[發明專利]預測售貨機商品銷量方法及裝置、計算機可讀存儲介質

在審

• 申請號: 202110170458.1
• 申請日: 2021-02-08
• 公開（公告）號: CN112819540A
• 公開（公告）日: 2021-05-18
• 發明（設計）人: 劉帥;汪建曉;王高杰
• 申請（專利權）人: 佛山科學技術學院
• 主分類號: G06Q30/02
• 分類號: G06Q30/02
• 代理公司: 廣州嘉權專利商標事務所有限公司 44205
• 代理人: 葉潔勇

1.一種預測售貨機商品銷量方法，其特征在于，包括：

獲取商品數據；

對所述商品數據進行橫向預測與縱向預測，得到第一單位時間的橫向預測值與縱向預測值；其中，所述橫向預測根據若干歷史單位周期內對應的歷史第一單位時間的所述商品數據進行預測，所述縱向預測根據所述第一單位時間之前單位時間段的所述商品數據進行預測；

根據所述橫向預測值和所述縱向預測值，得到所述第一單位時間的預測銷量。

2.根據權利要求1所述的預測售貨機商品銷量方法，其特征在于，所述對所述商品數據進行橫向預測與縱向預測，得到第一單位時間的橫向預測值與縱向預測值，包括：

獲取所述第一單位時間前單位時間段中每天的所述商品數據，得到縱向數據組；

將所述縱向數據組輸入自回歸滑動平均模型，得到所述第一單位時間的縱向預測值；

獲取若干所述歷史單位周期內對應的歷史第一單位時間的所述商品數據，得到橫向數據組，其中，所述橫向數據組與所述縱向數據中包含的所述商品數據銷量相同；

將所述橫向數據組輸入自回歸滑動平均模型，得到所述第一單位時間的橫向預測值。

3.根據權利要求1或2所述的預測售貨機商品銷量方法，其特征在于，所述將所述橫向預測值和所述縱向預測值整合，得到所述第一單位時間的預測銷量，包括：

獲取若干所述歷史單位周期內對應的歷史第一單位時間的橫向預測值、縱向預測值和實際值，得到橫向預測值組、縱向預測值組和實際值組；

根據所述橫向預測值組、所述縱向預測值組和所述實際值組，計算得到橫向權值和縱向權值；

根據所述橫向權值和所述縱向權值整合所述橫向預測值和所述縱向預測值，得到所述第一單位時間的預測銷量。

4.根據權利要求3所述的預測售貨機商品銷量方法，其特征在于，所述根據所述橫向預測值組、所述縱向預測值組和所述實際值組，計算得到橫向權值和縱向權值，包括：

根據最小二乘法，建立所述橫向預測值、所述橫向權值、所述縱向預測值、所述縱向權值和所述實際值的關系式；

將所述橫向預測值組、所述縱向預測值組和所述實際值組輸入關系式中，得到所述關系式的最小值；

根據所述關系式的最小值，得到與所述最小值對應的所述橫向權值與所述縱向權值。

5.根據權利要求1或2所述的預測售貨機商品銷量方法，其特征在于，所述獲取商品數據，包括：

獲取原始銷售數據；

對所述原始銷售數據進行清洗，得到所述商品數據。

6.根據權利要求5所述的預測售貨機商品銷量方法，其特征在于，所述對所述原始銷售數據進行清洗，得到所述商品數據，包括：

根據所述原始銷售數據中的商品名與銷量，對所述原始銷售數據進行分類；

對同一類的所述原始銷售數據中的價格、成本和實付金額分別進行max和min函數篩選，得到一次清洗后的原始銷售數據；

獲取所述一次清洗后的原始銷售數據中的訂單狀態；

濾除所述訂單狀態異常的原始銷售數據，得到二次清洗后的原始銷售數據；

濾除所述二次清洗后的原始銷售數據中信息缺失的數據，得到三次清洗后的原始銷售數據；

根據所述三次清洗后的原始銷售數據，得到所述商品數據。

7.根據權利要求1或2所述的預測售貨機商品銷量方法，其特征在于，所述商品數據包括商品名、銷量和時間。

8.根據權利要求1或2所述的預測售貨機商品銷量方法，其特征在于，還包括：

將所述商品數據輸入長短期記憶人工神經網絡，得到商品的第二單位時間的預測銷量；其中，所述第二單位時間包括若干所述第一單位時間；

根據若干所述第一單位時間的預測銷量，得到預測總量；

將所述預測總量與對應的所述第二單位時間的預測銷量比較；

若所述預測總量與所述第二單位時間的預測銷量的誤差處于誤差范圍內，則判定所述第一單位時間的預測銷量有效。