[發明專利]基于模型融合的件量預測方法、裝置、設備及存儲介質

在審

• 申請號: 202110086138.8
• 申請日: 2021-01-21
• 公開（公告）號: CN112801358A
• 公開（公告）日: 2021-05-14
• 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: G06Q10/04
• 分類號: G06Q10/04;G06Q10/08;G06K9/62
• 代理公司: 上海漢聲知識產權代理有限公司 31236
• 代理人: 胡晶

1.一種基于模型融合的件量預測方法，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構建多種預測模型，并使用多種模型融合方法中的任一種模型融合方法融合各種預測模型，從而構成用于預測快遞件量的多種件量預測融合模型；

采用各種件量預測融合模型分別進行件量預測，并根據實際件量數據信息計算各種件量預測融合模型的件量預測結果的誤差信息，篩選誤差最小的件量預測融合模型作為目標件量預測融合模型；

根據篩選的所述目標件量預測融合模型進行件量預測。

2.如權利要求1所述的件量預測方法，其特征在于，所述預測模型包括定性預測模型、時間序列預測模型、面板數據預測模型、小波分析預測模型、LSTM預測模型中的多種，所述模型融合方法包括投票方法、平均方法、Bagging方法和Boosting方法中的多種。

3.如權利要求1所述的件量預測方法，其特征在于，所述采用各種件量預測融合模型進行件量預測包括件量的數量的預測及件量的預測指標的預測。

4.如權利要求3所述的件量預測方法，其特征在于，所述預測指標包括近期因素、同期因素和周期因素，其中，所述近期因素包括近期件量、近期件量平滑值、近期周平均值，所述同期因素包括歷史年度中同期件量指標，所述周期因素包括歷史周中同一天的件量、歷史月中同一天的件量、歷史季度中同一天的件量、歷史年度中同一天的件量。

5.如權利要求3所述的件量預測方法，其特征在于，所述根據實際件量數據信息計算各種件量預測融合模型的件量預測結果的誤差信息，具體包括計算件量預測誤差值、件量預測誤差率、模型誤差、測量誤差、截斷誤差和舍入誤差中的任一種或多種誤差信息。

6.如權利要求5所述的件量預測方法，其特征在于，所述件量預測誤差值和件量預測誤差率的計算過程是：

根據實際件量的數量和預測件量的數量計算件量預測誤差值；

利用件量預測融合模型進行多次件量預測，根據多次件量預測的數值計算件量預測誤差率。

7.如權利要求1所述的件量預測方法，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。

8.一種基于模型融合的件量預測裝置，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；

模型融合創建模塊，用于根據所述目標件量數據信息構建多種預測模型，并使用多種模型融合方法中的任一種模型融合方法融合各種預測模型，從而構成用于預測快遞件量的多種件量預測融合模型；

模型融合篩選模塊，用于采用各種件量預測融合模型分別進行件量預測，并根據實際件量數據信息計算各種件量預測融合模型的件量預測結果的誤差信息，篩選誤差最小的件量預測融合模型作為目標件量預測融合模型；

件量預測模塊，用于根據篩選的所述目標件量預測融合模型進行件量預測。

9.一種基于模型融合的件量預測設備，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7中任一項所述的件量預測方法。

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至7中任一項所述的件量預測方法。