：

模型選擇：tensorflow的BasicLSTMCell模型作為LSTM模型；

參數設定：設置LSTM模型的dropout參數；

輸出數據設定：采用全連接方式輸出，系數和偏置設置成同樣的維度；

目標函數：采用最短歐氏距離函數；

優化器：選擇的AdamOptimizer優化器。