[發明專利]產品銷量預測方法及裝置

在審

• 申請號: 202111145771.6
• 申請日: 2021-09-28
• 公開（公告）號: CN113919558A
• 公開（公告）日: 2022-01-11
• 發明（設計）人: 俞宏福;盧陽光;張明
• 申請（專利權）人: 三一重機有限公司
• 主分類號: G06Q10/04
• 分類號: G06Q10/04;G06Q30/02;G06N3/04;G06N20/20
• 代理公司: 北京路浩知識產權代理有限公司 11002
• 代理人: 鄭朝然

本發明提供一種產品銷量預測方法及裝置，所述方法包括：將影響因素數據輸入至產品銷量預測模型，得到產品銷量預測模型輸出的產品銷量預測結果；其中，產品銷量預測模型是基于產品樣本數據以及產品樣本數據對應的產品銷量結果訓練得到的；產品銷量預測模型用于基于至少兩種機器學習模型分別得到影響因素數據對應的初始銷量預測結果，并對所有初始銷量預測結果進行融合，得到產品銷量預測結果。本發明不僅能夠快速得到產品銷量預測結果，而且由于產品銷量預測結果是對至少兩種機器學習模型分別對應的初始銷量預測結果進行融合后得到的，從而可以保證產品銷量預測結果的穩定性和準確性。

技術領域

本發明涉及數據處理技術領域，尤其涉及一種產品銷量預測方法及裝置。

背景技術

銷量預測是指對產品在未來一段時間內的累積銷售數量進行估計，廠家基于對每類所售產品的銷量預測結果，制定合理的生產經營策略，優化產品結構，指導產品運貨調度。

然而，在現有的實際生產應用中，產品銷量預測結果只能基于每類商品歷史的銷售額進行初步預估，再結合人工經驗進行調整，不僅效率較低，而且預測結果的準確度較低。

發明內容

本發明提供一種產品銷量預測方法及裝置，用以解決現有技術中產品銷量預測效率和準確度較低的缺陷。

本發明提供一種產品銷量預測方法，包括：

確定產品銷量的影響因素數據；

將所述影響因素數據輸入至產品銷量預測模型，得到所述產品銷量預測模型輸出的產品銷量預測結果；

其中，所述產品銷量預測模型是基于產品樣本數據以及產品樣本數據對應的產品銷量結果訓練得到的；所述產品銷量預測模型用于基于至少兩種機器學習模型分別得到所述影響因素數據對應的初始銷量預測結果，并對所有初始銷量預測結果進行融合，得到所述產品銷量預測結果。

根據本發明提供的一種產品銷量預測方法，所述將所述影響因素數據輸入至產品銷量預測模型，得到所述產品銷量預測模型輸出的產品銷量預測結果，包括：

將所述影響因素數據輸入至所述產品銷量預測模型的初始預測層，由所述初始預測層基于至少兩種機器學習模型分別對所述影響因素數據進行預測，得到各初始銷量預測結果；

將所述各初始銷量預測結果輸入至所述產品銷量預測模型的結果融合層，由所述結果融合層對所述所有初始銷量預測結果進行融合，得到所述產品銷量預測結果。

根據本發明提供的一種產品銷量預測方法，在基于產品樣本數據以及產品樣本數據對應的產品銷量結果訓練產品銷量預測模型的初始模型之前，還包括：對所述產品樣本數據進行數據預處理。

根據本發明提供的一種產品銷量預測方法，所述產品樣本數據包括歷史銷量數據、經濟因素數據、自然因素數據以及產品運行數據；

所述對所述產品樣本數據進行數據預處理，包括：

對所述歷史銷量數據依次進行數據規整處理和歸一化處理；

獲取各經濟因素數據的重要度，并在濾除重要度小于預設值對應的經濟因素數據后，對各經濟因素數據進行歸一化處理；

對所述自然因素數據進行分箱處理或獨熱編碼處理后，再進行歸一化處理；

對所述產品運行數據進行歸一化處理。

根據本發明提供的一種產品銷量預測方法，所述機器學習模型包括組合網絡模型、LightGBM模型、RNN網絡模型以及CNN網絡模型中的至少兩種，所述組合網絡模型是基于ARIMA模型和BP網絡模型得到的。

根據本發明提供的一種產品銷量預測方法，在得到所述產品銷量預測模型輸出的產品銷量預測結果之后，還包括：以目標格式顯示所述產品銷量預測結果。