基于销售预测系统的组合模型销售预测方法技术方案

本发明专利技术公开了一种基于销售预测系统的组合模型销售预测方法，包括：搭建组合模型；选取销售数据进行SARIMAX模型预测，得到销售值序列的样本的第一预测序列T；将第一预测序列T合并到特征序列中，通过CATBOOST模型得到第二预测序列T1；将第一预测序列T，第二预测序列T1的预测结果融入特征序列，输入到LSTM模型当中，并进行训练得到第三预测序列T2；加权组合：逐层递归，将每个模型的预测结果，以及特征序列，原始数据进行不断重组训练，加入验证数据集，用来确定组合模型中各个模型的权重，最后根据每次预测结果动态调整权重。本发明专利技术解决了单个模型不能处理部分问题的缺陷，提高模型的优越性和泛化性。性和泛化性。性和泛化性。

【技术实现步骤摘要】
基于销售预测系统的组合模型销售预测方法


[0001]本专利技术涉及大数据
，特别是一种基于销售预测系统的组合模型销售预测方法。

技术介绍

[0002]销售预测系统运用模型进行数据预测，从而为业务提供技术支持，模型分为机器学习，深度学习，时间序列等，一般模型构建流程为，获取数据，数据预处理，特征工程，训练模型、诊断、调优，模型验证、误差分析、模型融合、部署上线等，最为核心的一个就是模型，包含时间序列分析，机器学习，深度学习等模型。
[0003]时间序列分析模型研究主要目的：进行预测，根据已有的时间序列数据预测未来的变化，主要包含arima，sarima，sarimax，holt-winners，prophet等模型，只能根据数据情况进行时间序列分析，能够大概判断季节性等特征，无法处理其他维度特征数据。机器学习主要运用数据维度进行预测，例如竞品数据，任务数据，气温数据等温度，主要包含catboost，xgboost，lightbgm，gbdt等,但是需要处理当前预测数据，如果人为填补就会出现很大的预测误差，同时又不能像时间序列分析一样本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于销售预测系统的组合模型销售预测方法，其特征在于，包括以下步骤：步骤S10、搭建基于SARIMAX模型、CATBOOST模型和LSTM模型的组合模型；步骤S20、选取销售数据进行SARIMAX模型预测，得到销售值序列的样本的第一预测序列T；步骤S30、利用爬虫获取气温、竞品数据、任务数据、任务金额、宏观经济数据作为特征序列，并将所述第一预测序列T合并到特征序列中，通过CATBOOST模型得到第二预测序列T1；步骤S40、将第一预测序列T，第二预测序列T1的预测结果融入特征序列，输入到LSTM模型当中，并进行训练得到第三预测序列T2；步骤S50、加权组合：逐层递归，将每个模型的预测结果、特征序列、以及原始数据进行不断重组训练，加入验证数据集，用来确定组合模型中各个模型的权重，最后根据每次预测结果动态调整权重。2.根据权利要求1所述的基于销售预测系统的组合模型销售预测方法，其特征在于，步骤S20中，实现SARIMAX模型具体包括以下步骤：1)加载数据；2)预处理：根据数据集定义预处理步骤，包括创建时间戳、转换日期/时间列的dType、制作系列单变量；3)序列平稳化：包括检查序列的平稳性和执行所需的转换；4)确定趋势差分阶数d值：为了使序列平稳，执行差分操作的次数将确定为d值；5)...

【专利技术属性】
技术研发人员：孙永强，唐军，唐潮，
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：