[發明專利]時間序列模型的周期項參數優化方法、裝置、計算機設備

在審

• 申請號: 202010588652.7
• 申請日: 2020-06-24
• 公開（公告）號: CN113837782A
• 公開（公告）日: 2021-12-24
• 發明（設計）人: 戴妍妍;杜堃;劉星宇;幺忠瑋;肖沙沙;石穎;金晶
• 申請（專利權）人: 上海順如豐來技術有限公司
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 廣州華進聯合專利商標代理有限公司 44224
• 代理人: 聶榕

本申請涉及一種時間序列模型的周期項參數優化方法、裝置、計算機設備和存儲介質。所述方法包括：獲取表征商品歷史銷量的時間序列數據，根據時間序列數據的時長對時間序列數據進行分割，得到用于優化周期項參數的訓練集和驗證集；當根據訓練集和驗證集確定時間序列數據存在周期性時，確定時間序列數據的周期類型；根據周期類型獲取時間序列模型中周期項參數對應的初始搜索區間值；基于貝葉斯信息準則，在初始搜索區間值遍歷周期項參數對應的各貝葉斯信息量值，根據貝葉斯信息量值確定周期項參數的目標參數值。采用本方法能夠提高時間序列模型預測的準確性。

技術領域

本申請涉及供應鏈產品銷量預測技術領域，特別是涉及一種時間序列模型的周期項參數優化方法、裝置、計算機設備和存儲介質。

背景技術

銷量預測作為供應鏈管理的“第一道防線”，對于企業的生產、補貨、銷售計劃均等有著深遠的影響。對企業整體銷售水平的預測，以及對重點核心產品銷量的精確預測，為企業供應鏈的高效運轉、降本增效打下了夯實的基礎。目前，應用于銷量預測的時序類模型中，除了ARIMA、Holt-Winter外，廣義可加時間序列模型(prophet模型)因其靈活、解釋性強、適用場景廣等優點，是重要的預測方法之一。Prophet模型由周期項、節假日項、趨勢項三部分組成，但周期項中的參數，即傅里葉項系數在優化過程中存在遍歷計算量大、且容易過擬合的問題，限制了周期項對現實情境的擬合能力。

然而，目前采用枚舉法對時間序列模型周期項中的傅里葉項系數進行優化周期項參數，導致使prophet模型的預測準確性低。

發明內容

基于此，有必要針對上述技術問題，提供一種能夠提高時間序列模型預測準確的時間序列模型方法、裝置、計算機設備和存儲介質。

一種時間序列模型的周期項參數優化方法，所述方法包括：

獲取表征商品歷史銷量的時間序列數據，根據所述時間序列數據的時長對所述時間序列數據進行分割，得到用于優化所述周期項參數的訓練集和驗證集；

當根據所述訓練集和所述驗證集確定所述時間序列數據存在周期性時，確定所述時間序列數據的周期類型；

根據所述周期類型獲取所述時間序列模型中周期項參數對應的初始搜索區間值；

基于貝葉斯信息準則，在所述初始搜索區間值遍歷所述周期項參數對應的各貝葉斯信息量值，根據所述貝葉斯信息量值確定所述周期項參數的目標參數值。

在其中一個實施例中，所述基于貝葉斯信息準則，在所述初始搜索區間值遍歷所述周期項參數對應的各貝葉斯信息量值，根據各所述貝葉斯信息量值確定所述周期項參數的目標參數值，包括：

基于貝葉斯信息準則，在所述初始搜索區間值遍歷所述周期項參數對應的各貝葉斯信息量值，確定當前數值最小的貝葉斯信息量值；

根據所述當前數值最小的貝葉斯信息量值確定所述周期項參數的目標參數值。

在其中一個實施例中，所述方法還包括：

若各所述貝葉斯信息量值在所述初始搜索區間值不滿足單調遞增函數關系，獲取所述周期項參數的單調遞增長度值和周期項參數閾值；

根據所述單調遞增長度值和周期項參數閾值更新所述初始搜索區間，得到更新搜索區間；

以所述當前數值最小的貝葉斯信息量值對應的周期項參數的參數值為起始點，預設步長值增加所述周期項參數的參數值，基于所述基于貝葉斯信息準則，在所述更新搜索區間遍歷所述周期項參數對應的各候選貝葉斯信息量值；

若各所述候選貝葉斯信息量值大于或等于所述當前數值最小的貝葉斯信息量值，則不更新所述目標參數值；