订单量预测模型的训练方法、装置以及设备制造方法及图纸

本申请实施例提供的订单量预测模型的训练方法、装置以及设备，可以提高订单量预测模型的精确度。其中，订单量预测模型的训练方法包括：获取用于训练模型的第一训练集以及第二训练集，其中，第一训练集包括不同业务的时序特征，第二训练集包括不同业务的运营环境特征；通过第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型；通过第一订单量预测模型以及第二训练集对第二初始模型进行训练，将训练完成后的模型作为第二订单量预测模型。

【技术实现步骤摘要】
订单量预测模型的训练方法、装置以及设备
本申请涉及预测领域，具体涉及订单量预测模型的训练方法、装置以及设备。
技术介绍
随着近几年电商行业的蓬勃发展，也带动了物流行业的爆发，物流的订单量增长迅速，也因此，在物流公司有限的物流资源下，订单量的预测起到一个重要的数据支持，以供物流公司部署相对应的物流资源，服务这些物流订单。现有的物流订单的订单量预测，主要通过两种方式实现，一种是传统的人工预测的方式，基于历史的物流订单数据，以及从业经验，进行人工判断，该方式不仅人力成本大、预测效率以及预测精度也不稳定；另一种则是通过历史的物流订单数据，建立订单量预测模型，通过模型自动预测物流订单的订单量。然而在实际应用中发现，尽管基于历史的物流订单数据建模得到的订单量预测模型可预测物流订单的订单量，可精确度较低，不能为物流公司提供有效的数据支持。
技术实现思路
本申请实施例提供的订单量预测模型的训练方法、装置以及设备，可以提高订单量预测模型的精确度。第一方面，本申请实施例提供了订单量预测模型的训练方法，包括：获取用于训练模型的第一训练集以及第二训练集，其中，第一训练集包括不同业务的时序特征，第二训练集包括不同业务的运营环境特征；通过第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型；通过第一订单量预测模型以及第二训练集对第二初始模型进行训练，将训练完成后的模型作为第二订单量预测模型。在一些示例性的实施例中，方法还包括：获取待预测订单量的目标业务的业务信息；根据目标业务的业务信息以及第二订单量预测模型，预测目标业务的订单量。在一些示例性的实施例中，根据目标业务的业务信息以及第二订单量预测模型，预测目标业务的订单量包括：将目标业务的业务信息输入第一订单量预测模型；获取第一订单量预测模型输出的初始订单量预测结果；将初始订单量预测结果以及目标业务的业务信息输入第二订单量预测模型，预测目标业务的订单量。在一些示例性的实施例中，目标业务为物流业务，根据目标业务的业务信息以及第二订单量预测模型，预测目标业务的订单量包括：根据物流业务的业务信息以及第二订单量预测模型，预测物流业务在预测时间点或者预测时间段的物流件量。在一些示例性的实施例中，通过第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型包括：配置待训练的第一时间段；根据第一时间段的时间长度，将第一时间段分成多个第二时间段；分别通过多个第二时间段以及第一训练集，对第一初始模型进行训练，将训练完后的模型作为第一订单量预测模型。在一些示例性的实施例中，通过第一订单量预测模型以及第二训练集对第二初始模型进行训练，将训练完成后的模型作为第二订单量预测模型包括：依次将第一训练集中的不同时序特征输入第一订单量预测模型；依次将第一订单量训练模型输出的第一订单量预测结果以及第二训练集中的不同运营环境特征输入第二初始模型，进行正向传播；依次根据第二初始模型输出的第二订单量预测结果计算预测评价指标，并作为损失函数；依次根据损失函数进行反向传播以优化模型的预测结果，直至训练完成，将训练完成后的模型作为第二订单量预测模型。在一些示例性的实施例中，运营环境特征包括不同业务的扩展时序特征、经济条件特征、地理位置特征、天气条件特征以及电商活动特征中的至少一种。第二方面，本申请实施例提供了订单量预测模型的训练装置，包括：获取单元，用于获取用于训练模型的第一训练集以及第二训练集，其中，第一训练集包括不同业务的时序特征，第二训练集包括不同业务的运营环境特征；第一训练单元，用于通过第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型；第二训练单元，用于通过第一订单量预测模型以及第二训练集对第二初始模型进行训练，将训练完成后的模型作为第二订单量预测模型。在一些示例性的实施例中，装置还包括预测单元，用于：获取待预测订单量的目标业务的业务信息；根据目标业务的业务信息以及第二订单量预测模型，预测目标业务的订单量。在一些示例性的实施例中，预测单元，具体用于：将目标业务的业务信息输入第一订单量预测模型；获取第一订单量预测模型输出的初始订单量预测结果；将初始订单量预测结果以及目标业务的业务信息输入第二订单量预测模型，预测目标业务的订单量。在一些示例性的实施例中，目标业务为物流业务，预测单元，具体用于：根据物流业务的业务信息以及第二订单量预测模型，预测物流业务在预测时间点或者预测时间段的物流件量。在一些示例性的实施例中，第一训练单元，具体用于：配置待训练的第一时间段；根据第一时间段的时间长度，将第一时间段分成多个第二时间段；分别通过多个第二时间段以及第一训练集，对第一初始模型进行训练，将训练完后的模型作为第一订单量预测模型。在一些示例性的实施例中，第二训练单元，具体用于：依次将第一训练集中的不同时序特征输入第一订单量预测模型；依次将第一订单量训练模型输出的第一订单量预测结果以及第二训练集中的不同运营环境特征输入第二初始模型，进行正向传播；依次根据第二初始模型输出的第二订单量预测结果计算预测评价指标，并作为损失函数；依次根据损失函数进行反向传播以优化模型的预测结果，直至训练完成，将训练完成后的模型作为第二订单量预测模型。在一些示例性的实施例中，运营环境特征包括不同业务的扩展时序特征、经济条件特征、地理位置特征、天气条件特征以及电商活动特征中的至少一种。第三方面，本申请实施例还提供了一种订单量预测模型的训练设备，包括存储器和处理器，所述存储器中存储有计算机程序，所述处理器调用所述存储器中的计算机程序时执行本申请实施例提供的任一种订单量预测模型的训练方法中的步骤。第四方面，本申请实施例还提供了一种计算机可读存储介质，所述计算机可读存储介质存储有多条指令，所述指令适于处理器进行加载，以执行本申请实施例提供的任一种订单量预测模型的训练方法中的步骤。从以上内容可得出，本申请实施例具有以下的有益效果：一方面，在历史的不同业务本身的时序特征的基础上，又引入了历史的不同业务外部的运营环境特征，从而在训练订单量预测模型的过程中，可引导模型关注业务外部的运营环境特征，由此完成训练的第二订单量预测模型对于业务外部的运营环境特征具有较高的针对性，可得到精确度更高的订单量预测结果。另一方面，先通过不同业务的时序特征训练得到第一订单量预测模型，再通过第一订单量预测模型以及业务外部的运营环境特征训练得到第二订单量预测模型，由此将模型的训练分成了两个部分，不仅便于模型的训练、提高训练效率，且两个模型还便于模型的维护以及更新。附图说明为了更清楚地说明本申请实施例中的技术方案，下面将对实施例描本文档来自技高网...

【技术保护点】
1.一种订单量预测模型的训练方法，其特征在于，包括：/n获取用于训练模型的第一训练集以及第二训练集，其中，所述第一训练集包括不同业务的时序特征，所述第二训练集包括不同业务的运营环境特征；/n通过所述第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型；/n通过所述第一订单量预测模型以及所述第二训练集对第二初始模型进行训练，将训练完成后的模型作为第二订单量预测模型。/n

【技术特征摘要】
1.一种订单量预测模型的训练方法，其特征在于，包括：
获取用于训练模型的第一训练集以及第二训练集，其中，所述第一训练集包括不同业务的时序特征，所述第二训练集包括不同业务的运营环境特征；
通过所述第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型；
通过所述第一订单量预测模型以及所述第二训练集对第二初始模型进行训练，将训练完成后的模型作为第二订单量预测模型。


2.根据权利要求1所述的方法，其特征在于，所述方法还包括：
获取待预测订单量的目标业务的业务信息；
根据所述目标业务的业务信息以及所述第二订单量预测模型，预测所述目标业务的订单量。


3.根据权利要求2所述的方法，其特征在于，根据所述目标业务的业务信息以及所述第二订单量预测模型，预测所述目标业务的订单量包括：
将所述目标业务的业务信息输入所述第一订单量预测模型；
获取所述第一订单量预测模型输出的初始订单量预测结果；
将所述初始订单量预测结果以及所述目标业务的业务信息输入所述第二订单量预测模型，预测所述目标业务的订单量。


4.根据权利要求2所述的方法，其特征在于，所述目标业务为物流业务，所述根据所述目标业务的业务信息以及所述第二订单量预测模型，预测所述目标业务的订单量包括：
根据所述物流业务的业务信息以及所述第二订单量预测模型，预测所述物流业务在预测时间点或者预测时间段的物流件量。


5.根据权利要求1所述的方法，其特征在于，通过所述第一训练集对第一初始模型进行训练，将训练完成后的模型作为第一订单量预测模型包括：
配置待训练的第一时间段；
根据所述第一时间段的时间长度，将所述第一时间段分成多个第二时间段；
分别通过所述多个第二时间段以及所述第一训练集，对所述第一初始模型进行训练，将训练完后的模型作为所述第一订单量预...

【专利技术属性】
技术研发人员：王飞，魏昊卿，丁宇，曾文烨，闵炎华，湛长兰，刘子恒，汤芬斯蒂，
申请(专利权)人：顺丰科技有限公司，
类型：发明
国别省市：广东;44