【技术实现步骤摘要】
销量预测方法、系统及终端
本专利技术涉及销量预测领域，具体来说涉及一种销量预测方法、系统及终端。
技术介绍
现有产品销量预测通常采用的技术方法是使用时间序列分析类算法或者是机器学习类算法进行预测，一般流程是根据历史销量数据构建特征工程，采用固定的某种或某几种特定的算法训练后进行最终的预测，由于影响产品销量的因素较多，这种单纯的依靠基于时间序列的销量预测方法存在准确率不高的问题，若采用固定的算法模型进行销量预测，无法根据销量数据变化调整模型，同样存在预测准确率不高的缺陷。
技术实现思路
本专利技术旨在解决现有的产品销量预测方法存在准确率较低的问题，提出一种销量预测方法、系统及终端。本专利技术解决上述技术问题所采用的技术方案是：销量预测方法，包括以下步骤：步骤1、获取待预测产品基于时间序列的历史销量数据和外部环境变量数据，所述外部环境变量数据为对待预测产品的历史销量产生影响的数据；步骤2、将所述基于时间序列的历史销量数据作为训练数据对至少一种时间序列分析模型进行训练，将所述基于时间序列...
【技术保护点】
1.销量预测方法，其特征在于，包括以下步骤：/n步骤1、获取待预测产品基于时间序列的历史销量数据和外部环境变量数据，所述外部环境变量数据为对待预测产品的历史销量产生影响的数据；/n步骤2、将所述基于时间序列的历史销量数据作为训练数据对至少一种时间序列分析模型进行训练，将所述基于时间序列的历史销量数据和外部环境变量数据作为训练数据对至少一种机器学习模型进行训练，分别利用网格搜索法得到各时间序列分析模型和机器学习模型的最优参数及对应的训练误差；/n步骤3、确定所述训练误差小于预设值的多个销量预测模型，基于待预测时间并根据确定出的多个销量预测模型及其对应的最优参数对待预测产品进行...
【技术特征摘要】
1.销量预测方法，其特征在于，包括以下步骤：
步骤1、获取待预测产品基于时间序列的历史销量数据和外部环境变量数据，所述外部环境变量数据为对待预测产品的历史销量产生影响的数据；
步骤2、将所述基于时间序列的历史销量数据作为训练数据对至少一种时间序列分析模型进行训练，将所述基于时间序列的历史销量数据和外部环境变量数据作为训练数据对至少一种机器学习模型进行训练，分别利用网格搜索法得到各时间序列分析模型和机器学习模型的最优参数及对应的训练误差；
步骤3、确定所述训练误差小于预设值的多个销量预测模型，基于待预测时间并根据确定出的多个销量预测模型及其对应的最优参数对待预测产品进行销量预测，得到多个销量预测值，根据所述多个销量预测值确定最终销量预测值。
2.如权利要求1所述的销量预测方法，其特征在于，还包括：
步骤4、在进行销量预测的机器学习模型中，分别根据importance方法获取外部环境变量数据中各特征的重要程度；
步骤5、对各特征的重要程度进行归一化处理，计算各机器学习模型对应的每个特征的重要程度的平均值，并根据各特征的重要程度的平均值大小排序输出各特征。
3.如权利要求1所述的销量预测方法，其特征在于，所述外部环境变量数据包括：任务数据、竞品数据、宏观经济数据和/或气温数据，所述宏观经济数据包括：居民消费价格指数和/或房地产施工面积，其中，每类数据即为相应的特征。
4.如权利要求1所述的销量预测方法，其特征在于，所述步骤1还包括：
根据待预测产品基于时间序列的历史销量数据绘制待预测产品的历史销量图，根据所述历史销量图确定统计规律，基于待预测时间并根据所述统计规律对待预测产品进行销量预测得到统计预测值，并将该统计预测值作为统计特征加入外部环境变量数据中。
5.如权利要求1所述的销量预测方法，其特征在于，所述步骤1还包括：
基于所述时间序列剔除缺失值较多以及方差近零的历史销量数据和外部环境...
【专利技术属性】
技术研发人员：唐军，刘洋，杜科，孙永强，肖欣庭，
申请(专利权)人：四川长虹电器股份有限公司，
类型：发明
国别省市：四川;51
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。