[發(fā)明專利]快遞件量的預(yù)測指標(biāo)篩選方法、裝置、設(shè)備及存儲介質(zhì)

有效

• 申請?zhí)枺?/td>: 202110086137.3
• 申請日: 2021-01-21
• 公開（公告）號: CN112734340B
• 公開（公告）日: 2023-09-01
• 發(fā)明（設(shè)計）人: 陳玉芬;李培吉;李斯;夏揚;萇生輝
• 申請（專利權(quán)）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(chǎn)權(quán)代理有限公司 31236
• 代理人: 胡晶

一種用于預(yù)測快遞件量的預(yù)測指標(biāo)篩選方法、裝置、設(shè)備及存儲介質(zhì)，其中，方法包括步驟：獲取件量的歷史數(shù)據(jù)，對所述歷史數(shù)據(jù)進行預(yù)處理并篩選出目標(biāo)件量數(shù)據(jù)信息；根據(jù)目標(biāo)件量數(shù)據(jù)信息設(shè)計用于預(yù)測快遞件量的預(yù)測指標(biāo)；分別建立各預(yù)測指標(biāo)與件量指標(biāo)之間的回歸分析預(yù)測模型；采用各種回歸分析預(yù)測模型分別進行件量預(yù)測，并根據(jù)實際件量數(shù)據(jù)信息計算各回歸分析預(yù)測模型的件量預(yù)測結(jié)果的誤差信息，篩選誤差最小的回歸分析預(yù)測模型所包含的預(yù)測指標(biāo)作為用于預(yù)測快遞件量的預(yù)測指標(biāo)。通過設(shè)計多種預(yù)測指標(biāo)、創(chuàng)建預(yù)測指標(biāo)與件量之間的回歸分析預(yù)測模型、合理篩選出最佳的預(yù)測指標(biāo)，從而根據(jù)該篩選出的預(yù)測指標(biāo)能夠提高快遞件量預(yù)測的準(zhǔn)確率。

技術(shù)領(lǐng)域

本發(fā)明涉及快遞技術(shù)領(lǐng)域，具體涉及一種用于預(yù)測快遞件量的預(yù)測指標(biāo)篩選方法、裝置、設(shè)備及存儲介質(zhì)。

背景技術(shù)

隨著物流行業(yè)的快速發(fā)展，業(yè)務(wù)量(快遞件量)的管控關(guān)系著物流公司的業(yè)務(wù)能否正常進行。因此，對件量進行預(yù)測就顯得尤為重要；但是，快遞件量的預(yù)測受多種因素影響，若不能準(zhǔn)確地提供用于預(yù)測快遞件量的預(yù)測指標(biāo)，則不能達到精確預(yù)測快遞件量的目的，例如，預(yù)測指標(biāo)的不同，則導(dǎo)致快遞件量的預(yù)測誤差大，故，如何篩選預(yù)測指標(biāo)是預(yù)測快遞件量首要解決的問題。

發(fā)明內(nèi)容

為解決快遞技術(shù)領(lǐng)域中如何篩選影響預(yù)測快遞件量的預(yù)測指標(biāo)的問題，本申請?zhí)峁┮环N用于預(yù)測快遞件量的預(yù)測指標(biāo)篩選方法、裝置、設(shè)備及存儲介質(zhì)，通過篩選出最優(yōu)的預(yù)測指標(biāo)以用于快遞件量的預(yù)測，提高快遞件量的預(yù)測準(zhǔn)確率。

本發(fā)明技術(shù)方案如下：

本發(fā)明提供一種用于預(yù)測快遞件量的預(yù)測指標(biāo)篩選方法，包括步驟：

獲取件量的歷史數(shù)據(jù)，對所述歷史數(shù)據(jù)進行預(yù)處理并篩選出目標(biāo)件量數(shù)據(jù)信息；

根據(jù)所述目標(biāo)件量數(shù)據(jù)信息設(shè)計用于預(yù)測快遞件量的預(yù)測指標(biāo)；

分別建立各預(yù)測指標(biāo)與件量指標(biāo)之間的回歸分析預(yù)測模型；

采用各種回歸分析預(yù)測模型分別進行件量預(yù)測，并根據(jù)實際件量數(shù)據(jù)信息計算各回歸分析預(yù)測模型的件量預(yù)測結(jié)果的誤差信息，篩選誤差最小的回歸分析預(yù)測模型所包含的預(yù)測指標(biāo)作為用于預(yù)測快遞件量的預(yù)測指標(biāo)。

進一步優(yōu)選的，所述預(yù)測指標(biāo)包括：近期因素、同期因素、周期因素、節(jié)假日因素、電商因素、月末因素、臨時假日因素、天氣因素、經(jīng)濟因素中的多種預(yù)測指標(biāo)。

進一步優(yōu)選的，所述建立各預(yù)測指標(biāo)與件量指標(biāo)之間的回歸分析預(yù)測模型，具體包括步驟：

從各預(yù)測指標(biāo)中篩選出用于預(yù)測件量的自變量；

將件量作為因變量，并根據(jù)篩選的自變量，分別建立各預(yù)測指標(biāo)與件量指標(biāo)之間的回歸分析預(yù)測模型。

進一步優(yōu)選的，所述從各預(yù)測指標(biāo)中篩選出用于預(yù)測件量的自變量，具體包括步驟：

計算各預(yù)測指標(biāo)之間的相關(guān)性；

篩選出指標(biāo)間相關(guān)系數(shù)絕對值相對較小，且指標(biāo)與件量相關(guān)系數(shù)相對較大的指標(biāo)；

擬合篩選的指標(biāo)與件量之間的關(guān)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(biāo)作為預(yù)測件量的自變量。

進一步優(yōu)選的，所述計算各預(yù)測指標(biāo)之間的相關(guān)性，具體包括計算預(yù)測指標(biāo)之間的皮爾遜相關(guān)系數(shù)。

進一步優(yōu)選的，所述對所述歷史數(shù)據(jù)進行預(yù)處理包括：清洗歷史數(shù)據(jù)、替換空數(shù)據(jù)及處理異常數(shù)據(jù)。

本發(fā)明還提供一種用于預(yù)測快遞件量的預(yù)測指標(biāo)篩選裝置，包括：

數(shù)據(jù)處理模塊，用于獲取件量的歷史數(shù)據(jù)，對所述歷史數(shù)據(jù)進行預(yù)處理并篩選出目標(biāo)件量數(shù)據(jù)信息；