货物量预测方法及装置制造方法及图纸

本申请提供一种货物量预测方法及装置，涉及物流技术领域。本申请实施例通过获取m个货物量影响因子的序列数据，将所获取的序列数据输入预设改进NARX预测模型，利用预设改进NARX预测模型的非线性函数，得到对应的货物量预测数据，并采用指数平滑法对货物量预测数据进行处理，得到待预测时刻的货物量预测值，使得在预测过程中能够通过货物量影响因子对货物量的影响和预设改进NARX预测模型的非线性映射性，实现对货物量更精准地预测。

Prediction Method and Device of Goods Volume

【技术实现步骤摘要】
货物量预测方法及装置
本申请涉及物流
，具体而言，涉及一种货物量预测方法及装置。
技术介绍
随着社会经济的进步，物流业也随之得到了迅速发展，相应的，物流需求也呈现爆炸式的增长趋势。而对物流需求进行较为准确的预测，如，可以对未来的货物量进行预测，能够帮助物流管理者掌握货物量者的实际情况，以便优化物流调度安排。现有技术中，在对货物量进行预测时，通常先基于NARX动态神经网络，并将货物量的历史值作为输入层进行训练，得到NARX预测模型，然后通过该NARX预测模型对货物量进行预测。但是，上述现有通过NARX动态神经网络实现货物量预测的方法，预测精准度不高。
技术实现思路
本申请的目的在于，提供一种方法货物量预测方法及装置，用于解决现有通过NARX动态神经网络实现货物量预测时预测精准度不高的问题。为实现上述目的，本申请实施例所采用的技术方案如下：第一方面，本申请实施例提供一种货物量预测方法，该方法包括：获取m个货物量影响因子的序列数据，其中，序列数据包括待预测时刻前的n个时刻的货物量影响因子数据，m和n均为大于0的整数；根据序列数据和预设改进NARX预测模型，得到对应的货物量预测数据，其中，预设改进NARX预测模型的隐含层包括非线性函数；采用指数平滑法对货物量预测数据进行处理，得到待预测时刻的货物量预测值。可选地，上述根据序列数据和预设改进NARX预测模型，得到对应的货物量预测数据的步骤之前，该方法还包括：获取m个货物量影响因子和实际货物量的历史数据；基于反向传播算法，确定预设改进NARX预测模型隐含层的非线性函数和输出层权重矩阵。可选地，上述获取m个货物量影响因子的序列数据的步骤之后，该方法还包括：确定m个货物量影响因子的序列数据中不符合预设规则的数据和缺失数据；去除不符合预设规则的数据，并采用相邻预设间隔数据的均值修补缺失数据，得到预处理后的m个货物量影响因子的序列数据；将预处理后的m个货物量影响因子的序列数据进行归一化处理，得到归一化处理后的m个货物量影响因子的序列数据。可选地，上述根据序列数据和预设改进NARX预测模型，得到对应的货物量预测数据的步骤，包括：将归一化处理的m个货物量影响因子的序列数据输入预设改进NARX预测模型；通过预设改进NARX预测模型的输入层、确定后的隐含层的非线性函数和输出层权重矩阵，得到对应的货物量预测数据。可选地，货物量影响因子包括：经济数据指标、交通指标和人口指标。第二方面，本申请实施例还提供一种货物量预测装置，包括：获取模块，用于获取m个货物量影响因子的序列数据，其中，序列数据包括待预测时刻前的n个时刻的货物量影响因子数据，m和n均为大于0的整数；预测模块，用于根据序列数据和预设改进NARX预测模型，得到对应的货物量预测数据，其中，预设改进NARX预测模型的隐含层包括非线性函数；平滑处理模块，用于采用指数平滑法对货物量预测数据进行处理，得到待预测时刻的货物量预测值。可选地，该货物量预测装置还包括：训练模块，用于在预测模块根据序列数据和预设改进NARX预测模型，得到对应的货物量预测数据之前，获取m个货物量影响因子和实际货物量的历史数据；基于反向传播算法，确定预设改进NARX预测模型隐含层的非线性函数和输出层权重矩阵。可选地，该货物量预测装置还包括：预处理模块，用于在获取模块获取m个货物量影响因子的序列数据之后，确定m个货物量影响因子的序列数据中不符合预设规则的数据和缺失数据；去除不符合预设规则的数据，并采用相邻预设间隔数据的均值修补缺失数据，得到预处理后的m个货物量影响因子的序列数据；归一化模块，用于将预处理后的m个货物量影响因子的序列数据进行归一化处理，得到归一化处理后的m个货物量影响因子的序列数据。可选地，上述预测模块，具体用于将归一化处理的m个货物量影响因子的序列数据输入预设改进NARX预测模型；通过预设改进NARX预测模型的输入层、确定后的隐含层的非线性函数和输出层权重矩阵，得到对应的货物量预测数据。可选地，货物量影响因子包括：经济数据指标、交通指标和人口指标。本申请的有益效果是：本申请实施例提供的货物量预测方法及装置，通过获取m个货物量影响因子的序列数据，将所获取的序列数据输入预设改进NARX预测模型，利用预设改进NARX预测模型的非线性函数，得到对应的货物量预测数据，并采用指数平滑法对所得到的货物量预测数据进行处理，得到待预测时刻的货物量预测值，使得在预测过程中能够通过货物量影响因子对货物量的影响和预设改进NARX预测模型的非线性映射性，实现对货物量更精准地预测。附图说明为了更清楚地说明本申请实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本申请的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1示出了本申请实施例提供的货物量预测方法的流程示意图；图2示出了本申请实施例提供的另一货物量预测方法的流程示意图；图3示出了本申请实施例提供的又一货物量预测方法的流程示意图；图4示出了本申请实施例提供的又一货物量预测方法的流程示意图；图5示出了本申请实施例提供的货物量预测装置的结构示意图；图6示出了本申请实施例提供的货物量预测装置的另一结构示意图；图7示出了本申请实施例提供的货物量预测装置的又一结构示意图；图8示出了本申请实施例提供的电子设备的结构示意图。具体实施方式为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图，对本申请实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，以下对在附图中提供的本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。应注意到：相似的标号和字母在下面的附图中表示类似项，因此，一旦某一项在一个附图中被定义，则在随后的附图中不需要对其进行进一步定义和解释。本申请实施例提供一种货物量预测方法，能够实现对物流需求的更精确预测。该方法可以应用于计算机、服务器等具有计算能力的电子设备，本申请对此不作限定。图1示出了本申请实施例提供的货物量预测方法的流程示意图。如图1所示，该货物量预测方法可以包括：S101、获取m个货物量影响因子的序列数据。其中，序列数据包括待预测时刻前的n个时刻的货物量影响因子数据，m和n均为大于0的整数。具体地，货物量影响因子是指能够影响实际货物量水平的客观影响因素，例如，城市经济发展水平、城市人口基数、交通便利程度等，m的大小与货物量影响因子的类型数目相同。序列数据是指需要预测货物量的待预测时刻前的n个时刻对应的货物量影响因子数据。以任一个货物量影响因子P为例，若需要预测t时刻的货物量，t时刻前的n个时刻依次为t-n，t-n+1，……，t-2，t-1，n为大于0的整数，如1、2、3…等等，则获取到货物量影响因子P在t时刻前n个时刻的序列数据可以为(DataPt-n，DataP本文档来自技高网...

【技术保护点】
1.一种货物量预测方法，其特征在于，所述方法包括：获取m个货物量影响因子的序列数据，其中，所述序列数据包括待预测时刻前的n个时刻的货物量影响因子数据，m和n均为大于0的整数；根据所述序列数据和预设改进NARX预测模型，得到对应的货物量预测数据，其中，所述预设改进NARX预测模型的隐含层包括非线性函数；采用指数平滑法对所述货物量预测数据进行处理，得到所述待预测时刻的货物量预测值。

【技术特征摘要】
1.一种货物量预测方法，其特征在于，所述方法包括：获取m个货物量影响因子的序列数据，其中，所述序列数据包括待预测时刻前的n个时刻的货物量影响因子数据，m和n均为大于0的整数；根据所述序列数据和预设改进NARX预测模型，得到对应的货物量预测数据，其中，所述预设改进NARX预测模型的隐含层包括非线性函数；采用指数平滑法对所述货物量预测数据进行处理，得到所述待预测时刻的货物量预测值。2.根据权利要求1所述的方法，其特征在于，所述根据所述序列数据和预设改进NARX预测模型，得到对应的货物量预测数据的步骤之前，所述方法还包括：获取m个货物量影响因子和实际货物量的历史数据；基于反向传播算法，确定所述预设改进NARX预测模型隐含层的非线性函数和输出层权重矩阵。3.根据权利要求2所述的方法，其特征在于，所述获取m个货物量影响因子的序列数据的步骤之后，所述方法还包括：确定m个货物量影响因子的序列数据中不符合预设规则的数据和缺失数据；去除所述不符合预设规则的数据，并采用相邻预设间隔数据的均值修补所述缺失数据，得到预处理后的m个货物量影响因子的序列数据；将预处理后的m个货物量影响因子的序列数据进行归一化处理，得到归一化处理后的m个货物量影响因子的序列数据。4.根据权利要求3所述的方法，其特征在于，所述根据所述序列数据和预设改进NARX预测模型，得到对应的货物量预测数据的步骤，包括：将归一化处理的m个货物量影响因子的序列数据输入所述预设改进NARX预测模型；通过所述预设改进NARX预测模型的输入层、确定后的所述隐含层的非线性函数和输出层权重矩阵，得到对应的货物量预测数据。5.根据权利要求1-4任一项所述的方法，其特征在于，所述货物量影响因子包括：经济数据指标、交通指标和人口指标。6.一...

【专利技术属性】
技术研发人员：覃进学，王丹，蓝科，刘旻哲，
申请(专利权)人：成都四方伟业软件股份有限公司，
类型：发明
国别省市：四川,51