[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

本案涉及人工智能領域，應用于快遞件量預測，提供一種件量預測模型訓練方法、裝置、設備及存儲介質。本方法包括：獲取目標網點在特定時間段內的歷史業務數據，并對其進行預處理，得到原始業務數據；對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；通過預置時間序列分析模型對訓練業務數據進行訓練，生成原始件量預測模型；將更新后的訓練業務數據作為新的訓練樣本集，輸入原始件量預測模型進行迭代訓練，得到目標件量預測模型。本發明通過訓練得到的件量預測模型能打通數據，方便后續統籌資源、降低成本提高效率。

技術領域

本發明涉及人工智能領域，應用于件量預測，尤其涉及一種件量預測模型訓練方法、件量預測方法及相關設備。

背景技術

隨著社會的進步和大數據的發展，人工智能越來越普遍，快遞行業運作對快遞件量預測需求較大，亟需搭建件量預測平臺，以便于更全面、更智能地服務于總部、分撥、網點、快遞員。

同時，由于現有的架構平臺無法充分地利用歷史數據對未來的攬派件量進行預測，無法實現統籌資源，路由規劃，快遞定價，個性化運營，實現智能化管理，運轉效率低。

發明內容

本發明的主要目的在于通過訓練得到的件量預測模型打通數據，方便后續統籌資源、降低成本提高效率。解決了無法利用對件量進行預測，實現智能化管理的技術問題。

本發明第一方面提供了一種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。

可選地，在本發明第一方面的第一種實現方式中，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。

可選地，在本發明第一方面的第二種實現方式中，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；