[發明專利]快遞件量的預測指標篩選方法、裝置、設備及存儲介質

有效

• 申請號: 202110086137.3
• 申請日: 2021-01-21
• 公開（公告）號: CN112734340B
• 公開（公告）日: 2023-09-01
• 發明（設計）人: 陳玉芬;李培吉;李斯;夏揚;萇生輝
• 申請（專利權）人: 上海東普信息科技有限公司
• 主分類號: G06Q10/0639
• 分類號: G06Q10/0639;G06Q10/04;G06Q10/087;G06F17/18
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種用于預測快遞件量的預測指標篩選方法，其特征在于，包括步驟：

獲取件量的歷史數據，對所述歷史數據進行預處理并篩選出目標件量數據信息；

根據所述目標件量數據信息設計用于預測快遞件量的預測指標；

分別建立各預測指標與件量指標之間的回歸分析預測模型；

采用各種回歸分析預測模型分別進行件量預測，并根據實際件量數據信息計算各回歸分析預測模型的件量預測結果的誤差信息，篩選誤差最小的回歸分析預測模型所包含的預測指標作為用于預測快遞件量的預測指標；

所述預測指標包括：近期因素、同期因素、周期因素、節假日因素、電商因素、月末因素、臨時假日因素、天氣因素、經濟因素中的多種預測指標；

所述建立各預測指標與件量指標之間的回歸分析預測模型，具體包括步驟：

從各預測指標中篩選出用于預測件量的自變量；

將件量作為因變量，并根據篩選的自變量，分別建立各預測指標與件量指標之間的回歸分析預測模型；

所述從各預測指標中篩選出用于預測件量的自變量，具體包括步驟：

計算各預測指標之間的相關性；

篩選出指標間相關系數絕對值相對較小，且指標與件量相關系數相對較大的指標；

擬合篩選的指標與件量之間的關系，建立回歸模型；

篩選出回歸模型中P值小于0.05或小于0.01的指標作為預測件量的自變量。

2.如權利要求1所述的預測指標篩選方法，其特征在于，所述計算各預測指標之間的相關性，具體包括計算預測指標之間的皮爾遜相關系數。

3.如權利要求1所述的預測指標篩選方法，其特征在于，所述對所述歷史數據進行預處理包括：清洗歷史數據、替換空數據及處理異常數據。

4.一種用于預測快遞件量的預測指標篩選裝置，其特征在于，包括：

數據處理模塊，用于獲取件量的歷史數據，對所述歷史數據進行預處理并篩選出目標件量數據信息；

預測指標設計模塊，用于根據所述目標件量數據信息設計用于預測快遞件量的預測指標；

回歸模型創建模塊，用于分別建立各預測指標與件量指標之間的回歸分析預測模型；

預測指標篩選模塊，用于采用各種回歸分析預測模型分別進行件量預測，并根據實際件量數據信息計算各回歸分析預測模型的件量預測結果的誤差信息，篩選誤差最小的回歸分析預測模型所包含的預測指標作為用于預測快遞件量的預測指標；所述預測指標包括：近期因素、同期因素、周期因素、節假日因素、電商因素、月末因素、臨時假日因素、天氣因素、經濟因素中的多種預測指標；

所述回歸模型創建模型，包括篩選單元和創建單元；

所述篩選單元用于從各預測指標中篩選出用于預測件量的自變量；

所述創建單元用于將件量作為因變量，并根據篩選的自變量，分別建立各預測指標與件量指標之間的回歸分析預測模型；

計算各預測指標之間的相關性；

篩選出指標間相關系數絕對值相對較小，且指標與件量相關系數相對較大的指標；

擬合篩選的指標與件量之間的關系，建立回歸模型；

篩選出回歸模型中P值小于0.05或小于0.01的指標作為預測件量的自變量。

5.一種用于預測快遞件量的預測指標篩選設備，其特征在于，包括處理器和存儲器，所述存儲器中存儲有至少一條指令、至少一段程序、代碼集或指令集，所述至少一條指令、所述至少一段程序、所述代碼集或所述指令集由所述處理器加載并執行以實現如權利要求1至3中任一項所述的預測指標篩選方法。

6.一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至3中任一項所述的預測指標篩選方法。