An order forecasting method and device, a computer readable medium, and a logistics system are provided. The order forecasting method includes: acquiring time series corresponding to historical orders; extracting feature sequences based on the time series; generating two-dimensional signal feature maps based on the feature sequences; and generating two-dimensional signal feature maps based on the two-dimensional signal feature maps. A neural network model is constructed, and the order prediction is carried out according to the neural network model. Application of the above scheme can improve the accuracy of order forecasting.
【技术实现步骤摘要】
订单的预测方法及装置、计算机可读介质、物流系统
本专利技术实施例涉及物流领域,尤其涉及一种订单的预测方法及装置、计算机可读介质、物流系统。
技术介绍
由于整车物流的订单预测能够让调度人员提前做好准备,未雨绸缪,从而使得运输资源的调度更加合理,故准确的整车物流的订单预测对于整车物流具有非常重要的作用。时间序列可以描述变量随时间变化的离散值,例如温度、湿度、股票价格、汽车销量走势等变量。时间序列预测指根据时间序列在当前的时间点t以及过往的时间点(t-1)、(t-2)、……、(t-n-1)的值,决定某一个未知时间点(t+1)或者某一个未知时间段(t+1,t+n)的值。通常,一个时间序列预测值除了依赖于过往的时间以外,可能还会依赖于一个或多个其他的时间序列。因此,一个时间序列预测问题指的是在高维空间的回归问题。在高维空间中,预测值是其过去值和其他相关的时间序列的高度非线性函数。整车物流的订单预测问题从本质上来说可以看作一个时间序列预测问题。整车物流订单预测问题由于本质上可被视作一个时间序列预测问题,所以能够通过时间序列预测模型解决,例如传统的自回归移动平均模型(AutoRegressiveMovingAverage,ARMA)、前馈神经网络模型、循环神经网络(RecurrentNeuralNetwork,RNN)、变体长短记忆神经网络(LongShort-TermMemory,LSTM)等。这些模型在解决整车物流订单预测问题时,将物流订单数据合并为一维的数据作为输入,然后提取出数据上的时间相关性。现有的整车物流订单的预测方法在有多个时间序列或者多个特征序列作为输入 ...
【技术保护点】
1.一种订单的预测方法,其特征在于,包括:获取历史订单对应的时间序列;基于所述时间序列,提取特征序列;基于所述特征序列,生成二维信号特征图;基于所述二维信号特征图,构建神经网络模型,并根据所构建的神经网络模型进行订单预测。
【技术特征摘要】
1.一种订单的预测方法,其特征在于,包括:获取历史订单对应的时间序列;基于所述时间序列,提取特征序列;基于所述特征序列,生成二维信号特征图;基于所述二维信号特征图,构建神经网络模型,并根据所构建的神经网络模型进行订单预测。2.根据权利要求1所述的订单的预测方法,其特征在于,所述获取订单对应的时间序列包括:获取历史订单对应的原始数据;对原始数据进行预处理,获取订单对应的时间序列。3.根据权利要求2所述的订单的预测方法,其特征在于,所述预处理包括以下至少一种:异常值处理、缺失值处理。4.根据权利要求1所述的订单的预测方法,其特征在于,所述提取特征序列包括:基于小波变换算法提取特征序列。5.根据权利要求1所述的订单的预测方法,其特征在于,所述生成二维信号特征图包括:将每个特征序列分割为多个长度为n的序列片段,其中n为正整数;将不同特征序列对应的序列片段进行逐行复制,生成m行序列片段,所述m行序列片段满足不同的特征序列行间两两相邻,其中m为正整数;基于所述m行序列片段,生成m*n的二维信号特征图。6.根据权利要求5所述的订单的预测方法,其特征在于,所述将每个特征序列分割为多个长度为n的序列片段包括:基于移位操作,将每个特征序列分割为多个长度为n的序列片段。7.根据权利要求1所述的订单的预测方法,其特征在于,所述构建神经网络模型包括:构建神经网络模型;基于所述二维信号特征图,训练所述神经网络模型,获取所述神经网络模型参数。8.根据权利要求7所述的订单的预测方法,其特征在于,在构建神经网络模型之后,还包括:获取订单的在线数据;基于所述在线数据训练并更新所述神经网络模型。9.根据权利要求7或8所述的订单的预测方法,其特征在于,所述神经网络为:卷积神经网络。10.一种订单的预测装置,其特征在于,包括:第一获取单元,适于获取历史订单对应的时间序列;提取单元,适于基于所述时间序列,提取特征序列;生成单元,适于基于所述特征序列,生成二维信号特征图;构建单元,适于基于所述二维信号特征图,构建神经网络模型,并根据所构建的神经网络模型...
【专利技术属性】
技术研发人员:金忠孝,丁文博,
申请(专利权)人:安吉汽车物流股份有限公司,上海汽车集团股份有限公司,
类型:发明
国别省市:上海,31
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。