[發明專利]件量預測模型訓練方法、件量預測方法及相關設備

在審

• 申請號: 202011431052.6
• 申請日: 2020-12-09
• 公開（公告）號: CN113420902A
• 公開（公告）日: 2021-09-21
• 發明（設計）人: 陳玉芬;夏揚;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;G06N3/08;G06Q10/06
• 代理公司: 北京市京大律師事務所 11321
• 代理人: 姚維

1.一種件量預測模型訓練方法，應用于件量預測平臺，其特征在于，所述件量預測模型訓練方法包括：

獲取目標網點在特定時間段內的歷史業務數據，并對所述歷史業務數據進行預處理，得到原始業務數據，其中，所述特定時間段為下一個業務數據更新時間點之前的若干個數據更新周期的總和，所述原始業務數據包括：歷史每日件量的實際值，所述件量為快件攬派的數量；

對所述原始業務數據進行特征提取，得到攜帶特征向量的訓練業務數據；

根據所述訓練業務數據，利用預置時間序列分析模型，生成原始件量預測模型；

更新所述訓練業務數據，并將更新后的訓練業務數據輸入至所述原始件量預測模型進行迭代訓練，得到目標件量預測模型。

2.根據權利要求1所述的件量預測模型訓練方法，其特征在于，所述根據所述訓練業務數據，利用預置時間序列分析模型，生成原始件量預測模型包括：

根據所述目標周期前第一預定數量個周期的每日件量數據，構建時間序列；

判斷所述時間序列是否為平穩的時間序列；

若所述時間序列為平穩的時間序列，則確定所述時間序列的自相關系數和偏相關系數；

根據所述自相關系數和所述偏相關系數，確定時間序列分析模型的階數；

根據所述時間序列分析模型的階數以及所述時間序列，利用所述時間序列分析模型，生成原始件量預測模型。

3.根據權利要求1所述的件量預測模型訓練方法，其特征在于，所述更新所述訓練業務數據，并將更新后的訓練業務數據輸入至所述原始件量預測模型進行迭代訓練，得到目標件量預測模型包括：

通過所述原始件量預測模型對所述更新后的訓練業務數據進行預測，確定所述原始件量預測模型的準確率及覆蓋率是否達到第一預設閾值；

若否，則根據所述第一預測結果，計算模型損失值；

將所述模型損失值反向輸入所述原始件量預測模型，并判斷所述模型損失值是否達到預設損失值；

若否，則采用反向傳播算法根據所述模型損失值更新所述原始件量預測模型的參數；

通過參數更新后的原始件量預測模型對所述更新后的訓練業務數據進行處理，得到第二預測結果；

基于所述第二預測結果，重新計算所述原始件量預測模型的準確率及覆蓋率；

若所述原始件量預測模型的準確率及覆蓋率達到預設閾值，則確認模型收斂，并將所述參數更新后的原始件量預測模型作為最終訓練得到的目標件量預測模型。

4.根據權利要求3所述的件量預測模型訓練方法，其特征在于，所述通過所述原始件量預測模型對所述更新后的訓練業務數據進行預測，確定所述原始件量預測模型的準確率及覆蓋率是否達到第一預設閾值包括：

根據所述更新后的訓練業務數據，計算在所述目標周期前多個日期中各個日期的件量的預測值對件量的實際值的覆蓋率，其中，所述更新后的訓練業務數據包括：在所述目標周期前多個日期的件量的實際值；

根據在所述目標周期前多個日期中各個日期的件量的預測值和所述件量的實際值，計算采用所述原始件量預測模型進行件量預測的準確率。

5.一種件量預測方法，其特征在于，所述件量預測方法包括：

獲取實時業務數據，并將所述實時業務數據輸入預置件量預測模型；

確定所述實時業務數據的數據類型，并根據所述數據類型確定所述實時業務數據對應的目標機構，其中，所述目標機構包括總部、分撥中心、網點及快遞員；

從所述預置件量預測模型中調用與所述目標機構對應的目標件量預測子模型；

通過所述目標件量預測子模型，對所述目標機構在所述目標周期中每日的件量進行預測，得到所述目標機構在預設目標周期中每日的件量預測信息。