[發(fā)明專(zhuān)利]一種基于模型組合的商品銷(xiāo)量預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210070808.1
• 申請(qǐng)日: 2022-01-21
• 公開(kāi)（公告）號(hào): CN114782065A
• 公開(kāi)（公告）日: 2022-07-22
• 發(fā)明（設(shè)計(jì)）人: 王君;陳鼎;劉詩(shī)語(yǔ);劉紅德;郝金星;曹暉
• 申請(qǐng)（專(zhuān)利權(quán)）人: 北京數(shù)勢(shì)云創(chuàng)科技有限公司
• 主分類(lèi)號(hào): G06Q30/02
• 分類(lèi)號(hào): G06Q30/02;G06K9/62
• 代理公司: 北京中聯(lián)智道知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11963
• 代理人: 熊蒙;張騰

本發(fā)明公開(kāi)了一種基于模型組合的商品銷(xiāo)量預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)，所述商品銷(xiāo)量預(yù)測(cè)方法包括：針對(duì)在售商品的歷史銷(xiāo)量數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，形成商品銷(xiāo)量的基準(zhǔn)數(shù)據(jù)集；將基準(zhǔn)數(shù)據(jù)集中的數(shù)據(jù)輸入至?xí)r間序列模型中，輸出每個(gè)商品的加權(quán)時(shí)序特征；將每個(gè)商品的加權(quán)時(shí)序特征對(duì)應(yīng)加入基準(zhǔn)數(shù)據(jù)集的原始特征表，輸入至樹(shù)模型中，運(yùn)行樹(shù)模型給出每個(gè)商品的銷(xiāo)量預(yù)測(cè)值。本發(fā)明的基于模型組合的商品銷(xiāo)量預(yù)測(cè)方法可適用于零售商門(mén)店商品的銷(xiāo)量預(yù)測(cè)，實(shí)現(xiàn)時(shí)序模型與樹(shù)模型的深度融合，根據(jù)商品的不同屬性，分類(lèi)尋找最優(yōu)參數(shù)，得到精度較高的時(shí)間序列模型和樹(shù)模型的組合模型，獲得更準(zhǔn)確的銷(xiāo)量預(yù)測(cè)結(jié)果。

技術(shù)領(lǐng)域

本發(fā)明涉及大數(shù)據(jù)技術(shù)領(lǐng)域，具體的涉及一種基于模型組合的商品銷(xiāo)量預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)。

背景技術(shù)

銷(xiāo)量預(yù)測(cè)是零售業(yè)經(jīng)營(yíng)中的重要環(huán)節(jié)，但由于未來(lái)市場(chǎng)需求和銷(xiāo)量來(lái)源等存在諸多不確定性，為企業(yè)銷(xiāo)量預(yù)測(cè)提升了難度。企業(yè)進(jìn)行銷(xiāo)量預(yù)測(cè)的傳統(tǒng)方法是基于人工經(jīng)驗(yàn)估計(jì)，也可以稱(chēng)為專(zhuān)家法，這種專(zhuān)家法能夠結(jié)合人的長(zhǎng)時(shí)間積累的業(yè)務(wù)經(jīng)驗(yàn)和邏輯判斷能力。但是，完全依賴(lài)專(zhuān)家法有一定的局限性，人工經(jīng)驗(yàn)可能存在偏見(jiàn)，忽略或放大某些影響銷(xiāo)量的因素，并且專(zhuān)家法有較高的時(shí)間成本，無(wú)法對(duì)大量商品進(jìn)行預(yù)測(cè)，預(yù)測(cè)的效果也參差不齊，進(jìn)而導(dǎo)致了整個(gè)零售業(yè)供應(yīng)鏈的效率低下。

隨著機(jī)器學(xué)習(xí)的廣泛應(yīng)用，銷(xiāo)量預(yù)測(cè)問(wèn)題被定義為時(shí)間序列預(yù)測(cè)問(wèn)題，通常采用傳統(tǒng)時(shí)間序列模型，對(duì)單序列進(jìn)行建模。由于在實(shí)際銷(xiāo)售的過(guò)程中，銷(xiāo)量會(huì)受到多種因素的影響，例如銷(xiāo)售價(jià)格、商品特征、促銷(xiāo)活動(dòng)等，因此，樹(shù)模型也是銷(xiāo)量預(yù)測(cè)領(lǐng)域中常見(jiàn)的基礎(chǔ)算法模型。但是，在實(shí)際應(yīng)用場(chǎng)景中，銷(xiāo)量預(yù)測(cè)問(wèn)題通常包含線性和非線性時(shí)間序列的成分，單一的一種預(yù)測(cè)方法無(wú)法很好的捕獲時(shí)間序列的復(fù)合特征，從而導(dǎo)致無(wú)法達(dá)到較高的銷(xiāo)量預(yù)測(cè)準(zhǔn)確性。

有鑒于此，特提出本發(fā)明專(zhuān)利。

發(fā)明內(nèi)容

本發(fā)明為了解決上述技術(shù)問(wèn)題，提出了一種基于模型組合的商品銷(xiāo)量預(yù)測(cè)方法、裝置及存儲(chǔ)介質(zhì)，在模型建立過(guò)程中提出了時(shí)間序列模型與樹(shù)模型組合的新方法，該方法能夠合理準(zhǔn)確的預(yù)測(cè)零售商門(mén)店中每種商品的銷(xiāo)售數(shù)據(jù)，有利于減少需求的不確定性，合理安排補(bǔ)貨量，減少庫(kù)存成本，提高零售門(mén)店的利潤(rùn)。

本發(fā)明公開(kāi)了一種基于模型組合的商品銷(xiāo)量預(yù)測(cè)方法，具體技術(shù)方案如下：

一種基于模型組合的商品銷(xiāo)量預(yù)測(cè)方法，包括：

針對(duì)在售商品的歷史銷(xiāo)量數(shù)據(jù)進(jìn)行數(shù)據(jù)預(yù)處理，形成商品銷(xiāo)量的基準(zhǔn)數(shù)據(jù)集；

將基準(zhǔn)數(shù)據(jù)集中的數(shù)據(jù)輸入至?xí)r間序列模型中，輸出每個(gè)商品的加權(quán)時(shí)序特征；

將每個(gè)商品的加權(quán)時(shí)序特征對(duì)應(yīng)加入基準(zhǔn)數(shù)據(jù)集的原始特征表，輸入至樹(shù)模型中，運(yùn)行樹(shù)模型給出每個(gè)商品的銷(xiāo)量預(yù)測(cè)值。

作為本發(fā)明的可選實(shí)施方式，所述時(shí)間序列模型的訓(xùn)練過(guò)程包括：

將基準(zhǔn)數(shù)據(jù)集按照設(shè)定比例劃分為訓(xùn)練數(shù)據(jù)集和測(cè)試數(shù)據(jù)集；

將訓(xùn)練數(shù)據(jù)集中每個(gè)商品的設(shè)定周期銷(xiāo)量和對(duì)應(yīng)的日期數(shù)據(jù)作為輸入數(shù)據(jù)依次輸入到Prophet模型，將預(yù)測(cè)時(shí)期長(zhǎng)度設(shè)置為測(cè)試數(shù)據(jù)集中該商品銷(xiāo)量數(shù)據(jù)的長(zhǎng)度；

運(yùn)行Prophet模型得到該商品全周期的銷(xiāo)量擬合值；

可選地，可以將節(jié)假日的數(shù)據(jù)輸入到Prophet模型中輔助預(yù)測(cè)。

作為本發(fā)明的可選實(shí)施方式，本發(fā)明的一種基于模型組合的商品銷(xiāo)量預(yù)測(cè)方法，包括：

將訓(xùn)練數(shù)據(jù)集中每個(gè)商品的設(shè)定周期銷(xiāo)量和對(duì)應(yīng)的日期特征輸入到Prophet模型，利用網(wǎng)格搜索找出每種商品銷(xiāo)量數(shù)據(jù)的最佳的Prophet模型參數(shù)；

得到每個(gè)商品對(duì)應(yīng)的Prophet模型最佳參數(shù)組合并保存，在預(yù)測(cè)不同的商品銷(xiāo)量時(shí)調(diào)用對(duì)應(yīng)的參數(shù)組合，進(jìn)而運(yùn)行Prophet模型，得到該商品的銷(xiāo)量擬合值；