本申请公开了揽件量预测方法及装置、电子设备、计算机可读存储介质，揽件量预测方法，包括：获取历史揽件量以及多个准影响因子的数据；对所述历史揽件量以及多个准影响因子的数据进行相关性检测获取至少一个与揽件量相关的影响因子；结合所述影响因子以及所述历史揽件量，利用一揽件量预测模型，进行揽件量预测，所述揽件量预测模型为时间序列预测模型，所述时间序列预测模型经由按时间排列的历史揽件量序列，预测获得始于所述历史揽件量序列的最后一个周期的下一周期且按时间排列的预测揽件量序列；所述预测揽件量序列包括至少一个周期的预测揽件量。本申请提供的方法和装置提高揽件量预测的准确性，以便于通过揽件量进行合理的资源调配。理的资源调配。理的资源调配。
【技术实现步骤摘要】
揽件量预测方法及装置、电子设备、计算机可读存储介质
[0001]本申请涉及数据处理
，尤其涉及揽件量预测方法、装置、电子设备、计算机可读存储介质。
技术介绍
[0002]随着信息技术的发展，准确预测揽件量有助于物流公司、商户、电商平台等合理调配资源，提前做好应对高峰件量的准备。然而，由于物流行业活动的特殊性，揽件量的变化可能会随一些影响因素变化，例如，法定节假日揽件量高峰通常出现在节前节后，而购物节类的高峰出现在节中且件量受促销力度、活动持续时间等的影响，现行业的预测快递揽件量并未考虑到外部条件对揽件量的影响，从而降低了揽件量预测的准确性，预测效果并不理想。
[0003]由此，如何对揽件量的预测进行改进，从而提高揽件量预测的准确性，以便于通过揽件量进行合理的资源调配，是本领域技术人员亟待解决的技术问题。
技术实现思路
[0004]本申请的目的在于提供揽件量预测方法、装置、电子设备、计算机可读存储介质，解决现有技术的不足，通过对历史揽件量和准影响因素的相关性检测，从而将相关的准影响因素作为影响因素以结合历史揽件量输入预测模型进行揽件量预测，从而提高揽件量预测的准确性，以便于通过揽件量进行合理的资源调配。
[0005]本申请的目的采用以下技术方案实现：
[0006]第一方面，本申请提供了一种揽件量预测方法，包括：
[0007]获取历史揽件量以及多个准影响因子的数据；
[0008]对所述历史揽件量以及多个准影响因子的数据进行相关性检测获取至少一个与揽件量相关的影响因子；
[0009]结合所述影响因子以及所述历史揽件量，利用一揽件量预测模型，进行揽件量预测，所述揽件量预测模型为时间序列预测模型，所述时间序列预测模型经由按时间排列的历史揽件量序列，预测获得始于所述历史揽件量序列的最后一个周期的下一周期且按时间排列的预测揽件量序列；所述预测揽件量序列包括至少一个周期的预测揽件量。
[0010]一方面，通过历史揽件量以及准影响因子的数据的相关性检测，以便于识别出对揽件量产生影响或产生影响较大的影响因子；再一方面，由于预测模型可以无需考虑影响因子对揽件量的影响，因此，建立和训练过程相对简单，由此，获取预测模型的效率较高；另一方面，可以通过识别出的对揽件量产生影响或影响较大的影响因子与历史揽件量结合，从而利用预测模型进行预测，可以提高预测准确性，以便于通过揽件量进行合理的资源调配。
[0011]时间序列预测模型可以通过时间序列的历史数据揭示现象随时间变化的规律，将这种规律延伸到未来，从而对该现象的未来做出预测，由此，时间序列预测模型尤其适用于
揽件量这一随时间相关的、且可形成时间序列的待预测数据。
[0012]可选地，所述结合所述影响因子以及所述历史揽件量，利用一揽件量预测模型，进行揽件量预测包括：
[0013]依据所述影响因子修正所述按时间排列的历史揽件量序列中的至少部分历史揽件量；
[0014]将经修正的所述按时间排列的历史揽件量序列输入所述揽件量预测模型。
[0015]通过影响因子修正历史揽件量序列中，与影响因子相关的揽件量数据，从而将修正的揽件量数据替换原序列中的数据，并直接输入到揽件量预测模型，以实现揽件量预测的修正，提高揽件量预测的准确性和预测效率。
[0016]可选地，所述影响因子为周期趋势，依据如下公式修正所述按时间排列的历史揽件量序列中的至少部分历史揽件量：
[0017]m
i,j(mod)
＝[m
i,j
/(m
i-1,j
/n
i-1
)]/p，
[0018]其中，m
i,j(mod)
为第i个第一周期中的第j时间段的经修正的历史揽件量，m
i,j
为第i个第一周期中的第j时间段的历史揽件量，n
i-1
为第i-1个第一周期的历史揽件总量，p为每个第一周期内的时间段的总数，i，j，p皆为大于等于1的整数。
[0019]通过周期趋势对历史揽件量序列中至少部分历史揽件量进行修正，从而缓解或解除周期趋势对揽件量预测的影响，提高揽件量预测准确性。同时，通过前一周期的历史揽件量的获取的周期趋势，以贴近揽件量的实际周期变化趋势，避免时间差距过大，导致的揽件量周期趋势发生变化，影响预测准确性。
[0020]可选地，所述影响因子为特定日期趋势，依据如下公式修正所述按时间排列的历史揽件量序列中的至少部分历史揽件量：
[0021]u
t
＝(v
t
/v
t-r
)]u
t-r
，
[0022]其中，u
t
为当前第二周期的特定日期t的经修正的历史揽件量，v
t
为前一第二周期的特定日期t的历史揽件量，v
t-r
为前一第二周期的特定日期t之前的第三周期r的历史揽件量；u
t-r
为当前第二周期的特定日期t之前的第三周期r的历史揽件量。
[0023]通过特定日期趋势对历史揽件量序列中至少部分历史揽件量进行修正，从而缓解或解除诸如节假日等特定日期趋势对揽件量预测的影响，提高揽件量预测准确性。同时，通过前一第二周期的特定日期的揽件量、特定日期对应的第二周期中的前一周期和当前周期的前一第三周期的揽件量之比，来确定特定日期前的揽件量对特定日期的当日的揽件量的变化趋势，从而修正当前第二周期的特征日期的揽件量，同时采用前一第二周期以及第三周期的历史揽件量的获取的特定日期趋势，以贴近揽件量的实际特定日期变化趋势，避免时间差距过大，导致的揽件量特定日期趋势发生变化，影响预测准确性。
[0024]可选地，所述揽件量预测模型为双指数平滑模型。
[0025]双指数平滑方法通过建立线性方程，对系统进行预测估计，其预测值既估计了发展水平，又估计了某种趋势增长，由此更适用于揽件量序列的预测。
[0026]可选地，所述获取历史揽件量以及多个准影响因子的数据包括：
[0027]将所获取的历史揽件量以及多个准影响因子的数据进行数据清洗。
[0028]由此，以对获取的数据进行预处理，避免相关性检测时导致的误差或者无法进行相关性检测的情况。
[0029]可选地，所述将所获取的历史揽件量以及多个准影响因子的数据进行数据清洗包括：
[0030]使所获取的历史揽件量以及多个准影响因子的数据中各字段皆不为空；和/或
[0031]识别所获取的历史揽件量以及多个准影响因子的数据中的异常值，并进行异常值替换。
[0032]由此，通过所获取的数据的字段皆不为空，以便于相关性检测的顺利执行；通过异常值替换，以避免由于异常值导致相关性检测有误的情况，由此，提高相关性检测的准确率和执行效率，进一步提高揽件量预测准确率。
[0033]第二方面，本申请提供了种揽件量预测装置，包括：
[0034]第一获取模块，配置成获本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种揽件量预测方法，其特征在于，包括：获取历史揽件量以及多个准影响因子的数据；对所述历史揽件量以及多个准影响因子的数据进行相关性检测获取至少一个与揽件量相关的影响因子；结合所述影响因子以及所述历史揽件量，利用一揽件量预测模型，进行揽件量预测，所述揽件量预测模型为时间序列预测模型，所述时间序列预测模型经由按时间排列的历史揽件量序列，预测获得始于所述历史揽件量序列的最后一个周期的下一周期且按时间排列的预测揽件量序列；所述预测揽件量序列包括至少一个周期的预测揽件量。2.如权利要求1所述的揽件量预测方法，其特征在于，所述结合所述影响因子以及所述历史揽件量，利用一揽件量预测模型，进行揽件量预测包括：依据所述影响因子修正所述按时间排列的历史揽件量序列中的至少部分历史揽件量；将经修正的所述按时间排列的历史揽件量序列输入所述揽件量预测模型。3.如权利要求2所述的揽件量预测方法，其特征在于，所述影响因子为周期趋势，依据如下公式修正所述按时间排列的历史揽件量序列中的至少部分历史揽件量：m
i,j(mod)
＝[m
i,j
/(m
i-1,j
/n
i-1
)]/p，其中，m
i,j(mod)
为第i个第一周期中的第j时间段的经修正的历史揽件量，m
i,j
为第i个第一周期中的第j时间段的历史揽件量，n
i-1
为第i-1个第一周期的历史揽件总量，p为每个第一周期内的时间段的总数，i，j，p皆为大于等于1的整数。4.如权利要求2所述的揽件量预测方法，其特征在于，所述影响因子为特定日期趋势，依据如下公式修正所述按时间排列的历史揽件量序列中的至少部分历史揽件量：u
t
＝(v
t
/v
t-r
)]u
t-r
，其中，u
t
【专利技术属性】
技术研发人员：夏扬，陈玉芬，李斯，李培吉，
申请(专利权)人：上海东普信息科技有限公司，
类型：发明
国别省市：
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。