[發明專利]基于LSTM模型的快遞件量預測方法、裝置、設備和存儲介質

在審

• 申請號: 202011285588.1
• 申請日: 2020-11-17
• 公開（公告）號: CN112434847A
• 公開（公告）日: 2021-03-02
• 發明（設計）人: 夏揚;陳玉芬;李斯;李培吉
• 申請（專利權）人: 上海東普信息科技有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08;G06N3/04;G06N3/08
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于LSTM模型的快遞件量預測方法，其特征在于，包括：

步驟S1：獲取快遞攬件量的歷史數據，對歷史數據進行預處理，選取出至少一歷史周期的目標數據集；

步驟S2：創建基于LSTM的件量預測模型，將目標數據集輸入所述件量預測模型，對所述件量預測模型進行訓練；

步驟S3：基于所述訓練好的件量預測模型，對下一周期的快遞攬件量進行預測，輸出預測值。

2.如權利要求1所述的基于LSTM模型的快遞件量預測方法，其特征在于，所述步驟S1進一步包括：

清洗歷史數據，替換空數據及異常數據；

對清洗后的歷史數據進行歸一化，得到所述目標數據集。

3.如權利要求2所述的基于LSTM模型的快遞件量預測方法，其特征在于，所述替換空數據及異常數據進一步包括：

設置日攬件量的上限及下限，將大于上限或小于下限的日攬件量的值作為異常數據；

將異常數據作為缺失值，進行缺失值補齊。

4.如權利要求1所述的基于LSTM模型的快遞件量預測方法，其特征在于，所述步驟S2進一步包括：

創建LSTM模型，將目標數據集劃分為訓練集及驗證集，確定LSTM模型訓練的epoch值及batch-size值；

根據訓練結果，調整LSTM模型的參數，將最終確定的LSTM模型的參數作為所述件量預測模型的參數。

5.如權利要求4所述的基于LSTM模型的快遞件量預測方法，其特征在于，所述創建LSTM模型進一步包括：

所述LSTM模型包括輸入層、隱含層及輸出層，所述輸入層設有輸入閥門，所述隱含層設有遺忘閥門，所述輸出層設有輸出閥門；

所述輸入閥門、所述遺忘閥門或所述輸出閥門用于判斷LSTM模型網絡的相應層的上一個狀態的輸出數據是否達到預設的閾值，若是，則將所述上一個狀態的輸出數據與當前層的數據相乘，相乘的結果作為下一層的輸入數據；若否，則將上一個狀態的輸出數據遺忘。

6.如權利要求5所述的基于LSTM模型的快遞件量預測方法，其特征在于，所述輸入閥門、所述遺忘閥門或所述輸出閥門采用sigmoid函數將上一個狀態的輸出數據作為當前狀態的輸入數據。

7.如權利要求4或5所述的基于LSTM模型的快遞件量預測方法，其特征在于，所述創建LSTM模型進一步包括：

設置LSTM模型每一層網絡節點的舍棄率，防止過度擬合；

采用均方根誤差計算LSTM模型的輸出數據與驗證數據之間的誤差；

采用RMSProp算法作為LSTM模型權重參數的調整方式，經過訓練，得到最終確定的LSTM模型的參數。

8.一種基于LSTM模型的快遞件量預測裝置，其特征在于，包括：

數據處理模塊，用于獲取快遞攬件量的歷史數據，對歷史數據進行預處理，選取出至少一歷史周期的目標數據集；

模型創建模塊，用于創建基于LSTM的件量預測模型，將目標數據集輸入所述件量預測模型，對所述件量預測模型進行訓練；

件量預測模塊，用于基于所述訓練好的件量預測模型，對下一周期的快遞攬件量進行預測，輸出預測值。

9.一種基于LSTM模型的快遞件量預測設備，其特征在于，包括：

存儲器和至少一個處理器，所述存儲器中存儲有指令，所述存儲器和所述至少一個處理器通過線路互連；

所述至少一個處理器調用所述存儲器中的所述指令，以使得所述基于LSTM模型的快遞件量預測設備執行如權利要求1-7中任意一項所述的基于LSTM模型的快遞件量預測方法。

10.一種計算機可讀存儲介質，所述計算機可讀存儲介質上存儲有計算機程序，其特征在于，所述計算機程序被處理器執行時實現如權利要求1-7中任意一項所述的基于LSTM模型的快遞件量預測方法。